一种用于煤矿的精确监测人员进出的方法技术

本发明专利技术公开了一种用于煤矿的精确监测人员进出的方法，包括步骤：一、构建图像处理系统；二、工作人员脸部图像的存储；三、训练AlexNet卷积神经网络模型；四、监测人员进入矿区情况；五、监测人员离开矿区情况；六、监测矿区内实时人员情况。本发明专利技术通过人脸对比和人员头顶识别共同监测矿区人员进出，其中人员头顶通过AlexNet卷积神经网络模型识别解决，避免矿区复杂的环境对运动物体的识别干扰，识别率高、误检率低，且通过间歇式统计矿区人员进出情况，及时查出非操作人员，保证井下人员操作的规范性与安全性。

【技术实现步骤摘要】
一种用于煤矿的精确监测人员进出的方法
本专利技术属于图像识别
，具体涉及一种用于煤矿的精确监测人员进出的方法。
技术介绍
由于我国地矿环境复杂、自然环境灾害严重、安全生产技术基础薄弱、从业人员素质较低、加上众多矿区规模小、难以获取较大资金投资，这使得井下人员正常流动一直是井下人员安全作业首先要考虑的问题，如何监控井下作业人员正确流动，避免非操作人员或未经培训合格的人员冒充替代工作人员进出矿区是目前要解决的问题，从而降低安全隐患，减少工人家庭、国家财产的巨大损失。当前人数检测的方法主要为井下人员定位系统，为每一个操纵人员配备人员定位装置，实现人员的实时精确定位，但其造价太高，难以满足符合小型矿场现有的经济要求；视频检测中图像识别是准确识别人员信息的重要手段，且成本低，在专利号ZL200710027252.3的中国专利技术专利中，授权了“一种用于煤矿的矿工出入自动监测的方法”，这种方法仅能监测工人进出人数，无法识别进出人员是否正确，且视频采取时不能有电机车或猴车等除工作人员外任何可运动物体，监测抗干扰性差，有必要提出进一步的改善方案。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于煤矿的精确监测人员进出的方法，通过人脸对比和人员头顶识别共同监测矿区人员进出，其中人员头顶通过AlexNet卷积神经网络模型识别解决，避免矿区复杂的环境对运动物体的识别干扰，识别率高、误检率低，且通过间歇式统计矿区人员进出情况，及时查出非操作人员，保证井下人员操作的规范性与安全性，便于推广使用。为解决上述技术问题，本专利技术采用的技术方案是：一种用于煤矿的精确监测人员进出的方法，其特征在于，该方法包括以下步骤：步骤一、构建图像处理系统：在煤矿巷道指定位置安装门形支架，在门形支架的一个竖向支撑杆上安装用于采集进入矿区的工作人员脸部图像的第一摄像头，在门形支架的另一个竖向支撑杆上安装用于采集离开矿区的工作人员脸部图像的第二摄像头，在门形支架的横杆上安装用于采集进出矿区的人员的头顶图像的第三摄像头，第三摄像头朝向煤矿巷道的地面，第一摄像头、第二摄像头和第三摄像头均与工控机连接，第一摄像头、第二摄像头、第三摄像头和工控机构成图像处理系统，所述工控机上连接有存储器；步骤二、工作人员脸部图像的存储：对矿区经过培训且培训合格的工作人员的脸部图像进行提取，将提取的工作人员的脸部图像与该工作人员的姓名对应，并存储在所述存储器中，提取的各张工作人员的脸部图像的尺寸及像素大小均相同；步骤三、训练AlexNet卷积神经网络模型：将HollywoodHeadsdataset数据库中带有人头顶的图像数据和现场采集的带有人员头顶的图像数据混合构成数据训练集，利用所述数据训练集训练AlexNet卷积神经网络模型，直至所述AlexNet卷积神经网络模型人员头顶的图像识别正确率高于70％；AlexNet卷积神经网络模型由输入层I1、卷积层C1、池化层P1、卷积层C2、池化层P2、卷积层C3、池化层P3、全连接层F和输出层O1构成；步骤四、监测人员进入矿区情况，过程如下：步骤401、利用第一摄像头采集进入矿区的工作人员脸部图像，工控机识别第一摄像头采集的进入矿区的工作人员脸部图像，并与存储在存储器中的工