摘要：煤礦井下光照不足、粉塵遮擋，井下視頻監(jiān)控系統(tǒng)采集的人員目標(biāo)在二維圖像中表現(xiàn)為小目標(biāo)或低可見(jiàn)度目標(biāo)時(shí)，原始YOLOv3 網(wǎng)絡(luò)的Darknet53 特征金字塔結(jié)構(gòu)無(wú)法充分提取和保留目標(biāo)的細(xì)節(jié)信息，導(dǎo)致定位結(jié)果不準(zhǔn)確。針對(duì)上述問(wèn)題，提出了一種低可見(jiàn)度環(huán)境下基于改進(jìn)YOLOv3 的井下人員定位方法。首先，結(jié)合β 函數(shù)映射和幀間信息增強(qiáng)技術(shù)，提升低可見(jiàn)度環(huán)境下煤礦井下監(jiān)控視頻的清晰度。然后，采用更輕量級(jí)的Darknet?19 替代YOLOv3 中的Darknet53，并引入CIoU 作為損失函數(shù)，利用改進(jìn)YOLOv3 識(shí)別增強(qiáng)后視頻中的井下人員目標(biāo)。最后，基于映射模型將識(shí)別到的目標(biāo)從二維空間投影至三維空間，結(jié)合三維定位結(jié)果完成井下人員定位。選用某煤礦一段低可見(jiàn)度環(huán)境下井下監(jiān)控視頻進(jìn)行實(shí)驗(yàn)，結(jié)果表明：① 經(jīng)過(guò)基于改進(jìn)YOLOv3 的井下人員定位方法處理后的視頻幀亮度、可見(jiàn)度和各項(xiàng)評(píng)價(jià)指標(biāo)（平均灰度、平均對(duì)比度、信息熵與灰度譜帶寬）較原始視頻均有明顯提升，整體光照條件得到顯著改善，且處理后的視頻幀對(duì)比度得到增強(qiáng)，目標(biāo)和背景之間更易區(qū)分，證明了采用的圖像增強(qiáng)技術(shù)的有效性。② 改進(jìn)YOLOv3 模型能準(zhǔn)確識(shí)別視頻幀中的井下工作人員，不存在漏識(shí)別問(wèn)題。③ 采用已知位置的標(biāo)定物或人工標(biāo)注的的真實(shí)三維位置作為基準(zhǔn)，計(jì)算投影結(jié)果與真實(shí)位置之間的偏差（偏差計(jì)算涵蓋X，Y，Z 方向上的距離偏差），其中X 方向和Y 方向上的偏差均小于0.2 m，Z 方向上的偏差小于0.002 m，表明構(gòu)建的映射模型的映射效果好且定位精度較高。

關(guān)鍵詞：低可見(jiàn)度環(huán)境；井下人員定位；改進(jìn)YOLOv3；三維空間定位；β 函數(shù)映射；幀間信息增強(qiáng)；映射模型

中圖分類(lèi)號(hào)：TD655.3 文獻(xiàn)標(biāo)志碼：A

0 引言

在煤礦生產(chǎn)過(guò)程中，井下人員定位的準(zhǔn)確性和可靠性在保證安全生產(chǎn)和正常運(yùn)營(yíng)中至關(guān)重要[1-2]。受井下光線不足、視線受阻及礦道結(jié)構(gòu)復(fù)雜等因素的影響，傳統(tǒng)定位技術(shù)因信號(hào)衰減、多徑效應(yīng)和遮擋等問(wèn)題而失效。因此，開(kāi)發(fā)一種能夠在低可見(jiàn)度環(huán)境（如光線不足、視線受阻）下準(zhǔn)確、可靠地定位井下人員的方法，對(duì)于提高煤礦安全生產(chǎn)水平、減少事故發(fā)生、保障礦工生命安全具有現(xiàn)實(shí)意義[3]。

