基于改进DeepSORT和FastReID的室内多目标人员跨镜识别与跟踪

为解决利用视频分析实现目标检测、目标跟踪和行人重识别存在的诸如目标框重框、遮挡等问题,提出了一种基于改进DeepSORT和FastReID的室内多目标人员跨镜追踪的方法。该方法使用YOLOv5s进行人员检测、DeepSORT进行人员跟踪、FastReID进行人员重识别。采用EIOU-NMS算法解决了YOLOv5s人员检测过程中出现的重框问题;在FastReID的特征提取网络中引入了NEUFA注意力机制,并使用优化后的FastReID的特征提取网络替换了DeepSORT原有特征提取网络,降低了DeepSORT跟踪过程中由于遮挡导致的ID跳变的次数;结合注意力机制、人员动态图像库与运动估计的方法减少了人员识别过程中因遮挡导致的人员无法识别和错误识别的次数。结果表明:EIOU-NMS算法将人员检测准确率提升了0.8%,召回率提升了0.4%;替换了特征网络后的DeepSORT将人员跟踪中的ID跳变次数降低了38.46%;结合注意力机制、人员动态图像库和运动估计方法之后,None的次数减少了79.8%,误识别次数减少了91.2%。研究结果能够提升人员识别与跟踪的准确性,降低遮挡对人员跟踪和识别带来的影响。

基于融合网络的井下人员行为识别方法

井下人员行为识别是保障煤矿安全生产的重要措施。针对现有井下人员行为识别研究缺少对感知机理的研究与分析且特征提取手段单一的问题,提出一种基于融合网络的井下人员行为识别方法。该方法主要包括数据预处理、特征构建和判识网络构造3个部分。数据预处理:通过信道状态信息(CSI)商模型、子载波去直流和离散小波去噪对采集的CSI数据进行处理,以降低环境噪声、设备噪声等的影响。特征构建:将处理后的数据利用格拉姆和/差角场(GASF/GADF)转换成图像,从而保留数据的空间和时间特性。判识网络构造:根据人员动作的特点,提出一种由基于门控循环单元(GRU)的编解码网络和多尺度卷积神经网络(CNN)组成的融合网络,利用GRU保留前后数据之间的关联性,同时利用注意力机制的权重分配策略有效提取关键特征,以提高行为识别的准确率。实验结果表明:该方法对行走、摘帽子、扔东西、坐、抽烟、挥手、跑动、睡觉8种动作的平均识别准确率为97.37%,对睡觉和坐的识别准确率最高,最容易发生误判的动作是行走和跑动;使用准确率、精确率、召回率和F1分数作为评价指标,得出融合网络的性能优于CNN和GRU,人员行为识别准确率高于HAR系统、WiWave系统和Wi−Sense系统;正常速度下行走和摘帽子2种动作的平均识别精度为95.6%,高于快速动作情况下的93.6%和慢速动作情况下的92.7%;收发设备之间的距离为2 m和2.5 m时,识别准确率较高。

基于CSA-ResNet的人员入侵检测方法

视频监控作为最常用的监测方法,由于存在监控死角以及侵犯人员隐私等问题,存在许多应用瓶颈。针对视频监测无法用于敏感场景的问题,提出一种基于WiFi的人员入侵感知方法。该方法利用WiFi信号覆盖范围大、易获取的特点,实现无隐私侵犯与无死角监控。基于人员入侵对传输路径的影响,分析WiFi感知机理,建立基于WiFi状态信息的人员入侵检测感知模型,并设计子载波选择算法获取人员感知敏感子载波。通过离群点滤波、离散小波去噪等方法对采集的数据进行处理,根据人员入侵对信号的影响构造人员感知特征值。在此基础上,将特征信号和处理后的信道状态信息作为输入信息,放入基于通道和空间注意力残差网络的人员入侵检测模型中进行判识,并在多种场景下对该方法进行实验测试,分析影响检测精度的因素。实验结果表明,该方法在多种场景下平均检测准确率达到97.8%,能够满足多场景下人员入侵的检测要求。

信道状态信息的生命体征检测算法

针对传统的接触式呼吸检测设备易脱落、应用场景有限等问题,提出一种基于信道状态信息的生命体征检测算法。该算法以菲涅尔区模型为理论指导,通过商用无线保真(Wi-Fi)设备采集呼吸信道状态信息。首先,利用Hampel滤波器滤除信号衰落和多径效应引起的高频噪声;然后,以改进的阈值函数选取方法即开方法解决软硬阈值偏差恒定、不连续等问题,进一步滤除环境噪声;最后,通过去除直流分量、子载波选择和交叉平移点算法获取呼吸频率。此外,通过机器学习、深度学习算法实现了正常、异常和暂停3种不同呼吸状态的分类,全面反映了被检测人员的呼吸运动。实验结果表明:基于信道状态信息的生命体征检测算法准确率达到了92.5%,能够作为人体生命体征日常检测系统为用户提供健康参考。

