中国安全科学学报

作者：柯彬彬, 孙辰晨

单位：中国地质大学(北京) 工程技术学院,北京 100083

关键词：隧道作业场景,特征融合,面罩佩戴检测,自建数据集,支持向量机(SVM)

基金：国家自然科学基金(52404257)

为提高隧道作业场景下工人佩戴面罩的检测效率,提出基于特征融合的隧道作业人员面罩检测模型。首先,选取高质量查询图像并确定图像候选库,采用图像检索方法获取样本,度量查询图像与图像候选库的相似性,迭代扩充数据集;然后,从图像中提取方向梯度直方图(HOG)和Fisher特征,引入蚁狮优化算法(ALO),计算2种特征的最佳权重组合,并融合2种特征;最后,基于融合后的特征,利用支持向量机(SVM)训练面罩佩戴检测模型,在自建数据集上进行效果评估。结果表明:所提出的模型能够完成隧道作业场景下的面罩佩戴检测任务,特征融合能增强对图像的描述,提高模型的检测准确率,相比于单HOG特征和Fisher特征,准确率分别提升6%和14%,可满足隧道作业场景的工人面罩佩戴检测准确率要求。

来源：2026年第1期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2026年第1期