目前已有大量的研究圍繞井下人員定位方法展開(kāi)。劉曉陽(yáng)等[4]在離線狀態(tài)下將井下環(huán)境劃分為若干子區(qū)域，構(gòu)建對(duì)應(yīng)區(qū)域的位置指紋庫(kù)，在在線狀態(tài)下通過(guò)過(guò)程改進(jìn)工具（Process Improvement Tool，PIT）子區(qū)域?qū)嵭谐醪蕉ㄎ?，并通過(guò)壓縮感知重構(gòu)精確定位， 引入K 自選擇改進(jìn)壓縮感知（SparseRepresentation，SP）算法，實(shí)現(xiàn)井下人員定位。該方法在初步定位階段，由于PIT 子區(qū)域的劃分基于較大的空間尺度，小目標(biāo)或低可見(jiàn)度目標(biāo)會(huì)因?yàn)榉直媛什蛔愣缓雎曰蛘`判，導(dǎo)致定位精度下降，無(wú)法準(zhǔn)確反映井下人員的實(shí)際位置。Wu Bin[5]提出基于改進(jìn)蒙特卡洛方法的地下人員定位算法，有效提高了地下目標(biāo)的定位精度。該算法在采樣初始化階段，信標(biāo)節(jié)點(diǎn)根據(jù)接收信號(hào)強(qiáng)度指示（Received SignalStrength Indication， RSSI）大小逐漸構(gòu)建采樣區(qū)域，并結(jié)合蒙特卡洛方法進(jìn)一步縮小范圍，提高采樣成功率。但如果RSSI 受到低可見(jiàn)度環(huán)境的影響，會(huì)導(dǎo)致信號(hào)衰減或失真，進(jìn)而影響采樣區(qū)域的構(gòu)建。小目標(biāo)由于其信號(hào)強(qiáng)度較弱，在RSSI 排序時(shí)可能被忽略或置于較遠(yuǎn)的采樣區(qū)域，無(wú)法充分提取其位置信息，導(dǎo)致定位精度下降。王智勇等[6]首先通過(guò)雙程雙向測(cè)距方法測(cè)量基站與井下人員之間的距離，建立Chan 算法估計(jì)目標(biāo)位置坐標(biāo)，然后采用泰勒公式對(duì)所得位置坐標(biāo)迭代更新，最后采集特定點(diǎn)距離指紋構(gòu)建指紋庫(kù)，利用優(yōu)化后最小二乘支持向量機(jī)估計(jì)目標(biāo)位置坐標(biāo)，并結(jié)合迭代更新的位置坐標(biāo)對(duì)最終坐標(biāo)加以?xún)?yōu)化，實(shí)現(xiàn)井下人員定位。雙程雙向測(cè)距方法在一定程度上能夠減少測(cè)距誤差，但信號(hào)在傳播過(guò)程中容易受到低可見(jiàn)度環(huán)境的影響，導(dǎo)致測(cè)距結(jié)果不準(zhǔn)確。Cao Bo 等[7]結(jié)合高斯混合模型（GaussianMixture Model，GMM）、基于神經(jīng)網(wǎng)絡(luò)的交互多模型（Interacting Multiple Model， IMM）、Caffery 定位和飛蛾火焰優(yōu)化算法提出了混合定位算法。首先使用GMM 對(duì)距離重新估計(jì)，然后在 IMM 框架下，結(jié)合變分貝葉斯容積卡爾曼濾波器與神經(jīng)網(wǎng)絡(luò)，以有效減少非視距誤差，并通過(guò)Caffery 定位方法計(jì)算井下人員位置坐標(biāo)，最后引入飛蛾火焰優(yōu)化算法優(yōu)化混合定位算法的定位結(jié)果，實(shí)現(xiàn)井下人員定位。GMM 在處理復(fù)雜的距離數(shù)據(jù)時(shí)能夠提供較好的擬合效果。然而， 當(dāng)輸入數(shù)據(jù)受到低可見(jiàn)度環(huán)境的影響時(shí)，GMM 無(wú)法準(zhǔn)確地捕捉到這些變化，這會(huì)影響對(duì)距離的重新估計(jì)，導(dǎo)致定位結(jié)果不準(zhǔn)確。

針對(duì)上述問(wèn)題，本文提出一種基于改進(jìn)YOLOv3的井下人員定位方法。首先，通過(guò)β 函數(shù)映射和幀間信息增強(qiáng)技術(shù)，提升低可見(jiàn)度環(huán)境下煤礦井下監(jiān)控視頻的清晰度。然后，采用更輕量級(jí)的Darknet?19替代YOLOv3 原生的Darknet53，并引入CIoU 損失函數(shù)，對(duì)YOLOv3 進(jìn)行優(yōu)化，以準(zhǔn)確識(shí)別增強(qiáng)視頻中的井下人員目標(biāo)。最后，利用映射模型將識(shí)別到的目標(biāo)從二維空間映射到三維空間，結(jié)合三維定位結(jié)果，煤礦管理人員可以更加直觀地了解井下人員的工作狀態(tài)與位置分布，從而制定出更加科學(xué)合理的安全預(yù)案與應(yīng)急響應(yīng)措施，提升煤礦生產(chǎn)的安全性與效率。