《電子技術應用》
您所在的位置:首頁 > 測試測量 > 設計應用 > 基于邊窗濾波和擴張卷積的礦井行人檢測
基于邊窗濾波和擴張卷積的礦井行人檢測
2020年電子技術應用第10期
劉 欣,李衛龍,張燦明
安徽省煤炭科學研究院,安徽 合肥230001
摘要: 在數字化礦山中,行人檢測系統能夠大幅減少事故傷亡,是保護工人安全的重要手段。為了構建高性能的行人檢測系統,提出了一種基于邊窗濾波和擴張卷積的礦井行人檢測模型。具體來說,針對復雜惡劣的礦井環境,采用邊窗濾波抑制視頻圖像中的干擾信號,提升圖像質量。此外,考慮到行人目標的多尺度特性,在模型中引入擴張卷積增加特征的感受野,進而提升檢測性能。大量的對比實驗證明了邊窗濾波和擴張卷積的有效性,模型在礦井數據集上獲得94.3 mAP和99.1%檢測率的優異性能。
中圖分類號: TN919.8;TP919.8;TP391.41
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.200363
中文引用格式: 劉欣,李衛龍,張燦明. 基于邊窗濾波和擴張卷積的礦井行人檢測[J].電子技術應用,2020,46(10):42-46,50.
英文引用格式: Liu Xin,Li Weilong,Zhang Canming. Mine pedestrian detection based on side-window filter and dilated convolution[J]. Application of Electronic Technique,2020,46(10):42-46,50.
Mine pedestrian detection based on side-window filter and dilated convolution
Liu Xin,Li Weilong,Zhang Canming
Anhui Academy of Coal Science,Hefei 230001,China
Abstract: In digitalized mines, pedestrian detection system is able to greatly reduce accident casualties, which is an essential strategy for guaranteeing workers′ well-being. In order to establish mine pedestrian detection system with high performance, a mine pedestrian detection based on side-window filter and dilated convolution is proposed. Specifically, in terms of mines environment with complicated and hostile conditions, side-window filter is adopted to suppress disturbing signals in surveillance pictures, improving image quality. In addition, considering the multi-scale characteristic of pedestrian objects, dilated convolution is introduced into model to increase receptive field of features, thus enhancing detection performance. A number of comparison experiments are conducted to illustrate the effectiveness of side-window filter and dilated convolution, and the model achieves excellent performance of 94.3 mAP and 99.1% of detection accuracy on the mine dataset.
Key words : pedestrian detection;side-window filter;dilated convolution;deep learning

0 引言

    數字化礦山是實現智能化、現代化煤炭生產的重要基礎,對于煤炭產業的可持續發展有著極為重要的意義。采礦自動化、運輸智能化、管理信息化是實現數字化礦山的三項關鍵技術[1]。實現這些技術的前提是構建智能感知系統,而礦井行人檢測系統是實現井下智能調度、安全監測等技術的先決條件[2]

    近些年來,深度學習技術在多個計算機視覺領域迅猛發展[3],并在多個任務上獲得了優異的性能,例如人臉檢測[4]、物體分揀[5]、缺陷檢測[6]。具體到行人檢測任務上,R-CNN[7]率先將深度學習技術應用在目標檢測任務。在此基礎上,Faster R-CNN[8]改進候選框選擇機制,完備端對端檢測框架。2019年,來自Google Brain的TAN M等研究人員[9]提出了基于自動網絡尋優技術的EfficientNet,該模型通過動態調整網絡的深度、寬度和分辨率,尋找最優的模型設計,在圖像分類、目標檢測等多個領域獲得先進表現。

    圖像在構建和傳輸過程中,常因為外界干擾而導致質量退化。常見的解決方案是采用濾波方法對圖像做去噪處理[10]。濾波算法可分成兩類:線性濾波和非線性濾波。常見的線性濾波包括盒子濾波、高斯濾波;非線性濾波包括中值濾波、雙邊濾波等。在深度學習算法中,濾波算法常用于圖像預處理、特征提取、邊緣獲取等。尤其是對于邊緣檢測,濾波算法基于研究人員對于圖像的先驗知識,充分地提取圖像的邊緣信息,實現對興趣區域的精準定位分割[11]。傳統濾波算法受限于濾波核結構和運算機理,雖然可以抑制噪聲,但同時會造成邊緣信息丟失,對檢測模型產生負面影響。近些年來,大量的保邊濾波算法被提出,用于保留的更多的邊緣信息,例如全變分濾波算法[12]、加權最小二乘濾波[13]和導向濾波[14]等。

    對于礦井環境,構建行人檢測模型需要考慮多個特定的環境因素,包括監控設備所處環境光線不足、粉塵點多,且捕獲圖像存在較多干擾信號等硬件設備上的不利因素,又要考慮對多目標、不同尺度的行人目標實現準確檢測的要求。針對這些難點,本文從視頻圖像的處理和檢測模型的改進兩個角度出發,采用邊窗濾波抑制視頻圖像的干擾信號,在模型網絡中引入擴張卷積處理多尺度目標。實驗證明模型在礦井數據集上取得了優異的檢測性能。本文的主要貢獻如下:針對礦井環境存在的多樣不利因素,采用邊窗濾波抑制視頻圖像的干擾信號,為行人檢測模型提供優質的輸入圖像;采用先進的EfficientNet作為網絡主干,用于提取輸入圖像的特征,并在網絡主干中引入擴張卷積,增大特征的感受野,促使網絡在多尺度目標上獲得更為優異的檢測性能。




本文詳細內容請下載:http://m.xxav2194.com/resource/share/2000003018




作者信息:

劉  欣,李衛龍,張燦明

(安徽省煤炭科學研究院,安徽 合肥230001)

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 亚洲欧美日韩综合一区| 国产在线98福利播放视频免费 | 麻豆中文字幕在线观看| 天天干天天操天天拍| 久久人人爽爽人人爽人人片AV| 欧美黑人XXXX高潮猛交| 同性女电影三级中文字幕| 亚洲人成在线播放网站岛国| 好吊妞精品视频| 久久久久无码精品国产| 欧美性色黄大片www喷水| 免费视频中文字幕| 青草青在线视频| 国产精华av午夜在线观看| assbbwbbwbbwbbwbw精品| 无码一区二区三区在线观看| 亚洲一区爱区精品无码| 深夜福利在线免费观看| 午夜阳光电影在线观看| 顶级欧美色妇xxxxx| 国产精品免费观看| jizz免费观看| 扒下胸罩揉她的乳尖调教| 久草手机在线播放| 欧美毛多水多肥妇| 你好老叔电影观看免费| 色丁香在线观看| 国产婷婷成人久久av免费高清| 91精品免费国产高清在线| 女生张开腿给男生捅| 中文字幕丰满伦子无码| 日本黄色动画片| 亚洲av本道一区二区三区四区 | 用被子自w到高c方法| 日本在线视频播放| 亚洲日韩欧美一区二区三区在线| 精品国产一区二区三区AV性色| 国产又大又黑又粗免费视频| www视频在线观看| 国产麻豆成91| a级国产乱理伦片在线观|