李晓宇,杨 维,刘 斌,范伟强,张向阳
(1.中国矿业大学(北京) 机电与信息工程学院,北京 100083; 2.北京交通大学 电子信息工程学院,北京 100044; 3.国家能源集团 宁夏煤业有限责任公司双马煤矿,宁夏 银川 750408)
煤炭资源科学化、精准化开采是煤炭工业可持续发展的必然趋势[1-2],其中对煤矿井下作业人员进行信息化、智能化管理是奠定煤炭工业高质量发展[3-4]的重要基础。近年来,机器视觉技术已逐渐开始在煤矿领域崭露头角,如:孙继平[5]探讨了矿用机器视觉的特点及其在煤矿井下的应用;曹玉超等[6]提出了将机器视觉技术应用于矿井水灾图像识别中;田子建等[7]提出基于机器视觉的煤岩界面识别研究;赵晓莉等[8]提出基于机器视觉的矿井天轮偏摆监测系统设计方法。然而,由于煤矿井下环境特殊[9],如非均匀照度[10],低对比度[11],大型机械设备的阴影等对井下人员图像的成像质量产生较大影响,导致图像像素特征复杂多变,这使得机器视觉在处理矿井人员图像方面存在一定困难。人员图像分割是机器视觉应用于矿井人员管理中的一项关键技术,对井下人员监控[12]、检测[13]、定位[14]和跟踪[15]等研究具有重要意义。
传统图像分割方法主要包括基于像素灰度值的阈值法[16]、像素聚类法[17]、边缘分割法[18]、区域生长法[19]、图割法[20]等,均已成熟应用于解决各类场景下的图像分割问题。然而,阈值分割法对噪声敏感,对灰度差异不明显,对于灰度值相近的不同目标重叠区域的分割并……