專利名稱：基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及煤礦信息化領(lǐng)域，具體為基于安全帽的煤礦井下人員檢測(cè)與跟蹤方 法。
背景技術(shù)：
我國(guó)是煤炭生產(chǎn)和消費(fèi)的大國(guó)，煤礦的安全生產(chǎn)一直備受關(guān)注。目前，由于國(guó)家 對(duì)煤礦安全日益重視，監(jiān)管力度不斷加大，大中型煤礦均已大量裝備了煤礦安全監(jiān)控系統(tǒng)， 在一定程度上遏制了重特大事故的發(fā)生。但是，由于缺乏對(duì)井下人員位置信息的監(jiān)控，目 前還普遍存在入井人員管理困難，井上人員難以及時(shí)準(zhǔn)確掌握井下人員的分布和作業(yè)的情 況。煤礦井下還存在著一些危險(xiǎn)區(qū)域，如有害氣體超標(biāo)的區(qū)域、絞車運(yùn)行中的斜巷、設(shè)備重 地等，這些區(qū)域一般禁止工人進(jìn)入，但井下巷道交錯(cuò)，環(huán)境復(fù)雜，普通的告示牌或警鈴?fù)ㄖ?方式警示效果不佳。實(shí)現(xiàn)入井人員的有效管理、檢測(cè)、跟蹤、定位對(duì)于煤礦的安全生產(chǎn)、調(diào)度 指揮以及事故后的搶險(xiǎn)救援都具有重要意義。目前，煤礦井下人員檢測(cè)方法有如下幾種 (1).礦用人員定位跟蹤系統(tǒng)。這種系統(tǒng)一般由標(biāo)識(shí)卡、讀卡器、人員檢測(cè)分站、通信接口、服 務(wù)器等組成，多采用無(wú)線射頻識(shí)別(RFID)或無(wú)線傳感網(wǎng)(WSN)技術(shù)實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)采集與存 儲(chǔ)、井下人員考勤、定位、數(shù)據(jù)聯(lián)網(wǎng)、報(bào)警提示等一系列功能。但人員定位跟蹤系統(tǒng)存在著一 些問(wèn)題，如需實(shí)現(xiàn)低功耗、高效率的標(biāo)識(shí)卡技術(shù)，提高高速條件下定位的準(zhǔn)確性，克服井下 無(wú)線傳播信道的復(fù)雜性對(duì)定位精度的影響，還有標(biāo)識(shí)卡、讀卡器價(jià)格昂貴等。(2).紅外檢測(cè) 技術(shù)?？蓪⒌V井人員紅外探測(cè)計(jì)數(shù)裝置安裝于井口及開采現(xiàn)場(chǎng)，對(duì)出入礦人員進(jìn)行探測(cè)和 計(jì)數(shù)。但只能對(duì)在列隊(duì)行走情況下的人員如數(shù)識(shí)別，在并排或無(wú)序行走情況下難以正確識(shí) 別。采用紅外技術(shù)實(shí)現(xiàn)人員檢測(cè)如需進(jìn)一步確定人員的身份及其具體位置，還需要融合身 份確認(rèn)系統(tǒng)和人員定位系統(tǒng)等技術(shù)，增加了監(jiān)控系統(tǒng)的復(fù)雜性，限制了系統(tǒng)的應(yīng)用。(3).視 頻檢測(cè)技術(shù)。目前很多煤礦都配備了視頻監(jiān)控系統(tǒng)，地面調(diào)度指揮中心監(jiān)控人員可以直接 對(duì)井下情況進(jìn)行實(shí)時(shí)監(jiān)控，不僅能直觀的監(jiān)視和記錄井下工作現(xiàn)場(chǎng)的安全生產(chǎn)情況，及時(shí) 發(fā)現(xiàn)事故苗子，防患于未然，也能為事后分析事故提供有效的資料，在安全生產(chǎn)、調(diào)度指揮、 搶險(xiǎn)救援中都起到了積極的作用。但目前的煤礦視頻監(jiān)控仍主要停留在人工監(jiān)視階段，由 人工來(lái)監(jiān)視場(chǎng)景、判斷危險(xiǎn)情況并做出相應(yīng)的反應(yīng)。和普通圖像監(jiān)控系統(tǒng)一樣，雖然在功能 和性能上取得了長(zhǎng)足的進(jìn)步，但仍存在不足。