检索结果-维普期刊中文期刊服务平台

面向无人驾驶的井下行人检测方法被引量：9: 1; 作者刘备战赵洪辉周李兵《工矿自动化》北大核心 2021年第9期113-117,共5页; 行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过... 展开更多; 关键词井下无人驾驶井下行人检测多传感器融合特征提取 RetinaNet Dense连接; 在线阅读下载PDF 职称材料

基于Dense-YOLO网络的井下行人检测模型被引量：9: 2; 作者张明臻《工矿自动化》北大核心 2022年第3期86-90,共5页; 行人检测是实现矿用车辆无人化的一项关键技术,煤矿井下弱光环境中捕获的图像可见度不佳,极大地影响了行人检测效果。现有行人检测方法忽略了井下弱光环境对目标检测精度的影响,检测效果不理想。针对该问题,提出一种基于Dense-YOLO网络... 展开更多; 关键词井下行人检测弱光图像增强 Dense-YOLO YOLOv3 Gamma变换加权对数变换限制对比度的自适应直方图均衡; 在线阅读下载PDF 职称材料

煤矿井下行人检测算法被引量：7: 3; 作者杨清翔吕晨 +1 位作者冯晨晨王振宇《工矿自动化》北大核心 2020年第1期80-84,共5页; 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... 展开更多; 关键词井下行人检测深度学习区域卷积神经网络区域建议网络共享卷积层动态自适应池化; 在线阅读下载PDF 职称材料

基于图像融合和改进CornerNet-Squeeze的煤矿井下行人检测方法被引量：3: 4; 作者邹盛周李兵 +1 位作者季亮于政乾《工矿自动化》 CSCD 北大核心 2023年第2期77-84,共8页; 在煤矿井下无人驾驶和安防监控等领域,对行人目标的检测至关重要,但受井下光线昏暗、光照不均、背景复杂、行人目标小且密集等特殊工况环境的影响,图像中的行人目标存在边缘细节特征少、信噪比低、与背景相似度高等问题,难以有效识别遮... 展开更多; 关键词煤矿井下行人检测双尺度图像融合 CornerNet-Squeeze 边缘增强沙漏型主干网络多尺度行人检测; 在线阅读下载PDF 职称材料

井下视频行人检测方法被引量：16: 5; 作者李现国李斌 +4 位作者刘宗鹏冯欣欣刘晓宋金水张磊《工矿自动化》北大核心 2020年第2期54-58,共5页; 针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,... 展开更多; 关键词井下行人检测视频监控深度学习 SSD网络卷积神经网络; 在线阅读下载PDF 职称材料

矿用无人驾驶车辆行人检测技术研究被引量：1: 6; 作者周李兵于政乾 +4 位作者卫健健蒋雪利叶柏松赵叶鑫杨斯亮《工矿自动化》 CSCD 北大核心 2024年第10期29-37,共9页; 矿用无人驾驶车辆的工作环境光照条件复杂,行人检测经常出现漏检现象,导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题,提出了一种弱光图像增强算法:将弱光图像由RGB图像空间分解为HSV图像空间,通过Logarithm函数... 展开更多; 关键词矿用无人驾驶车辆井下行人检测 YOLOv3 弱光图像增强半隐式ROF去噪密集连接模块 Slim-neck 卷积注意力模块; 在线阅读下载PDF 职称材料

