首页 >
论文范文 >
工程工业论文 >
工程综合论文 >
矿业工程论文 >
目标跟踪算法在煤矿推车预警系统中的应用
摘要：煤矿推车预警系统自动化程度低、功能不完善，罐笼人员超载和滞留监测依旧需要人工操作。为此研发了一种煤矿人员多目标跟踪算法。详细介绍了算法总体设计、图像采集、样本标注、模型训练、目标检测和人员跟踪。推车预警系统使用该算法实时检测入罐人数和出罐人数，出现罐笼超载或人员滞留情况联动闭锁停罐。应用结果表明：该算法可以实时检测入罐人数和出罐人数，准确可靠，罐笼内出现超员或人员滞留可联动闭锁，为煤矿安全生产提供了有力保障。
加入收藏
机器视觉是一门交叉学科，如今发展迅猛，势头最猛的当属计算机视觉算法的研究与应用。近年来，基于深度学习的视觉算法在目标检测、跟踪、理解等领域的应用十分广泛，其中煤矿副立井的操车自动化系统已涉及到机器学习。然而，操车系统中的推车预警系统存在自动化程度低、功能不完善等问题，大多数指标监测仍需要人工查看监控视频实现预警提示，存在效率低、人为疏忽预警不及时的缺点，其中罐笼超员、人员滞留问题尤为突出，极易造成安全事故。因此，罐笼区域检测亟需一种高实时性的人员计数方法，以规避上述风险。针对上述技术难题，将深度学习算法、多目标跟踪算法与应用场景相结合，提出了一种应用在推车预警系统的人员计数方法。该方法可用于煤矿副立井推车区域的人员识别、定位跟踪及统计，填补了人工监测的漏洞，实现了人员统计、监测的实时性。
1、多目标跟踪算法设计
(1）总体设计
多目标跟踪算法可以分为传统方法和深度学习方法两大类。传统方法主要基于特征提取、分类器和滤波器等传统的计算机视觉技术，通过提取外观特征（如颜色、纹理、形状等）来描述目标，通过训练分类器来判断目标是否存在，利用滤波器来估计目标的位置和运动信息。深度学习方法使用卷积神经网络（CNN）或循环神经网络（RNN）等模型，直接学习目标的外观特征和运动信息，从而实现更准确和鲁棒的目标跟踪。
本文采用基于深度学习的多目标跟踪算法，包括图像采集、样本标注、模型训练、人员识别与定位、二次确认、人员跟踪（轨迹定位和目标匹配）、人员统计计数等重要环节，具体流程如图1所示。
图1算法流程图
(2）图像采集及样本标注
人员目标跟踪算法与普通的人员电子围栏检测相比，对图像采集帧率、清晰度、拍摄角度有更高要求。首先需使用有线高清摄像机，不建议使用无线网络，图像传输受网络影响容易丢帧，会造成目标跟踪丢失；其次，为保证目标的运动连续性，图像采集帧率应不低于15帧/s；最后，相机安装角度应垂直向下，视场角不低于90°，在人员拥挤入罐时也需清楚地看到人员的头肩。
对待测样本中需要定位的目标进行类别标注，生成所需的数据集。利用矩形框框出目标，给每个目标添加一个标签，比如煤矿工人的标签为“人员”。针对推车预警场景，首先收集检测区域内目标人员的图像作为样本集进行标注，得到标签Label以及标注框BoundingBox，此处Label具有唯一类别person,BoundingBox结构为（xmin,ymin,xmax,ymax），其中（xmin,ymin）为矩形标注框左上顶点在图像中的像素坐标，（xmax,ymax）为标注框右下顶点在图像中的像素坐标；为方便计算，将BoundingBox转换为（xcenter,ycenter,hrect,wrect），其中（xcenter,ycenter）为标注框中心点，（hrect,wrect）为该标注框的高度与宽度；图像样本与人员标注结果融合，构成训练所需的数据集。应该注意的是只标注头肩，不标注全身。当人与人距离较近时，在相机视野中存在相互遮挡现象，如标注全身则会出现腿部无法看清的问题，从而给后期推理检测带来影响。
(3）模型训练
