受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响，现有方法检测井下行人时效果不理想。针对上述问题，提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合，获得了更加丰富的图像特征；在RetinaNet的基础上，将Dense连接加入到ResNet中，形成一种具有层级相连结构的Dense-ResNet，能够从多传感器融合结果中提取出深层图像特征，增强了对小目标的检测能力。实验结果表明，多传感融合图像相较于单一图像可获得更加丰富的目标特征，有利于提高目标检测精度；Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。

0 引言

1 数据采集

2 目标检测网络

   2.1 分步多特征融合

   2.2 Dense-RetinaNet

   2.3 损失函数

3 实验及结果分析

4 结语