基于损失函数优化的巷道人体识别算法

为了解决巷道及煤矿工作面人体目标检测的准确和实时问题,本文设计一种基于预测目标损失优化的YOLOv3网络模型。实验结果表明,基于损失函数优化的网络模型的矿下人体识别方法,损失显著下降,误检下降,漏检得到改善。0引言煤矿巷道及工作面环境复杂,存在着一定的危险性。对煤矿巷道及工作面工作人员实时准确识别,是降低煤矿伤亡事故的基础。深度学习方法模拟人类大脑的神经元,直接从图像提取特征,逐层传递,获得图像的高维信息[1-2].

基于暗通道先验的井下矿石图像分割方法

在井下获取的图像通常存在图像不清晰,出现尘雾、水雾与噪声现象,图像对比度较低的问题,并且利用传统的阈值分割方法难以将矿石分割出来。为此提出了一种将基于暗通道先验的井下图像增强方法及改进的双窗大津算法(OTSU)与矿石分割结合的方法。首先,将图像通过暗通道先验和伽马变换,实现图像去雾与对比度增强,对图像通过双边滤波去噪与拉普拉斯算子边缘增强,实现图像去噪与边缘增强;再将处理后的增强图像用改进的双窗OTSU矿石分割方法进行分割处理。实验结果表明,该算法能够有效抑制噪声与雾气并增强对比度,能更好地刻画图像细节信息,并且能有效分割矿石图像。