煤炭工程

作者：付燕,窦晓熠,叶鸥

单位：1. 西安科技大学计算机科学与技术学院；2. 西安科技大学；

关键词：井下视频,YOLO,目标边界框特征点,图像消失点,三角形模型,不安全行为,

由于井下环境复杂、背景单一、参照物不够明显的视频数据特征，较难直接通过视觉计算的标定方式实现井下运动目标的测速。论文提出一种不依赖场景标定的速度检测方法，通过自主学习的方式，智能化监测井下工作人员的作业规范。该方法首先基于YOLOv3对巡检人员进行持续的检测跟踪，在此过程中通过视频相邻帧间的目标边界框特征点，确定图像消失点|其次，利用图像消失点建立三角形模型测量实时速度|最后，利用测量出的速度趋势智能判断井下工作人员是否存在漏检行为。在煤矿数据集上的实验结果表明，该方法能够有效度量井下运动目标的速度，用于判断井下工作人员巡检时是否存在漏检行为，比标定方法更适合井下场景的应用。

来源：2022年第2期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2022年第2期