-
题名基于改进度量学习的煤矿井下行人重识别方法研究
被引量:2
- 1
-
-
作者
张立亚
王寓
郝博南
-
机构
煤炭科学技术研究院有限公司
煤矿应急避险技术装备工程研究中心
北京市煤矿安全工程技术研究中心
中国传媒大学信息与通信工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2023年第9期84-89,166,共7页
-
基金
天地科技股份有限公司科技创新创业资金专项项目(2022-2-TD-ZD001,2022-TD-ZD001,2023-TD-ZD005-005)。
-
文摘
传统基于度量学习的煤矿井下行人重识别方法中,由于度量学习忽略正负样本绝对距离,造成损失函数梯度消失或梯度弥散,导致井下人员位置信息识别精度不高。针对该问题,提出了一种基于改进度量学习的煤矿井下行人重识别方法。首先,采用基于手工设计特征的井下人员特征提取方法,对颜色空间、纹理空间等特征进行手动加工提炼,丰富特征维度。然后,采用欧氏距离对人员高维特征进行相似性计算。最后,提出一种改进的三重损失函数,通过在传统三重损失函数中加入自适应权重,增加有效样本的权重,解决了由于忽略正负样本绝对距离导致的梯度消失或梯度弥散问题。将传统识别方法与基于改进度量学习的煤矿井下行人重识别方法进行了累积匹配特征曲线验证、识别速率验证,结果表明:①基于改进度量学习的煤矿井下行人重识别方法在相似样本个数为50左右时,样本匹配概率达100%。②在2种不同标定大小图像的推理耗时上,基于改进度量学习的煤矿井下行人重识别方法较传统重识别方法分别减少了44,68 ms。③基于改进度量学习的煤矿井下行人重识别方法在舍弃行人头脚部分图像后表现更好,在相似样本个数为42左右时,样本匹配概率达100%。
-
关键词
矿井人员精确定位
行人重识别
度量学习
相似性测量
自适应三重损失函数
累积匹配特征
-
Keywords
precise positioning of mine personnel
personnel re-recognition
metric learning
similarity measurement
adaptive triple loss function
cumulative matching feature
-
分类号
TD672
[矿业工程—矿山机电]
-