基于 KCCA 的煤矿人员特征融合识别

来源：计算机技术与发展杂志2021年第02期北京时间：

作者：王君;黄宁;陈楷升;何新宇;梁世亮;梁薇薇

单位：1. 中山大学南方学院 电气与计算机工程学院,广东 广州 510970;?2. 重庆邮电大学,重庆 400065

摘要：煤矿井下险情时有发生,为险情下方便救援,需要监控各区域人员签到,准确掌握人员身份及分布情况。 在煤矿井下由于光线不足、黑尘干扰等原因,影响人员的识别和管理。传统的识别由于单独依赖人脸识别来辨别井下人员数量和身份,易受到矿井下恶劣的环境影响而导致出现无法识别和识别效率低等问题,所以可靠程度较低。 为解决上述问题, 提出了一种基于 KCCA 算法的人脸特征和虹膜特征融合的煤矿井下人员签到识别方法。首先提取出人脸特征和虹膜特征,然后采用 KCCA 算法对采集到的人脸特征和虹膜特征进行融合,去除图片中无效的信息,降低算法复杂度,最后利用TAN 分类完成人员认证, 准确识别人员身份。 实验表明,该算法降低了计算复杂度,提高了身份识别的准确度,增强了工作人员的安全监控。

关键词：煤矿井下;救援;人员识别;KCCA 算法;人脸特征和虹膜特征融合;安全监控