基于深度学习的煤矿井下人员检测方法及装置

本申请涉及图像检测技术领域，提供了一种基于深度学习的煤矿井下人员检测方法及装置。通过预设的智能传感器，从煤矿井下获取多模态的环境图像对环境图像进行预处理，生成时空对齐的预处理特征；基于预处理特征中的可见光特征和红网光特征，进行基于模态权重的自适应融合生成融合特征，从中提取井下人员运动的时空上下文关系生成增强特征；基于增强特征更新检测模型，生成包含人员检测结果的目标集合；基于目标集合对应的邻域目标确定各目标对应的检测得分；基于检测得分进行动态阈值自适应评估，确定人员信息。在井下多变环境中实现高精度、低延迟的人员检测，满足智能化监测的实时性与鲁棒性需求，较传统方法漏检率显著降低。