煤炭作为我国的主要能源之一,在社会发展中占有重要地位,但由于矿井内环境复杂、预警不及时造成煤矿安全事故频发。煤矿安全问题始终不能有效解决,实施科技兴煤战略,利用高新科技保障煤矿安全具有重要意义。建立智能煤矿井下监控系统,实现对井下矿工的跟踪以及不安全行为识别,继而进行情感分析等方面研究,实现智能化管理煤矿。智能煤矿井下监控系统本文主要研究内容是实现矿井下多矿工的目标检测和跟踪,而对于这方面的研究就要解决单摄像头以及多摄像头的目标检测和跟踪问题,基于这类问题的研究在公共安全领域以及智慧城市项目同样具有广阔的应用前景。由于矿井下背景复杂、光照低、噪声多等干扰因素,对于实现多矿工跟踪具有极大的挑战,因而,针对这一方向的研究具有显著意义。为实现煤矿下智能监控系统的设计,通过对基础算法的研究,本文提出了矿井下多目标检测与跟踪的研究方案,具体内容如下:(1)提出了以目标检测为基础的跟踪算法,通过深度学习的方法实现对矿工的目标检测并提取矿工的特征信息进行保存;其次,使用卡尔曼滤波算法和匈牙利匹配算法实现对矿工目标的跟踪以及不同矿工ID匹配,通过迁移学习实现了网络对不同环境下的泛化性。实验表明,该方法在处理矿井监控视频以及暗弱光照下楼道监控视频等问题中,显示了其优越性。(2)多摄像头目标跟踪。基于每个单摄像头的特征信息数据,建立多摄像头特征信息数据库,将目标跟踪问题转换成特征匹配问题,通过层次聚类确定每个矿工在不同摄像头下轨迹信息,并进行不同摄像头下同一目标ID的合并,最后通过匈牙利算法实现不同目标ID的匹配。