留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

煤矿井下行人检测算法

杨清翔 吕晨 冯晨晨 王振宇

杨清翔,吕晨,冯晨晨,等.煤矿井下行人检测算法[J].工矿自动化,2020,46(1):80-84..  doi: 10.13272/j.issn.1671-251x.17540
引用本文: 杨清翔,吕晨,冯晨晨,等.煤矿井下行人检测算法[J].工矿自动化,2020,46(1):80-84..  doi: 10.13272/j.issn.1671-251x.17540
YANG Qingxiang, LYU Chen, FENG Chenchen, et al. Pedestrian detection algorithm of coal mine underground[J]. Industry and Mine Automation, 2020, 46(1): 80-84. doi: 10.13272/j.issn.1671-251x.17540
Citation: YANG Qingxiang, LYU Chen, FENG Chenchen, et al. Pedestrian detection algorithm of coal mine underground[J]. Industry and Mine Automation, 2020, 46(1): 80-84. doi: 10.13272/j.issn.1671-251x.17540

煤矿井下行人检测算法

doi: 10.13272/j.issn.1671-251x.17540
基金项目: 

国家重点研发计划资助项目(2018YFC0808302)

详细信息
  • 中图分类号: TD76

Pedestrian detection algorithm of coal mine underground

  • 摘要: 针对井下光照不均匀、行人特征与背景的相似度高等导致基于计算机视觉的行人检测技术在井下应用面临很大挑战的问题,提出采用Faster区域卷积神经网络(RCNN)进行煤矿井下行人检测。Faster RCNN行人检测算法采用区域建议网络(RPN)生成候选区域,RPN 与Fast RCNN共享卷积层,以提高网络训练和检测速度;在图像特征提取过程中采用动态自适应池化方法对不同池化域进行自适应池化操作,提高了检测准确性。实验结果表明,该算法对于不同环境下图像中的行人均具有较好的检测效果。

     

  • 加载中
计量
  • 文章访问数:  13
  • HTML全文浏览量:  3
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-01-20

目录

    /

    返回文章
    返回