[发明专利]基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统

权利要求书

1.基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，包括：

识别乘员，获取所述乘员的乘梯行为习惯特征；

通过所述乘员的乘梯行为习惯特征，构建特征矩阵；

利用所述特征矩阵预测所述乘员的目的楼层，获取预测结果；

基于所述特征矩阵和所述预测结果，训练楼层预测模型，获取更新后的所述楼层预测模型；

基于更新后的所述楼层预测模型预测所述乘员的目的楼层。

2.如权利要求1所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，识别乘员，获取所述乘员的乘梯行为习惯特征包括：

对所述乘员的人脸进行识别并与系统数据库进行匹配，确定所述乘员身份，获取所述乘员的乘梯行为习惯特征。

3.如权利要求1所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，识别乘员还包括：获取所述乘员的人脸检测框和人体检测框，将所述人脸检测框和所述人体检测框进行匹配，确定每位乘员位置并跟踪。

4.如权利要求1或2所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，所述乘员的乘梯行为习惯特征包括：所述乘员的身份标识号、居住楼层、当前乘梯时间、乘梯方向、当前楼层和乘梯信息。

5.如权利要求1所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，将所述特征矩阵输入楼层预测模型，获取预测结果之后还包括：

对所述预测结果进行判断，若所述预测结果错误，将所述乘员到达的目的楼层加入所述乘员的乘梯行为习惯特征；若所述预测结果正确，将所述预测的目的楼层加入所述乘员的乘梯行为习惯特征。

6.如权利要求1所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，基于所述特征矩阵和所述预测结果，训练所述楼层预测模型，获取更新后的所述楼层预测模型包括：

获取新特征矩阵，对所述新特征矩阵进行过滤，获取更新后的所述特征矩阵；

将更新后的所述特征矩阵输入所述楼层预测模型，获取预测目的楼层；

基于所述预测目的楼层和正确目的楼层，更新所述楼层预测模型。

7.如权利要求6所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，获取新特征矩阵，对所述新特征矩阵进行过滤包括：

获取所述楼层预测模型的准确率，若所述楼层预测模型的准确率小于设定的阈值，则将所述新特征矩阵加入所述特征矩阵，否则，将所述新特征矩阵输入所述楼层预测模块；

若所述楼层预测模型的预测结果错误，将所述新特征矩阵加入所述特征矩阵，否则计算所述新特征矩阵与所述特征矩阵的重合度；

基于所述重合度，判断是否将所述新特征矩阵加入所述特征矩阵，完成对所述新特征矩阵的过滤。

8.如权利要求6所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法，其特征在于，基于所述预测目的楼层和正确目的楼层，更新所述楼层预测模型包括：

基于所述预测目的楼层和正确目的楼层，计算损失函数，获得损失函数的损失值；

若所述损失函数的损失值大于设定的损失值，则继续训练并更新所述楼层预测模型，否则，完成所述预测模型的更新。

9.用于实现权利要求1所述的基于乘员乘梯行为习惯的自学习电梯楼层选择方法的系统包括：摄像头模块，特征识别模块，无线传输模块，模型推理模块，云端训练模块，迁移学习模块，数据过滤模块；

所述摄像头模块用于识别乘员；

所述特征识别模块用于识别所述乘员的乘梯行为习惯特征；

所述模型推理模块用于基于所述乘员的乘梯行为习惯特征，预测所述乘员的目的楼层；

所述云端训练模块用于基于所述乘员的乘梯行为习惯特征和乘员目的楼层，对楼层预测模型进行训练，并将训练后的所述楼层预测模型更新到所述模型推理模块；

所述无线传输模块用于将所述乘员的乘梯行为习惯特征传输到所述模型推理模块，将所述乘员的乘梯行为习惯特征和所述乘员目的楼层传输到所述云端训练模块；

所述迁移学习模块用于将所述楼层预测模型中的参数迁移到另一个模型；

所述数据过滤模块用于对所述乘员的乘梯行为习惯特征进行过滤。