煤矿视频监控系统中人员目标跟踪算法的研究与实现

发布时间：2023-05-04 02:55

　　我国煤矿企业众多,煤矿领域的安全生产对社会与经济的发展具有重要意义,视频监控则是保障煤矿井下安全作业的关键措施。实现对井下人员的跟踪,能实时反映矿工在井下的信息,有利于井下人员定位和危险情况下的系统预警。同时,人员检测跟踪对井下矿工与设备安全作业,以及监控系统的自动化意义重大。本文针对煤矿井下的监控场景,在矿井下几个有代表性的场景中,分别利用颜色与纹理特征融合的Camshift算法、深度学习中的YOLOv3网络框架,实现对矿工的实时检测与跟踪。本文的主要研究工作包括以下几个方面:(1)在井下巷道与运煤皮带处对矿工的跟踪井下图像存在噪声干扰与光照不均的情况。因此,对图像进行了预处理,改善图像质量尤其是初始帧的质量。其次,针对矿工的特点,选用了颜色与纹理特征鲜明的跟踪区域,即矿工肩部以上的区域。颜色特征选用HSV颜色空间的H分量,纹理特征选用了改进的等价LBP纹理。最后,参照Mean shift跟踪算法中的概率密度函数融合两种特征,运用Camshift算法实现对矿工跟踪。实验表明,在井下光线昏暗以及头灯干扰的情况下,能够准确、实时地跟踪矿工。(2)井下变电所处矿工的识别跟踪井下变电所作为设...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 论文结构
2 相关研究
    2.1 均值漂移
    2.2 LBP算子
    2.3 Darknet深度网络结构
    2.4 深度学习网络评价指标
    2.5 本章小结
3 基于纹理与颜色信息的Camshift矿工跟踪算法
    3.1 引言
    3.2 图像预处理
    3.3 纹理模型
    3.4 基于纹理与色度融合特征的矿工跟踪
    3.5 实验结果与分析
    3.6 本章小结
4 基于深度学习的井下人员检测跟踪
    4.1 引言
    4.2 算法描述
    4.3 数据处理与模型训练
    4.4 实验结果与分析
    4.5 本章小结
5 井下变电所跟踪矿工行为分析
    5.1 引言
    5.2 矿工跟踪越界检测
    5.3 矿工滞留行为检测
    5.4 实验结果与分析
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3807809