這些不足使得圖像監(jiān)控系統(tǒng)不同程度地存在 報(bào)警準(zhǔn)確度不高、誤報(bào)漏報(bào)情況時(shí)有發(fā)生、報(bào)警響應(yīng)慢等缺陷，從而影響系統(tǒng)性能。如果能在煤礦實(shí)現(xiàn)智能視頻監(jiān)控，實(shí)現(xiàn)人員自動(dòng)檢測(cè)、跟蹤、定位，則具有一系列 的優(yōu)點(diǎn)，如(1).能充分利用煤礦現(xiàn)有設(shè)備資源，不需要額外的設(shè)備投入；( .可以和現(xiàn)有 的自動(dòng)控制系統(tǒng)結(jié)合，實(shí)現(xiàn)實(shí)時(shí)報(bào)警和聯(lián)動(dòng)控制；(3).利用視頻處理技術(shù)，提取高層次有 用信息，如身份、行為、狀態(tài)等；(4).備份視覺資料，以備查證。雖然智能視頻技術(shù)在一般場(chǎng) 景下已經(jīng)取得了較大進(jìn)展，但是目前煤礦井下智能視頻技術(shù)嚴(yán)重滯后，主要是由于井下環(huán) 境特殊，全天候人工照明，煤灰、粉塵、潮濕等因素的影響，視頻質(zhì)量較差，對(duì)于視頻處理技 術(shù)提出了嚴(yán)峻考驗(yàn)。
智能視頻監(jiān)控系統(tǒng)中人員目標(biāo)的檢測(cè)方法可以分為兩大類，即基于運(yùn)動(dòng)的人體檢 測(cè)方法和基于人體特征的檢測(cè)方法。運(yùn)動(dòng)目標(biāo)檢測(cè)是指從視頻序列中提取出運(yùn)動(dòng)目標(biāo)，為 高層的視頻理解提供分析依據(jù)，是計(jì)算機(jī)視覺研究的基礎(chǔ)任務(wù)和關(guān)鍵技術(shù)之一。作為人員 檢測(cè)的手段，這種方法只能應(yīng)用于人員與背景之間有相對(duì)運(yùn)動(dòng)的情況。常用的方法有背景 消減法、幀差法、光流法等?；谶\(yùn)動(dòng)目標(biāo)檢測(cè)人員的方法很多，各有利弊，性能不一，但共 同的一個(gè)不足是只能對(duì)運(yùn)動(dòng)的人員進(jìn)行檢測(cè)，若人員目標(biāo)處于靜止?fàn)顟B(tài)時(shí)，運(yùn)動(dòng)特征消失， 導(dǎo)致這些方法的失效，因此產(chǎn)生了基于人體特征的檢測(cè)方法。如基于人體形狀的檢測(cè)方法 和基于人體部位的檢測(cè)方法等。對(duì)于煤礦井下危險(xiǎn)區(qū)域的智能監(jiān)控來(lái)講，需要對(duì)檢測(cè)到的目標(biāo)進(jìn)行識(shí)別，判斷是 否是人，進(jìn)而決定是否報(bào)警。能否根據(jù)檢測(cè)到的信息判斷目標(biāo)為人員目標(biāo)，也是一個(gè)需要注 意的問(wèn)題。由于以下兩點(diǎn)，導(dǎo)致了識(shí)別井下人員目標(biāo)的不可靠性(1)煤礦井下環(huán)境特殊， 煤礦井下的視頻，具有照度低、光照不均勻、缺乏色彩信息、目標(biāo)和背景灰度過(guò)于接近等特 點(diǎn)，加大了目標(biāo)的檢測(cè)的難度，同時(shí)，也導(dǎo)致檢測(cè)到的目標(biāo)的不完整或形狀的畸變。(2)由于 巷道空間有限，攝像器材一般不是平行拍攝，而是以一定的角度俯視攝像；且有一些特定的 監(jiān)視區(qū)域，如監(jiān)視皮帶是否乘坐人員。所攝圖像中人員一般不是全身圖像，可能是半身，甚 至不是直立狀態(tài)，即使檢測(cè)到的目標(biāo)完整，也不利于判斷目標(biāo)是否為人員目標(biāo)。由于客觀現(xiàn) 狀或檢測(cè)方法導(dǎo)致人員目標(biāo)信息的不完整，無(wú)疑加大了目標(biāo)識(shí)別的難度，如果在檢測(cè)目標(biāo) 的同時(shí)，探測(cè)到相應(yīng)的表明目標(biāo)是人的信息，將便于后續(xù)處理、識(shí)別。