[发明专利]一种基于深度学习的电梯乘客被困人数检测系统

说明书

本发明公开了一种基于深度学习的电梯乘客被困人数检测系统，包括视频/图像采集单元，电梯有无人与人数检测单元，图像后处理单元和用户应用单元；视频/图像采集单元采集视频与图像，并将采集到的图像数据发送至电梯有无人与人数检测单元，电梯有无人与人数检测单元检测并确认电梯中是否有人，并将电梯中有无人状态信息发送给图像后处理单元，图像后处理单元综合判断电梯是否困人，如果得到电梯困人信息，则发出困人告警，并对电梯内被困人数进行统计，用户应用单元对被困人员进行安抚与劝导；如果图像后处理单元综合判断得到不存在电梯困人信息，则消除困人告警。本发明能够有效提高电梯困人告警算法的实时性与准确性。

技术领域

本发明涉及电梯安全技术领域，具体涉及一种基于深度学习的电梯乘客被困人数检测系统。

背景技术

电梯与人民生活密切相关，常见于居民楼、商场、办公楼等区域，这些地方一般具有楼层高、人流量大的特点，电梯给人民群众的生活带来诸多便利的同时，也会由于维保养护不到位或者人为误操作的等诸多因素，致使直梯困人事件频发。同时，电梯作为人们日常出行工具，承载着越来越多的功能，包括方便出行、广告投放、安全监控等场景。在电梯正常运行时，快速准确的识别电梯乘员数量可以实现商场或住宅的人流统计，继而进行更高效的广告推送；当电梯运行出现异常时，如乘客被困，对电梯内被困人数进行快速准确的识别可以有助于救援单位安排更合适的救援方案，保障被困乘客的人身安全。

现有技术对电梯中的人数进行统计的方法包括：当检测到电梯关闭后，通过安装于电梯轿厢内部的图像采集设备，获取电梯轿厢内部的当前图像；对当前图像进行处理，从当前图像中识别出人员图像信息，根据人员图像信息，确定电梯轿厢内部的当前人数。但是，该方案主要依靠安装于电梯轿厢内部的图像采集设备获取当前电梯图像，再利用传统图像处理方法确定电梯轿厢内部的当前人数，这种方案对图片的质量以及电梯内光线等环境要求较高，而且电梯内如果有其他干扰物出现时会对检测结果有较大的干扰，同时该方案只针对乘客头部进行检测，当轿厢内摄像头存在盲区而导致无法拍摄到乘客的头部时，会出现漏报的现象。

发明内容

本发明要解决的技术问题是提供一种基于深度学习的电梯乘客被困人数检测系统。本发明能够有效降低因摄像头盲区而导致的人数漏报，提高电梯困人告警算法的实时性与准确性。

为了实现上述目的，本发明采用以下技术方案：

一种基于深度学习的电梯乘客被困人数检测系统，包括视频/图像采集单元，电梯有无人与人数检测单元，图像后处理单元和用户应用单元；

视频/图像采集单元采集视频与图像，并将采集到的图像数据发送至电梯有无人与人数检测单元，电梯有无人与人数检测单元检测并确认电梯中是否有人，并将电梯中有无人状态信息发送给图像后处理单元，图像后处理单元综合判断电梯是否困人，如果得到电梯困人信息，则发出困人告警，并对电梯内被困人数进行统计，用户应用单元对被困人员进行安抚与劝导；如果图像后处理单元综合判断得到不存在电梯困人信息，则消除困人告警。

进一步地，视频/图像采集单元采用监控摄像机、工业摄像机、深度相机、双目相机中的一种或多种。

进一步地，电梯有无人与人数检测单元包括但不限于有无人二分类模块、乘客头部目标检测模块与乘客躯干目标检测模块，有无人二分类模块对图像数据进行二分类分析，乘客头部与乘客躯干目标检测模块对图像数据中乘客的头部与躯干分别进行检测，取两者较大值作为乘客最终检测人数；

进一步地，电梯有无人与人数检测单元判断当前状态电梯中是否有人以及若有人时具体有几人的具体流程：

（1）获取当前帧图像，并在GPU服务器上分别初始化深度学习有无人二分类模型、乘客头部检测模型与乘客躯干检测模型；