低可见度环境下基于改进YOLOv3 的井下人员定位方法

摘要：煤矿井下光照不足、粉尘遮挡，井下视频监控系统采集的人员目标在二维图像中表现为小目标或低可见度目标时，原始YOLOv3 网络的Darknet53 特征金字塔结构无法充分提取和保留目标的细节信息，导致定位结果不准确。针对上述问题，提出了一种低可见度环境下基于改进YOLOv3 的井下人员定位方法。首先，结合β 函数映射和帧间信息增强技术，提升低可见度环境下煤矿井下监控视频的清晰度。然后，采用更轻量级的Darknet−19 替代YOLOv3 中的Darknet53，并引入CIoU 作为损失函数，利用改进YOLOv3 识别增强后视频中的井下人员目标。最后，基于映射模型将识别到的目标从二维空间投影至三维空间，结合三维定位结果完成井下人员定位。选用某煤矿一段低可见度环境下井下监控视频进行实验，结果表明：① 经过基于改进YOLOv3 的井下人员定位方法处理后的视频帧亮度、可见度和各项评价指标（平均灰度、平均对比度、信息熵与灰度谱带宽）较原始视频均有明显提升，整体光照条件得到显著改善，且处理后的视频帧对比度得到增强，目标和背景之间更易区分，证明了采用的图像增强技术的有效性。② 改进YOLOv3 模型能准确识别视频帧中的井下工作人员，不存在漏识别问题。③ 采用已知位置的标定物或人工标注的的真实三维位置作为基准，计算投影结果与真实位置之间的偏差（偏差计算涵盖X，Y，Z 方向上的距离偏差），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，表明构建的映射模型的映射效果好且定位精度较高。

关键词：低可见度环境；井下人员定位；改进YOLOv3；三维空间定位；β 函数映射；帧间信息增强；映射模型

中图分类号：TD655.3 文献标志码：A

0 引言

在煤矿生产过程中，井下人员定位的准确性和可靠性在保证安全生产和正常运营中至关重要[1-2]。受井下光线不足、视线受阻及矿道结构复杂等因素的影响，传统定位技术因信号衰减、多径效应和遮挡等问题而失效。因此，开发一种能够在低可见度环境（如光线不足、视线受阻）下准确、可靠地定位井下人员的方法，对于提高煤矿安全生产水平、减少事故发生、保障矿工生命安全具有现实意义[3]。

目前已有大量的研究围绕井下人员定位方法展开。刘晓阳等[4]在离线状态下将井下环境划分为若干子区域，构建对应区域的位置指纹库，在在线状态下通过过程改进工具（Process Improvement Tool，PIT）子区域实行初步定位，并通过压缩感知重构精确定位， 引入K 自选择改进压缩感知（SparseRepresentation，SP）算法，实现井下人员定位。该方法在初步定位阶段，由于PIT 子区域的划分基于较大的空间尺度，小目标或低可见度目标会因为分辨率不足而被忽略或误判，导致定位精度下降，无法准确反映井下人员的实际位置。Wu Bin[5]提出基于改进蒙特卡洛方法的地下人员定位算法，有效提高了地下目标的定位精度。该算法在采样初始化阶段，信标节点根据接收信号强度指示（Received SignalStrength Indication， RSSI）大小逐渐构建采样区域，并结合蒙特卡洛方法进一步缩小范围，提高采样成功率。但如果RSSI 受到低可见度环境的影响，会导致信号衰减或失真，进而影响采样区域的构建。小目标由于其信号强度较弱，在RSSI 排序时可能被忽略或置于较远的采样区域，无法充分提取其位置信息，导致定位精度下降。王智勇等[6]首先通过双程双向测距方法测量基站与井下人员之间的距离，建立Chan 算法估计目标位置坐标，然后采用泰勒公式对所得位置坐标迭代更新，最后采集特定点距离指纹构建指纹库，利用优化后最小二乘支持向量机估计目标位置坐标，并结合迭代更新的位置坐标对最终坐标加以优化，实现井下人员定位。双程双向测距方法在一定程度上能够减少测距误差，但信号在传播过程中容易受到低可见度环境的影响，导致测距结果不准确。Cao Bo 等[7]结合高斯混合模型（GaussianMixture Model，GMM）、基于神经网络的交互多模型（Interacting Multiple Model， IMM）、Caffery 定位和飞蛾火焰优化算法提出了混合定位算法。首先使用GMM 对距离重新估计，然后在 IMM 框架下，结合变分贝叶斯容积卡尔曼滤波器与神经网络，以有效减少非视距误差，并通过Caffery 定位方法计算井下人员位置坐标，最后引入飞蛾火焰优化算法优化混合定位算法的定位结果，实现井下人员定位。GMM 在处理复杂的距离数据时能够提供较好的拟合效果。然而， 当输入数据受到低可见度环境的影响时，GMM 无法准确地捕捉到这些变化，这会影响对距离的重新估计，导致定位结果不准确。

针对上述问题，本文提出一种基于改进YOLOv3的井下人员定位方法。首先，通过β 函数映射和帧间信息增强技术，提升低可见度环境下煤矿井下监控视频的清晰度。然后，采用更轻量级的Darknet−19替代YOLOv3 原生的Darknet53，并引入CIoU 损失函数，对YOLOv3 进行优化，以准确识别增强视频中的井下人员目标。最后，利用映射模型将识别到的目标从二维空间映射到三维空间，结合三维定位结果，煤矿管理人员可以更加直观地了解井下人员的工作状态与位置分布，从而制定出更加科学合理的安全预案与应急响应措施，提升煤矿生产的安全性与效率。