作人员的脸部图像进行比对，得到间歇进入矿区的工作人员姓名及间歇进入矿区的工作人员人数Xa；步骤402、利用第三摄像头采集人员的头顶图像，并送入AlexNet卷积神经网络模型，识别人员的头顶图像，将第三摄像头视野内位于煤矿巷道的出入口侧的半区视为上半区，将第三摄像头视野内远离煤矿巷道的出入口侧的半区视为下半区，跟踪各个人员的头顶图像，当人员的头顶图像从上半区移动至下半区时，统计间歇进入矿区的实际人员人数Xb；步骤403、利用第一摄像头和第三摄像头实时采集图像数据，当第一摄像头和第三摄像头的视野内均无图像数据时，统计间歇进入矿区的人员情况，当Xa＝Xb时，间歇进入矿区的实际人员均为工作人员，执行步骤404；当Xa≠Xb时，间歇进入矿区的实际人员中存在非操作人员，执行步骤405；步骤404、将间歇进入矿区的工作人员人数Xa赋值于间歇进入人数变量Xi后循环步骤401，并根据公式获取累计进入矿区的工作人员人数总数SI，其中，i为间歇进入统计次数编号，I为间歇进入统计次数累计总数；步骤405、工控机驱动报警器提示管理人员有非操作人员进入矿区，管理人员及时回看上一间歇统计时间段内的视频找出非操作人员，使Xa＝Xb，执行步骤404；步骤五、监测人员离开矿区情况，过程如下：步骤501、利用第二摄像头采集离开矿区的工作人员脸部图像，工控机识别第二摄像头采集的进入矿区的工作人员脸部图像，并与存储在存储器中的工作人员的脸部图像进行比对，得到间歇离开矿区的工作人员姓名及间歇离开矿区的工作人员人数Ya；步骤502、利用第三摄像头采集人员的头顶图像，并送入AlexNet卷积神经网络模型，识别人员的头顶图像，跟踪各个人员的头顶图像，当人员的头顶图像从下半区移动至上半区时，统计间歇离开矿区的实际人员人数Yb且Yb＝Ya；步骤503、利用第二摄像头和第三摄像头实时采集图像数据，当第二摄像头和第三摄像头的视野内均无图像数据时，将间歇离开矿区的工作人员人数Ya赋值于间歇离开人数变量Yj后循环步骤501，并根据公式获取累计离开矿区的工作人员人数总数SJ，其中，j为间歇离开统计次数编号，J为间歇离开统计次数累计总数；步骤六、监测矿区内实时人员情况：第一摄像头、第二摄像头和第三摄像头同时采集图像数据，当第一摄像头、第二摄像头和第三摄像头的视野内均无图像数据时，根据公式Δ＝SI-SJ，计算矿区内实时人员数量Δ后循环步骤四，同时通过工控机查看矿区内实时人员的姓名。上述的一种用于煤矿的精确监测人员进出的方法，其特征在于：步骤一中第一摄像头倾斜安装在门形支架的一个竖向支撑杆上，且第一摄像头的摄像端偏向煤矿巷道的出入口，第二摄像头倾斜安装在门形支架的另一个竖向支撑杆上，且第二摄像头的摄像端偏向煤矿巷道的巷道内侧。上述的一种用于煤矿的精确监测人员进出的方法，其特征在于：步骤三中卷积层C1、卷积层C2和卷积层C3均采用11×11的卷积核，池化层P1和池化层P2均采用3×3的池化窗口，池化层P3采用2×2的池化窗口。上述的一种用于煤矿的精确监测人员进出的方法，其特征在于：所述第三摄像头与煤矿巷道的地面之间的距离为2.5m～3.5m，第一摄像头和第二摄像头等高，第一摄像头与煤矿巷道的地面之间的距离为1.5m～2m，第一摄像头、第二摄像头和第三摄像头均为红外网络摄像机，第一摄像头、第二摄像头和第三摄像头的像素不小于200万。上述的一种用于煤矿的精确监测人员进出的方法，其特征在于：步骤三中HollywoodHeadsdataset数据库中带有人头顶的图像数据量和现场采集的带有人员头顶的图像数据量的比为8:2，所述数据训练集中图像数据量不小于2000。本专利技术与现有技术相比具有以下优点：1、本专利技术通过构建图像处理系统，利用在门形支架顶部安装第三摄像头采集人员头顶图像，避免由于人员遮挡带来的人数统计不准确的问题，利用在门形支架的一个竖杆上安装的第一摄像头采集进入矿区的人员的脸部图像，避免由于只采用第三摄本文档来自技高网...

