劉備戰(zhàn)， 趙洪輝， 周李兵

(1.陜西陜煤榆北煤業(yè)公司， 陜西 榆林 719000；2.中煤科工集團(tuán)常州研究院有限公司， 江蘇 常州 213015；3.天地(常州)自動(dòng)化股份有限公司， 江蘇 常州 213015)

0 引言

煤礦井下巷道錯(cuò)綜復(fù)雜且工作環(huán)境惡劣，將無人駕駛技術(shù)引入煤礦開采，實(shí)現(xiàn)礦用車輛自動(dòng)化，有利于提高煤礦井下安全系數(shù)。行人檢測是煤礦井下無人駕駛的關(guān)鍵技術(shù)，許多學(xué)者對(duì)此展開了研究。J. S. Dickens等[1]采用多信息融合技術(shù)，結(jié)合3D傳感器和紅外成像傳感器實(shí)現(xiàn)了井下礦用車輛的行人檢測。董觀利等[2]先對(duì)圖像提取高斯模型前景，再對(duì)前景進(jìn)行分類，可快速識(shí)別行人位置及越界方向。李偉山等[3]以深度學(xué)習(xí)通用目標(biāo)檢測框架Faster RCNN(Faster Region-based Convolutional Neural Networks)為基礎(chǔ)，對(duì)候選區(qū)域網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，采用3種不同尺度的卷積核來計(jì)算候選區(qū)域，提高了煤礦井下行人檢測的魯棒性。李現(xiàn)國等[4]對(duì)基于SSD(Single Shot MultiBox Detector)網(wǎng)絡(luò)的行人檢測方法進(jìn)行改進(jìn)：設(shè)計(jì)了一種基于DenseNet網(wǎng)絡(luò)的輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)作為SSD網(wǎng)絡(luò)的基礎(chǔ)網(wǎng)絡(luò)，以滿足井下視頻行人檢測實(shí)時(shí)性需求；同時(shí)設(shè)計(jì)了基于ResNet網(wǎng)絡(luò)的輔助網(wǎng)絡(luò)，提高了行人檢測準(zhǔn)確性。魏力等[5]采用通道注意力機(jī)制，在增強(qiáng)圖像中人員前景特征信息的同時(shí)抑制背景信息，提高了在低分辨率、遮擋等影響下的目標(biāo)判別能力。然而，受煤礦井下光照不均勻、背景復(fù)雜、紅外線干擾、光線昏暗和圖像中目標(biāo)小且密集等影響，應(yīng)用上述方法時(shí)檢測精度不理想。本文提出了一種面向無人駕駛的井下行人檢測方法。該方法通過融合可見光傳感器、紅外傳感器和深度傳感器獲得的圖像，可提高井下行人檢測精度；在ResNet的基礎(chǔ)上加入Dense連接來優(yōu)化RetinaNet網(wǎng)絡(luò)，優(yōu)化后的Dense-RetinaNet對(duì)小目標(biāo)的檢測能力更加突出。

1 數(shù)據(jù)采集

為獲得足夠多的煤礦井下環(huán)境數(shù)據(jù)，采用包含可見光傳感器、深度傳感器和紅外傳感器的Kinect攝像機(jī)(圖1)。將Kinect攝像機(jī)中3個(gè)傳感器安裝在井下防爆無軌膠輪車車頭，如圖2所示。

圖1 Kinect攝像機(jī)Fig.1 Kinect camera

圖2 傳感器安裝位置Fig.2 Sensors installation position

煤礦井下采集的原始數(shù)據(jù)以視頻方式保存，視頻數(shù)據(jù)處理流程如圖3所示。首先，將采集的視頻經(jīng)過OpenCV逐幀提取可視度良好的圖像幀來獲得單張圖像。其中，可見光圖像分辨率為1 920×1 080，紅外圖像和深度圖像分辨率為400×600。可見光圖像和紅外圖像的通道數(shù)為3；深度圖像格式為RGB-D，共4個(gè)通道，其中前3個(gè)通道為圖像色彩信息，最后1個(gè)通道為圖像深度信息。然后，對(duì)單張圖像進(jìn)行數(shù)據(jù)增強(qiáng)(包括直方圖均衡[6]、雙邊濾波、反轉(zhuǎn)、旋轉(zhuǎn)、縮放和平移)。最后，選用LabelImg軟件對(duì)圖像進(jìn)行手動(dòng)標(biāo)注標(biāo)簽，標(biāo)注的信息包括目標(biāo)邊界、目標(biāo)類別和目標(biāo)中心坐標(biāo)(每張圖像中包括的行人數(shù)量為1～10)。

