来源：期刊VIP网 时间：
作者：周李兵;于政乾;卫健健;蒋雪利;叶柏松;赵叶鑫;杨斯亮;
单位：天地(常州)自动化股份有限公司;中煤科工集团常州研究院有限公司;南京航空航天大学机电学院;
摘要：矿用无人驾驶车辆的工作环境光照条件复杂，行人检测经常出现漏检现象，导致矿用无人驾驶车辆可靠性及安全性不足。针对巷道光照条件复杂的问题，提出了一种弱光图像增强算法：将弱光图像由RGB图像空间分解为HSV图像空间，通过Logarithm函数对亮度分量先进行光照，再通过双边滤波器去除噪声；采用形态学对饱和度分量进行闭操作，再通过高斯滤波器滤除噪声；将图像转换回RGB图像空间，通过半隐式ROF去噪模型对图像再次进行去噪，得到增强图像。针对行人检测存在漏检、精度低的问题，提出了一种基于改进YOLOv3的矿用无人驾驶车辆行人检测算法：采用密集连接块取代YOLOv3中的Residual连接，提高特征图利用率；采用Slim-neck结构优化YOLOv3的特征融合结构，使得特征图之间能够进行高效的信息融合，进一步提高对小目标行人的检测精度，并利用其内部特殊的轻量化卷积结构，提高检测速度；加入轻量级的卷积注意力模块（CBAM）增强算法对目标类别和位置的注意程度，提高行人检测精度。实验结果表明：(1)提出的弱光图像增强算法能够有效提高图像可见度，图像中行人的纹理更加清晰，并具有更好的噪声抑制效果。(2)基于增强后图像的矿用无人驾驶车辆行人检测算法的平均精度达95.68%，相较于基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法、YOLOv5、YOLOv3算法分别提高了2.53%,6.42%,11.77%，且运行时间为29.31 ms。(3)基于增强后图像，YOLOv3和基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别算法出现了漏检和误检的问题，而矿用无人驾驶车辆行人检测算法有效改善了该问题。
关键词：矿用无人驾驶车辆;井下行人检测;YOLOv3;弱光图像增强;半隐式ROF去噪;密集连接模块;Slim-neck;卷积注意力模块
基金资助：江苏省科技成果转化专项项目（BA2022040）; 天地科技股份有限公司科技创新创业资金专项项目（2023-TD-ZD005-003）; 天地(常州)自动化股份有限公司科研项目(2022TY1003)
