基于KCCA的煤矿人员特征融合识别

王 君，黄 宁，陈楷升，何新宇，梁世亮，梁薇薇

(1.中山大学南方学院 电气与计算机工程学院，广东 广州 510970;2.重庆邮电大学，重庆 400065)

0 引 言

煤矿开采多为井下作业，地质条件复杂，容易发生煤矿事故。煤矿井下生产具有多工种、多方位、多系统立体交叉连续作业的特点[1]。如果发生事故，很难对人员的安全进行监督和识别。一般的检测、跟踪和识别技术不适合煤矿复杂的井下环境，因此有必要对其进行研究，并将其应用到井下安全系统管理中。生物识别技术是目前最方便、最安全的身份识别技术[2]，具有实际应用价值。

1 人脸识别技术

人的脸部和身体的其他生物特征[3-5](如指纹、虹膜)是天生的。与其他类型的生物识别技术不同，人脸识别具有唯一性和易于识别的特点。

(1)非强制性：井下人员无需操作识别设备。

(2)非接触性：用户可以访问面部图像，无需直接与设备接触。

(3)并发性：能同时识别多人。

人脸识别的过程主要分为三个阶段[6]：

(1)识别图像中是否有人脸。

(2)获取人脸中的特征信息。

(3)将特征信息与数据库中的人脸进行比较，确定身份。

然后，可以通过霍特林变换(Karhunen-Loeve transform，KL变换)去除干扰的特征量和贝叶斯分类识别。

虽然人脸识别具有较高的便利性，但其准确率相对较弱。识别精度会受到环境光照、识别距离等因素的影响。例如，煤矿井下人脸识别面临着工作环境光线昏暗、人脸易受黑尘干扰等新问题，人脸识别算法难以适应[1]，系统识别率低，检测效率低，直接影响到人员的识别。……