改进YOLOv4算法井下人员检测的研究

作者：李若熙; 吕潇; 张元生; 李越; 刘鹏

来源：矿业研究与开发, 2021, 41(11): 179-185.

DOI：10.13827/j.cnki.kyyk.2021.11.029

• YOLOv4
• 信息熵
• 行人检测
• 井下巷道

针对矿山企业井下作业人员工作环境光线暗、干扰因素多、常用井下行人检测的方法精度低、速度慢等问题,提出基于YOLOv4算法的井下人员检测系统,引入信息熵的K-means聚类确定目标检测的中心点,提高网络对目标特征的提取能力。试验结果表明,采用GeForce RTX2060显卡,相比人员检测常用的SSD、Faster R-CNN算法,改进YOLOv4算法提高了检测率,平均检测精度达到97.72%,检测速度为32帧每秒,满足井下人员实时检测的需求。