低照度井下人員目標跟蹤算法的研究與實現(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)僅僅利用人工進行監(jiān)控,在長時間的監(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,運用智能檢測及跟蹤技術(shù),實時的得到井下人員的位置信息,下達對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,與普通場景不同,煤礦井下的場景整體照度偏低,各位置光照不均,并且沒有傳統(tǒng)視頻中的色彩信息,導(dǎo)致目標與背景非常相近,這些問題使得井下

2、場景的目標檢測非常困難,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跟蹤的現(xiàn)狀,本文對井下場景的特點進行了研究與分析,在傳統(tǒng)的視頻跟蹤處理流程與算法上進行了改進,其主要的研究內(nèi)容有以下幾點:
　　(1)針對井下光照強度不穩(wěn)定的問題,通過對場景進行混合高斯背景建模,動態(tài)更新場景的背景,減小了背景漸變對目標前景檢測帶來的影響。針對煤礦井下光斑與陰影干擾的問題,本文對井下的場景信息進行挖掘,設(shè)計了一種結(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行了實驗與對比實驗,實驗結(jié)果驗證了本文算法的有效性。
　　(2)針對井下場景的特點,本文選擇了HOG(Histogram of Oriented Gradient,方向梯度直方圖)特征作為目標跟蹤的主要特征,運用粒子濾波跟蹤算法對井下人物進行跟蹤,并在傳統(tǒng)的粒子濾波算法上進行了改進,基于判別式的方法來計算粒子的權(quán)重,使得粒子的加權(quán)結(jié)果更接近真實的目標位置,從而優(yōu)化了跟蹤的效果。在實

4、際跟蹤過程中通過核密度估計的方法來計算搜索框中的前景ROI(Range of Interest,感興趣區(qū)域)屬于跟蹤目標的概率和屬于背景的概率,進而判別搜索框中的ROI是否是人體目標,并通過建立實時更新的樣本庫和加入光斑陰影去除的步驟來提高目標跟蹤的精度。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)的跟蹤算法做實驗對比,實驗結(jié)果表明,本文提出的跟蹤算法在井