[发明专利]一种基于视觉检测的多轿厢电梯调度方法

摘要

本发明涉及一种基于视觉检测的多轿厢电梯调度方法，步骤为：如果存在未分配呼叫，则执行视频采集及传输步骤；通过监控设备获得外呼候梯乘客数和各轿厢内乘梯乘客视频传输给上位机；上位机对所获视频运用Fast R‑CNN模型进行实时处理，标定出乘客状态上位机根据上述视频处理的结果，计算各轿厢的调度时间和拥挤度；如果运用Fast R‑CNN模型检测到候梯厅有乘客，根据调度时间和拥挤度选定最佳轿厢；根据分配给各轿厢的外呼情况，重新划分轿厢区域；删除本次处理分配的呼叫，返回判断是否存在未分配呼叫。本发明避免电梯“空呼叫现象”、“超载现象”和“拥挤现象”，提高了电梯运载效率，保证了电梯运行的安全性和高效性。

主权项

1.一种基于视觉检测的多轿厢电梯调度方法，其特征在于包括以下步骤：1)外呼检验：是否存在未分配呼叫，若存在则执行视频采集及传输步骤；2)视频采集及传输：通过监控设备获得外呼候梯乘客数和各轿厢内乘梯乘客视频传输给上位机；3)视频处理：上位机对所获视频运用Fast R‑CNN模型进行实时处理，标定出乘客状态；4)派梯方案：上位机根据上述视频处理的结果，计算各轿厢的调度时间T_i和拥挤度η_i；再次运用Fast R‑CNN模型检测候梯厅是否有乘客，若有乘客，根据调度时间和拥挤度选定最佳轿厢；若无乘客则为“空呼叫”，在未分配的呼叫队列中删除该呼叫；5)分区划定：根据分配给各轿厢的外呼情况，重新划分轿厢区域；6)删除本次处理分配的呼叫，返回判断是否存在未分配呼叫；所述视频处理包括以下步骤：图像获取：使用抽帧检测的方法获取视频中图像，使得最终的显示达到实时的效果；图像预处理：预先找出图像中人可能出现的位置作为候选区域，运用多层卷积神经网络和最大池化层处理候选区域的图像，得到卷积特征映射；图像池化：把得到的卷积特征映射通过region of interest池化方式获得固定维数的特征向量；图像输出：经过两个全连接层把上述特征向量分别输入到softmax分类器、边界框回归器，进而输出两个优化目标，分别为图片上的边界框和相似度。