题名面向无人驾驶的井下行人检测方法被引量：9: 1; 作者刘备战赵洪辉周李兵; 机构陕西陕煤榆北煤业公司中煤科工集团常州研究院有限公司天地(常州)自动化股份有限公司; 出处《工矿自动化》北大核心 2021年第9期113-117,共5页; 基金天地科技股份有限公司科技创新创业资金专项(2019-TD-ZD007)。; 文摘行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力。实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。; 关键词井下无人驾驶井下行人检测多传感器融合特征提取 RetinaNet Dense连接; Keywords underground mine unmanned driving underground mine pedestrian detection multi-sensor fusion characteristic extraction RetinaNet Dense connection; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于Dense-YOLO网络的井下行人检测模型被引量：9: 2; 作者张明臻; 机构伯明翰大学电子电气和系统工程系; 出处《工矿自动化》北大核心 2022年第3期86-90,共5页; 文摘行人检测是实现矿用车辆无人化的一项关键技术,煤矿井下弱光环境中捕获的图像可见度不佳,极大地影响了行人检测效果。现有行人检测方法忽略了井下弱光环境对目标检测精度的影响,检测效果不理想。针对该问题,提出一种基于Dense-YOLO网络的井下行人检测模型。将弱光图像分解为光照图和反射图,采用Gamma变换、加权对数变换、限制对比度的自适应直方图均衡(CLAHE)对光照图进行增强处理,采用亮度权值和色彩权值对增强后的图像进行加权融合;采用双边滤波算法对反射图进行处理,以增强图像纹理;将增强后的光照图和经过双边滤波处理的反射图逐点相乘,重构出RGB图,并采用ROF去噪模型对融合后的图像进行全局去噪,得到最终的增强图像。将含有残差块的Dense模块添加到YOLOv3中,构建基于Dense-YOLO网络的井下行人检测模型,残差块的加入有利于避免在网络训练过程中出现梯度消失和梯度爆炸等问题。实验结果表明:对弱光图像进行增强处理能够有效提高图像可见度和行人检测效果;Dense-YOLO网络对增强图像的漏检率为4.55%,相较于RetinaNet网络降低了14.91%,基于Dense-YOLO网络的井下行人检测模型有效降低了行人检测漏检率。; 关键词井下行人检测弱光图像增强 Dense-YOLO YOLOv3 Gamma变换加权对数变换限制对比度的自适应直方图均衡; Keywords underground pedestrian detection low light image enhancement Dense-YOLO YOLOv3 Gamma transformation weighted logarithmic transformation contrast-limited adaptive histogram equalization; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名煤矿井下行人检测算法被引量：7: 3; 作者杨清翔吕晨冯晨晨王振宇; 机构山西中煤华晋能源有限责任公司王家岭煤矿中国矿业大学信息与控制工程学院; 出处《工矿自动化》北大核心 2020年第1期80-84,共5页; 基金国家重点研发计划资助项目（2018YFC0808302）; 文摘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。; 关键词井下行人检测深度学习区域卷积神经网络区域建议网络共享卷积层动态自适应池化; Keywords underground pedestrian detection deep learning region convolutional neural networks region proposal network shared convolutional layer dynamic self-adaptive pooling; 分类号 TD76 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名基于图像融合和改进CornerNet-Squeeze的煤矿井下行人检测方法被引量：3: 4; 作者邹盛周李兵季亮于政乾; 机构中煤科工集团常州研究院有限公司天地(常州)自动化股份有限公司; 出处《工矿自动化》 CSCD 北大核心 2023年第2期77-84,共8页; 基金江苏省科技成果转化专项项目(BA2022040) 中国煤炭科工集团有限公司科技创新创业资金专项重点项目(2021-TDZD004) +1 种基金中煤科工集团常州研究院有限公司科研项目(2022TY6001)。; 文摘在煤矿井下无人驾驶和安防监控等领域,对行人目标的检测至关重要,但受井下光线昏暗、光照不均、背景复杂、行人目标小且密集等特殊工况环境的影响,图像中的行人目标存在边缘细节特征少、信噪比低、与背景相似度高等问题,难以有效识别遮挡多尺度下的行人目标。针对上述问题,提出了一种基于图像融合和改进CornerNet-Squeeze的煤矿井下行人目标检测方法。采用双尺度图像融合(TIF)算法将红外相机和深度相机采集的图像进行像素级融合,再进行形态学处理,减少背景干扰。在CornerNet-Squeeze网络基础上,将八度卷积(OctConv)引入沙漏型主干网络,处理图像特征中高低频信息,增强图像边缘特征,提高多尺度行人检测能力。实验结果表明:①在深度图像、红外图像、融合图像3种数据集上,改进CornerNet-Squeeze模型在保持原算法实时性的同时,有效提升了井下行人检测精度。②采用融合图像数据集训练的模型检测精度较红外图像和深度图像数据集训练的模型高,可见融合图像能充分发挥深度图像和红外图像的优势,有助于提高模型检测精度。③在不同程度遮挡和多尺度行人目标6种场景下,改进CornerNet-Squeeze训练的模型的行人漏检率最低。④与YOLOv4相比,在COCO2014行人数据集上改进CornerNet-Squeeze算法的平均精度提高了1.1%,检测速度提高了6.7%。