煤矿胶带运输系统是煤炭生产的命脉,工作中的胶带常会被转载口处的矸石和金属等尖锐危险源划裂,导致异物穿透或物料卡压等胶带纵向撕裂,最终导致煤炭运输重大生产安全事故。因此,运输胶带动态危险源在线监测是预防运输胶带被穿透、撕裂的关键措施,是煤炭企业安全、稳定、高效运行的必要条件。由于煤矿井下可视性差,有大量尘土且温度和湿度的影响都严重制约着煤矿运输胶带纵向撕裂在线检测技术的发展和应用,难以满足煤矿安全生产的需求,因此,在恶劣环境中在线监测识别事故及其危险源并预警是亟待解决的科技难题。本文针对运输胶带危险源实时在线监测的实际需求,首先介绍了现有的煤矿运输胶带纵向撕裂及其危险源的实际现状,对现有的纵向撕裂及其危险源检测方法进行了分析和总结,分析了基于接触式纵向撕裂检测方法与非接触式检测方法的测量原理以及各个测量方法存在的弊端。本文提出了一种非接触式运输胶带动态危险源红外检测方法,首先对运输胶带红外危险源检测方法进行研究,并对红外危险源图像进行处理,引入区域分解、网格划分的思想,根据双向反射分布的原理对危险源建立红外光谱成像数学模型,并根据建立的模型计算危险源在像面上的能量。分析不同危险源与煤炭红外辐射差异随波长的变化规律,将红外光谱差异转化为红外视觉图像特征变化,在对图像进行处理,得到危险源信息。实验表明本文所述方法能在事故发生前就有效识别危险源,且能直观可靠的从背景中提取危险源图像。针对运输胶带危险源撕裂胶带时状态发生改变,故需要对识别出的危险源进行监测跟踪,本文通过对现有图像跟踪算法进行研究,分析粒子滤波、扩展卡尔曼滤波的跟踪原理,并在此基础上针对煤矿井下特有的条件,提出采用核窗宽自动选取的Mean shift跟踪识别算法,仅对核窗宽内的危险源图像进行处理,适应危险源缩放的同时减少了算法处理时间。同时引入高斯核函数的Mean shift算法,利用带宽矩阵适应危险源的缩放和旋转同时变化。本文算法能够很好的跟踪复杂条件下的危险源,并通过对危险源旋转的识别判断胶带撕裂,有效降低纵向撕裂的产生,为煤炭企业安全稳定生产奠定了基础。