【技术保护点】
1.一种用于煤矿的精确监测人员进出的方法，其特征在于，该方法包括以下步骤：步骤一、构建图像处理系统：在煤矿巷道(8)指定位置安装门形支架(4)，在门形支架(4)的一个竖向支撑杆上安装用于采集进入矿区的工作人员脸部图像的第一摄像头(1)，在门形支架(4)的另一个竖向支撑杆上安装用于采集离开矿区的工作人员脸部图像的第二摄像头(2)，在门形支架(4)的横杆上安装用于采集进出矿区的人员(7)的头顶图像的第三摄像头(3)，第三摄像头(3)朝向煤矿巷道(8)的地面，第一摄像头(1)、第二摄像头(2)和第三摄像头(3)均与工控机连接，第一摄像头(1)、第二摄像头(2)、第三摄像头(3)和工控机构成图像处理系统，所述工控机上连接有存储器；步骤二、工作人员脸部图像的存储：对矿区经过培训且培训合格的工作人员的脸部图像进行提取，将提取的工作人员的脸部图像与该工作人员的姓名对应，并存储在所述存储器中，提取的各张工作人员的脸部图像的尺寸及像素大小均相同；步骤三、训练AlexNet卷积神经网络模型：将Hol lywoodHeads dataset数据库中带有人头顶的图像数据和现场采集的带有人员头顶的图像数据混合构成数据训练集，利用所述数据训练集训练AlexNet卷积神经网络模型，直至所述AlexNet卷积神经网络模型人员头顶的图像识别正确率高于70％；AlexNet卷积神经网络模型由输入层I1、卷积层C1、池化层P1、卷积层C2、池化层P2、卷积层C3、池化层P3、全连接层F和输出层O1构成；步骤四、监测人员进入矿区情况，过程如下：步骤401、利用第一摄像头(1)采集进入矿区的工作人员脸部图像，工控机识别第一摄像头(1)采集的进入矿区的工作人员脸部图像，并与存储在存储器中的工作人员的脸部图像进行比对，得到间歇进入矿区的工作人员姓名及间歇进入矿区的工作人员人数Xa；步骤402、利用第三摄像头(3)采集人员(7)的头顶图像，并送入AlexNet卷积神经网络模型，识别人员(7)的头顶图像，将第三摄像头(3)视野内位于煤矿巷道(8)的出入口侧的半区视为上半区，将第三摄像头(3)视野内远离煤矿巷道(8)的出入口侧的半区视为下半区，跟踪各个人员(7)的头顶图像，当人员(7)的头顶图像从上半区移动至下半区时，统计间歇进入矿区的实际人员人数Xb；步骤403、利用第一摄像头(1)和第三摄像头(3)实时采集图像数据，当第一摄像头(1)和第三摄像头(3)的视野内均无图像数据时，统计间歇进入矿区的人员情况，当Xa＝Xb时，间歇进入矿区的实际人员均为工作人员，执行步骤404；当Xa≠Xb时，间歇进入矿区的实际人员中存在非操作人员，执行步骤405；步骤404、将间歇进入矿区的工作人员人数Xa赋值于间歇进入人数变量Xi后循环步骤401，并根据公式...

