基于深度卷积神经网络的井下人员目标检测
来源期刊：工矿自动化2018年第11期
论文作者：唐士宇 朱艾春 张赛 曹青峰 崔冉 华钢
文章页码：32 - 36
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;
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%。
唐士宇1，朱艾春2，张赛1，曹青峰1，崔冉1，华钢1
1. 中国矿业大学信息与控制工程学院2. 南京工业大学计算机科学与技术学院
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%。
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;