链传动中纵向振动问题的研究

利用多自由度系统的振动理论研究了链条的纵向振动问题,在对滚子链纵向振动问题建立力学模型的基础上,推导了链条的纵向振动方程式,给出了计算固有频率的公式及主模态的计算方法,并且提出了防止链传动中链条共振的几种措施。

煤仓堵塞现象与疏通装置设计

为解决煤仓经常发生的拥堵现象,分析了煤仓堵塞等故障的成因,通过分析物料在不同水分和内摩擦系数的基础上,提出了破坏煤仓形成的棚煤次稳定状态所采取的变频机械振动方式,依据不同煤层煤棚高度,振动机械杆设定不同的共振频率,并通过机械振动的分析,设计了棚煤疏通装置的结构。

视觉行人重识别研究方法分析及评价指标探讨

行人重识别技术是指在视角不重叠的多个摄像头下对同一目标行人进行图像匹配的技术,从而实现跨镜的目标物的智能视频检索与跟踪,在公共安全、工业场景等方面发挥着关键的作用。从行人重识别技术的研究历程出发,通过查阅国内外行人重识别技术的研究现状,对行人重识别技术中经典的特征提取方法与度量学习方法进行综述分析,梳理行人重识别研究过程中常用的图像数据集、视频数据集与评价指标,并对典型应用场景中常见的问题进行总结性分析。研究表明,无论在安防还是工业领域,都会遇到光照变化和遮挡问题,为此提取更具针对性的特征是行人重识别技术的重大挑战,将多种特征提取方法与度量学习方法结合使用,对于提升行人重识别算法的精度大有裨益,其中FastReID算法在Market-1501数据集上的Rank-1与mAP值更是达到95.40%和88.20%,与IDE相比分别提升19.8%和31.2%。最后得出行人重识别技术的3大研究趋势:大规模视频数据集的支撑算法;算法模型的精准性、鲁棒性与实时性;结合行人检测与跟踪技术,提升匹配精度等。

用于智能矿山移动边缘计算的二维动态匹配算法

针对智能矿山井下移动边缘计算(MEC)应用中存在的由于资源分配不合理,移动用户将任务卸载到非最优边缘服务器,导致额外的传输时间和执行延迟,从而造成总任务完成率下降的问题,提出了一种基于偏好的二维动态匹配算法,优化MEC系统中资源分配决策。将1个时隙内MEC系统中移动用户的位置、任务所需计算量等数据发送至边缘服务器,根据设定的偏好值大小,形成边缘服务器对移动用户的偏好表,同时移动用户根据物理距离的不同,对所有边缘服务器也形成偏好表,2张偏好表相结合形成一张二维动态偏好表,进而抽象为一个二维矩阵,通过基于偏好的二维动态匹配算法对二维矩阵进行处理,得到移动用户和边缘服务器的匹配优化结果。仿真结果表明:与常规MEC场景卸载算法相比,基于偏好的二维动态匹配算法能够有效缓解大量突发任务场景下总任务完成率下降的问题,在极端情况下总任务完成率能够达到60%以上。

数据驱动的智能化矿井建设技术路径分析

为解决目前智能化矿井建设面临的体系架构不清晰、统一的技术实现路线缺乏等诸多问题,深入剖析当前智能化矿井建设过程中矿井单位在管理理念、技术架构、数据流向、人才培养等方面面临的挑战与机遇,结合中国煤炭学会《智能化煤矿(井工)分类、分级技术条件与评价》(T/CCS01-2020)的分级分类条件与评价标准,设计智能化矿井建设应用架构与协同信息架构,并在此基础上结合矿井生产实际提出基于数据驱动的智能化矿井建设技术框架体系及其实施路线图,以期为当前的智能化矿井建设提供参考。

矿用防爆柴油机缸体安全性能分析

矿用防爆无轨胶轮运输车由于井下特殊环境的限制，只能采用压燃方式工作的柴油机，俗称“防爆柴油机”。其缸体必须保证一定结构尺寸参数，且由符合防爆要求的柴油机再经防爆处理，最后通过鉴定和防爆试验才能投入井下使用。

基于特征融合的提升机逆变器故障诊断

矿井提升机逆变器故障诊断的难点在于提取表征故障的特征,目前主要利用信号处理方法得到故障统计特征,或通过神经网络提取故障深度特征。提升机逆变器在实际工作环境中,受背景噪声和负载变化等因素影响,运用单一的特征提取方法难以获得能有效表征故障的特征,导致提升机逆变器故障诊断准确率低。针对上述问题,提出了一种基于统计特征与深度特征融合的提升机逆变器故障诊断方法。首先,利用希尔伯特-黄变换(HHT)对逆变器输出电流信号进行优化集合经验模态分解(MEEMD),提取故障统计特征,同时利用压缩激励密集连接卷积网络(SE-DenseNet)提取输出电流信号的深度特征;然后,利用局部线性判别分析(LFDA)对2种特征的组合进行融合降维处理,得到统计特征和深度特征的低维融合特征;最后,将低维融合特征输入极限学习机,实现逆变器故障分类。针对提升机逆变器中单个IGBT开路故障进行实验,结果表明,该方法得到的低维融合特征比单一特征的故障表征能力更强,有效提高了故障识别准确率。