要實(shí)現(xiàn)這個(gè)目標(biāo)，需要 在檢測(cè)時(shí)，根據(jù)人員目標(biāo)的特點(diǎn)來(lái)設(shè)計(jì)檢測(cè)方法。文獻(xiàn)中已有檢測(cè)人體部位的方法，其中， 以人臉檢測(cè)、頭部檢測(cè)較多。但是，對(duì)于在煤礦井下工作的人員，佩戴安全帽，為防塵一般佩 戴防塵面罩，長(zhǎng)時(shí)間的工作導(dǎo)致面部覆蓋煤塵，再加上視頻質(zhì)量較差，所以，視頻中的井下 人員一般面容不清，人臉檢測(cè)不實(shí)際；無(wú)頭發(fā)、膚色外露，更談不上采用基于發(fā)色、膚色的檢 測(cè)方法。因此，解決上述現(xiàn)有技術(shù)中存在的問(wèn)題，提供一種更高效、準(zhǔn)確的定位和跟蹤方法， 是亟待解決的問(wèn)題。

發(fā)明內(nèi)容
為了解決上述現(xiàn)有技術(shù)中的不足，克服井下監(jiān)控視頻照度低、光照不均勻、人員目 標(biāo)和背景灰度過(guò)于相似等問(wèn)題，有效地對(duì)井下人員進(jìn)行定位和跟蹤，本發(fā)明提出一種基于 安全帽檢測(cè)的井下監(jiān)控視頻中人員定位與跟蹤方法。本發(fā)明以安全帽檢測(cè)為基礎(chǔ)，通過(guò)對(duì) 安全帽的檢測(cè)與跟蹤實(shí)現(xiàn)對(duì)煤礦井下人員的定位和跟蹤。結(jié)合煤礦實(shí)際，井下人員均佩戴 安全帽，如果能夠檢測(cè)到安全帽的存在，相應(yīng)的代表檢測(cè)到人員目標(biāo)。由于安全帽的材質(zhì)原 因，一般會(huì)發(fā)生反光現(xiàn)象，由于光源一般位于巷道的上方，因此，即使視頻質(zhì)量很差，圖像中 安全帽區(qū)域至少頂部部分亮度與背景差別較大，且從不同的角度去觀察，均呈現(xiàn)圓形或類 圓形，這些特點(diǎn)使得安全帽的檢測(cè)可行。本發(fā)明中基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤的方法分為兩個(gè)部分，即安 全帽的檢測(cè)和安全帽的跟蹤。安全帽檢測(cè)過(guò)程如下(1)獲得樣本圖像對(duì)安全帽進(jìn)行建模，對(duì)安全帽圖像進(jìn)行不同角度的旋轉(zhuǎn)，來(lái)模 擬實(shí)際環(huán)境中各個(gè)角度的圖像，構(gòu)成安全帽圖像訓(xùn)練集；同時(shí)，選取井下視頻中人員肩部區(qū)域和礦燈照射的區(qū)域作為非安全帽圖像訓(xùn)練集；(2)分類特征提取選取訓(xùn)練圖像的四方向邊界圖像作為特征量；(3)分類器設(shè)計(jì)選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把視頻幀中的 安全帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練，為 檢測(cè)做準(zhǔn)備；(4)安全帽檢測(cè)。利用訓(xùn)練好的分類器對(duì)井下視頻進(jìn)行安全帽檢測(cè)；安全帽跟蹤過(guò)程如下(I)確定跟蹤目標(biāo)由檢測(cè)算法檢測(cè)到某幀中有安全帽的存在，將該幀定為跟蹤 初始幀，檢測(cè)到的安全帽區(qū)域?yàn)槌跏几櫞翱?；(II)選擇跟蹤特征。將邊緣方向和方位信息相融合，將聯(lián)合直方圖作為跟蹤安全 帽的特征量；(III)結(jié)合Kalman濾波和Mean-shift對(duì)安全帽進(jìn)行跟蹤。1)利用Kalman濾波器預(yù)測(cè)下一幀跟蹤窗口起點(diǎn)yQ ；2)計(jì)算候選目標(biāo)的特征{PuGoMuU, ..,39 ；
393)計(jì)算候選目標(biāo)與目標(biāo)的相似度廠ΣVa^oK;
