[發明專利]基于深度學習的電梯調控方法及系統

在審

• 申請號: 201810997851.6
• 申請日: 2018-08-29
• 公開（公告）號: CN109132744A
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 姜韻慧;田野
• 申請（專利權）人: 鹽城線尚天使科技企業孵化器有限公司
• 主分類號: B66B1/28
• 分類號: B66B1/28
• 代理公司: 北京東方靈盾知識產權代理有限公司 11506
• 代理人: 王君昌

1.一種基于深度學習的電梯調控方法，其特征在于，包括以下步驟：

S1：對電梯轎箱內進行實時視頻采集后，將采集到的實時視頻以預定時間段為分割單位以生成多張圖片；

S2：將多張圖片進行歸一化處理；

S3：通過歸一化處理后的圖片對電梯轎箱內的物體進行分塊化識別，并判斷電梯轎箱內的空間占比，以在電梯接收到停靠請求時，根據空間占比判斷是否停靠。

2.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，在步驟S1前還包括以下步驟：根據需要將電梯的運行模式設定成智能模式。

3.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，在步驟S3中，判斷電梯轎箱內的空間占比時還包括一下步驟：

S31：對多張圖片進行歸納學習并建立訓練集，對給定的數據集y_i∈{C₁,C₂,K,C_N}進行N個類別的配對，生成N(N-1)/2個二分類C_i以及C_j，C_i與C_j設置為正樣本和負樣本，通過訓練過程使正樣本:反樣本≥1:2。

4.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，步驟S3中，判斷電梯轎箱內的空間占比時還包括一下步驟：S32：對多張圖片中的每張的二值灰度圖中的邊緣輪廓識別，通過輪廓的切割生成多個模塊，將各個模塊并行單獨訓練。

5.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，步驟S3中，判斷電梯轎箱內的空間占比時還包括一下步驟：S33：訓練過程中以預測誤差作為訓練完成與否的評價標準，在訓練誤差超額時，反復迭代訓練，指導預測誤差達到標準時輸出當前學習結果。

6.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，步驟S3中，判斷電梯轎箱內的空間占比時還包括一下步驟：S34：本次學習輸出的結果，在下次訓練時作為學習輸入，通過反向傳播算法，使每次學習輸出誤差將不變或者變小。

7.根據權利要求1所述的基于深度學習的電梯調控方法，其特征在于，步驟S2中，將多張圖片通過分類器進行歸一化處理，分類器的學習基于樹莓派實現，樹莓派支持8個GPIO口通訊，使前端信號實時無間斷輸入和后端控制電路滿足動態控制。

8.一種基于深度學習的電梯調控系統，其特征在于，包括：

圖像采集裝置，所述圖像采集裝置設在電梯轎箱內，用于對所述電梯轎箱內進行實時視頻采集；

智能處理器，所述智能處理器與所述圖像采集裝置連接；

電梯控制器，所述電梯控制器與所述智能處理器連接；

電梯停靠請求按鈕，所述電梯停靠請求按鈕與所述電梯控制器連接，其中所述圖像采集裝置采集到的視頻發送給所述智能處理器，所述智能處理器根據接收到的所述視頻判斷所述電梯轎箱內的空間占比并將結果發送給所述電梯控制器，在所述電梯控制器接收到所述電梯停靠請求按鈕的停靠請求時，所述電梯控制器根據所述空間占比判斷是否停靠。

9.根據權利要求8所述的基于深度學習的電梯調控系統，其特征在于，所述圖像采集裝置為攝像頭。

10.根據權利要求8所述的基于深度學習的電梯調控系統，其特征在于，所述智能處理器為樹莓派，所述樹莓派支持8個GPIO口通訊。