一种矿井图像中基于条件随机场的矿工检测方法
【专利摘要】本发明公开了一种矿井图像中基于条件随机场的矿工检测方法。采集矿工井下图像并做子窗口划分处理，经子窗口的HOG特征提取、PCA降维、建立模型的基础公式及利用BFGS进行模型参数的推断等步骤，得到了基于条件随机场进行矿井图像中矿工检测的模型及各项参数；矿工识别检测阶段，采集待检测矿工井下图像并做子窗口划分和HOG特征提取，并利用投影矩阵进行PCA降维，最后根据已经建立的模型利用LBP进行各子窗口的标记处理，并找出标记结果为+1的概率最大子窗口作为矿工检测识别的最佳区域。本发明选择提取HOG特征，能够有效克服井下光照条件差的影响，以条件随机场为框架进行感兴趣区域标识可靠性强，识别率高，适应性强，为煤矿井下图像中的矿工检测提供了有效的解决方案。
【专利说明】一种矿井图像中基于条件随机场的矿工检测方法
【技术领域】
[0001]本发明涉及一种基于条件随机场的行人检测技术，尤其是涉及一种矿井图像中的矿工检测方法。
【背景技术】
[0002]图像行人检测研究在近些年取得了一系列的研究成果，主要有三类研究方法，其一是基于形状信息的行人检测，该类方法主要是依靠行人的形状特征来识别行人，其中以轮廓特征最为典型。Gavrila利用模板匹配的思想，将行人的边缘模板与待检测图片进行匹配。其二是基于特征的行人检测研究方法，1997年，Oren使用了一组过完备的Haar小波特征，结合自己提出的bootstrap方法，首次将机器学习的方法引入行人检测领域，并获得了成功，在误报率为1/15000的情况下，取得了 81.6%的检测率。2001年，Paul Viola等人提出了一种通用的目标检测框架。他们利用自己提出来的级联AdaBoost方式来训练rectangular特征,大大提高了检测速度。2005年，Dalal和Triggs引进了一种强大的特征描述子H0G，作者在自己创造的复杂的INRIAL行人库上，取得了优秀的检测结果。其三，将形状信息和有效特征高效结合起来的方法被不断提出来。Sabzmeydani于2007年提出了 shapelet算法。该算法是利用机器学习的方法来自动学习人体的线条，从而自动生成特征。Zhe Lin等人于2007年提出了一种具有行人姿势不变性的特征。他们的主要方法就将待检图片与训练得到的行人模板库进行匹配，通过最大相似度估计得到图片中的感兴趣区域，并将该区域映射到一个权威的行人模板，提取一个固定的特征。
[0003]条件随机场(Conditional Random Field, CRF)是在马尔可夫随机场(MarkovRandom Field，MRF)的基础上发展起来的，它不仅可以利用相邻节点的联系，还能够利用整个观测场的信息对局部判断加以指导，从而更加合理地提取目标。
[0004]煤炭是我国主要的能源之一，是我国经济发展的重要保障，我国约70%的能源消耗来自煤炭。煤矿井下环境恶劣，光照条件差，针对煤矿井下图像中的矿工检测会受到不同程度的影响，在减少误检、检测定位准确率以及检测效率等方面仍然需要进一步的提高。
【发明内容】
[0005]本发明所要解决的技术问题是提供一种基于条件随机场的新型矿工检测方法。
[0006]为了克服现有诸多方案在煤矿井下图像矿工检测中存在的问题，本发明提出了一种适合井下特殊环境的基于条件随机场的矿工检测方法，该方法能够在矿井下低照度的图像中得到较高识别率，迅速有效的进行矿工检测。
[0007]本发明所述的矿井图像中基于条件随机场的矿工检测方法采用如下技术方案实现，包括矿工检测模型建立阶段与矿工检测识别阶段。
[0008]矿工检测模型建立阶段的具体步骤如下:
[0009]Al.采集煤矿井下包含矿工的图像若干，分别标记为f1;f2，...，fm。采集的图像要求统一尺寸及格式。[0010]A2.对每幅图像进行子窗口的划分，按规则划分成相互有重叠部分且大小相同的矩形子窗口，尺寸大小以恰好能包围矿工为准，在X轴方向上任意相邻窗口之间的距离与在Y轴方向上任意相邻窗口之间的距离是相同的。每幅图片需要划分出不低于600个的子窗口，且子窗口需要铺满整个图像。
[0011]A3.人为标记出所有图像中的最佳子窗口，以恰好能包围住矿工的子窗口作为最
O分力U丰不记为Si，§2，...，gm。
[0012]A4.计算一幅图片中所有的子窗口与步骤(3)所述的最佳子窗口的重合度，将重合度达到70%以上的子窗口标记为+1，否则，将子窗口标记为-1。并将相应标记按其在图像中的位置储存成矩阵形式。