用标注好的数据集训练深度学习模型，得到用于人员识别与定位的目标模型。深度学习模型包括但不限于YOLOv3或CNN模型。本文使用YOLOv3网络作为目标检测模型。该网络以Darknet 53作为骨架，主要由一系列3×3和1×1卷积层、残差结构构成。卷积层用来提取图像的特征。每个卷积层后增加批标准化和Leaky ReLU激活层来降低差异性、加速收敛和避免过拟合。卷积层还运用特征金字塔网络多尺度的思想，以步长为2的上采样提取深层特征，从而获得更多、更全面的图像特征，最后传输至3种不同尺寸的特征图进行相应物体的置信度和位置坐标预测。数据集的划分比例一般为7∶3或8∶2，也可根据经验或计算来决定。根据损失值loss的收敛情况选择合适迭代次数下的对应模型，然后用测试集进行校验，测试合格后得到目标模型。针对推车预警图像数据，鉴于数据规模较小，将数据集按7∶3的比例进行划分，进行模型训练。
(4）目标检测
将相机采集到的每一帧图像实时传入检测模型，对人员进行识别与定位，得到定位结果以及对应的置信度，并依据该置信度二次确认人员的定位结果。置信度是模型识别结果的可信度，判断检测结果的置信度是否处于预设好的置信区间，若处于置信区间则人员定位成功，否则定位失败，继续定位直至符合置信区间。进行识别与定位时调用TensorRT实现模型的推理加速。TensorRT是一种高性能的深度学习推理优化器，可以为深度学习应用提供低延迟、高吞吐率的部署推理。
(5）人员跟踪
利用多目标跟踪算法对连续帧中的同一人员进行跟踪定位，获得其对应的行动轨迹。该算法包含卡尔曼滤波和匈牙利算法2个重要环节，前者用来预测下一帧图像中人员的轨迹，后者用来将下一帧检测出的目标与之前的目标进行匹配，从而确认目标身份ID，此时用到了卡尔曼滤波的结果。针对推车预警场景，利用YOLOv3模型获得每帧图像中的人员目标后，采用卡尔曼滤波器预测出下一帧该人员的位置，而后用匈牙利算法进行人员定位的数据关联。
步骤①相机采集推车场景的实时图像，并上传至视觉服务器，将第1帧彩色图像Img1作为输入，利用YOLOv3模型进行目标人员的识别与定位。
步骤②利用第1帧图像中识别出的人员目标初始化卡尔曼滤波器，假设第k帧中第i个人员的状态为ski=(poski,velki),poski和velki分别为第k帧第i个人员的位置与移动速度，那么第k帧图像对应的均值和协方差矩阵分别为sk和pk，则卡尔曼滤波器的状态预测方程为
式中Fk———第k帧的运动系数矩阵。
k初始化为1,poski初始化为第1帧人员定位结果的（xcenter,ycenter),velki初始化为0。利用初始化的卡尔曼滤波器对下一帧图像中人员的位置进行预测，得到预测结果BoundingBoxprde(xcp,ycp,hrp,wrp），即对下一帧中BoundingBox(xcenter,ycenter,hrect,wrect）的预测。
步骤③读入下一帧图像，重复步骤①，得到检测结果BoundingBoxdetect(xcd,ycd,hrd,wrd）。依次计算预测结果与检测结果矩形框的面积交比Rarea，则：
式中Judge1、Judge2———判断矩形边界框是否相交的条件；
W、H———相交部分的矩形的宽和高。
依据Rarea建立二者的关联矩阵，然后利用匈牙利算法找到最佳匹配，并用匹配完成的人员对象数据对卡尔曼滤波器进行迭代优化，根据预测结果和检测结果可以得到高斯分布（μi,εi)(i=0,1），其中μi和εi为高斯分布的均值和协方差矩阵，两者的高斯分布为为预测结果的均值和协方差矩阵，为检测结果的均值与协方差矩阵，所以卡尔曼滤波器的更新方程为
式中K———卡尔曼增益。
