低可見度環境下基于改進YOLOv3 的井下人員定位方法

摘要：煤礦井下光照不足、粉塵遮擋，井下視頻監控系統采集的人員目標在二維圖像中表現為小目標或低可見度目標時，原始YOLOv3 網絡的Darknet53 特征金字塔結構無法充分提取和保留目標的細節信息，導致定位結果不準確。針對上述問題，提出了一種低可見度環境下基于改進YOLOv3 的井下人員定位方法。首先，結合β 函數映射和幀間信息增強技術，提升低可見度環境下煤礦井下監控視頻的清晰度。然后，采用更輕量級的Darknet?19 替代YOLOv3 中的Darknet53，并引入CIoU 作為損失函數，利用改進YOLOv3 識別增強后視頻中的井下人員目標。最后，基于映射模型將識別到的目標從二維空間投影至三維空間，結合三維定位結果完成井下人員定位。選用某煤礦一段低可見度環境下井下監控視頻進行實驗，結果表明：① 經過基于改進YOLOv3 的井下人員定位方法處理后的視頻幀亮度、可見度和各項評價指標（平均灰度、平均對比度、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比度得到增強，目標和背景之間更易區分，證明了采用的圖像增強技術的有效性。② 改進YOLOv3 模型能準確識別視頻幀中的井下工作人員，不存在漏識別問題。③ 采用已知位置的標定物或人工標注的的真實三維位置作為基準，計算投影結果與真實位置之間的偏差（偏差計算涵蓋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，表明構建的映射模型的映射效果好且定位精度較高。

關鍵詞：低可見度環境；井下人員定位；改進YOLOv3；三維空間定位；β 函數映射；幀間信息增強；映射模型

中圖分類號：TD655.3 文獻標志碼：A

0 引言

在煤礦生產過程中，井下人員定位的準確性和可靠性在保證安全生產和正常運營中至關重要[1-2]。受井下光線不足、視線受阻及礦道結構復雜等因素的影響，傳統定位技術因信號衰減、多徑效應和遮擋等問題而失效。因此，開發一種能夠在低可見度環境（如光線不足、視線受阻）下準確、可靠地定位井下人員的方法，對于提高煤礦安全生產水平、減少事故發生、保障礦工生命安全具有現實意義[3]。

目前已有大量的研究圍繞井下人員定位方法展開。劉曉陽等[4]在離線狀態下將井下環境劃分為若干子區域，構建對應區域的位置指紋庫，在在線狀態下通過過程改進工具（Process Improvement Tool，PIT）子區域實行初步定位，并通過壓縮感知重構精確定位， 引入K 自選擇改進壓縮感知（SparseRepresentation，SP）算法，實現井下人員定位。該方法在初步定位階段，由于PIT 子區域的劃分基于較大的空間尺度，小目標或低可見度目標會因為分辨率不足而被忽略或誤判，導致定位精度下降，無法準確反映井下人員的實際位置。Wu Bin[5]提出基于改進蒙特卡洛方法的地下人員定位算法，有效提高了地下目標的定位精度。該算法在采樣初始化階段，信標節點根據接收信號強度指示（Received SignalStrength Indication， RSSI）大小逐漸構建采樣區域，并結合蒙特卡洛方法進一步縮小范圍，提高采樣成功率。但如果RSSI 受到低可見度環境的影響，會導致信號衰減或失真，進而影響采樣區域的構建。小目標由于其信號強度較弱，在RSSI 排序時可能被忽略或置于較遠的采樣區域，無法充分提取其位置信息，導致定位精度下降。王智勇等[6]首先通過雙程雙向測距方法測量基站與井下人員之間的距離，建立Chan 算法估計目標位置坐標，然后采用泰勒公式對所得位置坐標迭代更新，最后采集特定點距離指紋構建指紋庫，利用優化后最小二乘支持向量機估計目標位置坐標，并結合迭代更新的位置坐標對最終坐標加以優化，實現井下人員定位。雙程雙向測距方法在一定程度上能夠減少測距誤差，但信號在傳播過程中容易受到低可見度環境的影響，導致測距結果不準確。Cao Bo 等[7]結合高斯混合模型（GaussianMixture Model，GMM）、基于神經網絡的交互多模型（Interacting Multiple Model， IMM）、Caffery 定位和飛蛾火焰優化算法提出了混合定位算法。首先使用GMM 對距離重新估計，然后在 IMM 框架下，結合變分貝葉斯容積卡爾曼濾波器與神經網絡，以有效減少非視距誤差，并通過Caffery 定位方法計算井下人員位置坐標，最后引入飛蛾火焰優化算法優化混合定位算法的定位結果，實現井下人員定位。GMM 在處理復雜的距離數據時能夠提供較好的擬合效果。然而， 當輸入數據受到低可見度環境的影響時，GMM 無法準確地捕捉到這些變化，這會影響對距離的重新估計，導致定位結果不準確。

針對上述問題，本文提出一種基于改進YOLOv3的井下人員定位方法。首先，通過β 函數映射和幀間信息增強技術，提升低可見度環境下煤礦井下監控視頻的清晰度。然后，采用更輕量級的Darknet?19替代YOLOv3 原生的Darknet53，并引入CIoU 損失函數，對YOLOv3 進行優化，以準確識別增強視頻中的井下人員目標。最后，利用映射模型將識別到的目標從二維空間映射到三維空間，結合三維定位結果，煤礦管理人員可以更加直觀地了解井下人員的工作狀態與位置分布，從而制定出更加科學合理的安全預案與應急響應措施，提升煤礦生產的安全性與效率。