基于PCA-SIFT的煤矿监控目标识别及行为分析

发布时间：2018-01-31 12:42

  本文关键词： 井下监控 PCA-SIFT算法 目标识别　出处：《煤炭技术》2017年12期 　论文类型：期刊论文

【摘要】：运动目标轮廓识别是提升煤矿井下监控预测价值的基础,也是监控视频系统的开发难点。通过提出PCA-SIFT算法,运用该算法对煤矿监控运动目标进行识别,并将识别结果与传统Mean Shift算法对比。结果表明:PCA-SIFT算法可更加清晰地识别出井下图像轮廓,其帧处理效率和正确率更高,且运动目标跟踪误差十分稳定,可有效防止跟踪目标丢失。
[Abstract]:A PCA - SIFT algorithm is proposed to identify the targets of coal mine monitoring , and the recognition result is compared with the traditional Mean Shift algorithm . The results show that PCA - SIFT algorithm can identify the outline of the borehole more clearly , the frame processing efficiency and the accuracy rate are higher , and the tracking error of the moving target is very stable , and the tracking target is effectively prevented from being lost .

【作者单位】： 淮安信息职业技术学院;
【分类号】：TD76
【正文快照】： 0引言煤矿监控是确保煤矿安全作业的基础工作,其监控目标除了机车和矿井结构外,还包括人、带式输送机等运动目标。通过有效监控,一旦出现异常,须及时发出警报并采取应对措施。从煤矿运行实践来看,设备停运、煤矿坍塌等生产事故的发生并不鲜见,其重要原因就是监控无效、没有能，

本文编号：1479089