多模态生物特征识别系统在煤矿安全管理中的应用

多模态生物特征识别系统在煤矿安全管理中的应用

苏 琪，高 伟，卢成林，王宇健，白旭东

（山西王家岭煤业有限公司，山西 忻州 036600）

摘 要：为提高煤矿安全管理水平，引入多模态生物特征识别系统，整合虹膜识别、人脸识别、智能卡/身份证核验与体温检测等功能，构建高精度、高安全性的身份验证平台。通过实际应用测试，该系统在识别准确率、响应速度及环境适应性方面表现优异，FAR（False Acceptance Rate，误识率）为0.000 1%，实现了对人员身份的精准核验与健康状态的实时监测，显著提升了煤矿安全管理的智能化水平。

关键词：生物特征识别；虹膜识别；人脸识别；煤矿安全

中图分类号：TD79 文献标志码：A 文章编号：2095-0802-(2026)06-0092-03

煤矿生产作为高危行业，其安全管理一直是中国能源企业的重中之重。近年来，随着智能化矿山建设的推进，传统身份识别手段已难以满足井下人员管理、 设备准入、区域权限控制等方面的精准化需求^[1]。尤其是在瓦斯突出区域、采掘工作面等高危场所，人员身份的快速、准确识别直接关系到灾害预防与应急响应的效率。生物特征识别技术以其唯一性、稳定性、不易伪造等优势，逐渐成为身份验证领域的研究热点^[2]。其中，虹膜识别技术因其高精度和强防伪能力，被广泛应用于金融、边防等高安全场景；人脸识别技术则因其非接触、易部署的特点，在公共安全、智能门禁等领域得到迅速推广^[3]。然而，单一生物特征识别在复杂井下环境中仍存在局限性，如光照变化、粉尘干扰、佩戴口罩等因素均可能影响识别效果^[4]。为解决上述问题，本文提出一种多模态生物特征识别系统，通过融合虹膜、人脸、智能卡与体温数据，构建一套适应煤矿复杂环境的身份验证解决方案，并在A矿6011工作面运输顺槽进行现场应用与效果考察。

1 系统概述

多模态生物特征识别系统由六大核心模块组成，包括虹膜识别模块、人脸识别模块、智能卡/身份证核验模块、测温模块、AI追踪算法模块和自研算法模块。系统采用分层架构设计，包括硬件层、驱动层、算法层和应用层，确保系统具备高可靠性、高扩展性和易维护性。

1.1 系统硬件架构

系统硬件由4个采集模块与1个主控处理模块构成星型拓扑结构，确保数据传输的高效性与稳定性。1）摄像头模块。用于采集人脸图像，支持3D结构光技术，具备动态追焦功能^[5]。2）光学传感器模块。用于虹膜图像采集，配备近红外光源，适应不同光照条件。3）智能卡读卡器模块。支持 ISO14443TypeA/B标准非接触卡及第二代身份证。4）测温传感器模块。采用红外测温技术，精度±0.2 ℃，检测距离0.5～1.0 m。5）主控处理模块。集成高性能处理器，负责数据融合、特征匹配与决策输出。

1.2 系统工作原理

系统通过多模态数据采集、特征提取、融合决策3个步骤完成身份验证。1）数据采集。同步获取虹膜、人脸、证件信息与体温数据。2）特征提取。采用小波变换、 Gabor滤波器提取虹膜特征，基于CNN（Convolutional NeuralNetwork，卷积神经网络）提取人脸特征。3）决策融合。通过特征级与决策级融合策略，结合自适应权重机制，输出最终识别结果。

2 系统在煤矿安全管理中的适用性分析

2.1 煤矿安全管理的特殊需求

煤矿井下环境复杂，存在光照不均、粉尘浓度高、空间狭小、电磁干扰强等问题，对识别设备的适应性提出更高要求。此外，井下人员通常佩戴安全帽、口罩等防护用品，给人脸识别带来挑战。多模态系统通过虹膜与人脸互补识别，有效提升复杂场景下的识别

成功率。

2.2 系统优势分析

与传统识别方式相比，本系统具备以下优势。1）高精度。虹膜识别的误识率为0.000 1%，人脸识别支持低至15像素分辨率。2） 强适应性。支持姿态、光照、遮挡等复杂条件下的识别。3） 多功能集成。融合身份验证与体温监测，符合健康管理需求。4）防伪能力强。具备活体检测与3D结构光技术，有效防止照片、视频欺骗。5）数据安全。支持特征数据加密传输与本地化存储，符合煤矿信息安全规范。

