低照度井下人員目標(biāo)跟蹤算法的研究與實(shí)現(xiàn).pdf

1、目前煤礦業(yè)已經(jīng)基本配備了視頻監(jiān)控系統(tǒng),但大多數(shù)的井下視頻監(jiān)控系統(tǒng)僅僅利用人工進(jìn)行監(jiān)控,在長(zhǎng)時(shí)間的監(jiān)控過程中,監(jiān)控人員極易疲勞,引發(fā)安全事故。若能在現(xiàn)有視頻監(jiān)控系統(tǒng)的基礎(chǔ)上,運(yùn)用智能檢測(cè)及跟蹤技術(shù),實(shí)時(shí)的得到井下人員的位置信息,下達(dá)對(duì)井下人員的一些安全警告或指示,則能提高煤礦井下作業(yè)的安全性。
　　然而,與普通場(chǎng)景不同,煤礦井下的場(chǎng)景整體照度偏低,各位置光照不均,并且沒有傳統(tǒng)視頻中的色彩信息,導(dǎo)致目標(biāo)與背景非常相近,這些問題使得井下

2、場(chǎng)景的目標(biāo)檢測(cè)非常困難,也使得傳統(tǒng)的跟蹤方法在井下視頻的應(yīng)用效果并不理想。為了改善井下視頻目標(biāo)跟蹤的現(xiàn)狀,本文對(duì)井下場(chǎng)景的特點(diǎn)進(jìn)行了研究與分析,在傳統(tǒng)的視頻跟蹤處理流程與算法上進(jìn)行了改進(jìn),其主要的研究?jī)?nèi)容有以下幾點(diǎn):
　　(1)針對(duì)井下光照強(qiáng)度不穩(wěn)定的問題,通過對(duì)場(chǎng)景進(jìn)行混合高斯背景建模,動(dòng)態(tài)更新場(chǎng)景的背景,減小了背景漸變對(duì)目標(biāo)前景檢測(cè)帶來的影響。針對(duì)煤礦井下光斑與陰影干擾的問題,本文對(duì)井下的場(chǎng)景信息進(jìn)行挖掘,設(shè)計(jì)了一種結(jié)合相關(guān)系

3、數(shù)法的光斑與陰影消除策略,并在煤礦井下圖像序列中進(jìn)行了實(shí)驗(yàn)與對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性。
　　(2)針對(duì)井下場(chǎng)景的特點(diǎn),本文選擇了HOG(Histogram of Oriented Gradient,方向梯度直方圖)特征作為目標(biāo)跟蹤的主要特征,運(yùn)用粒子濾波跟蹤算法對(duì)井下人物進(jìn)行跟蹤,并在傳統(tǒng)的粒子濾波算法上進(jìn)行了改進(jìn),基于判別式的方法來計(jì)算粒子的權(quán)重,使得粒子的加權(quán)結(jié)果更接近真實(shí)的目標(biāo)位置,從而優(yōu)化了跟蹤的效果。在實(shí)

4、際跟蹤過程中通過核密度估計(jì)的方法來計(jì)算搜索框中的前景ROI(Range of Interest,感興趣區(qū)域)屬于跟蹤目標(biāo)的概率和屬于背景的概率,進(jìn)而判別搜索框中的ROI是否是人體目標(biāo),并通過建立實(shí)時(shí)更新的樣本庫(kù)和加入光斑陰影去除的步驟來提高目標(biāo)跟蹤的精度。本文選用了基于Kalman-Camshift的跟蹤算法和基于SVM(Support Vector Machine,支持向量機(jī))的跟蹤算法做實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)結(jié)果表明,本文提出的跟蹤算法在井