针对煤矿巷道光照不足、目标尺度变化剧烈、目标容易被遮挡和矿灯干扰等因素，导致对于井下的目标检测和跟踪存在成功率和准确度低的问题，提出一种基于改进核相关滤波（KCF）算法的多目标人员检测与动态跟踪方法，为避免井下复杂环境中由于光照不均引起检测失败，在改进的KCF算法中引入SSD检测算法，以提升对多目标人员检测能力。① 读取待跟踪视频序列，使用经过井下数据集训练后的SSD算法检测图像中的目标，若没有发现目标则继续读取下一帧。② 将检测到的目标放入跟踪器中，对图像进行预处理，通过比较将所有的检测框按照设定的阈值进行打分，并根据分值从高到低依次排列，高分的检测结果直接输出结果，低分的检测结果用于滤除不良信息，以提升检测速度。③ 通过KCF跟踪预测目标N帧后清空跟踪器，再重新进行目标检测。通过检测算法和跟踪算法的叠加，保证对目标的持续跟踪能力。实验结果表明：① 该方法最后的损失值稳定在为1.675附近，该方法的检测结果较为稳定。② 经过训练后的SSD识别精度较训练前的SSD识别精度提高了52.7%。③ 该方法对矿井人员检测的成功率、跟踪的准确率分别为87.9%，88.9%，均高于其他4种算法（SSD、KCF、CSRT、TLD及MIL）的检测成功率、跟踪准确率。④ 该方法在重叠阈值较低时具有较高成功率，直至重叠阈值大于0.8时，成功率大幅下降，这是因为矿井中环境多样，想要完全符合标注的框有一定难度。实际应用结果表明：在井下煤矿巷道光照不足、目标尺度变化剧烈、容易被遮挡和受矿灯干扰等复杂环境中，该方法具有较高的适用性。

0 引言
1 改进的KCF算法
1.1 KCF原理
1.2 改进KCF算法
2 井下SSD目标检测算法
2.1 SSD目标检测模型
2.2 SSD算法先验框优化
2.3 检测算法损失函数
3 实验过程
3.1矿井多目标人员检测数据集
3.2 实验环境
3.3 目标位置预测与检测
4 实验结果及分析
4.1 SSD目标检测算法训练曲线
4.2 SSD目标检测算法精度
4.3 性能分析
4.4 井下实际应用分析
5 结论