3 系统在A矿6011工作面运输顺槽的应用

3.1 应用场景描述

A矿6011工作面运输顺槽作为高瓦斯区域，历来是矿井安全管理的重点监控区域。该巷道全长约850m， 断面规格为 4.8m×3.2m，采用锚网索联合支护方式， 工作面日均通行人员约 120人次，运输车辆及其他装备往来频繁。在系统部署前，该区域主要采用“IC卡+人工核验”的双重身份验证机制，但在实际运行过程中暴露出以下几方面问题。1）身份冒用风险高。IC卡易丢失、易转借，曾发生非授权人员持他人卡片进入限制区域的情况。2）核验效率低。高峰时段人员在门禁处排队等待时间3～5 min，影响正常作业秩序。3）健康监测缺失。传统的体温检测需人工操作，增加人员接触风险且数据难以追溯。

3.2 系统部署方案

3.2.1 部署位置与环境适应性改造

系统部署位置选定在6011工作面运输顺槽入口处距工作面迎头约20 m的稳定通风区域。该处照明条件良好，顶板完整，无大型设备遮挡，便于人员自然通行与设备稳定运行。为保障系统在井下复杂环境中的可靠性，项目实施团队对部署区域进行3项适应性改造。1） 照明增强。在设备前方3 m处增设2盏矿用本安型补光灯，照度不低于500lx，确保在井下低照度条件下仍能获取高质量虹膜与人脸图像。2）防尘措施。为光学传感器与摄像头加装纳米涂层防尘罩，并配备周期性自动喷气清灰装置，有效抑制粉尘附着。3）电磁屏蔽。在主控模块外围加装金属屏蔽壳体，降低井下变频器、电机等设备对信号传输的干扰。

3.2.2 硬件安装与拓扑连接

系统硬件采用模块化部署方案，各采集模块通过M12工业级接插件与主控处理模块相连，构成星型拓扑结构。具体安装参数如下。1）虹膜识别模块。安装高度1.5 m，倾斜角10°，识别距离0.3～0.5 m。2）人脸识别模块。与虹膜模块并列安装，水平间距0.4 m，支持0.3～1.0 m范围内动态调焦。3）智能卡读卡器。嵌入闸机右侧立柱，读卡距离≤5 cm。4）测温传感器。安装于闸机上方横梁，检测距离0.5～1.0 m，中心点对准人员额部。5）主控处理模块。部署在巷道侧壁防爆箱内，箱体防护等级IP67，工作温度-10～+50 ℃。各模块与主控器之间采用千兆工业以太网进行数据传输，通信协议符合煤矿工业物联网标准，确保数据实时性与完整性。

3.2.3 软件系统集成与业务逻辑配置

系统软件平台基于Android9.0嵌入式系统开发，采用分层架构设计，实现硬件驱动、算法调度与业务逻辑的解耦。系统设置为“虹膜/人脸并行识别+体温检测+智能卡辅助验证”模式，当生物特征识别置信度低于阈值时自动触发卡证核验；检测到体温≥37.3 ℃时，系统自动报警并禁止通行，同时将异常信息推送至矿调度中心；根据不同工种设置差异化的通行权限；所有生物特征模板与识别记录均加密存储于本地固态硬盘，存储周期不少于90 d，支持离线状态下连续运行。

3.3 参数设置与性能测试

为全面评估系统在真实井下环境中的性能，技术团队设计为期21 d的分阶段测试方案，涵盖识别精度、 响应速度、环境适应性及系统稳定性四大维度。

3.3.1 测试对象与样本构建

从6011工作面在册人员中随机抽取60名职工作为测试样本，涵盖采煤机司机、支护工、瓦检员、运输司机等主要工种，年龄分布为 22～55岁，男性占比88.3%。所有参试人员均提前完成虹膜、人脸及身份证信息的注册建档，建立标准生物特征数据库。