M=O4)計(jì)算權(quán)值(WiIi = Ojl, ...,39 ；5)利用Mean-shift算法，計(jì)算目標(biāo)新位置；
396)更新(P(Y1Mu = C)a, ...,“" ^^ ^Ο^Α^ΣΛ/Α。。)^ ；
u=07)若 P [p (Y1) , q] < P [ρ (y0) , q]，那么乃—|(少。+ JF1)’直到 P [p (Y1) , q] >
ρ [p (y0)，q]；8)若I |y「yQ| < ε (ε是一個(gè)很小的常數(shù))，則定位，轉(zhuǎn)(9)；否則yQ —Y1，轉(zhuǎn) ⑶；9)若間隔幀已滿，計(jì)算核函數(shù)帶寬更新量，否則轉(zhuǎn)1)。其中，安全帽檢測(cè)過(guò)程(1)中所述的圖像樣本由10個(gè)安全帽區(qū)域和3個(gè)非安全帽 局域組成。安全帽檢測(cè)過(guò)程(2)中所述選取訓(xùn)練圖像的四方向邊界圖像作為特征量，按如下 步驟進(jìn)行對(duì)安全帽圖像利用I^rewitt算子進(jìn)行四方向邊緣提取，并進(jìn)行高斯濾波。減小尺 寸為8X8大小，并去掉外邊緣像素值，去掉四角像點(diǎn)，轉(zhuǎn)換為直徑為6的圓形，構(gòu)成共對(duì)父4 維的特征向量。安全帽檢測(cè)過(guò)程(3)中所述選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把 視頻幀中的安全帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器 進(jìn)行訓(xùn)練，其中，利用高斯模型擬合安全帽輪廓和非安全帽區(qū)域，并按如下步驟進(jìn)行(3-a)任意選擇10個(gè)高斯模型擬合安全帽區(qū)域和3個(gè)高斯模型擬合主要包括人員 肩部和礦燈干擾區(qū)的非安全帽區(qū)域，分別采用歐氏距離進(jìn)行K均值聚類，其聚類結(jié)果分別 作為上述兩類初始聚類中心；(3-b)采用馬氏距離對(duì)所有的樣本進(jìn)行K均值聚類，算法收斂后，計(jì)算出每類的聚類中心和協(xié)方差矩陣；(3-c)得到安全帽區(qū)域和非安全帽區(qū)域兩大類的共13個(gè)子類的聚集中心和離散 矩陣。安全帽跟蹤過(guò)程(II)中所述將邊緣方向和方位信息相融合，將聯(lián)合直方圖作為 跟蹤安全帽的特征量，按如下步驟進(jìn)行(A)邊緣方向直方圖邊緣方向直方圖是對(duì)目標(biāo)物體中邊緣點(diǎn)的邊緣方向分布的 統(tǒng)計(jì)，一幅邊緣圖像的方向空間被分為m個(gè)不同的方向，統(tǒng)計(jì)每個(gè)方向上邊緣點(diǎn)的數(shù)目，計(jì) 算其出現(xiàn)的概率，即可得出m維邊緣方向直方圖
權(quán)利要求
1.一種基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，包括安全帽的 檢測(cè)過(guò)程和安全帽跟蹤過(guò)程；安全帽檢測(cè)過(guò)程如下(1)獲得樣本圖像對(duì)安全帽進(jìn)行建模，對(duì)安全帽圖像進(jìn)行不同角度的旋轉(zhuǎn)，來(lái)模擬實(shí) 際環(huán)境中各個(gè)角度的圖像，構(gòu)成安全帽圖像訓(xùn)練集；同時(shí)，選取井下視頻中人員肩部區(qū)域和 礦燈照射的區(qū)域作為非安全帽圖像訓(xùn)練集；(2)分類特征提取選取訓(xùn)練圖像的四方向邊界圖像作為特征量；(3)分類器設(shè)計(jì)選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把視頻幀中的安全 帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練，為檢測(cè) 做準(zhǔn)備；(4)安全帽檢測(cè)。