煤礦井下人體姿態檢測方法

王璇， 吳佳奇， 陽康， 潘子恒， 楊偉， 王文清

（1.中國煤礦機械裝備有限責任公司，北京 100011；2.中國礦業大學（北京） 機電與信息工程學院，北京 100083；3.煤炭科學技術研究院有限公司，北京 100013；4.北京工業職業技術學院，北京 100042）

0 引言

煤礦井下環境惡劣且具有危險性，對井下工作人員姿態的規范性要求較高。井下作業場所的特點決定了作業人員的姿態特征，包括站立、行走、蹲（坐）等，而跌倒、在運輸巷或罐籠處躺臥等為不安全姿態。人體姿態包含大量有價值的原始數據，可為煤礦井下災害預警和礦山救援提供有效信息[1]。對井下工作人員進行姿態檢測，有利于提高井下人員姿態的規范性，保障其人身安全，對提高礦井安全生產水平有實際意義。

人體姿態檢測技術可分為基于機器學習和基于慣性測量2類。在基于機器學習的人體姿態檢測技術方面，L.Bourdev等[2]采用支持向量機和隨機森林算法估計人體姿態；鄭莉莉等[3]采用徑向基核支持向量機完成對不同人體姿態的估計；黃心漢等[4]采用Faster R?CNN目標檢測架構和ZFNet卷積神經網絡對識別目標進行姿態檢測，具有環境適應性強、速度快等優勢；許志強[5]提出了一種基于深度學習的實時人體姿態估計系統，借助卷積姿態機算法完成人體關鍵點的姿態檢測，利用3D游戲引擎Unity完成虛擬人體骨架搭建，實現人體姿態實時檢測；錢志華等[6]設計了姿態檢測元模型和參數可學習的域適應優化器，通過離線學習和在線學習相結合的方式進行多場景人員姿態檢測。……