[发明专利]一种基于AI和HMM的电梯电动车识别预警方法

权利要求书

1.一种基于AI和HMM的电梯电动车识别预警方法，其特征在于：包括以下步骤：

步骤a：对电梯监控视频的原始图像进行预处理操作，得到预处理后的图像；

步骤b：将预处理后的图像输入训练好的基于AI的电动车识别网络模型进行识别，得到视频帧的识别结果，并判断每一帧是否有电动车，对多帧视频的电动车识别结果形成电动车识别序列；

步骤c：将步骤b中的多帧的电动车识别序列结果输入训练好的基于HMM的电梯状态识别网络模型，输出电梯状态，以实现电梯预警与否。

2.根据权利要求1所述的基于AI和HMM的电梯电动车识别预警方法，其特征在于：步骤a中的电梯监控视频为通过安装于电梯的摄像头采集到的视频。

3.根据权利要求1所述的基于AI和HMM的电梯电动车识别预警方法，其特征在于：步骤b中的基于AI的电动车识别网络模型的构建步骤：

步骤b1：采集电梯环境下的电动车图片，并对其进行图像增强；

步骤b2：接着对采集图像进行标定，并按比例随机划分训练集和验证集，并使用数据增广方法，对数据进行扩充；

步骤b3：以图像预处理及扩充后的训练集图片为基础构建Yolo网络模型进行电动车的识别与检测。

4.根据权利要求3所述的基于AI和HMM的电梯电动车识别预警方法，其特征在于：步骤b2中分别对图像集中的电动车和自行车都进行标定。

5.根据权利要求3所述的基于AI和HMM的电梯电动车识别预警方法，其特征在于：步骤b3中的Yolo网络模型使用了DarkNet-53网络结构，损失函数使用交叉熵函数：

其中，n是样本数，在本网络模型中等于2，2表示电动车和自行车，y_i表示真实样本标签，表示预测概率。

6.根据权利要求1所述的基于AI和HMM的电梯电动车识别预警方法，其特征在于：步骤c中的基于HMM的电梯状态识别网络模型的构建方法如下：

任意一个HMM网络可以用五元组(O，S，A，B，π)表示，

O：{o₀,o₁,…,o_n}表示观测序列，对应视频帧的电动车识别结果序列；

S：{s₀,s₁,…,s_n}表示隐状态序列，对应电梯状态序列，多个预警状态构成电梯状态序列，此处预警状态为1和正常状态为0；

A：{a_ij＝p(s_j|s_i)}表示状态转移概率矩阵，即电梯状态S之间转化的概率；

B：{b_ij＝p(o_j|s_i)}表示输出概率，即某电梯状态s_i下观测值o_j的概率；

π：{π₀,π₁，…,π_m}表示初始状态概率，本模型中表示电梯的初始状态；

训练中，通过大量已知的O和S对HMM进行优化，获取参数A和B，即基于HMM的电梯状态识别网络模型。