利用訓(xùn)練好的分類器對(duì)井下視頻進(jìn)行安全帽檢測(cè)；安全帽跟蹤過(guò)程 如下(I)確定跟蹤目標(biāo)由檢測(cè)算法檢測(cè)到某幀中有安全帽的存在，將該幀定為跟蹤初始 幀，檢測(cè)到的安全帽區(qū)域?yàn)槌跏几櫞翱?；(II)選擇跟蹤特征。將邊緣方向和方位信息相融合，將聯(lián)合直方圖作為跟蹤安全帽的 特征量；(III)結(jié)合Kalman濾波和Mean-shift對(duì)安全帽進(jìn)行跟蹤。1)利用Kalman濾波器預(yù)測(cè)下一幀跟蹤窗口起點(diǎn)lo；2)計(jì)算候選目標(biāo)的特征{Pu^MuH..,39 ；3)計(jì)算候選目標(biāo)與目標(biāo)的相似度/)，d= Σ ^Pu (^o k ；M=O4)計(jì)算權(quán)值IWji=CM,5)利用Mean-shift算法，計(jì)算目標(biāo)新位置； 6)更新(P(Y1)Iu= CM, ...，39，計(jì)算 4/^(:0,9]=ΣΛ/AiKk ；M = O7)若P [P (Y1)，q] < P [P (y0)，q]，那么力 <-^(^0+^)，直到 P [P (Υι)，q] > P [P (y0)，q]；8)若IIyfytlI < ε (ε是一個(gè)很小的常數(shù))，則定位，轉(zhuǎn)(9)；否則y。^y1，轉(zhuǎn)(3)；9)若間隔幀已滿，計(jì)算核函數(shù)帶寬更新量，否則轉(zhuǎn)1)。
2.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在 于，安全帽檢測(cè)過(guò)程⑴中所述的圖像樣本由10個(gè)安全帽區(qū)域和3個(gè)非安全帽局域組成。
3.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在 于，安全帽檢測(cè)過(guò)程O)中所述選取訓(xùn)練圖像的四方向邊界圖像作為特征量，按如下步驟 進(jìn)行對(duì)安全帽圖像利用I^rewitt算子進(jìn)行四方向邊緣提取，并進(jìn)行高斯濾波。減小尺寸為 8X8大小，并去掉外邊緣像素值，去掉四角像點(diǎn)，轉(zhuǎn)換為直徑為6的圓形，構(gòu)成共對(duì)父4維的 特征向量。
4.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，安全帽檢測(cè)過(guò)程(3)中所述選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把視頻幀 中的安全帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器進(jìn)行訓(xùn) 練，其中，利用高斯模型擬合安全帽輪廓和非安全帽區(qū)域，并按如下步驟進(jìn)行(3-a)任意選擇10個(gè)高斯模型擬合安全帽區(qū)域和3個(gè)高斯模型擬合主要包括人員肩部 和礦燈干擾區(qū)的非安全帽區(qū)域，分別采用歐氏距離進(jìn)行K均值聚類，其聚類結(jié)果分別作為 上述兩類初始聚類中心；(3-b)采用馬氏距離對(duì)所有的樣本進(jìn)行K均值聚類，算法收斂后，計(jì)算出每類的聚類中 心和協(xié)方差矩陣；(3-c)得到安全帽區(qū)域和非安全帽區(qū)域兩大類的共13個(gè)子類的聚集中心和離散矩陣。
5.根據(jù)權(quán)利要求1所述的根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位 與跟蹤方法，其特征在于，安全帽跟蹤過(guò)程(II)中所述將邊緣方向和方位信息相融合，將 聯(lián)合直方圖作為跟蹤安全帽的特征量，按如下步驟進(jìn)行(A)邊緣方向直方圖邊緣方向直方圖是對(duì)目標(biāo)物體中邊緣點(diǎn)的邊緣方向分布的統(tǒng) 計(jì)，一幅邊緣圖像的方向空間被分為m個(gè)不同的方向，統(tǒng)計(jì)每個(gè)方向上邊緣點(diǎn)的數(shù)目，計(jì)算 其出現(xiàn)的概率，即可得出m維邊緣方向直方圖Ei = P
