基于安全帽检测的煤矿井下人员定位与跟踪方法

1.一种基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，包括安全帽的检测过程和安全帽跟踪过程；
安全帽检测过程如下：
(1)获得样本图像：对安全帽进行建模，对安全帽图像进行不同角度的旋转，来模拟实际环境中各个角度的图像，构成安全帽图像训练集；同时，选取井下视频中人员肩部区域和矿灯照射的区域作为非安全帽图像训练集；
(2)分类特征提取：选取训练图像的四方向边界图像作为特征量；
(3)分类器设计：选择分段线性判别函数，采用统计模式识别方法，把视频帧中的安全帽和非安全帽分别视为一个模式类，设计分类器，并用样本图像对分类器进行训练，为检测做准备；
(4)安全帽检测。利用训练好的分类器对井下视频进行安全帽检测；安全帽跟踪过程如下：
(I)确定跟踪目标：由检测算法检测到某帧中有安全帽的存在，将该帧定为跟踪初始帧，检测到的安全帽区域为初始跟踪窗口；
(II)选择跟踪特征。将边缘方向和方位信息相融合，将联合直方图作为跟踪安全帽的特征量；
(III)结合Kalman滤波和Mean-shift对安全帽进行跟踪。
1)利用Kalman滤波器预测下一帧跟踪窗口起点y0；
2)计算候选目标的特征{pu(y0)}u＝0，1，…，39；
3)计算候选目标与目标的相似度
4)计算权值{wi}i＝0，1，…，39；
5)利用Mean-shift算法，计算目标新位置；
6)更新{p(y1)}u＝0，1，…，39，计算
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是一个很小的常数)，则定位，转(9)；否则y0←y1，转(3)；
9)若间隔帧已满，计算核函数带宽更新量，否则转1)。
2.根据权利要求1所述的基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，安全帽检测过程(1)中所述的图像样本由10个安全帽区域和3个非安全帽局域组成。
3.根据权利要求1所述的基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，安全帽检测过程(2)中所述选取训练图像的四方向边界图像作为特征量，按如下步骤进行：
对安全帽图像利用Prewitt算子进行四方向边缘提取，并进行高斯滤波。减小尺寸为
8×8大小，并去掉外边缘像素值，去掉四角像点，转换为直径为6的圆形，构成共24×4维的特征向量。
4.根据权利要求1所述的基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，安全帽检测过程(3)中所述选择分段线性判别函数，采用统计模式识别方法，把视频帧中的安全帽和非安全帽分别视为一个模式类，设计分类器，并用样本图像对分类器进行训练，其中，利用高斯模型拟合安全帽轮廓和非安全帽区域，并按如下步骤进行：
(3-a)任意选择10个高斯模型拟合安全帽区域和3个高斯模型拟合主要包括人员肩部和矿灯干扰区的非安全帽区域，分别采用欧氏距离进行K均值聚类，其聚类结果分别作为上述两类初始聚类中心；
(3-b)采用马氏距离对所有的样本进行K均值聚类，算法收敛后，计算出每类的聚类中心和协方差矩阵；
(3-c)得到安全帽区域和非安全帽区域两大类的共13个子类的聚集中心和离散矩阵。
5.根据权利要求1所述的根据权利要求1所述的基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，安全帽跟踪过程(II)中所述将边缘方向和方位信息相融合，将联合直方图作为跟踪安全帽的特征量，按如下步骤进行：
(A)边缘方向直方图：边缘方向直方图是对目标物体中边缘点的边缘方向分布的统计，一幅边缘图像的方向空间被分为m个不同的方向，统计每个方向上边缘点的数目，计算其出现的概率，即可得出m维边缘方向直方图：
Ei＝P[O(p)＝i]，i＝1，2，…m
其中，p代表每一个边缘点，O(p)表示点p的边缘方向，Ei表示边缘方向i的概率；其中，采用的边缘算子为：
计算时把方向空间以π/8为单位，平分为16级；
(B)方位直方图：安全帽边缘在跟踪窗口中的方位信息，采用边缘点A(x，y)的方位角α和半径r两个量来联合表示；
(B-a)方位角α：定义边缘的方位角为边缘点到跟踪窗口中心的向量OA和水平x轴的夹角α，把方位角空间按π/8的步长离散化为16级，统计边缘点的方位角，获取方位角直方图；
(B-b)半径r：定义边缘的半径为边缘点到跟踪窗口中心的距离r，根据跟踪窗口的对角线长度的一半，把r归一化，之后等分为8个级别。
(C)联合直方图。
边缘方向和方位信息相结合的特征量，即联合直方图，如下：
其中，b1(yi)表示边缘方向空间均分为16级后像素yi的边缘方向，b2(yi)表示边缘方位角空间均分为16级后像素yi的方位角，b3(yi)表示方位半径归一化后均分为8级后像素yi的半径。
6.根据权利要求1-5所述的基于安全帽检测的煤矿井下人员定位与跟踪方法，其特征在于，安全帽跟踪过程(III)所述对安全帽跟踪时，自适应地调整核函数带宽，按如下步骤进行：
(i).对于初始跟踪的帧进行以下操作：
i-1)统计每个圆环内边缘点的个数，实际上就是前面计算的半径直方图；
i-2)计算圆环内边缘点的平均数；
i-3)从最外环起，找到第一个边缘点数大于平均数的第一个圆环，并记录该圆环编号A；
(ii).间隔两帧后，对定位后的新帧重复以上工作，记录圆环编号B；
(iii).判断跟踪窗口大小是否需要更新：
iii-1)若A和B一致，清除新记录的圆环编号B，跟踪窗口大小不变，继续下一帧的跟踪、寻找圆环和判断；
iii-2)若A和B不一致，计算A和B的间隔C，并换算到以像素为单位，统计两帧之间间隔的帧数D，得出D帧平均尺寸变化为C/D，核函数带宽h更改为h+C/D，继续下一帧的跟踪，记录A，并转到(ii)。

暂无