[发明专利]一种分布式升降机安全管理系统及管理方法

权利要求书

1.一种分布式升降机安全管理系统，包括远程监管平台，多个管理系统安装在施工现场多个升降机轿厢内，远程监管平台与管理系统通过网络进行数据交互，其特征在于：

远程监管平台置于施工现场管理室，获取各个管理系统发送过来的负载重量和乘载人数信息，以实现对整个施工现场多个升降机的统一监管；

管理系统包括主控模块，数据存储模块，通信模块，双目摄像头，称重装置，操作按钮，上下限位开关及驱动机构，所述双目摄像头安装在轿厢顶部，动态捕捉进入轿厢的人员人脸数据，同时在轿厢门关闭时对轿厢内整体人员进行图片拍摄，主控模块获取称重装置测量的负载重量，与数据存储模块中预存的负载临界值进行对比，同时获取双目摄像头捕捉的流动人员人脸数据以及轿厢内整体人员图像，主控芯片首先根据捕捉的信息结合人脸检测模型，对流动人员中的人脸进行检测，然后通过人脸识别模型对检测的人脸进行识别，获取特征点，确保不会出现重复识别的情况，统计识别的人脸数量获得第一次结果，主控芯片根据拍摄的图像通过人流密度检测模型进行图像中人员数量检测，得到第二次的统计结果，将两次结果进行数据对比确定最终人员数量值，与存储模块中预存的人员临界值进行对比，操作按钮触发轿厢运行指令，主控模块根据触发的指令控制驱动机构进行相应操作，并配合上下限位开关进行上下运行临界值的限位，同时主控模块将采集的负载重量及人员数量通过通信模块发送至远程监管平台。

2.根据权利要求1所述的一种分布式升降机安全管理系统，其特征在于：所述主控模块采用RK3288为主控芯片，通过摄像头采集电路与双目摄像头连接，获取摄像头捕捉的流动人员人脸信息以及轿厢内整体人员图像，通过称重采集电路与称重装置连接，通过限位开关电路与上下限位开关连接。

3.根据权利要求1所述的一种分布式升降机安全管理系统，其特征在于：不同的模型包括faster-RCNN神经网络算法建立的人脸检测模型，Light CNN神经网络算法建立的人脸识别模型，MCNN神经网络算法建立的人流密度检测模型，其中人脸检测模型和人脸识别模型对流动人员的人脸信息进行检测识别，以获得人员数量值，而人流密度检测模型则对整体人员图像进行人流密度分析，得到人员数量值。

4.一种基于权利要求1所述分布式升降机安全管理系统的管理方法，其特征在于包括如下步骤：

施工人员进入轿厢时，双目摄像头捕捉流动人员的人脸信息，并上传至主控芯片，主控芯片基于人脸检测模型和人脸识别模型对流动人员的人脸进行检测、识别并计数，得到第一次统计结果；人员进入完成后，通过操作按钮控制轿厢门关闭，主控芯片在接收到关闭指令的同时触发双目摄像头拍摄轿厢内部整体人员图片上传至主控芯片，主控芯片结合人流密度检测模型进行内部人员数量统计，得到第二次统计结果，将两次结果进行数据对比确定最终人员数量值，并与存储模块中的人员临界值进行对比，判断是否人员超标，在超标时控制轿厢门无法关闭并进行报警；

施工人员进入轿厢时，称重装置实时监测负载重量，并将负载重量值上传至主控芯片，主控芯片将负载值与存储模块中的负载临界值进行对比，以判断是否超标，在超标时控制轿厢门无法关闭，同时进行报警；

施工人员通过操作按钮触发上行、下行或停靠楼层指令，主控芯片根据该指令控制驱动机构进行相应控制，同时通过上下限位开关进行上下行临界值的限定；

主控芯片通过通信模块将获取的负载重量，内部人员数量发送给远程监控平台，使得管理者通过远程监控平台统一管理施工现场多个升降机。

5.根据权利要求4所述的一种分布式升降机安全管理系统的管理方法，其特征在于：第一次统计结果与第二次统计结果进行对比，若相同则以该数据为最终人员数量值，若不同则以多的一次作为最终人员数量值。

6.根据权利要求4所述的一种分布式升降机安全管理系统的管理方法，其特征在于：人脸检测模型基于Faster-RCNN神经网络算法建立，同时结合LFW公开人脸数据集进行训练。

7.根据权利要求4所述的一种分布式升降机安全管理系统的管理方法，其特征在于：人脸识别模型基于Light CNN神经网络算法建立，同时结合LFW公开人脸数据集进行训练。

8.根据权利要求4所述的一种分布式升降机安全管理系统的管理方法，其特征在于：人流密度检测模型基于MCNN神经网络算法建立。