3.3.2 测试内容与数据采集方法

1）识别精度测试。分别在高照度（＞500 lx）、低照度（200～300 lx）及粉尘质量浓度较高（＞10 mg/m³）条件下，对虹膜识别与人脸识别的FAR与FRR（False RejectionRate，拒识率）进行统计；在相同环境下测试系统在特征级融合与决策级融合2种模式下的识别准确率；使用打印照片、电子屏幕回放、硅胶面具等欺骗手段，验证系统防伪能力。2）响应速度测试。从生物特征采集到结果输出的全程时间；模拟高峰时段人员连续通行场景，统计系统吞吐量；同时触发10路识别请求，检验系统并发处理能力。3）环境适应性测试。记录在温度15～35℃、湿度40%～85%范围内系统的识别稳定性；在设备安装基础施加5～15 Hz振动，观察识别模块工作状态；在附近设备启停瞬间监测系统通信误码率与识别中断情况。 4）系统稳定性测试。系统无间断运行21 d，记录死机、重启、数据丢失等异常事件；模拟单一模块失效，检验系统降级运行能力。

3.4 应用效果分析

3.4.1 识别精度与速度表现

测试期间系统累计完成识别记录8 642条，其中有效记录8 615条，数据有效率为99.69%。各项识别模块的具体性能如下。1）虹膜识别模块。在高照度条件下，FAR为0.000 1%，拒识率为0.23%；在低照度条件下，误识率保持不变，拒识率上升至0.41%；活体检测成功拦截所有欺骗尝试，防伪有效率达100%。2）人脸识别模块。在无遮挡条件下，识别准确率达99.1%；佩戴口罩时准确率降至96.4%，佩戴护目镜时降至95.8%；支持同时识别最多5张人脸，在多人场景下仍保持较高识别率。3）多模态融合识别。采用特征级融合策略后，系统整体识别准确率提升至99.7%；在佩戴口罩+护目镜的极端情况下，融合识别准确率仍达98.5%，显著高于任一单模态识别；平均响应时间为0.84 s，其中虹膜识别耗时0.48 s，人脸识别耗时0.36 s，融合决策耗时＜0.1 s。

3.4.2 环境适应性分析

系统在井下复杂环境中适应性良好。在照度200～800 lx范围内，识别准确率波动＜0.3%；在粉尘质量浓度≤15 mg/m³的条件下，光学模块图像质量仍满足识别要求；设备在振动频率≤10 Hz时工作正常，超过该阈值时识别耗时略有增加；电磁干扰未导致系统中断，但偶发通信延时，最大延迟为126 ms。

3.4.3 系统稳定性与可靠性

在 21d连续运行测试中，系统累计故障次数为3次，其中2次为清灰装置气路堵塞，1次为网络接口松动，均未影响核心识别功能。系统可用性达到99.86%，MTBF（Mean Time Between Failure，平均无故障时间）超过1 200 h。

4 结束语

通过对多模态生物特征识别系统在A矿6011工作面运输顺槽的应用研究，得出以下结论：1）多模态生物特征识别系统在煤矿复杂环境下具备高识别精度与强适应性，可有效替代传统身份验证方式；2）系统集成虹膜、人脸、证件核验与体温检测等功能，实现身

份与健康状态的双重监控；3）现场应用表明，系统识别准确率达 95.5%以上，在佩戴口罩+护目镜的极端情况下仍达 95.8%，识别时间小于1 s，显著提升了煤矿安全管理效率与智能化水平；4）系统具备良好的扩展性，可与其他矿山信息系统（如人员定位、瓦斯监测）集成，构建全面的矿山智能安全防护网络。 综上所述，多模态生物特征识别系统在煤矿安全管理中具有广阔的应用前景，值得在行业内进一步推广。

参考文献：

［1］ 麻镇宇，王妮妮，吴国磊，等.虹膜识别技术在虚拟现实一体机身份认证中的应用前景［J］.激光与光电子学进展，2025，62（8）：8-10.

［2］ 李志涛，李永康.基于 Open CV 的人脸识别系统的设计与实现［J］.山西电子技术，2025（5）：73-74.

［3］ 刘昆，戴岳，杨景超,等.基于 STM32 的多模态智能门禁系统设计与实现［J］.无线互联科技，2025，22（24）：31-34.

［4］ 韦贵妹，张凯，夏雄平.小尺寸虹膜识别镜头的设计与性能分析［J］.激光与光电子学进展，2024，61（17）：318-324.

［5］ 陈佳慧，高树辉，袁红敏，等.单模态至多模态生物特征身份识别研究现状与应用展望［J］.西安交通大学学报（医学版），2025，46（4）：551-561.