基于深度卷积神经网络的井下人员目标检测
唐士宇1
朱艾春2
张赛1
曹青峰1
崔冉1
华钢1
1.中国矿业大学信息与控制工程学院,江苏徐州,2210082.南京工业大学计算机科学与技术学院,江苏南京,211816
摘要：针对以人为中心的井下视频监控模式存在持续时间受限、多场景同时监视困难、人工监视结果处理不及时等问题,提出了基于深度卷积神经网络的井下人员目标检测方法.首先将输入图片缩放为固定尺寸,通过深度卷积神经网络操作后形成特征图;然后,通过区域建议网络在特征图上形成建议区域,并将建议区域池化为统一大小,送入全连接层进行运算;最后,根据概率分数高低选择最好的建议区域,自动生成需要的目标检测框.测试结果表明,该方法可以成功检测出矿井工作人员的头部目标,准确率达到87.6％.
关键词：煤矿安全井下人员目标检测头部检测深度学习卷积神经网络Faster R-CNN
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51574232)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 32-36 )
英文信息