[发明专利]电梯内人员检测与人数统计的轻量化深度神经网络方法

说明书

本发明属于计算机视觉与目标检测技术领域，涉及用于电梯轿厢内人员检测与人数统计的轻量化深度神经网络方法。本发明方法将卷积神经网络模型轻量化，以树莓派4B为开发系统，充分利用嵌入式资源在本地实现电梯轿厢的人员检测与人数统计。本发明卷积神经网络模型CNN结构中包括11个block，共有23层卷积层，其中对高级语义特征图作区域推荐，推荐的区域通过全连接层对人头部位和背景二分类。本发明在多尺度多样性目标检测算法SSD基础上，在网络结构的每个block的卷积层加入深度可分离卷积，检测速度明显加快，在树莓派4B系统中视频检测达到了2.1的FPS，符合信息反馈小于3S的要求。

技术领域

本发明属于计算机视觉与目标检测技术领域，涉及一种利用深度学习、嵌入式技术对电梯轿厢内人员进行检测的方法，特别是用于电梯轿厢内人员检测与人数统计的轻量化深度神经网络方法。

背景技术

随着当前社会科技的发展，出现了许多高层建筑和智能建筑，相应的，也涌现出大量的垂直交通工具——电梯。电梯是保障高层建筑有效运行必不可少的重要设备，同时，电梯的安全性对于在高层建筑中生活和工作的每个人而言是至关重要的，做好应急救援服务处置是电梯物联网公司的迫切需要。目前基于电梯轿厢内人员检测与人数统计的技术有较高的应用价值。此类技术可以在电梯发生故障时反馈人员被困的情景，有利于快速实施救援；同时也可用于分析电梯的客流量，帮助建立有效的电梯调度机制。

目前用于电梯内乘客检测与人数统计的方法主要有以下几种：a.红外传感器感知检测与人数统计；b.基于传统图像处理（如Histogram of Oriented Gradient，HOG特征）结合线性支持向量机的检测方法与人数统计；c.基于卷积神经网络的行人检测方法与人数统计系统。

红外传感器感知技术：主要分为主动红外(AIR)和被动红外(PIR)两种。主动红外传感器需要红外线发射源和相应的接收设备，依靠红外线的对射或反射的方式进行。当红外光束被遮挡时，红外线接收器的输出电信号强度就会发生变化，经放大和处理后可进行采样，主动红外传感器对是否有人通过非常敏感，然而使用AIR技术检测存在以下两个问题：一是硬件传感器在电轿厢的应用成本较高，难以大规模使用；二是对两个或多人贴得很近的情况，特别是前后拥挤、接踵而至的乘客人数识别效果较差。

基于传统图像处理的电梯轿厢内人数统计技术：迄今为止，基于传统图像处理的人数统计算法多采用垂直摄像头从上向下俯拍，主要可以分为三类：基于前景连通区域像素统计的方法、基于运动分析的方法和基于头部特征的识别方法。基于前景连通区域像素统计及运动分析的方法主要对运动物体建模，这种方法在运动物体静止时建模效果差，乘客在电梯轿厢静止不动时漏检率大，检测静止的目标召回率很小；基于头部特征的识别方法是一种人工提取特征，如尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)、方向梯度直方图(Histogram of Oriented Gradient, HOG)，再用机器学习中分类器包括支持向量机、贝叶斯、随机森林分类，然而，这些特征描述方法主要是由人工设计的，复杂场景下召回率较低，鲁棒性差，不能达到商业化产品的要求。