摘要: 煤矿井下人员的作业行为规范是避免矿井事故发生的重要措施之一。为了解决由于井下环境复杂而产生的作业人员行为检测精度低、漏检误检高等问题，提出一种矿井下暗光环境作业人员行为检测方法，由低光照图像增强网络SCI和行为检测网络构成，通过图像增强网络丰富原图像的信息，再将行为检测网络对增强图像进行作业人员行为检测，可有效提高检测精度。图像增强模块中采用SCI图像增强方法，通过引入自校准和共享光照学习过程，不仅提高了图像质量，还提升了计算效率。目标检测模块中通过Dynamic Head模型替换YOLOv8n算法中的检测模型，将尺度、空间和任务注意力引入到主干网络中，使检测网络对作业人员行为动作这一检测目标更加关注，从而提升检测精度；采用Cross-scale Convolutional Feature Fusion Module（跨尺度融合模型）对主干网络进行调整，在增强检测网络对多尺度目标动态检测能力的同时降低参数量和计算量；使用Focal-EIoU函数解决预测框与真实框长宽比相同时检测失效的问题，同时提高回归精度加速网络收敛。试验结果表明：提出的算法平均检测精度提升到87.6%，比原始算法提高2.5%，检测速度FPS达到95.24，优于当前主流目标检测算法，可有效避免误检、漏检的情况。