【摘要】：煤礦井下生產(chǎn)過程復雜、環(huán)境惡劣,嚴重影響生產(chǎn)持續(xù)性和人身安全性,如何加強安全生產(chǎn),提高預警和事后搜救工作的效率是非常重要的工作。目前,煤礦企業(yè)大多數(shù)配置了視頻監(jiān)控系統(tǒng),通過檢測視頻中的人員目標及其動作,進而實現(xiàn)異常狀況的預警和聯(lián)動控制,對于煤礦安全生產(chǎn)具有重要的意義。礦井環(huán)境存在井下光照分布不均、人員目標與背景相似等特殊性。直接使用傳統(tǒng)的目標檢測方法檢測礦井視頻中的人員效果不理想,本文針對礦井視頻特點,研究其人員檢測方法,為后續(xù)異常行為分析奠定基礎。主要研究內(nèi)容如下:(1)針對礦井下視頻圖像照度低、光照不均、人員目標和背景灰度過于相似的情況,提出了基于TD-HF(Time Difference and Haar Feature,簡稱TD-HF)模型的人員檢測方法。該算法融合了時間差分法和基于Haar特征的人體檢測算法,時間差分法不易受環(huán)境光線的影響,能夠減少礦井環(huán)境中照度低、光照不均的影響;基于Haar特征的AdaBoost算法一方面能根據(jù)大量礦井下的人員樣本訓練出適合礦井中人員檢測的分類器,另一方面能保證在使用分類器進行檢測時,檢測的平均時間能滿足實時性要求。實驗結果表明:TD-HF方法與AdaBoost分類器方法相比較,檢測率提升了8.80%,誤檢率降低了69.23%,平均檢測時間降低了61.16%。(2)針對TD-HF方法在處理礦井視頻時存在人影誤檢、背景遮擋等方面的問題,提出了基于安全帽特征的井下人員檢測方法,通過提取安全帽的輪廓特征和顏色特征來進行人的定位。實驗結果表明:基于安全帽特征的檢測方法的平均檢測率為92.72%,誤檢率為0.85%,平均檢測時間較TD-HF方法降低了74.68%,能快速的檢測出安全帽區(qū)域。(3)在人員區(qū)域檢測基礎上,進一步研究井下人員動作識別問題,提出了基于CNN-DT(deep Convolutional Neural Network and Dense Trajectory,簡稱CNN-DT)的人員動作識別方法。CNN-DT方法使用改進的稠密軌跡方法對檢測到的人員進行跟蹤得到一系列軌跡點的集合,同時利用深度框架學習得到視頻的多尺度卷積特征圖,結合特征圖和稠密軌跡得到表示礦井視頻的稠密軌跡的深度特征。選擇Fisher Vector將整個視頻的稠密軌跡深度特征編碼成一個全局特征向量,用線性的SVM分類器進行動作分類。對礦井下人員的五類動作進行實驗,樣本的總體識別率為90.75%。這里僅研究礦井下基本動作識別,以期為后續(xù)研究井下異常行為識別奠定基礎。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TD76
【圖文】：

9圖 1-1 技術路線圖組織結構井下人員檢測進行探討與研究，將論文分為 5 章論，本章介紹了論文研究的背景與意義、國內(nèi)外與技術路線以及論文的組織結構，其中國內(nèi)外檢測研究現(xiàn)狀、基于視頻的目標檢測研究現(xiàn)狀、狀。于 TD-HF 模型的礦井下人員檢測，本章介紹了 T

拍攝角度、礦工服飾、實物遮擋等實際中會出現(xiàn)的環(huán)境因素。正樣本和負樣本存放于不同的庫中，用于分類器的訓練，樣本原始大小有 1920×1080、1280×720、848×480 像素等，對用于訓練樣本進行尺寸調(diào)整，正樣本統(tǒng)一調(diào)整到 20×40 像素。正負樣本為了顯示方便對原圖縮放，部分正樣本圖片如圖 2-2（a）所示，部分負樣本圖片如圖 2-2（b）所示。

【相似文獻】

相關期刊論文 前10條

1 周洲;;大棚對樹莓產(chǎn)量和漿果品質的影響[J];中國果業(yè)信息;2017年01期

2 姚朱伊;;“海富”的定期維護使企業(yè)受益[J];飲料工業(yè);2011年01期

3 姚朱伊;繆惟民;;海富的定期維護使企業(yè)受益[J];中國包裝工業(yè);2010年12期

4 ;二手糖:通過母奶喂給寶寶的糖分[J];基礎醫(yī)學與臨床;2018年06期

5 吳科明;;ELISA法不同檢驗人員檢測HIV抗體結果的比較[J];現(xiàn)代預防醫(yī)學;2013年13期

6 孟彩霞;;基于融合雙通道視頻的暴恐人員檢測仿真[J];計算機仿真;2015年02期

7 ;研究人員檢測到目前為止測量得最小的力[J];黑龍江科學;2014年10期

8 張一;高原;;淺析閘機系統(tǒng)的人員檢測與判別技術[J];科技與創(chuàng)新;2015年05期

9 ;160噸不合格進口銅精礦被退運[J];中國粉體工業(yè);2012年02期

10 ;含氯含硫復合肥 優(yōu)質抗逆又高效[J];農(nóng)家致富;2005年24期

相關重要報紙文章 前7條

1 陳宏;4S店介入榕二手車市格局或將重構[N];海峽財經(jīng)導報;2007年

2 本報記者 韓超 本報通訊員 高靜 劉磊;攜手共治 暢享消費[N];德州日報;2015年

3 易其洋;監(jiān)管為何如此違背常理？[N];寧波日報;2011年

4 嘉榮;熱天宜喝熱茶[N];中國有色金屬報;2000年

5 本報記者　王莉;非典擋不住“現(xiàn)代速度”[N];人民日報;2003年

6 本報記者 陳小三;德“毒飼料”事件對中國市場影響甚微[N];新農(nóng)村商報;2011年

7 記者黃海;年度施工任務11月底前完成[N];南通日報;2011年

相關博士學位論文 前1條

1 李森;火災初期建筑內(nèi)圖像清晰化及人員檢測技術研究[D];中國科學技術大學;2014年

相關碩士學位論文 前6條

1 李珊;基于視頻的礦井下人員檢測方法研究[D];武漢理工大學;2018年

2 李玉樂;基于深度學習的室內(nèi)場景人員檢測方法研究[D];國防科學技術大學;2017年

3 洪志恒;船艙復雜環(huán)境下人員檢測技術的研究與實現(xiàn)[D];上海海洋大學;2018年

4 李婧;低分辨率監(jiān)控視頻下的可疑人員檢測方法研究[D];中國海洋大學;2014年

5 馬明;面向住宅小區(qū)的電梯內(nèi)人員檢測和識別方法研究[D];蘇州大學;2016年

6 馬爽;基于圖像識別的教室照明節(jié)能系統(tǒng)的技術研究[D];沈陽理工大學;2015年

本文編號：2731983