基于光照不均的井下圖像中人臉識別技術研究

李智科

【摘要】在煤礦安全生產基礎建設中，煤礦視頻監控系統作為井下安全監控系統之一，是煤礦調度指揮中心對井下作業的主要生產環節、設備運營情況及關鍵生產線情況進行實時監控的最直觀、有效的手段。目前除了對井下作業情況的監控，通過數字圖像增強處理技術，視頻監控系統還用于對井下光照不均圖像的識別、人臉識別，對運動機車定位和煤面圖像的檢測等。

【關鍵詞】井下監控 光照不均 人臉識別

一、研究背景

煤礦巷道內環境復雜，整體背景黑暗，濕度大，粉塵多，導致井下采集圖像整體質量較差。圖像的畫面往往對比度較低，細節部分無法清晰分辨；由于井下光照主要來源于照明燈，燈光區域與背光區域亮度反差很大，造成圖像整體或局部光照不均，嚴重影響圖像的采集質量；采集圖像傳輸過程中受巷道中電氣設備、傳輸線纜、無線設備等因素影響產生電磁干擾，造成圖像中的電磁干擾噪聲。本文以井下圖像中人臉圖像識別為目的，對井下圖像處理技術進行探討。

二、井下圖像中人臉的檢測與識別

目前，國家和政府對煤礦安全生產高度重視，井下人員的人身安全作為安全生產的核心，與之相關的井下人員管理和監控系統已經受到煤炭企業的高度重視。井下人員定位系統已廣泛應用于井下人員管理系統方面，目前多采用射頻卡實現對井下人員的跟蹤定位和考勤管理，但是考慮到射頻卡不是礦工本人的唯一標識，單一通過射頻卡不能識別出礦工的姓名和身份，另外基于射頻卡識別的人員定位精確度也有待進一步提升，因此本文考慮將人員管理系統與井下視頻圖像識別技術結合起來，通過人體識別技術來進一步加強井下人員管理。

在井下人員圖像中，選擇人體哪方面生物特征作為數字圖像處理識別的對象是著手工作的首要考慮。結合井下特殊的環境，礦工經常手持生產工具且手上易有灰塵，又由于監控系統拍攝的井下人員圖像光照度低、不夠清晰，虹膜識別也不適用，DNA檢測技術程序復雜，而人臉目標明顯，五官分布在圖像中較易捕捉。綜上考慮，本文選擇人臉作為煤礦井下識別礦工身份的特征。

三、基于模板匹配的人臉識別方法

（一）模板尺寸歸一化

特征提取的預處理操作是為了使待測圖像樣本符合特定的準則，使其更適合特征提取的要求。特征歸一化作為預處理的一項重要操作，為之后的目標識別環節作必要準備。在采用模板匹配方法對圖像進行識別時，應需要對用于作匹配的多個人臉模板區域進行尺寸歸一化，使其歸于同等大小，人臉模板可以由人臉部五官（如雙眼、鼻、嘴等）來構造，而不宜選擇胡子頭發等不規則特征。

（二）人臉模板匹配過程

基于模版匹配的人臉識別，首先要根據臉部五官如雙眼、鼻子、嘴以及臉型特征的位置、形狀、分布來建立人臉模板，將構造出的人臉模版在待測圖像上遍歷，求二者的相關度，當某個區域求得的相關度大于（或小于）特定閾值th時，認為此處圖像與模板匹配，從而識別出人員身份。

（三）人工神經網絡法進行人臉檢測

人工神經網絡法對圖像的識別屬于基于統計模式識別的一種方法，它是用數學模型對人腦系統的神經元傳輸機制進行模擬，也可通過計算機編程來仿真人腦神經的傳輸機制。它是一種自底向上的數學方法，先研究單一的人工神經元，再將大量功能簡單的神經元進行互聯，逐漸形成復雜龐大的神經網絡。利用人工神經網絡對人臉識別的主要過程由待測圖像預處理、人臉特征提取、神經網絡分類器組成。其中，圖像預處理環節主要包括噪聲的濾除、特征的增強、光照的調整等處理；人臉特征可根據人臉形狀、五官對稱性、五官位置分布等幾何特征來提取；神經網絡分類過程為將待識別樣本輸入到設計好的神經網絡模型中，根據神經元輸出來確定類別。人工神經網絡是在人工智能領域占有重要的位置，特別是在圖像處理與識別方面，有著重要的研究和應用價值。

四、結語

本文基于煤礦井下安全監控系統中的視頻監控系統，致力于將數字圖像處理技術應用到煤礦井下人員管理系統中，為煤礦安全生產和有效管理工作的信息化技術研究做出貢獻。針對井下特殊的圖像采集環境，本文對人臉識別圖像處理技術進行了研究，以實現計算機自動識別井下采集圖像中特定目標的目的，最終目標是實現對光照不均的井下圖像中礦工身份的自動識別。endprint