[發(fā)明專利]一種基于深度學(xué)習(xí)的電梯智能調(diào)度系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201910019632.5
• 申請日: 2019-01-09
• 公開（公告）號: CN109829390A
• 公開（公告）日: 2019-05-31
• 發(fā)明（設(shè)計）人: 王偉;王超;陳國特
• 申請（專利權(quán)）人: 浙江新再靈科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 杭州天昊專利代理事務(wù)所(特殊普通合伙) 33283
• 代理人: 董世博

1.一種基于深度學(xué)習(xí)的電梯智能調(diào)度方法，其特征在于，包括以下步驟：

采集圖像信息，獲取每處電梯正在等待乘梯人的全部信息；

對實時采集到的每處電梯正在等待乘梯人的視頻圖像進(jìn)行存儲，并實時進(jìn)行預(yù)處理，包括監(jiān)控連續(xù)視頻的關(guān)鍵幀選取，關(guān)鍵幀選取的標(biāo)準(zhǔn)為每段乘梯人等待視頻中最能反映出所有乘梯人信息的那一幀；

包括基于目標(biāo)檢測算法的實時乘梯人數(shù)目檢測模塊與基于多屬性分類算法的乘梯人多屬性分類模塊的深度學(xué)習(xí)控制模塊最終獲取監(jiān)控視頻中的關(guān)鍵幀中的乘梯人數(shù)目、乘梯人的性別、體形、體重估計的屬性信息，并將算法分析求得的信息送至電梯智能調(diào)度模塊；

實時獲取當(dāng)前電梯的停靠位置、配合上級單元求得的乘梯人數(shù)目和屬性信息進(jìn)行電梯調(diào)度的控制中心分配結(jié)果實時反饋給電梯運行監(jiān)控模塊；

通過電梯運行監(jiān)控模塊負(fù)責(zé)電梯安全、乘梯人安全與便捷維護(hù)。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的電梯智能調(diào)度方法，其特征在于，基于目標(biāo)檢測算法的實時乘梯人數(shù)目檢測模塊的具體工作過程如下：

利用深度學(xué)習(xí)中的多層卷積網(wǎng)絡(luò)獲取待測輸入乘梯人圖像中的數(shù)據(jù)，獲得監(jiān)控關(guān)鍵幀的特征圖；

利用提取邊緣的神經(jīng)網(wǎng)絡(luò)直接訓(xùn)練得到特征圖中的候選區(qū)域，利用提取邊緣的神經(jīng)網(wǎng)絡(luò)的工作原理在于其在特征圖上滑動窗口，其中滑動窗口的位置提供了物體的大致位置信息，而框的回歸算法提供框更精確的位置信息；

由提取邊緣的神經(jīng)網(wǎng)絡(luò)得到待測輸入圖像中所有候選框的特征信息，再將候選框的特征信息傳至多層全連接層，并在最后一層分別使用分類器，配合乘梯人分類loss判別候選框中是否屬于一個特定類，對于屬于某一特征的候選框，配合乘梯人邊界框回歸loss進(jìn)一步調(diào)整邊界框的位置，最后求得準(zhǔn)確的待乘梯人的數(shù)量與位置信息，并通過opencv工具根據(jù)乘梯人在原圖中為具體坐標(biāo)值，格式為（x1,y1,width,height）來裁剪得到多分類屬性識別網(wǎng)絡(luò)所需要的人體圖。

3.如權(quán)利要求2所述的基于深度學(xué)習(xí)的電梯智能調(diào)度方法，其特征在于，基于多屬性分類算法的乘梯人多屬性分類模塊的深度學(xué)習(xí)控制模塊的具體工作過程如下：

獲取待乘梯人監(jiān)控圖像，由上級目標(biāo)檢測模塊獲得待測具體乘梯人的具體位置信息（x1,y1,width,height），并結(jié)合原圖信息從而得到送至屬性識別網(wǎng)絡(luò)中的原圖具體內(nèi)容；

根據(jù)上述具體圖像信息獲取具體乘梯人的圖像，再由圖像分割模塊獲取待測對象的各個部位圖；

再利用多層卷積網(wǎng)絡(luò)來獲取各身體部位的特征圖；

將主干網(wǎng)絡(luò)提取到特征圖進(jìn)行正則化操作后送至多類屬性多輸出網(wǎng)絡(luò)；

輸出檢測結(jié)果，所述檢測結(jié)果包括性別、體形、年齡、人員類別信息。

4.如權(quán)利要求3所述的基于深度學(xué)習(xí)的電梯智能調(diào)度方法，其特征在于，多層卷積網(wǎng)絡(luò)的主干網(wǎng)絡(luò)是Resnet50。