[发明专利]基于无人机监控的电梯控制方法、系统及存储介质在审

专利信息
申请号: 201911097923.2 申请日: 2019-11-12
公开(公告)号: CN111232773A 公开(公告)日: 2020-06-05
发明(设计)人: 蒋宇 申请(专利权)人: 恒大智慧科技有限公司
主分类号: B66B1/22 分类号: B66B1/22;B66B1/46;B66B5/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 518000 广东省深圳市南山区前海深港合作区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 无人机 监控 电梯 控制 方法 系统 存储 介质
【权利要求书】:

1.一种基于无人机监控的电梯控制方法,其特征在于,包括:

接收无人机上装载的摄像头所实时采集的图像数据;

解析其中所述图像数据,通过卷积神经网络判断所述图像数据中是否包含已登记业主;

若判断结果为包含已登记业主,查询所述已登记业主在预置数据库中的地址数据;

根据所述卷积神经网络所输出的人体跟踪框体以及查询得到的已登记业主地址数据中的楼栋位置,得到所述已登记业主步行至其所住楼栋的第一时间;

对所述第一时间进行判断,若所述第一时间大于阈值,则延时向所述业主所在楼层的控梯组件发送电梯控制指令,所述电梯控制指令用于将电梯停靠至首层,若所述第一时间小于预置,则立即向所述业主所在楼层的控梯组件发送电梯控制指令。

2.根据权利要求1所述的基于无人机监控的电梯控制方法,其特征在于,所述接收无人机上装载的摄像头所实时采集的图像数据的步骤之前,还包括:

与所述无人机进行握手通信,若握手连接成功,则接收所述无人机上所装载的摄像头所实时采集到的图像数据。

3.根据权利要求1所述的基于无人机监控的电梯控制方法,其特征在于,所述解析其中所述图像数据,通过卷积神经网络判断所述图像数据中是否包含已登记业主的步骤之前,还包括:

从所述图像数据中提取帧图像;

将所述帧图像输入至Faster-RCNN卷积网络中,得到所述帧图像中人体像素块以及对应的人体跟踪框体;

将所述人体像素块与预置的业主特征数据库中的标准数据进行比对,进而识别属于已登记业主的人体像素块。

4.根据权利要求3所述的基于无人机监控的电梯控制方法,其特征在于,所述若判断结果为包含已登记业主,查询所述已登记业主在预置数据库中的地址数据的步骤为:

根据识别到的已登记业主的身份信息,查询预置数据库中所述身份信息所关联的业主住址数据。

5.根据权利要求1所述的基于无人机监控的电梯控制方法,其特征在于,根据所述卷积神经网络所输出的人体跟踪框体以及查询得到的已登记业主地址数据中的楼栋位置,得到所述已登记业主步行至其所住楼栋的第一时间的步骤包括:

根据无人机坐标位置,对所述人体跟踪框体四个端点坐标进行转换,得到在世界坐标系下的四个端点的第二坐标;

根据任意一端点的第二坐标与所述已登记业主地址数据中的楼栋位置,求两者距离d;

将距离d除以预置的人体步行速度,得到所述已登记业主步行至所述楼栋的第一时间。

6.一种电梯控制系统,其特征在于,包括:

图像模块,用于接收无人机上装载的摄像头所实时采集的图像数据;

解析模块,用于解析其中所述图像数据,通过卷积神经网络判断所述图像数据中是否包含已登记业主;

查询模块,用于若判断结果为包含已登记业主,查询所述已登记业主在预置数据库中的地址数据;

时间计算模块,用于根据所述卷积神经网络所输出的人体跟踪框体以及查询得到的已登记业主地址数据中的楼栋位置,得到所述已登记业主步行至其所住楼栋的第一时间;

控制模块,用于对所述第一时间进行判断,若所述第一时间大于阈值,则延时向所述业主所在楼层的控梯组件发送电梯控制指令,所述电梯控制指令用于将电梯停靠至首层,若所述第一时间小于预置,则立即向所述业主所在楼层的控梯组件发送电梯控制指令。

7.根据权利要求6所述的电梯控制系统,其特征在于,所述图像模块还用于与所述无人机进行握手通信,若握手连接成功,则接收所述无人机上所装载的摄像头所实时采集到的图像数据。

8.根据权利要求6所述的电梯控制系统,其特征在于,所述查询模块还包括:

帧图像单元,用于从所述图像数据中提取帧图像;

图像检测单元,用于将所述帧图像输入至Faster-RCNN卷积网络中,得到所述帧图像中人体像素块以及对应的人体跟踪框体;

比对单元,用于将所述人体像素块与预置的业主特征数据库中的标准数据进行比对,进而识别属于已登记业主的人体像素块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于恒大智慧科技有限公司,未经恒大智慧科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911097923.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top