1.一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，具體步驟如下：
2.根據(jù)權(quán)利要求1所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟一中，視頻幀被保存為圖像數(shù)據(jù)集并用于步驟二、步驟三的模型訓(xùn)練，保存連續(xù)的視頻幀，使用labelimg標(biāo)注作業(yè)人員用于yolov5模型訓(xùn)練生成相應(yīng)的位置信息，根據(jù)位置信息裁剪出作業(yè)人員用于deepsort模型訓(xùn)練，篩選出包含重疊或遮擋人員用于bisenet模型訓(xùn)練。
3.根據(jù)權(quán)利要求2所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟二中，根據(jù)步驟一獲取的數(shù)據(jù)集分別訓(xùn)練目標(biāo)檢測與語義分割模型，在訓(xùn)練階段，首先利用獲取的數(shù)據(jù)集對yolov5模型進(jìn)行訓(xùn)練，識別出視頻幀中的作業(yè)人員，并給出初步的位置和邊界框；利用數(shù)據(jù)集對bisenet模型進(jìn)行訓(xùn)練和語義分割，描繪視頻幀中每個人的輪廓并獲取輪廓點的坐標(biāo)，得到人員區(qū)域和邊緣信息；
4.根據(jù)權(quán)利要求3所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟二中，在推理階段，構(gòu)造yolov5檢測融合bisenet分割模塊，具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟三中，目標(biāo)追蹤模塊采用改進(jìn)后的deepsort算法，將步驟二生成的目標(biāo)描述輸入到改進(jìn)后的deepsort模型中，改進(jìn)后的deepsort模型輸出每個作業(yè)人員的軌跡信息。
6.根據(jù)權(quán)利要求5所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟三中，改進(jìn)后的deepsort算法在于對級聯(lián)匹配模塊的優(yōu)化：
7.根據(jù)權(quán)利要求6所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，當(dāng)從a預(yù)測b時，對于觀察到的數(shù)據(jù)a、b，則有：
8.根據(jù)權(quán)利要求7所述的一種基于井下掘進(jìn)面的人數(shù)統(tǒng)計方法，其特征在于，在步驟四中，通過統(tǒng)計不同時間點上檢測到的作業(yè)人員數(shù)量，并結(jié)合軌跡信息判斷人員是否重復(fù)計數(shù)，從而實現(xiàn)準(zhǔn)確的人數(shù)統(tǒng)計，設(shè)定一個最大允許人數(shù)閾值，當(dāng)統(tǒng)計到的人數(shù)超過此閾值時，系統(tǒng)自動觸發(fā)報警機制。