基于深度学习的矿井巷道人员计数技术

作者：陈太光; 鲍新平; 汪涛; 李瑞斌

来源：煤矿安全, 2023, 54(02): 234-238.

DOI：10.13347/j.cnki.mkaq.2023.02.035

• 矿井人员跟踪
• 人员计数
• YOLOv5
• DeepSORT
• OSNet

在煤矿发生安全事故时需要明确掌握各个区域的人员情况，合理安排营救计划。使用YOLOv5作为目标检测器，结合改进的DeepSORT跟踪算法进行矿井人员跟踪，实现煤矿矿井各个巷道区域的人员计数；首先使用轻量化的全尺度特征学习Re-ID特征提取模型OSNet对DeepSORT进行优化，替换原有的CNN特征提取模块；然后采用检测器和OSNet特征提取模型单独训练的策略，实现了矿井复杂环境下稳定的跟踪效果；在此基础上，通过在视频画面中设置ROI区域和基准线来判断人员进出的情况，从而实现计数功能。为了有效训练和评估模型的性能，采集了10 000张煤矿矿井下各个巷道不同区域的图片用于训练和测试，改进后模型的MOTA为66.7%，优于改进前的63.4%；改进后速度为28.1 FPS，优于改进前的25.3 FPS。试验结果表明：改进后的模型可以有效地实现矿井人员计数，可以用到实际的生产环境中。

• 单位
  陕西航泰电气股份有限公司