基于YOLO的泳池溺水检测数据集构建与应用

1. 项目背景与核心价值

去年夏天参与某水上乐园安全系统升级时，我深刻意识到传统人工盯防的局限性——救生员平均需要监控200平米水域，疲劳状态下漏检率可达40%。而基于计算机视觉的溺水检测系统能在毫秒级完成全域扫描，这正是我们团队开发这个数据集的初衷。

这个YOLO格式数据集专为泳池场景优化，包含12,000张标注图像，覆盖6类高危行为：

• 静止俯卧（最危险的无声溺水状态）
• 挣扎挥手（显性求救信号）
• 潜水超时（30秒以上未换气）
• 儿童深水区活动
• 泳道线纠缠
• 突发抽搐（癫痫等疾病发作）

关键洞察：溺水者往往呈现"直立挣扎-静止下沉"交替状态，前20秒的检测窗口期直接决定救援成功率。数据集特别强化了这类过渡状态的样本。

2. 数据集构建全流程

2.1 数据采集方案设计

我们采用三路同步采集策略：

1. 高空俯拍：8米支架安装海康威视DS-2CD3系列摄像机（1920×1080@30fps），覆盖25米标准泳道
2. 水下视角：Aqua-Vu Micro II防水相机（1280×720）置于池壁1.5米深度
3. 移动端补充：GoHero 11穿戴在救生员身上获取第一人称视角

避坑经验：避免正午强光直射导致的水面镜面反射，最佳采集时段为上午9-11点或阴天，此时水面波纹特征最清晰。

2.2 标注规范制定

采用YOLOv8推荐的标注标准：

• 类别ID从0开始连续编号
• 归一化坐标保留6位小数
• 每个对象必须完整可见（不标注被遮挡超50%的实例）

特殊处理项：

• 水面反射伪影用<difficult>1</difficult>标记
• 多人重叠时优先标注下层溺水风险更高者
• 添加<action>标签记录持续时间（如<action>struggling_15s</action>）

python复制# 标注文件示例（0001.txt）
0 0.453125 0.611111 0.062500 0.088889
1 0.796875 0.722222 0.093750 0.133333 <action>diving_32s</action>

2.3 数据增强策略

针对泳池场景的特殊优化：

• 光学仿真：用CycleGAN生成不同水质状态（清澈/浑浊/消毒泡沫）
• 姿态变异：Blender合成各种肢体扭曲状态
• 环境干扰：随机添加阳光折射、水花飞溅等噪声

增强后数据分布：

3. 关键技术实现细节

3.1 YOLO模型适配改造

在YOLOv8n基础上进行三项关键修改：

1. 时序特征提取：

python复制class TemporalBlock(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1d = nn.Conv1d(256, 256, kernel_size=3, padding=1)
        self.lstm = nn.LSTM(input_size=256, hidden_size=128, num_layers=2)

    def forward(self, x):
        # x shape: (bs, c, h, w)
        x = x.mean(dim=[2,3])  # Global average pooling
        x = self.conv1d(x.unsqueeze(-1)).squeeze(-1)
        x, _ = self.lstm(x.unsqueeze(0))
        return x.squeeze(0)

2. 水面反射抑制模块：

• 使用HSV色彩空间的饱和度通道（S>0.7）检测高光区域
• 在损失函数中降低这些区域的权重系数

3. 多视角融合推理：

• 俯视/水下视角的检测结果通过加权投票融合
• 投票权重根据视角可信度动态调整（俯视视角对挥手动作更敏感）

3.2 关键性能指标

在测试集上的表现：

实测发现：系统能在溺水者第3次挣扎挥手时触发警报（平均早于人工发现17秒）

4. 部署优化与实战经验

4.1 边缘计算部署方案

采用Jetson AGX Orin+DeepStream的落地配置：

bash复制# 模型转换命令
yolo export model=yolov8n-pool.pt format=engine \
       device=0 half=True simplify=True \
       workspace=4 input_height=640 input_width=640

关键参数调优：

• 将nms-iou-threshold从0.45调整为0.6（减少波浪造成的误检）
• 设置min-detection-area=500像素（过滤远处小目标）
• 启用per-class-conf（溺水类别的置信度阈值设为0.7，其他类别0.5）

4.2 系统集成注意事项

1. 报警策略：

• 单次检测到"静止俯卧"持续5秒
• 或10秒内检测到3次"挣扎挥手"
• 或"潜水超时"超过预设值（成人45秒/儿童30秒）

2. 硬件安装要点：

• 俯视摄像机倾斜15°可减少水面反光
• 水下相机需安装在泳池短边中点
• 确保所有设备接地电阻<4Ω（防雷击）

3. 误报处理技巧：

• 用背景建模排除固定物体（如池底排水口）
• 对反复误报区域设置动态屏蔽区
• 在消毒时段自动降低检测灵敏度

5. 典型问题排查指南

5.1 水面反光干扰严重

现象：大量误检集中在波光区域
解决方案：

1. 在相机镜头前安装偏振镜（CPL）
2. 启用--hsv-saturation-thresh 0.6参数
3. 增加反光样本的训练数据

5.2 儿童检测效果差

现象：对1.2米以下儿童漏检率高
优化方法：

1. 单独标注儿童数据集（约2000张）
2. 修改anchor box尺寸为[12,16, 19,36, 33,23]（原YOLOv8默认值对小人体不友好）
3. 在DeepStream中启用group-rect参数合并碎片检测

5.3 夜间性能下降

根本原因：红外补光造成肢体边缘模糊
应对措施：

1. 使用850nm波长补光灯（减少人眼可见性）
2. 训练时添加运动模糊增强
3. 采用时间域滤波（连续5帧检测到才触发）

这个数据集目前已在GitHub开源，包含完整的采集脚本和增强工具链。在实际部署中发现，配合适当的业务规则（如游泳馆入场人数限制），系统能将溺水事故响应时间缩短至8秒内。最近我们正在试验加入毫米波雷达数据融合，进一步降低复杂光线条件下的误报率。