基于深度卷积神经网络的井下人员目标检测

• 作者: 华钢 唐士宇 崔冉 张赛 曹青峰 朱艾春
• 来源期刊: 工矿自动化
• 学科: 工学
• 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
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 分析研究
• 页码范围: 32-36
• 页数: 5页
• 分类号: TD67
• 字数: 3356字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2018050068

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华钢	中国矿业大学信息与控制工程学院	125	452	11.0	14.0
2	崔冉	中国矿业大学信息与控制工程学院	18	26	4.0	4.0
3	张赛	中国矿业大学信息与控制工程学院	10	50	4.0	7.0
4	曹青峰	中国矿业大学信息与控制工程学院	2	5	1.0	2.0
5	朱艾春	南京工业大学计算机科学与技术学院	2	5	1.0	2.0
6	唐士宇	中国矿业大学信息与控制工程学院	2	5	1.0	2.0