[发明专利]一种基于计算机视觉的矿井下人员跟踪算法

说明书

本发明提供了一种基于计算机视觉的矿井下人员跟踪算法，利用计算机视觉技术，通过视频图像处理，能够快速完成在矿难发生时井下人员的检测，方便救援。实时性高，鲁棒性好，精度高，成本低。能够有效克服矿井下的照度低，光照不均匀，手电筒光照的干扰，目标和背景高度相似等显示困难，对矿井下人员进行有效的检测与跟踪，不仅能在事故发生后提供准确的人员位置信息，积极快速的开展营救，而且在平时的生产中也能实时的掌握人员分布情况，安排和调度工作，提高煤炭生产的管理水平。

技术领域

本发明属于矿井下人员检测领域，更为具体地讲，涉及一种基于计算机视觉的井下人员跟踪算法。

背景技术

现阶段，我国煤矿井下人员定位系统致力于提高定位的精度，降低定位复杂度，降低 系统能耗、成本，提高系统的推广性，目前比较常见的算法基于测距类型的算法有：接收信 号强度值(RSSI)算法、到达时间(TOA)、到达时间差(TDOA)和到达(AOA)四种定位算法。

由于煤炭开采以井下开采为主要模式，使得矿工成为一种高危职业，限于国内煤炭生产的现状，对井下人员的监控还不完善，特别是在矿难发生时，由于对井下人员的分布情况掌握不够准确，定位技术低、定位不准确，给救援工作带来了很大的困难，无法获知矿工的具体位置，就无法施展最有效的营救方案，由此耽误救援工作的情况时有发生，因此，建立一个实时的、有效的井下人员跟踪定位系统，不仅能在事故发生后提供准确的人员位置信息，积极快速的开展营救，而且在平时的生产中也能实时的掌握人员分布情况，安排和调度工作，提高煤炭生产的管理水平。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于计算机视觉的井下人员检测方法，在发生矿难时，检测矿井下的人员情况，方便救援。

为了实现以上目的，本发明基于计算机视觉的井下人员检测方法，包括以下步骤：

(1)图像预处理

图像预处理完成图像增强：矿井下照度很低，利用Retinex算法完成图像增强，提高图像的清晰度，改善图像的视觉效果；

(2)预测框的生成与筛选

将图像分成7×7的均等栅格，生成每个栅格生成两个预测框，用NMS算法进行预测框的筛选；

(3)目标检测

目标检测主要是完成在矿难发生时的人员检测，提取当前帧视频，对其进行预处理，利用YOLO算法完成人员检测。

本发明的目的是这样实现的：

本发明基于计算机视觉的井下人员检测方法，利用计算机视觉技术，通过视频图像处理，能够精确完成矿井下人员的检测及跟踪，实时性高，鲁棒性好，有效克服矿井下视频照度低、不清晰、光照不均匀、手电筒光照的干扰，目标和背景高度相似等显示困难，自动识别矿井下人员的分布情况，在发生矿难时，提高救援可行性，降低救援难度，成本低，效率高。

附图说明

图1为矿井下人员检测算法框图。

图2为FMR算法路径示意图。

图3为网络训练预测框准确度。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明，需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

在本实施例中，如图1所示，本发明基于计算机视觉的矿井下人员检测方法主要包括图像预处理、预测框的生成与筛选和目标检测。

(1)图像预处理