数据收集的创新方法
“我们的数据集捕捉了广泛的海洋行为，包括正常游泳、挣扎和模拟溺水，”学生们解释道。“为了提高可靠性，我们精心挑选了一个平衡的数据集，防止偏见并提高在不同场景下的泛化能力。”
关注最新新闻。通过WhatsApp频道关注KT。
最初，团队探索了各种基于AI的方法，包括标准的目标检测和姿态估计模型。然而，早期实验表明，现有方法在处理水下扭曲、运动伪影和环境变化方面存在困难。学生们开发了一个标注的水下数据集，以解决这一问题。
“然后我们基于这些数据构建了自己的AI模型，并将其集成到一个基于网络的平台上，允许实时监控、自动警报和可扩展部署，”他们说道。“由于公共数据集不足以用于水下溺水检测，我们采取了主动措施，创建了我们自己的数据集。”
学生们在一个受控设施中录制了高分辨率的水下视频，以确保高质量的训练数据，捕捉了不同条件下不同的游泳行为。每个帧都使用标注工具手动标注。该数据集将很快公开，以支持水下计算机视觉的进一步研究。
创新的灵感来源
在开发系统之前，学生们广泛研究了溺水统计数据和现有的安全措施。“世界卫生组织（WHO）的报告强调，每年有超过236,000人因溺水而死亡，儿童是最高风险群体，”他们指出。
许多当前的监控系统要么是反应性的，依赖于事故后的分析，要么需要可穿戴传感器，这在所有环境中可能并不实用。“我们看到了利用AI和计算机视觉创建一个能够实时检测溺水事件的前瞻性、非侵入性系统的机会，”他们表示。
克服挑战
学生们在开发过程中遇到了许多技术和后勤挑战。一个主要障碍是克服水下扭曲，如折射和运动模糊，这会影响目标检测的准确性。另一个挑战是在处理高分辨率视频流的同时实现实时性能。
该系统设计得可以无缝集成到现有的游泳池监控系统，而无需进行大量修改。“它具有一个基于网络的仪表板，提供实时警报、实时摄像头流和事件跟踪。用户可以通过直观的界面配置警报设置、管理通知并回顾过去的检测，”他们补充道。
团队确保不同规模的设施可以采用这项技术，通过使用成本效益高的水下摄像头，并提供基于云和本地部署的选项。AI模型经过优化以提高效率，使其能够在商业可用的GPU上运行，而无需高端计算资源。
未来展望
展望未来，学生们计划通过进一步的实地测试来完善系统，并探索商业化机会。“获得资金将使我们能够扩大项目规模并扩大其影响力，”他们说。
回顾他们的旅程，学生们强调了他们工作的更广泛的社会影响。“这个项目强调了使用技术来解决社会挑战的重要性。AI不仅仅是关于自动化或效率。它有拯救生命的潜力。这次经历激励我们继续探索AI驱动的解决方案，以促进公共安全。”
他们还希望他们的成功能够激励他人。“我们想展示阿联酋学生可以在全球AI和创新能力上竞争。通过解决现实世界的挑战，我们希望激励未来一代推动技术进步，并为阿联酋成为AI和智能解决方案全球领导者的愿景做出贡献。”