井下复杂环境人员重识别研究
魏力1
云霄1
程小舟2
孙彦景3
1.中国矿业大学信息与控制工程学院,江苏徐州 2211162.中国矿业大学信息与控制工程学院,江苏徐州 221116;中钢集团马鞍山矿山研究院股份有限公司选矿及自动化研究所,安徽马鞍山 2430003.中国矿业大学信息与控制工程学院,江苏徐州 221116;徐州市智能安全与应急协同工程研究中心,江苏徐州 221116
摘要：对煤矿井下视频监控中的人员身份进行智能识别,对提高人员监管效率、减少安全事故发生具有重要意义.受井下环境复杂、视频监控设备性能局限性影响,井下视频监控图像存在分辨率低、遮挡、背景干扰等问题,导致井下人员间差异性较小,人员重识别准确率低.针对上述问题,提出了一种基于通道注意力和距离度量的网络结构,并将其用于井下复杂环境人员重识别.针对监控图像中人员与背景不易区分的问题,在骨干网络中引入通道注意力模块,使其更加关注人员的前景特征而抑制背景信息,并将骨干网络最后一层输出的特征图大小扩大1倍,以获得更多的细粒度特征,丰富人员的特征信息,增强网络对特征的学习能力;在实现不同身份人员分类的基础上,利用人员图像间的绝对距离信息,通过距离度量模块对难以识别的人员图像进行采样和加权处理,增加难样本在反向传播时的权重,使网络更加关注具有判别力的人员特征;联合使用身份损失和距离度量损失优化特征层,使网络提取出更具判别力的人员特征,从而提高重识别准确度.采用Miner-CUMT数据集对提出的井下复杂环境人员重识别方法进行验证,结果表明该方法可充分利用井下不同身份人员的关键信息,使识别网络具有更强的判别能力,提高了井下作业人员身份识别准确度.
关键词：煤矿智能监控井下视频监控人员智能识别人员重识别卷积神经网络特征提取特征度量通道注意力
分类号：TD67(矿山电工)
资助基金：江苏省自然科学基金青年项目(BK20180640)国家自然科学基金(61902404)国家自然科学基金(51734009)国家自然科学基金(51504255)国家自然科学基金(51734009)国家自然科学基金(61771417)国家自然科学基金(62001475)国家重点研发计划(2016YFC0801403)江苏省重点研发计划(BE2015040)
论文发表日期：2021-06-10
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：8( 63-70 )
英文信息