计算机应用

作者：韩江洪, 袁稼轩, 卫星, 陆阳

单位：1. 合肥工业大学 计算机与信息学院, 合肥 230601;2. 安全关键工业测控技术教育部工程研究中心, 合肥 230601

关键词：深度学习,卷积神经网络,巷道行人检测,视觉定位,图像处理

基金：国家重点研发计划专项（2016YFC0801800；2016YFC0801405）。

自主驾驶矿井机车需要实时检测和定位行驶前方的巷道行人，激光雷达等非视觉类方法成本高昂，而传统基于特征提取视觉类方法无法解决井下光照差且光线不均匀的问题。提出一种基于深度学习的井下巷道行人视觉定位算法。首先给出基于深度学习网络的系统整体结构；其次，搭建目标检测多层卷积神经网络（CNN），生成自主驾驶机车前方视野范围内行人的二维坐标及边界框的尺寸；再次，通过多项式拟合计算出图像中行人到机车之间的第三维距离；最后通过真实样本集实施模型训练、验证与测试。实验结果表明，所提算法的检测准确率达94%，速度达每秒25帧，测距误差小于4%，实现了实时高效的巷道行人视觉定位。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期