圖3 視頻數(shù)據(jù)處理流程Fig.3 Video data processing process

經(jīng)處理后的煤礦井下行人圖像部分實(shí)例如圖4所示。可看出可見光圖像色彩豐富，成像距離長，但物體輪廓較模糊；深度圖像中物體輪廓凸出，但成像距離短，長距離成像稀疏；紅外圖像能夠過濾其他光線干擾，但同樣有成像距離短的缺點(diǎn)。

2 目標(biāo)檢測網(wǎng)絡(luò)

2.1 分步多特征融合

為充分利用多個(gè)傳感器聯(lián)合來加強(qiáng)圖像中信息，基于Dense塊進(jìn)行分步多特征融合，如圖5所示。首先，將紅外圖像和可見光圖像通過卷積之后送入各自數(shù)據(jù)流的Dense塊中提取特征，并在每一個(gè)特征層上執(zhí)行拼接操作。紅外圖像和可見光圖像經(jīng)過Dense塊處理后，輸出特征圖大小分別為13×13×1 024，26×26×512，52×52×256。然后，分別將這3種特征圖在其對(duì)應(yīng)的尺度上進(jìn)行特征融合，形成紅外圖像和可見光圖像特征融合金字塔。同時(shí)，深度圖像經(jīng)過3個(gè)卷積層后，對(duì)每一個(gè)卷積層結(jié)果提取深度信息，形成深度金字塔。最后，將深度金字塔和融合金字塔中大小對(duì)應(yīng)的特征層進(jìn)行拼接，形成融合特征。融合特征經(jīng)過一個(gè)1×1的卷積層后輸入到Dense-RetinaNet中。

圖5 分步多特征融合原理Fig.5 Principle of step by step multi-characteristic fusion

2.2 Dense-RetinaNet

RetinaNet網(wǎng)絡(luò)由殘差網(wǎng)絡(luò)ResNet、特征金字塔和分類定位模塊3個(gè)部分組成[7]。ResNet作為特征提取器，可使網(wǎng)絡(luò)極大限度地保持圖像特征在傳遞過程中不會(huì)丟失。特征金字塔可從提取到的特征中計(jì)算出多尺度的候選區(qū)域[8]，形成信息更具體、表達(dá)更強(qiáng)的特征圖。分類定位模塊是在特征金字塔中每一個(gè)特征層上定位和分類，以保證獲得多尺度檢測結(jié)果。

井下環(huán)境獲得的圖像所包含干擾更加復(fù)雜，為解決由光照等因素引起的井下圖像中小目標(biāo)不明顯問題，本文對(duì)RetinaNet進(jìn)行改進(jìn)，在ResNet的基礎(chǔ)上加入Dense連接[9]，形成一種具有層級(jí)相連結(jié)構(gòu)的Dense-RetinaNet，有助于在特征前向流動(dòng)過程中使更多細(xì)節(jié)被保存，同時(shí)在反向傳播過程中計(jì)算梯度時(shí)信息會(huì)被更加充分利用。改進(jìn)的ResNet結(jié)構(gòu)如圖6所示。改進(jìn)的ResNet中包含5個(gè)Dense殘差塊，每個(gè)Dense殘差塊中有4個(gè)特征層，特征層之間進(jìn)行局部特征連接，各殘差塊之間進(jìn)行全局特征連接。通過對(duì)局部特征和全局特征的連接，使得特征能夠充分被傳遞，讓網(wǎng)絡(luò)可從圖像中提取更豐富的特征，并且可抵抗梯度消失問題。

圖6 改進(jìn)的ResNet結(jié)構(gòu)Fig.6 Improved ResNet structure

2.3 損失函數(shù)