⑤改进CornerNet-Squeeze能够有效检测出图像中远处小目标,对小目标的检测能力提升明显。; 关键词煤矿井下行人检测双尺度图像融合 CornerNet-Squeeze 边缘增强沙漏型主干网络多尺度行人检测; Keywords underground pedestrian detection two-scale image fusion CornerNet-Squeeze edge enhancement hourglass type backbone network multi-scale pedestrian detection; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名井下视频行人检测方法被引量：16: 5; 作者李现国李斌刘宗鹏冯欣欣刘晓宋金水张磊; 机构天津工业大学电子与信息工程学院天津市光电检测技术与系统重点实验室山东新巨龙能源有限责任公司; 出处《工矿自动化》北大核心 2020年第2期54-58,共5页; 基金天津市重点研发计划科技支撑重点项目(18YFZCGX00930); 文摘针对现有基于深度学习的行人检测方法存在计算量较大、检测效率严重依赖硬件性能等问题,对基于SSD网络的行人检测方法进行改进,设计了一种基于DenseNet网络的轻量级卷积神经网络作为SSD网络的基础网络,以满足井下视频行人实时检测需求,并设计了基于ResNet网络的辅助网络,以增强特征表征能力,提高行人检测准确性。将基于改进SSD网络的井下视频行人检测方法部署在嵌入式平台Jetson TX2上进行实验,结果表明该方法对井下视频中行人的检测准确率为87.9%,针对井下行人低密度场景的检测准确率近100%,且运算速度达48帧/s,约为基于SSD网络的行人检测方法的4.4倍,满足井下行人实时检测需求。; 关键词井下行人检测视频监控深度学习 SSD网络卷积神经网络; Keywords underground pedestrian detection video monitoring deep learning SSD network convolutional neural network; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名矿用无人驾驶车辆行人检测技术研究被引量：1: 6; 作者周李兵于政乾卫健健蒋雪利叶柏松赵叶鑫杨斯亮; 机构天地(常州)自动化股份有限公司中煤科工集团常州研究院有限公司南京航空航天大学机电学院; 出处《工矿自动化》 CSCD 北大核心 2024年第10期29-37,共9页; 基金江苏省科技成果转化专项项目(BA2022040) 天地科技股份有限公司科技创新创业资金专项项目(2023-TD-ZD005-003) 天地(常州)自动化股份有限公司科研项目(2022TY1003)。; 文摘矿用无人驾驶车辆的工作环境光照条件复杂,行人检测经常出现漏检现象,导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题,提出了一种弱光图像增强算法:将弱光图像由RGB图像空间分解为HSV图像空间,通过Logarithm函数对亮度分量先进行光照,再通过双边滤波器去除噪声;采用形态学对饱和度分量进行闭操作,再通过高斯滤波器滤除噪声;将图像转换回RGB图像空间,通过半隐式ROF去噪模型对图像再次进行去噪,得到增强图像。针对行人检测存在漏检、精度低的问题,提出了一种基于改进YOLOv3的矿用无人驾驶车辆行人检测算法:采用密集连接块取代YOLOv3中的Residual连接,提高特征图利用率;采用Slim-neck结构优化YOLOv3的特征融合结构,使得特征图之间能够进行高效的信息融合,进一步提高对小目标行人的检测精度,并利用其内部特殊的轻量化卷积结构,提高检测速度;加入轻量级的卷积注意力模块(CBAM)增强算法对目标类别和位置的注意程度,提高行人检测精度。实验结果表明:(1)提出的弱光图像增强算法能够有效提高图像可见度,图像中行人的纹理更加清晰,并具有更好的噪声抑制效果。(2)基于增强后图像的矿用无人驾驶车辆行人检测算法的平均精度达95.68%,相较于基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法、YOLOv5、YOLOv3算法分别提高了2.53%,6.42%,11.77%,且运行时间为29.31 ms。(3)基于增强后图像,YOLOv3和基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法出现了漏检和误检的问题,而矿用无人驾驶车辆行人检测算法有效改善了该问题。; 关键词矿用无人驾驶车辆井下行人检测 YOLOv3 弱光图像增强半隐式ROF去噪密集连接模块 Slim-neck 卷积注意力模块; Keywords mining unmanned vehicles underground pedestrian detection YOLOv3 low-light image enhancement semi-implicit ROF denoising densely connected modules Slim-neck convolutional attention module; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	面向无人驾驶的井下行人检测方法	刘备战赵洪辉周李兵	《工矿自动化》北大核心	2021	9	在线阅读下载PDF 职称材料
2	基于Dense-YOLO网络的井下行人检测模型	张明臻	《工矿自动化》北大核心	2022	9	在线阅读下载PDF 职称材料
3	煤矿井下行人检测算法	杨清翔吕晨冯晨晨王振宇	《工矿自动化》北大核心	2020	7	在线阅读下载PDF 职称材料
4	基于图像融合和改进CornerNet-Squeeze的煤矿井下行人检测方法	邹盛周李兵季亮于政乾	《工矿自动化》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
5	井下视频行人检测方法	李现国李斌刘宗鹏冯欣欣刘晓宋金水张磊	《工矿自动化》北大核心	2020	16	在线阅读下载PDF 职称材料
6	矿用无人驾驶车辆行人检测技术研究	周李兵于政乾卫健健蒋雪利叶柏松赵叶鑫杨斯亮	《工矿自动化》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料