[发明专利]一种基于二部图的煤矿井下人数统计方法

说明书

本发明涉及一种基于二部图的煤矿井下人数统计方法，属于人工智能领域。以煤矿入井口或井下关键地点图像作为输入数据，yolov5作为目标检测的主干网络，取间隔时间T获取图像，形成煤矿入井区域人员二部图，使用霍普克洛夫特‑卡普算法进行Tsubgt;1/subgt;和Tsubgt;2/subgt;时刻的人员匹配，统计出入井人数；本发明基于yolov5轻量型人员检测模型，可在满足预测精度的条件下，现场应用中实现快速迭代和实施部署。

技术领域

本发明属于人工智能领域，涉及一种基于二部图的煤矿井下人数统计方法。

背景技术

为保障煤矿安全生产，入井人数限员是重要指标之一。通常在煤矿副井口、主井口、风井口或井下关键场所配置防爆摄像仪，利用相关算法在边缘端设备识别出进入井下的人员，并统计入井人数。

煤矿井下环境复杂，比如井下巷道、采掘工作面等，较常出现光照不足、人员密集、粉尘或烟雾遮挡等情况，因此采用二部图匹配的方法，在时间序列下的图像中精确匹配目标，是实现井下人群统计的重要方法。

目前，文献中均是描述光照较好情况下人数计数的方法，而没有提出或明确表明是基于具有复杂背景环境的煤矿井下。

发明内容

有鉴于此，本发明的目的在于提供一种基于二部图的煤矿井下人数统计方法，在光照不足、存在一定尘雾遮挡的情况下，能较精确跟踪煤矿入井人员，实现煤矿井下人数统计。

为达到上述目的，本发明提供如下技术方案：

一种基于二部图的煤矿井下人数统计方法，该方法为：

以煤矿入井口或井下关键地点图像作为输入数据，yolov5作为目标检测的主干网络，取间隔时间T获取图像，形成煤矿入井区域人员二部图，使用霍普克洛夫特-卡普算法进行T₁和T₂时刻的人员匹配，统计出入井人数；

输入图像为观测地点带有人员的画面，对图像进行切片处理，以yolov5作为目标检测网络，将切片后的图像输入主干网络，经过卷积、残差、上采样，生成人员目标的位置信息P_i(x₁,x₂,y₁,y₂)；x₁是标记框左上角横坐标，x₂是标记框右下角横坐标，y₁是标记框左上角纵坐标，y₂是标记框右下角纵坐标；

为判断井下出入人数，识别人员是否通过画面中直线L(x)＝kx+b，以线L作为进出检测的区域线，k和b是常数，x是自变量；获取时间T₁和T₂时的目标检测图像，判断图像中的人员在两时刻间是否进行过移动并跨越区域线L；

图G₁(v₁,v₂,…,v_i)和G₂(u₁,u₂,…,u_i)分别是时间T₁和T₂下人员识别示意图，G₁中点v_i表示第i个人员移动前的位置中心点，G₂中点u_i表示第i个人员移动后的位置中心点；为匹配集合(v₁,v₂,…,v_i)和集合(u₁,u₂,…,u_i)中的点，采用霍普克洛夫特－卡普算法实现最大匹配；

霍普克洛夫特－卡普算法在每一次迭代中，都是基于当前的解去寻找增广路径，当前的解是当前的匹配；如果有增广路径存在，说明当前解还不是最优解；某一次迭代结束后，找不到任何的增广路径，则找到了当前的最优解，即最大匹配，匹配T₁和T₂时刻图像中的人员；