更新方程中的为更新的最优估计，和最优估计的协方差矩阵Pk′+1用于第k+2次预测以及迭代优化。利用检测结果更新滤波器，结合步骤②的状态预测方程，得到第k+1帧的Pk+1、sk+1，从而更新第k+2帧图像。第k及第k+1帧图像的运动系数矩阵Fk、Fk+1均可以直接获得。若匹配完成后仍有剩余检测结果未能匹配，则用这些结果初始化新的卡尔曼滤波器。此处剩余的是第k+1帧中识别到但未能和预测结果匹配上的人员。若剩余预测结果未能和检测结果匹配，则认为目标被遮挡或跟踪丢失，并记录帧数；当帧数超过设定的阈值，认为该目标消失或丢失，并移除其对应的卡尔曼滤波器。简而言之，当剩余检测结果没能和预测结果匹配上，则初始化；当剩余预测结果没能和检测结果匹配上，则记录帧数。
步骤④记录图像中识别出的人员位置信息，生成对应的跟踪轨迹；相机依次传回多帧连续的实时图像，重复步骤③；当人员轨迹进入预设区域时，进行计数。
(6）推车预警联动
视觉服务器根据MODBUSTCP协议将人员统计结果上传至PLC端进行联动，若超员，则联动提升机禁止罐笼启动，同时声光报警器提示超员乘罐，LED屏幕显示人员数量，提醒人员规范乘坐罐笼。
2、现场应用
本文提出的多目标跟踪算法已经应用于山东枣庄田陈矿推车预警系统，安装于副立井。该矿提升系统采用双勾双层罐（大小罐，上层提人，下层提物），提升高度412 m，井口到车房距离100 m，大罐入罐人数不能超过37人，小罐入罐人数不能超过20人。在井口安全门处部署摄像机实时采集图像，通过服务器机柜运行算法模型，并与PLC控制端进行数据交互。上井口工控机及下井口防爆计算机作为客户端实现视频监控、数据访问及参数配置。本文算法用于检测入罐和出罐人数：当工人乘罐下井，上井口入罐人数超过指定最大负载人数时则联动PLC进行停罐报警；当罐笼运行到下井口人员出罐时，检测出罐人数，根据上井口入罐人数和下井口出罐人数判断罐内是否有人员滞留，如有人员滞留则联动PLC，停止安全门和罐笼动作，确保上下罐安全。该系统在现场已经稳定运行1 a，有效地提升了矿井提升机运输环节的安全性。现场识别效果如图2所示。
图2识别效果图
3、结语
本文提出的多目标追踪算法通过面积交比判断实现目标匹配，支持YOLOv3、CNN等多种模型。与传统图像识别定位方法相比，该算法适用场景广，不易受复杂背景干扰，鲁棒性强。在推车预警系统中创新性地引入深度学习技术，准确实时地判断罐笼中的人数并在超员时报警，使推车预警系统的自动化程度更进一步，避免了人为因素导致的失误，提高生产效率的同时减少了操车作业中的安全隐患，实现了煤矿副立井操车从自动化向智能化的转变，有效提高了煤矿智能化设备的应用、管理与维护水平，提高了矿井提升机运输环节安全与生产管理信息化和决策智能化水平，实现了以智能设备换人的目标。
参考文献:
[1]王子铭,郭龙真,杨帅.基于深度学习和单目视觉的采煤机滚筒测距算法[J].煤矿机械,2023,44(9):182-186.
[2]周亘儒.副井区域人､车智能管控系统研究与应用[J].内蒙古煤炭经济,2022(12):15-17.
[3]郝友花.罐笼事故分析与安全监控系统的研究[J].内蒙古煤炭经济,2017(16):87+119.
[4]李者.煤矿人员定位系统中对于违章行为的判断技术[J].煤矿安全,2012,43(4):56-58.
[5]黄亮.基于双目视觉的客流统计识别系统[D].上海:上海交通大学,2008.
[6]赵安新,杨金桥,杨浩波,等.基于改进DeepSORT和FastReID的室内多目标人员跨镜识别与跟踪[J].西安科技大学学报,2023,43(3):622-630.
[7]孔祥俊,汪君娜,亓玉浩,等.基于机器视觉的输送带撕裂检测方法[J].煤矿机械,2024,45(1):156-159.
[8]陈光,乔梁,黄晓明,等.基于目标跟踪的行为识别方法研究———以安全帽佩戴识别检测为例[J].黑龙江科学,2023,14(8):50-52.
文章来源:谢海峰,曹世奎,方鹏,等.多目标跟踪算法在煤矿推车预警系统中的应用[J].煤矿机械,2024,45(09):186-189.
