井下危险区域目标检测
来源期刊：煤炭学报2011年第3期
论文作者：厉丹 钱建生 柴艳莉
文章页码：527 - 532
关键词：井下;危险区域;目标检测;SIFT（scale-invariant feature transform）;RANSAC(random sample consensus);L-M（Levenberg-Marquardt）;
摘 要：建立适合煤矿井下特殊环境的危险区域目标检测系统结构和新的目标匹配算法。新算法基于SIFT（scale-invariant feature transform）多尺度变换,结合形态学技术用降维后的局部区域匹配方法提高系统实时性;交叉匹配粗筛选后将RANSAC（random sample consensus）算法和L-M（Lev-enberg-Marquardt）非线性优化算法结合估计优化参数,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。实验证明,新算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均具有良好的鲁棒性,解决多摄像机不同视角目标匹配问题,适合实时处理的监控系统中井下危险区域目标检测。
厉丹1,2，钱建生1，柴艳莉1,3
1. 中国矿业大学信息与电气工程学院2. 中国矿业大学徐海学院3. 徐州师范大学电气工程及自动化学院
摘 要：建立适合煤矿井下特殊环境的危险区域目标检测系统结构和新的目标匹配算法。新算法基于SIFT（scale-invariant feature transform）多尺度变换,结合形态学技术用降维后的局部区域匹配方法提高系统实时性;交叉匹配粗筛选后将RANSAC（random sample consensus）算法和L-M（Lev-enberg-Marquardt）非线性优化算法结合估计优化参数,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。实验证明,新算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均具有良好的鲁棒性,解决多摄像机不同视角目标匹配问题,适合实时处理的监控系统中井下危险区域目标检测。
关键词：井下;危险区域;目标检测;SIFT（scale-invariant feature transform）;RANSAC(random sample consensus);L-M（Levenberg-Marquardt）;