Dense-RetinaNet在分類上采用RetinaNet原有的Focal Loss損失函數(shù)。不同于標(biāo)準(zhǔn)的交叉熵?fù)p失函數(shù)，F(xiàn)ocal Loss為了平衡正負(fù)樣本數(shù)量[10]，特別加入了一個(gè)平衡因子ε(ε>0)。

交叉熵?fù)p失函數(shù)為

(1)

式中：l為真實(shí)樣本數(shù)據(jù)；p為l=1的概率。

加入平衡因子后的Focal Loss損失函數(shù)為

Lf=-(1-Lc)εlog2Lc

(2)

定位損失函數(shù)Lloc為

Lloc=αLsize+βLpos+γLcof

(3)

(4)

(5)

(6)

3 實(shí)驗(yàn)及結(jié)果分析

網(wǎng)絡(luò)訓(xùn)練平臺(tái)為NVIDIA AGX Xavier Developer Kit，內(nèi)存為32 GB，操作系統(tǒng)為Ubuntu 18.04 LTS，采用PyTorch開源框架。網(wǎng)絡(luò)訓(xùn)練分為預(yù)訓(xùn)練和調(diào)參2個(gè)階段。在PASCAL VOC2007+2012[12]數(shù)據(jù)集上預(yù)訓(xùn)練網(wǎng)絡(luò)。將訓(xùn)練好的部分網(wǎng)絡(luò)參數(shù)凍結(jié)，在調(diào)參階段采用Adam優(yōu)化器，設(shè)置動(dòng)量參數(shù)為0.9，均方根參數(shù)為0.999，學(xué)習(xí)率為0.001，批處理大小為32，迭代次數(shù)為3 000。

為驗(yàn)證分步多特征融合的有效性，分別將可見光圖像和可見光圖像+紅外圖像+深度圖像輸入Dense-RetinaNet，檢測結(jié)果見表1?？煽闯鼋?jīng)過分步多特征融合的圖像有利于網(wǎng)絡(luò)在暗光和遮擋情況下提高mAP(mean Average Precision，平均精度均值)，分別較單一可見光圖像時(shí)提高了14.02%和4.03%；但進(jìn)行分步多特征融合時(shí)網(wǎng)絡(luò)要處理更多數(shù)據(jù)，會(huì)增加運(yùn)行時(shí)間。

表1 不同輸入圖像下檢測結(jié)果對(duì)比Table 1 Comparison of detection results under different input images

為驗(yàn)證Dense-RetinaNet的有效性，分別采用Dense-RetinaNet和RetinaNet對(duì)煤礦井下行人圖像進(jìn)行檢測，結(jié)果如圖7所示?？煽闯鯠ense-RetinaNet比RetinaNet有更好的小目標(biāo)和多目標(biāo)檢測能力。

圖7 煤礦井下行人檢測結(jié)果Fig.7 Underground mine pedestrian detection results

RetinaNet和Dense-RetinaNet檢測結(jié)果對(duì)比見表2?？煽闯鯠ense-RetinaNet相較于RetinaNet在多目標(biāo)檢測精度上提高了1.22%，小目標(biāo)檢測精度上提高了6.49%。

表2 RetinaNet和Dense-RetinaNet檢測結(jié)果對(duì)比Table 2 Comparison of detection results between RetinaNet and Dense-RetinaNet

4 結(jié)語

針對(duì)煤礦井下環(huán)境中光照復(fù)雜、目標(biāo)尺度小等問題，提出了一種面向無人駕駛的井下行人檢測方法。該方法通過分步多特征融合方式將可見光傳感器、紅外傳感器和深度傳感器采集的圖像進(jìn)行特征融合，獲得了更加豐富的圖像特征；在RetinaNet的基礎(chǔ)上，將Dense連接引入ResNet，形成一種具有層級(jí)相連結(jié)構(gòu)的Dense-RetinaNet網(wǎng)絡(luò)，能夠從輸入的多傳感器融合圖像中提取深層特征，增強(qiáng)了對(duì)小目標(biāo)的檢測能力。實(shí)驗(yàn)結(jié)果表明，多傳感融合圖像相較于單一圖像可獲得更加豐富的目標(biāo)特征，有利于提高目標(biāo)檢測精度；Dense-RetinaNet相較于RetinaNet在多目標(biāo)和小目標(biāo)檢測精度上均有所提高。