【技术特征摘要】
1.一种用于煤矿的精确监测人员进出的方法，其特征在于，该方法包括以下步骤：步骤一、构建图像处理系统：在煤矿巷道(8)指定位置安装门形支架(4)，在门形支架(4)的一个竖向支撑杆上安装用于采集进入矿区的工作人员脸部图像的第一摄像头(1)，在门形支架(4)的另一个竖向支撑杆上安装用于采集离开矿区的工作人员脸部图像的第二摄像头(2)，在门形支架(4)的横杆上安装用于采集进出矿区的人员(7)的头顶图像的第三摄像头(3)，第三摄像头(3)朝向煤矿巷道(8)的地面，第一摄像头(1)、第二摄像头(2)和第三摄像头(3)均与工控机连接，第一摄像头(1)、第二摄像头(2)、第三摄像头(3)和工控机构成图像处理系统，所述工控机上连接有存储器；步骤二、工作人员脸部图像的存储：对矿区经过培训且培训合格的工作人员的脸部图像进行提取，将提取的工作人员的脸部图像与该工作人员的姓名对应，并存储在所述存储器中，提取的各张工作人员的脸部图像的尺寸及像素大小均相同；步骤三、训练AlexNet卷积神经网络模型：将HollywoodHeadsdataset数据库中带有人头顶的图像数据和现场采集的带有人员头顶的图像数据混合构成数据训练集，利用所述数据训练集训练AlexNet卷积神经网络模型，直至所述AlexNet卷积神经网络模型人员头顶的图像识别正确率高于70％；AlexNet卷积神经网络模型由输入层I1、卷积层C1、池化层P1、卷积层C2、池化层P2、卷积层C3、池化层P3、全连接层F和输出层O1构成；步骤四、监测人员进入矿区情况，过程如下：步骤401、利用第一摄像头(1)采集进入矿区的工作人员脸部图像，工控机识别第一摄像头(1)采集的进入矿区的工作人员脸部图像，并与存储在存储器中的工作人员的脸部图像进行比对，得到间歇进入矿区的工作人员姓名及间歇进入矿区的工作人员人数Xa；步骤402、利用第三摄像头(3)采集人员(7)的头顶图像，并送入AlexNet卷积神经网络模型，识别人员(7)的头顶图像，将第三摄像头(3)视野内位于煤矿巷道(8)的出入口侧的半区视为上半区，将第三摄像头(3)视野内远离煤矿巷道(8)的出入口侧的半区视为下半区，跟踪各个人员(7)的头顶图像，当人员(7)的头顶图像从上半区移动至下半区时，统计间歇进入矿区的实际人员人数Xb；步骤403、利用第一摄像头(1)和第三摄像头(3)实时采集图像数据，当第一摄像头(1)和第三摄像头(3)的视野内均无图像数据时，统计间歇进入矿区的人员情况，当Xa＝Xb时，间歇进入矿区的实际人员均为工作人员，执行步骤404；当Xa≠Xb时，间歇进入矿区的实际人员中存在非操作人员，执行步骤405；步骤404、将间歇进入矿区的工作人员人数Xa赋值于间歇进入人数变量Xi后循环步骤401，并根据公式获取累计进入矿区的工作人员人数总数SI，其中，i为间歇进入统计次数编号，I为间歇进入统计次数累计总数；步骤405...

【专利技术属性】
技术研发人员：杜京义，郝乐，杨若楠，汶武，陈宇航，胡伟杰，井萌，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西,61