一种基于图像融合和特征增强的煤矿井下行人检测方法技术

本发明专利技术公开了一种基于图像融合和特征增强的煤矿井下行人检测方法，包括以下步骤：第1步骤、深度图像和红外图像的融合处理；第2步骤、构建目标边缘特征增强的CornerNet

【技术实现步骤摘要】
一种基于图像融合和特征增强的煤矿井下行人检测方法


[0001]本专利技术涉及煤矿井下行人检测的
，尤其是一种基于图像融合和特征增强的煤矿井下行人检测方法。

技术介绍

[0002]基于机器视觉的行人检测方法采用摄像装置获取视频图像，通过图像处理算法对目标信息进行检测和分析，并用于后续跟踪任务，在视频监控、无人驾驶车辆、智能机器人等领域发挥了重要作用。在智能化矿井建设中，采用机器视觉技术对长距离胶带沿线、封闭巷道入口、斜巷等危险区域进行行人检测，对于提高煤矿安全生产管理水平、防范人身伤亡事故具有重要的意义。但井下的视频图像环境复杂，光线暗淡，噪声干扰大，且井下监控摄像头一般安装在高处，导致视频图像中的行人存在尺寸偏小、分辨率低、尺度变化、行人重叠等问题。因井下环境的特殊性，面临行人目标检测常见的多尺度、遮挡、低照度等多种因素的挑战，研究井下低照度等复杂环境多尺度目标行人鲁棒性识别是一个亟待解决的问题，对保障井下安全生产具有重要意义和应用价值。
[0003]传统的行人检测算法，如HOG+SVM、ICF+AdaBoost、DPM等，主要依本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像融合和特征增强的煤矿井下行人检测方法，其特征在于，包括以下步骤：第1步骤、深度图像和红外图像的融合处理：深度图像和红外图像两者的融合采用TIF算法，通过图像分解、图像融合、图像重构三个步骤实现；对融合后的图像进行形态学处理；第2步骤、构建目标边缘特征增强的CornerNet
‑
Squeeze行人目标检测网络：CornerNet
‑
Squeeze行人目标检测网络在CornerNet网络基础上结合SqueezeNet网络，使用SqueezeNet网络中的fire模块代替了CornerNet网络中的Res残差模块；在CornerNet
‑
Squeeze行人目标检测网络中引入八度卷积OctConv处理主干网络后高低频特征信息的特征增强模块，形成改进后的CornerNet
‑
Squeeze行人目标检测网络；第3步骤、建立井下红外深度图像融合行人检测数据集，训练目标边缘特征增强的CornerNet
‑
Squeeze行人目标检测模型：将红外相机和深度相机安装在防爆无轨胶轮车车顶，充分采集煤矿井下行人数据，对采集的深度图像和红外图像进行配准对齐，采用第1步骤中的融合处理方法形成融合图像；对深度图像、红外图像及两者融合后的融合图像采用标注软件进行人工标注，得到三种数据集，三种数据集分别为深度图像训练数据集、红外图像训练数据集和融合图像训练数据集；将三种数据集划分为训练集和测试集，训练目标边缘特征增强的CornerNet
‑
Squeeze行人目标检测模型；第4步骤、本安型边缘计算设备部署目标边缘特征增强的CornerNet
‑
Squeeze行人目标检测模型，在测...

【专利技术属性】
技术研发人员：邹盛，周李兵，陈晓晶，季亮，于政乾，王天宇，赵叶鑫，王国庆，郝大彬，黄小明，杨华，卢东贵，
申请(专利权)人：中煤科工集团常州研究院有限公司，
类型：发明
国别省市：