[0013]A5.对所有图像中的所有子窗口进行HOG(方向梯度直方图)特征提取。
[0014]A6.将gl，g2，...4?>提取出的HOG特征组成样本，进行PCA (主成分分析法)降维。保存主成分变换矩阵，即投影矩阵。
[0015]A7.对所有图像中所有子窗口中提取出来的HOG向量进行投影变换。
[0016]AS.建立模型的基础公式。给出子窗口观察值χ的情况下该子窗口标注I的联合
分布概率为
【权利要求】
1.一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，包括矿工检测模型建立阶段与矿工检测识别阶段，所述矿工检测模型建立阶段包括以下步骤: Al.采集煤矿井下包含矿工的图像若干，分别标记为4，4，...，4。采集的图像要求统一尺寸及格式； A2.对每幅图像进行子窗口的划分，按规则划分成相互有重叠部分且大小相同的矩形子窗口，尺寸大小以恰好能包围矿工为准，在X轴方向上任意相邻窗口之间的距离与在Y轴方向上任意相邻窗口之间的距离是相同的。每幅图片需要划分出不低于600个的子窗口，且子窗口需要铺满整个图像； A3.人为标记出所有图像中的最佳子窗口，以恰好能包围住矿工的子窗口作为最佳。分力?!丰不记为gl，§2?...? Sm > A4.计算一幅图片中所有的子窗口与步骤(3)所述的最佳子窗口的重合度，将重合度达到70%以上的子窗口标记为+1，否则，将子窗口标记为-1。并将相应标记按其在图像中的位置储存成矩阵形式； A5.对所有图像中的所有子窗口进行HOG(方向梯度直方图)特征提取； A6.将化&，...4111提取出的!1(?特征组成样本，进行？04(主成分分析法)降维。保存主成分变换矩阵，即投影矩阵； A7.对所有图像中所有子窗口中提取出来的HOG向量进行投影变换； AS.建立模型的基础公式，给出子窗口观察值X的情况下该子窗口标注y的联合分布概率为
2.根据权利要求1所述的一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，所述给出子窗口观察值X的情况下该子窗口标注I的联合分布概率公式各项含义具体如下: Ai和Iij分别代表相关联势能和相互作用势能。AJyi, χ)代表基于标记索引为i的子窗口内的观察特征，被标记为Ii的可能性；Iu(yi，Yj, χ)代表在j子窗口中被标记为y」的情况下，如何影响到i窗口被标记为Ii,即j子窗口中被标记为Ii对i子窗口被标记为Ii所产生的影响。上述式子中的Ni代表i子窗口周围的邻域。
3.根据权利要求1所述的一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，所述Ai (Yi, χ)具体为:
Ai (yi；x) = log Pjyi Ihi(X)) ,Pjyi Ihi(X)) = σ Gyhi (χ))，其中 Iii (χ)代表在 i 子窗口处的特征向量，其中第一个元素设为I以适应参数的偏移，w是logistic方程σ [ζ]的参数，logistic方程σ [z]的具体形式为:
4.根据权利要求1所述的一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，所述I (yi，Ii, χ)具体为: I(yi，yj，x) = logP2(yi，yj| μ ijUD’Pjyi’yjl μ "(χ)) = σ"(χ))，其中 v 是logistic方程σ [ζ]的参数，logistic方程σ [ζ]的具体形式为:
5.根据权利要求1所述的一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，所述ντ μ ij (χ)具体为: Uij = [1，Ihi(X)-^(X) |]τ，表示成对(i，j)所代表的特征向量，将第一个元素设为I是为了适应参数的偏移，为了不使两个子窗口之间产生负的相互作用和图像的不连续，令ντ μ (χ)为非负的，即
6.根据权利要求1所述的一种矿井图像中基于条件随机场的矿工检测方法，其特征在于，所述目标函数具体为:
【文档编号】G06K9/00GK104008374SQ201410243643
【公开日】2014年8月27日 申请日期:2014年6月4日 优先权日:2014年6月4日
【发明者】孙继平, 刘军 申请人:中国矿业大学(北京)