近日，我院精密测控课题组以“High Accuracy Intelligent Real-time Framework for Detecting Infant Drowning Based on Deep Learning”为题在国际人工智能领域顶级期刊Expert Systems with Applications（中科院一区TOP期刊）发表婴幼儿游泳安全自动监测研究成果，我校福州大学为独立承研单位。研究工作得到中国人工智能学会-华为MindSpore学术奖励基金（项目编号“CAAIXSJLJJ-2021-018A”）资助，何虔恩副教授、张会升硕士生、梅志强硕士生和许秀英老师（通讯作者）是该成果的主要贡献者。

及时检测溺水事件对保证婴幼儿游泳安全起着关键作用，而在婴幼儿溺水检测中目标小、分布密集，经常浸泡在光照变化和玩具干扰的复杂环境中，而且实际视频数据（尤其是包含溺水过程的视频）收集困难，这些使婴幼儿游泳安全的自动监测一直是富有挑战的问题。精密测控课题组提出一种新颖的自动监测婴幼儿游泳安全的两阶段智能实时深度学习框架（如图1所示）：在第一阶段，设计一个集成注意力机制的类YOLOv5模型来提取婴幼儿前景，以减少背景噪声造成的干扰，提高检测微小物体的准确性。在此基础上，在第二阶段，利用单次多箱检测器（SSD）过滤掉第一阶段错误检测到的目标，并准确识别游泳姿势。另外，经过一番努力，获得涵盖不同光照条件、不同摄像机设置、不同角度和不同场景布局等的实际视频数据，并借此生成包含8,500余张图片的带标签数据集，同时开发了一个基于网络的应用平台（工作流程如图2所示），实现婴幼儿游泳安全的自动监测。实验与测试结果表明，新框架的平均精度（mAP）达到97.17%，处理速度达到每秒43帧，集成新框架的应用平台具有强大的应用潜力，对保证婴幼儿游泳安全具有重要的意义。(原文链接：https://doi.org/10.1016/j.eswa.2023.120204)

图1. 自动监测婴幼儿游泳安全的两阶段智能实时深度学习框架

图2. 基于网络的婴幼儿游泳安全自动监测平台工作流程