.png){kind=icon}
返回
Surface mine personnel object video tracking method based on YOLOv5-Deepsort algorithm
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-99890-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
露天矿的环境由于依赖人工照明、缺乏颜色信息以及物体与背景颜色相似，对智能监控技术具有固有的挑战性。在这些恶劣的地下条件下，实施有效的人员跟踪措施对于确保安全生产至关重要。因此，本研究提出了一种基于YOLOv5模型和Deepsort算法的露天矿人员跟踪方法。首先，YOLOv5被用作安装在摄像头上的监控工具，以检测地表的矿工。随后，利用Deepsort算法对目标人员进行实时跟踪。在自定义数据集上进行的实验表明，露天矿人员跟踪的准确率和平均精度均值（mAP）均稳定保持在92%左右，F1得分为90%。此外，该系统即使在光线昏暗、存在障碍物和眩光等条件下，仍能保持实时目标跟踪。基于YOLOv5-Deepsort的目标跟踪方法在实现露天矿工精确跟踪方面发挥着重要作用，从而保障其生产安全。
Keyword:
Surface mine personnel
Object detection
Object tracking
YOLOv5
Deepsort algorithm
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
暂无机构信息
引用论文
Integration of UWB RSS to Wi-Fi RSS fingerprinting-based indoor positioning system将UWB RSS集成到基于Wi-Fi RSS指纹的室内定位系统中OAAI
OAAI分享收藏Scale-Adaptive KCF Mixed with Deep Feature for Pedestrian Tracking尺度自适应KCF结合深度特征的行人跟踪.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏分享收藏Online shearer-onboard personnel detection method for the intelligent fully mechanized mining face
PREAI
分享收藏RSSI-based hybrid algorithm for real-time tracking in underground mining by using RFID technology
PREAI
分享收藏CAP-YOLO: Channel Attention Based Pruning YOLO for Coal Mine Real-Time Intelligent MonitoringCap-yolo: 煤矿实时智能监控中基于信道注意力的剪枝YOLOSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容