[發(fā)明專利]基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201110059995.5
• 申請(qǐng)日: 2011-03-14
• 公開（公告）號(hào): CN102136076A
• 公開（公告）日: 2011-07-27
• 發(fā)明（設(shè)計(jì)）人: 李雷達(dá);錢建生;蔡利梅;程德強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 徐州中礦大華洋通信設(shè)備有限公司
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 北京遠(yuǎn)大卓悅知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11369
• 代理人: 賀持緩

1.一種基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，包括安全帽的檢測(cè)過程和安全帽跟蹤過程；

安全帽檢測(cè)過程如下：

(1)獲得樣本圖像：對(duì)安全帽進(jìn)行建模，對(duì)安全帽圖像進(jìn)行不同角度的旋轉(zhuǎn)，來模擬實(shí)際環(huán)境中各個(gè)角度的圖像，構(gòu)成安全帽圖像訓(xùn)練集；同時(shí)，選取井下視頻中人員肩部區(qū)域和礦燈照射的區(qū)域作為非安全帽圖像訓(xùn)練集；

(2)分類特征提取：選取訓(xùn)練圖像的四方向邊界圖像作為特征量；

(3)分類器設(shè)計(jì)：選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把視頻幀中的安全帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練，為檢測(cè)做準(zhǔn)備；

(4)安全帽檢測(cè)。利用訓(xùn)練好的分類器對(duì)井下視頻進(jìn)行安全帽檢測(cè)；安全帽跟蹤過程如下：

(I)確定跟蹤目標(biāo)：由檢測(cè)算法檢測(cè)到某幀中有安全帽的存在，將該幀定為跟蹤初始幀，檢測(cè)到的安全帽區(qū)域?yàn)槌跏几櫞翱冢?/p>

(II)選擇跟蹤特征。將邊緣方向和方位信息相融合，將聯(lián)合直方圖作為跟蹤安全帽的特征量；

(III)結(jié)合Kalman濾波和Mean-shift對(duì)安全帽進(jìn)行跟蹤。

1)利用Kalman濾波器預(yù)測(cè)下一幀跟蹤窗口起點(diǎn)y₀；

2)計(jì)算候選目標(biāo)的特征{p_u(y₀)}_{u＝0，1，…，39}；

3)計(jì)算候選目標(biāo)與目標(biāo)的相似度

4)計(jì)算權(quán)值{w_i}_{i＝0，1，…，39}；

5)利用Mean-shift算法，計(jì)算目標(biāo)新位置；

6)更新{p(y₁)}_{u＝0，1，…，39}，計(jì)算

7)若ρ[p(y₁)，q]＜ρ[p(y₀)，q]，那么直到ρ[p(y₁)，q]＞ρ[p(y₀)，q]；

8)若||y₁-y₀||＜ε(ε是一個(gè)很小的常數(shù))，則定位，轉(zhuǎn)(9)；否則y₀←y₁，轉(zhuǎn)(3)；

9)若間隔幀已滿，計(jì)算核函數(shù)帶寬更新量，否則轉(zhuǎn)1)。

2.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，安全帽檢測(cè)過程(1)中所述的圖像樣本由10個(gè)安全帽區(qū)域和3個(gè)非安全帽局域組成。

3.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，安全帽檢測(cè)過程(2)中所述選取訓(xùn)練圖像的四方向邊界圖像作為特征量，按如下步驟進(jìn)行：

對(duì)安全帽圖像利用Prewitt算子進(jìn)行四方向邊緣提取，并進(jìn)行高斯濾波。減小尺寸為8×8大小，并去掉外邊緣像素值，去掉四角像點(diǎn)，轉(zhuǎn)換為直徑為6的圓形，構(gòu)成共24×4維的特征向量。

4.根據(jù)權(quán)利要求1所述的基于安全帽檢測(cè)的煤礦井下人員定位與跟蹤方法，其特征在于，安全帽檢測(cè)過程(3)中所述選擇分段線性判別函數(shù)，采用統(tǒng)計(jì)模式識(shí)別方法，把視頻幀中的安全帽和非安全帽分別視為一個(gè)模式類，設(shè)計(jì)分類器，并用樣本圖像對(duì)分類器進(jìn)行訓(xùn)練，其中，利用高斯模型擬合安全帽輪廓和非安全帽區(qū)域，并按如下步驟進(jìn)行：

(3-a)任意選擇10個(gè)高斯模型擬合安全帽區(qū)域和3個(gè)高斯模型擬合主要包括人員肩部和礦燈干擾區(qū)的非安全帽區(qū)域，分別采用歐氏距離進(jìn)行K均值聚類，其聚類結(jié)果分別作為上述兩類初始聚類中心；

(3-b)采用馬氏距離對(duì)所有的樣本進(jìn)行K均值聚類，算法收斂后，計(jì)算出每類的聚類中心和協(xié)方差矩陣；

(3-c)得到安全帽區(qū)域和非安全帽區(qū)域兩大類的共13個(gè)子類的聚集中心和離散矩陣。