一种煤矿轨道矿车称重仪

为准确测量矿车在下放或提升时的重量,使用单片机作为主控制器,包含采集、存储、显示电路,设计了一种轨道矿车称重装置,实现了副井口矿车动态称重。重点介绍称重原理与方法,硬件电路和软件程序。该称重仪经煤矿试用,取得了较好的效果。

吉尔吉斯斯坦共和国1994年社会经济形势述评

吉尔吉斯斯坦共和国(以下简称吉国)艰难地度过了从原苏联独立后的第三个年头。吉国的改革采取的是激进型的“休克疗法”,对社会经济产生了剧烈的震荡,国民生产总值以每年20～30％的速度下滑,使相对落后的经济更加困难,人民生活水平日益下降。在回顾三年走过的道路时,阿卡耶夫总统高度赞扬人民的忍耐理智和支持,没有使国家陷入一片混乱,没有出现大的社会经济灾难,经受住了严重考验。 吉尔吉斯斯坦共和国是一个人口只有450万,国土面积不足20万平方公里,在原苏联相对落后的山地小国。据《世界银行统计年鉴》公布的资料,1992年的人均国民收入,在原苏联各国中吉国排在倒数第三位(810美元),仅强于亚美尼亚(780美元)和塔吉克斯坦(490美元),占收入高的白俄罗斯(2910美元)、俄罗斯(2680美元)的1/3。原苏联的骤然解体,经济联系中断,吉国的改革建设是在十分困难的基础上进行的。阿卡耶夫总统指出,很难举出一个国家,在开始走向复兴,走向高度世界文明,所处的情况比吉尔吉斯坦更糟,经济支离破碎,产品普遍没有销路,党和国家机器瘫痪,缺少自我组织和自我管理机制。

基于CSI的井下人员行为识别方法

为了解决井下粉尘环境和遮挡条件下的人员行为识别问题,促进煤矿安全生产,提出了一种基于Wi-Fi信道状态信息(CSI, channel state information)的井下人员行为识别方法。该方法采用Hampel滤波结合中位数滤波处理CSI原始数据,并通过线性校正方法利用相位信息。行为识别过程分为离线和在线两个阶段,离线阶段通过采集人员的不同活动信息来建立判识模型,在线阶段根据判识模型识别当前动作。在实验中设置了8个不同的人员活动,实验结果表明,该系统的识别准确率可达95%。

淄矿集团:“两化”融合引领转型发展

自2015年开始．山东能源淄矿集团将实施以“基于物联网的‘两化’深度融合技术研究”作为转型的重要抓手．在陕西正通煤业有限责任公司进行试点研发．目前成效初显：该项目被中国煤炭工业协会命名为“煤炭工业‘两化’深度融合示范项目”荣誉称号．并作为唯一的煤炭企业．在数据行业著名的第三方咨询机构IDC举办的“第二届中国数字化转型领军用户评奖活动”中获得“信息与数据转型领军企业”大奖。同时。该项目作为陕西省科技统筹项目．获得省财政补助资金80万元。

采煤工作面无线监测网络能量优化方法

针对采煤工作面无线监测网络能量分布不均、人工维护和更换节点电池难度大、部分监测节点能量受限等问题,利用采煤机周期性移动的特点,提出了一种基于移动节点的采煤工作面无线监测网络能量优化方法。通过在采煤机上安装移动节点,对网络中监测节点采集数据进行转发,从而减少数据多跳传输,并通过设置传输阈值减少冗余数据传输,以降低节点能耗;利用移动节点向监测节点辐射射频能量,对监测节点进行有针对性的能量补充,从而实现网络节点能量均衡。实验结果表明,与LEACH协议相比,该方法可使无线监测网络能量分布更加均衡,有效降低网络能耗和同一运行轮次下监测节点死亡率,使网络有效生命周期延长了2.8倍。

基于大数据智能的煤矿水害预测数据建模研究

针对当前煤矿水害预测过程中内存消耗量大、预测结果精准度低等问题。提出了基于大数据智能的煤矿水害预测数据建模研究。根据电平翻转法,采用矿井水文监控系统采集矿井水文数据信息,使用Bayes判决理论剔除与数据模型构建无关的数据。将数据处理结果导入FEFLOW平台中,展开水文地质参数划分,构建煤矿地下水模型。将地下水模型数据代入GM(1,2)模型中,完成煤矿水害预测数据模型构建。实验结果表明,该模型可有效地弥补当前模型的不足,将内存消耗量控制在20%~25%之间,精准度控制在98.5%左右,提高了预测结果的科学性,为煤矿的安全生产提供了数据支撑。