基于图像处理的井下人员身份识别

• 作者: 杨米娜
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 井下人员 身份识别 特征向量 误识率 图像去噪 支持向量机
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 煤矿机电与信息化
• 页码范围: 339-342
• 页数: 4页
• 分类号: TD391.41|TD76
• 字数: 2652字
• 语种: 中文
• DOI: 10.13301/j.cnki.ct.2018.09.124

摘要

针对当前井下人员身份识别方法存在的误识率高、效率低等不足,设计了基于图像处理的井下人员身份识别方法.首先采集井下人员的图像,并对图像进行预处理,提取人员轮廓,然后从图像中提取井下人员身份识别的多种特征,对特征进行去冗余处理,最后采用支持向量机建立井下人员身份识别的分类器,并与其他井下人员身份识别方法进行了对比测试.结果表明,这种方法提高了井下人员身份识别的准确性,误识率不仅远远小于其他井下人员身份识别方法,而且井下人员身份识别效率更优,具有更高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨米娜		8	15	2.0	3.0