，i = 1,2,…m其中，P代表每一個(gè)邊緣點(diǎn)，0(p)表示點(diǎn)ρ的邊緣方向，Ei表示邊緣方向i的概率；其 中，采用的邊緣算子為 “-1 -4 -5 0 -6 -24 -30 0 -15 -60 -75 0 -20 -80 -100 0 -15 -60 -75 0 -6 -24 -30 0 -1 一4 -5 0計(jì)算時(shí)把方向空間以π/8為單位，平分為16級(jí)；(B)方位直方圖安全帽邊緣在跟蹤窗口中的方位信息，采用邊緣點(diǎn)A(x，y)的方位角 α和半徑r兩個(gè)量來(lái)聯(lián)合表示；(Β-a)方位角α 定義邊緣的方位角為邊緣點(diǎn)到跟蹤窗口中心的向量OA和水平χ軸的 夾角α，把方位角空間按π/8的步長(zhǎng)離散化為16級(jí)，統(tǒng)計(jì)邊緣點(diǎn)的方位角，獲取方位角直 方6.根據(jù)權(quán)利要求1-5所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征 在于，安全帽跟蹤過(guò)程(III)所述對(duì)安全帽跟蹤時(shí)，自適應(yīng)地調(diào)整核函數(shù)帶寬，按如下步驟 進(jìn)行(i).對(duì)于初始跟蹤的幀進(jìn)行以下操作i-1)統(tǒng)計(jì)每個(gè)圓環(huán)內(nèi)邊緣點(diǎn)的個(gè)數(shù)，實(shí)際上就是前面計(jì)算的半徑直方圖； i-2)計(jì)算圓環(huán)內(nèi)邊緣點(diǎn)的平均數(shù)；i-3)從最外環(huán)起，找到第一個(gè)邊緣點(diǎn)數(shù)大于平均數(shù)的第一個(gè)圓環(huán)，并記錄該圓環(huán)編號(hào)A；( ).間隔兩幀后，對(duì)定位后的新幀重復(fù)以上工作，記錄圓環(huán)編號(hào)B ； (iii).判斷跟蹤窗口大小是否需要更新iii-Ι)若A和B—致，清除新記錄的圓環(huán)編號(hào)B，跟蹤窗口大小不變，繼續(xù)下一幀的跟 蹤、尋找圓環(huán)和判斷；iii-2)若A和B不一致，計(jì)算A和B的間隔C，并換算到以像素為單位，統(tǒng)計(jì)兩幀之間 間隔的幀數(shù)D，得出D幀平均尺寸變化為C/D，核函數(shù)帶寬h更改為h+C/D，繼續(xù)下一幀的跟 蹤，記錄A，并轉(zhuǎn)到(ii)。
全文摘要
本發(fā)明提出一種基于安全帽檢測(cè)的井下監(jiān)控視頻中人員定位與跟蹤方法。本發(fā)明以安全帽檢測(cè)為基礎(chǔ)，通過(guò)對(duì)安全帽的檢測(cè)與跟蹤實(shí)現(xiàn)對(duì)煤礦井下人員的定位和跟蹤。結(jié)合煤礦實(shí)際，井下人員均佩戴安全帽，如果能夠檢測(cè)到安全帽的存在，相應(yīng)的代表檢測(cè)到人員目標(biāo)。由于安全帽的材質(zhì)原因，一般會(huì)發(fā)生反光現(xiàn)象，由于光源一般位于巷道的上方，因此，即使視頻質(zhì)量很差，圖像中安全帽區(qū)域至少頂部部分亮度與背景差別較大，且從不同的角度去觀察，均呈現(xiàn)圓形或類圓形，這些特點(diǎn)使得安全帽的檢測(cè)可行；本發(fā)明中基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤的方法分為兩個(gè)部分，即安全帽的檢測(cè)和安全帽的跟蹤。
文檔編號(hào)G06K9/66GK102136076SQ20111005999
公開日2011年7月27日 申請(qǐng)日期2011年3月14日 優(yōu)先權(quán)日2011年3月14日
發(fā)明者李雷達(dá), 程德強(qiáng), 蔡利梅, 錢建生 申請(qǐng)人:徐州中礦大華洋通信設(shè)備有限公司