基于HHO算法的煤矿掘进工作面低照度视频多目标自动识别方法

摘要

煤矿掘进工作面存在频闪光、反煤尘遮蔽等非线性照度衰减，在识别过程中易出现噪声淹没弱目标、帧间配准失准等特征退化现象，降低了识别准确率。为此，提出了一种基于哈里斯鹰优化（HHO）算法的煤矿掘进工作面低照度视频多目标自动识别方法。在直方图均衡化处理中设计分级概率密度函数，应用HHO算法对分级概率密度函数的参数展开优化，根据自适应参数寻优结果抑制由噪声和帧间失准引发的特征退化，增强帧间亮度一致性与梯度分布稳定性，缓解非线性照度衰减，完成煤矿掘进工作面低照度视频增强。通过亮度显著性检测技术定位增强后低照度视频中的感兴趣区域，采用多尺度方向梯度直方图（HOG）特征提取方法，将低照度视频图像分割为单元和块，计算梯度方向直方图，形成高维特征向量。引入支持向量机（SVM）分类器对提取的高维特征向量展开分类，实现煤矿掘进工作面低照度视频多目标自动识别。试验结果表明，该方法可将视频的峰值信噪比值提升至24.32 dB，在不同照度场景下多目标动态分散识别覆盖率始终高于90%，可获取高准确率的多目标自动识别结果。

关键词

多目标自动识别 / HHO算法 / 煤矿掘进工作面 / 低照度视频

基金资助

中国神华能源股份有限公司神东煤炭分公司项目（CEZB240309913）