李晓宇，陈 伟,2，杨 维，王文清，范伟强，田子建

(1.中国矿业大学(北京) 机电与信息工程学院，北京 100083; 2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116; 3.北京交通大学 电子信息工程学院，北京 100044; 4.北京工业职业技术学院，北京 100042)

近年，我国对煤矿安全生产监管力度的不断增强，为了从根源遏制煤矿灾害事故的发生，安全监控系统的配备已成为煤矿安全生产[1]中必不可少的一项工作。矿井视频监控中图像[2]信息的分析与处理是实现井下人员智能化管理、检测识别[3-4]、定位跟踪[5-6]的关键技术，对于煤矿的高效生产以及煤炭工业的可持续发展具有重要意义[7]。人员图像分割是计算机视觉在矿井智能监控应用中的一项核心内容，对视频图像中人员目标的行为分析与状态预测奠定了研究基础，同时也是矿井人员图像处理中的难题之一。

煤矿井下环境特殊，受粉尘干扰[8]、噪声大、光照条件差等多种恶劣条件影响，使得所采集人员视频图像存在照度不均匀[9-10]、颜色信息失真、阴影分布随机、目标与背景边界难以区分等缺陷，这直接增加了人员目标分割难度，更不利于人员检测识别与定位跟踪等技术的应用。安全帽是矿井工作人员必须佩戴的重要安全防护设备，是保障人员安全作业的必要条件[11]，安全帽的存在代表着人员的存在。安全帽分割可促进基于计算机视觉的矿井人员调度管理、目标检测识别及其位置信息预测等相关技术的应用，可提高对人员作业区域的管控效率，同时也可有效降低分割人员全身的复杂度[12]，压缩算法对人员图像的数据处理量。……