分享：
围岩松动圈是指地下工程开挖后,由于应力重分布和爆破等因素影响,在洞室周围形成的具有一定厚度的破裂､松动区域[1]｡这一区域内的岩体力学性质发生显著变化,主要表现为强度降低､渗透性增加等特征｡围岩松动圈的形成和发展直接影响地下工程的稳定性和安全性｡
2025-09-07
钻孔探测作为矿井地质分析预测及灾害处理的重要手段,具有实揭性､灵活性及长距离等优点,常用于煤矿瓦斯抽放､探放水及地质填图等勘探工程｡然而,受限于软碎岩层､断层发育带等井下复杂地质条件,常规钻孔极易产生塌孔､缩径的问题,严重影响钻孔的成孔效率及施工效果｡
2025-08-03
断层是地壳中常见的地质构造之一,是由破断面两层岩体发生明显位移而形成的｡在采煤过程中,断层的发育增加了开采的难度,影响采煤方法的选择和回采速度｡断层的大小､走向､数量,均会加剧煤层漏风问题,进而增加煤层自燃的风险,对此,诸多学者开展了大量研究[1-2]｡
2025-08-03
贵州省具有丰富的煤炭资源,素有“西南煤海”之称,是我国华南型煤田中最大的产煤省区｡贵州省喀斯特矿区在高强度开采扰动后,极易造成矿井突水事故,给井下开采工作带来极大的安全隐患和经济损失[1]｡导水裂缝带,即垮落带和裂缝带,是贯通采空区与上部水体的通道,覆岩“两带”的高度及特征对于矿井井下水害防治具有重要的意义[2-3]｡
2025-08-03
采煤机自动拖缆是指采煤机在工作运行过程中,采用特定的拖曳装置移动电缆,替代人工来管理电缆,避免采煤机往复运行中,电缆因多次叠加引起电缆出槽､损伤等现象｡采煤机自动拖缆装置对于采煤机的正常运行至关重要,特别是对电缆槽高度较低的薄煤层工作面,效果更为显著,它确保了电缆不被损坏,从而保证了采煤机的电力供应｡
2025-08-03
光纤技术是基于光传播原理的高新技术创新,广泛应用于通信､传感､医疗等领域,光纤传感器利用光波在光纤内部的传播特性,这些特性使得光纤传感器在复杂环境中,特别是需要长期监测的工程领域中,应用更加广泛[1]｡在采矿作业中,随着深部采矿技术的不断发展,围岩的复杂性和变异性不断增加,对支护结构的稳定性提出了新的挑战[2]｡
2025-08-03
陶文斌[8]研究了大断面过破碎带失稳变形原因,提出了“预注浆+超前支护+架棚+二次注浆”的支护方案,有效保证了巷道围岩的稳定;伊丽娟[9]以某煤矿大巷过破碎带为工程背景,提出“锚杆+锚索+U型钢”的联合支护技术,成功控制了巷道围岩变形问题｡针对不同地质环境应确定相应的巷道支护技术｡
2025-08-03
煤炭企业的环境会计信息披露通常在社会责任报告中设专章,内容涉及环保管理体系､环保投资､污染物排放､重大环境问题及整改情况､节能减排等｡随着“双碳”目标的提出,许多煤炭企业深刻认识到低碳的重要性,开始在年度财务报告中披露环境会计信息｡
2025-07-12
针对荫营煤矿密闭区域检测环节操作繁琐，检测结果反馈时间长、效率低等问题，归纳了密闭“呼吸”现象的影响因素，基于现场测试分析了密闭“呼吸”现象的基本特征，对煤自燃气体产生的规律进行研究，结果表明：大气参数的变化导致密闭区出现“呼吸”效应，密闭内外压差的变化范围为-160～350 Pa,说明荫营煤矿密闭存在“呼吸”效应，且密闭内外气体交换量较大。研究结果对荫营煤矿快捷高效地实现井下密闭火情智能监测预警及风险管控以预防煤自燃具有重要指导和现实意义。
2025-07-07
煤炭服务企业与新一代信息技术的深度融合势在必行｡许多企业正在有序构建及优化管理､业务及服务三大核心系统,以实现信息化､数字化与智能化的融合升级｡管理层面涵盖企业资源规划(ERP)系统､办公自动化(OA)系统以及管理信息系统(MIS)等模块;业务层面涉及数字化协同设计系统､数字化设计交付系统以及工程采购与施工(EPC)总承包管理系统等。
2025-07-07我要评论
期刊名称：煤矿机械
期刊人气：2105
主管单位：国家煤矿安全监察局
主办单位：哈尔滨煤矿机械研究所
出版地方：黑龙江
专业分类：煤矿
国际刊号：1003-0794
国内刊号：23-1280/TD
邮发代号：14-38
创刊时间：1980年
发行周期：月刊
期刊开本：大16开
见刊时间：1年以上
影响因子：0.463
影响因子：0.673
影响因子：0.642
影响因子：1.307
影响因子：0.480
科普杂志阅读、期刊信息查询、论文下载、文献查询、原创文章检测等多项服务。
服务热线
您的论文已提交，我们会尽快联系您，请耐心等待！
你的密码已发送到您的邮箱，请查看！
2024-09-02
54
上传者：管理员
