[发明专利]一种自动扶梯异常状态的检测方法和系统

权利要求书

1.一种自动扶梯异常状态的检测方法，其特征在于，包括：

S1，采集待判断的视频信息，将所述视频信息切割成具有自动扶梯运行状态的数据集；所述数据集包括：多个自动扶梯运行状态；

S2，通过改进后的U2-Net模型剔除所述数据集的障碍物体；

S3，经过光流分析分别计算第i时刻和第i+1时刻的自动扶梯运行状态，获得第i运行状态和第i+1运行状态；

S4，将所述第i运行状态和所述第i+1运行状态的自动扶梯运行状态进行比对；

S5，当比对结果满足预设异常条件，则发送告警提示。

2.根据权利要求1所述的一种自动扶梯异常状态的检测方法，其特征在于，所述自动扶梯运行状态包括：未知、静止、慢速往里、快速往里、慢速往外和快速往外；

其中，所述第i运行状态表示未知、静止、慢速往里、快速往里、慢速往外或快速往外中任意一种；

所述第i+1运行状态表示未知、静止、慢速往里、快速往里、慢速往外或快速往外中任意一种。

3.根据权利要求2所述的一种自动扶梯异常状态的检测方法，其特征在于，所述预设异常条件具体包括：

比对结果为从快速往里到快速往外、从快速往外到快速往里、从快速往里到静止、从快速往外到静止。

4.根据权利要求1所述的一种自动扶梯异常状态的检测方法，其特征在于，所述计算第i时刻的自动扶梯运行状态包括：

随机抽取第i-1时刻的图像的多个像素点的多个第一坐标；

通过光流分析计算多个像素点在第i时刻的图片的多个第二坐标；

根据所述第一坐标和所述第二坐标计算偏移量；

根据多个偏移量计算第i时刻的自动扶梯运行状态。

5.根据权利要求1所述的一种自动扶梯异常状态的检测方法，其特征在于，在所述S2之前还包括：

将U2-Net模型中的通道数降低到一半；

通过卷积核为3，步长为2的卷积替换U2-Net模型中的最大值池化；

将损失函数修改为了DiceLoss，获得改进后的U2-Net模型。

6.一种自动扶梯异常状态的检测系统，其特征在于，包括：采集切割模块、剔除模块、状态分析计算模块、状态对比模块和判断提示模块；

所述采集切割模块用于采集待判断的视频信息，将所述视频信息切割成具有自动扶梯运行状态的数据集；所述数据集包括：多个自动扶梯运行状态；

所述剔除模块用于通过改进后的U2-Net模型剔除所述数据集的障碍物体；

所述状态分析计算模块用于经过光流分析分别计算第i时刻和第i+1时刻的自动扶梯运行状态，获得第i运行状态和第i+1运行状态；

所述状态对比模块用于将所述第i运行状态和所述第i+1运行状态的自动扶梯运行状态进行比对；

所述判断提示模块用于当比对结果满足预设异常条件，则发送告警提示。

7.根据权利要求6所述的一种自动扶梯异常状态的检测系统，其特征在于，所述自动扶梯运行状态包括：未知、静止、慢速往里、快速往里、慢速往外和快速往外；

其中，所述第i运行状态表示未知、静止、慢速往里、快速往里、慢速往外或快速往外中任意一种；

所述第i+1运行状态表示未知、静止、慢速往里、快速往里、慢速往外或快速往外中任意一种。

8.根据权利要求7所述的一种自动扶梯异常状态的检测系统，其特征在于，所述预设异常条件具体包括：

比对结果为从快速往里到快速往外、从快速往外到快速往里、从快速往里到静止、从快速往外到静止。

9.根据权利要求6所述的一种自动扶梯异常状态的检测系统，其特征在于，所述状态分析计算模块具体用于随机抽取第i-1时刻的图像的多个像素点的多个第一坐标；

通过光流分析计算多个像素点在第i时刻的图片的多个第二坐标；

根据所述第一坐标和所述第二坐标计算偏移量；

根据多个偏移量计算第i时刻的自动扶梯运行状态。

10.根据权利要求6所述的一种自动扶梯异常状态的检测系统，其特征在于，还包括：模型改进模块，用于将U2-Net模型中的通道数降低到一半；

通过卷积核为3，步长为2的卷积替换U2-Net模型中的最大值池化；

将损失函数修改为了DiceLoss，获得改进后的U2-Net模型。