本文關鍵詞： 井下監(jiān)控 PCA-SIFT算法 目標識別　出處：《煤炭技術》2017年12期 　論文類型：期刊論文

【摘要】：運動目標輪廓識別是提升煤礦井下監(jiān)控預測價值的基礎,也是監(jiān)控視頻系統(tǒng)的開發(fā)難點。通過提出PCA-SIFT算法,運用該算法對煤礦監(jiān)控運動目標進行識別,并將識別結果與傳統(tǒng)Mean Shift算法對比。結果表明:PCA-SIFT算法可更加清晰地識別出井下圖像輪廓,其幀處理效率和正確率更高,且運動目標跟蹤誤差十分穩(wěn)定,可有效防止跟蹤目標丟失。
[Abstract]:A PCA - SIFT algorithm is proposed to identify the targets of coal mine monitoring , and the recognition result is compared with the traditional Mean Shift algorithm . The results show that PCA - SIFT algorithm can identify the outline of the borehole more clearly , the frame processing efficiency and the accuracy rate are higher , and the tracking error of the moving target is very stable , and the tracking target is effectively prevented from being lost .

【作者單位】： 淮安信息職業(yè)技術學院;
【分類號】：TD76
【正文快照】： 0引言煤礦監(jiān)控是確保煤礦安全作業(yè)的基礎工作,其監(jiān)控目標除了機車和礦井結構外,還包括人、帶式輸送機等運動目標。通過有效監(jiān)控,一旦出現(xiàn)異常,須及時發(fā)出警報并采取應對措施。從煤礦運行實踐來看,設備停運、煤礦坍塌等生產(chǎn)事故的發(fā)生并不鮮見,其重要原因就是監(jiān)控無效、沒有能，

本文編號：1479089