文章摘要:对煤矿井下各重要区域多个监控摄像头获取到的视频数据进行管控分析，定位和身份识别视频中的工作人员，对煤矿安全智能化生产具有重要意义。为解决矿井下光线暗淡、光照不均匀，现有常规行人重识别方法不能满足井下人员重识别的问题，提出一种联合双鉴别式生成对抗网络和全局特征的井下人员重识别方法。首先，采用双鉴别式生成对抗网络DD-GAN对井下暗光或光照不均的图像进行增强与复原，为后续重识别提供更具辨别力的图像基础；其次，在图像增强的基础上，设计一种基于全局特征描述的重识别网络以解决井下作业人员的身份识别问题，并使用随机擦除与k互近邻重排序方法来进一步提高重识别网络的鲁棒性和识别精度；最后，构建适用于井下特殊场景的 “Miner-CUMT” 数据集，解决了现有样本集场景单一的问题，同时也提高了该方法的泛化性。该方法在构建数据集“Miner-CUMT”进行了有效性验证，实现了煤矿巷道低照度场景下精准的人员重识别任务，为推进煤矿智能化安全生产的发展打下重要基础。

文章关键词:智能化煤矿,行人重识别,卷积神经网络,图像增强,生成对抗网络,

项目基金:江苏省自然科学基金青年项目(BK20180640),国家自然科学基金(61902404，51734009，51504255，51734009，61771417，62001475),国家重点研发计划(2016YFC0801403),江苏省重点研发计划(BE2015040),