基于MK-YOLOV4的矿区人员无标注视频检索方法

对矿区人员入矿、出矿及重要生产活动行为进行精准定位与准确识别是实现矿区智能安全生产的重要基础。针对复杂的矿区生产环境,提出一种基于MK-YOLOV4的矿区人员无标注视频检索方法,实现对矿区重要关口监控无标注视频的多人员目标检测和各人员身份重识别。首先,提出MK-YOLOV4算法,实现无标注视频多人员检测,在YOLOV4上构建多尺度预测,结合K-means++算法聚类生成符合样本特点的anchor box,增强卷积神经网络对小目标的表征学习。其次,提出基于外观不变性的通道注意力特征提取网络,实现矿区人员身份的精确重识别,并针对矿区人员统一工作服的难点,提出基于权重约束的难样本采样损失函数,结合Color jitter和随机擦除两种数据增强策略,提高身份识别网络的精确性和鲁棒性。最后,针对现有训练数据集类别少、场景样本单一等特点,构建了更符合矿区场景特点的Miner-Market矿区人员重识别数据集,并在标准数据集和该数据集上对所提方法进行验证,充分证明了所提方法具有较高的检索性能和识别精度。