一种AI无人机防溺水监测和救援方法

本发明属于无人机水上救生领域，特别是涉及一种ai无人机防溺水监测和救援方法。

背景技术：

1、根据世界卫生组织2022年的一份报告，溺水是主要的公共安全问题之一。据报道，每年有超过23万人死亡。1至4岁的儿童溺水率最高，其次是5至9岁的儿童。人民网舆情数据中心发布的《2022中国青少年防溺水大数据报告》中，在我国，溺水每年造成5.9万多人死亡，其中95％以上是未成年人。未成年人溺水死亡比例逐年上升，引起社会高度重视。当溺水事件发生时，通常会导致不可逆转的伤害。

2、现有的救援方法主要存在以下问题：(1)部分地方为游泳者佩戴专用的设备，求救者需要自己发求救信号，这种方法自动性差，不够方便的；(2)无人机仅监测溺水行，并且传递位置和环境进行求助，而不实施救援；(3)现有的深度学习的溺水检测方法仅作为检测的手段而没有结合无人机进行救援，实时性差，导致救援不及时。

3、因此，需要开发一个自主性强，实时性强，方便快捷，救援效率高，救援速度快的防溺水监测和救援系统。

技术实现思路

1、本发明的目的是克服现有技术的上述不足而提供一种实时救援，方便快捷的ai无人机防溺水监测和救援方法，提高溺水救援的效率，以有效减少溺水事故的发生。

2、本发明为达到上述发明目的，采用一种ai无人机防溺水监测和救援方法技术方案如下：

3、步骤1.无人机飞行到指定的位置，无人机系统启动图像采集模块，实时拍摄水面上的图像；

4、步骤2.无人机拍摄的图像通过无线网络传输到远程的图像处理系统；

5、步骤3.图像处理系统对接收图像进行预处理并基于改进yolov8网络进行检测；

6、步骤4.快速检测并判断出水中的人是正常行为还是溺水行为；

7、步骤5.若检测到溺水行为，则图像处理系统将溺水信号和位置信息发送给无人机并启动报警系统，申请救援；

8、步骤6.无人机接收到溺水信号，启动紧急救援系统，对溺水人员投放救生圈和绳索，提前救援；

9、步骤7.救援人员到达现场，观察是否需要对溺水人员进行进一步的救援。

10、优选地，步骤1无人机系统包括：处理器、图像采集模块、通信接口、定位系统及救援系统，用于图像采集，与图像处理系统之间的通信，无人机的定位和溺水人员的救援。

11、进一步地，步骤1所述的无人机系统中，处理器位于无人机中央，连接并控制图像采集模块，通信接口，定位系统及救援系统。

12、进一步地，步骤1所述的无人机系统中，图像采集模块主要有4个不同方向摄像头组成；所述的4个摄像头分别固定在无人机左前、右前、左后及右后四个位置；当需要采集图像时，处理器会发送控制指令给图像采集模块，以控制摄像头拍摄图像。

13、进一步地，步骤1所述的无人机系统中，通信接口位于无人机的上方；与图像处理系统建立通信，实现无人机飞行到指定位置，图像采集模块的采集、传输，溺水人员的位置和是否启动救援系统之间信息的传递。

14、进一步地，步骤1所述的无人机系统中，定位系统采用gnss定位技术接收卫星信号，实现对无人机和溺水人员定位；所述的定位系统位于无人机的顶部；所述的无人机系统接收到飞行指定位置或图像传输系统的溺水人员位置的信号，定位系统指引无人机到达。

15、进一步地，步骤1所述的无人机系统中，救援系统包含救生圈和绳索，无人机到达溺水人员附近，投放救生圈和绳索进行救援；所述的救生圈和绳索位于无人机的底部。

16、优选地，步骤1无人机飞行到指定的位置，所述的指定的位置在水面的中央，360°拍摄到整个水面。

17、优选地，步骤2无人机拍摄的图像通过无线网络传输到远程的图像处理系统，所述的无线网络包括采用4g、5g和wifi。所述的图像处理系统对接收图像预处理、改进yolov8网络目标检测、是否溺水、无人机救援和启动报警系统。

18、优选地，步骤3所述的对接收图像进行预处理，包括按照设定好的顺序对4个摄像头的图像进行拼接，图像对比度增强和图像去噪操作。

19、优选地，步骤3所述的基于改进yolov8网络进行检测，改进yolov8模型在yolov8模型的基础上将骨干网络(backbone)中的卷积层替换成可变核卷积(akconv)，颈部网络(neck)采用双向特征金字塔网络(bidirectional feature pyramid network，bifpn)和添加卷积块注意力模块(convolutional block attention module，cbam)。

20、进一步地，所述的双向特征金字塔网络的融合采用快速归一化方式如下：

21、

22、在每个权重ωi后添加relu层保证ωi≥0，ε＝0.000 1，保持计算的稳定性，将每个权重归一化在0和1之间。

23、进一步地，所述的改进yolov8，损失函数采用ciou loss和vfl loss。

24、进一步地，所述的ciou loss计算如下：

25、

26、ρ2(b,bgt)＝(xp-xl)2+(yp-yl)2

27、c2＝(max(xp2,xl2)-min(xp1,xl1))2+(max(yp2,yl2)-min(yp1,yl1))2

28、

29、

30、式中，xp,yp,w,h是预测边界框的中心坐标、宽和高，xl,yl,wgt,hgt是真实边界框的中心坐标、宽和高，(xp1,yp1),(xp2,yp2)分别为预测边界框的左上角坐标和右下角坐标，(xl1,yl1),(xl2,yl2)分别为真实边界框的左上角坐标和右下角坐标，v可以计算两个边界框的宽高比相似度，α为v的权重系数。

31、进一步地，所述的vfl loss计算如下：

32、

33、式中，q为预测框和真实框的iou，p为得分，即概率。预测框和真实框相交，即q＞0，是正样本，预测框和真实框无相交，则q＝0，为负样本。

34、进一步地，所述的改进yolov8模型，结合大量的数据集进行多轮训练来优化模型性能，实现高精度的检测。

35、优选地，步骤4所述的水中的人状态，基于改进yolov8用于是否溺水进行检测，分为正常行为还是溺水行为，以及获取溺水人员的位置。

36、优选地，步骤5所述的图像处理系统，当检测到溺水行为时，将溺水信号和位置发送给无人机并启动报警系统，申请救援。

37、优选地，步骤6所述的无人机启动救援系统，当接收到溺水信号，无人机迅速根据定位系统到达溺水人员附近，对溺水人员投放救生圈，溺水人员抓住救生圈浮到水面，无人机再次投放绳索，一端固定在无人机上，另一端在溺水人员上，将溺水人员拖拽到岸边，并回到指定位置继续拍摄。

38、优选地，步骤7所述的救援人员进行进一步救援，救援人员到达现场，观察溺水人员是否安全。若溺水人员不安全，需进一步施救。

39、相比现有技术，本发明的有益效果包括：

40、(1)本发明公开了一种ai和无人机相结合的监测和救援方法，可以达到高精度、高速度、高效率和高自主性的溺水救援；

41、(2)本发明采用无人机进行全方位监测，更全面了解水中人员的状态，是正常行为还是溺水行为，为救援提供支持；

42、(3)本发明采用改进yolov8模型进行检测，改进yolov8模型提高了检测的速度和效率，且检测精度高，提高了人体溺水检测的实时性；

43、(4)本发明在检测到溺水人员后，无人机可以接收到指令，进行抢先救援，并对救生圈和绳索的精准投放，进一步提高救援效率，保障溺水人员的安全。