[發明專利]乘梯異常行為識別方法、監測系統、計算機設備和存儲介質

有效

• 申請號: 202011452295.8
• 申請日: 2020-12-10
• 公開（公告）號: CN112381066B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 丁彧
• 申請（專利權）人: 杭州西奧電梯有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/52;G06V10/82;G06V10/46;G06V40/20;G06N3/0464;G06N3/09
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 解明鎧

1.一種乘梯異常行為識別方法，其特征在于，包括：

獲取與乘客乘梯行為相關的實時視頻數據；

將所述實時視頻數據進行預處理，得到與所述實時視頻數據相關的行為特征數據；

根據所述行為特征數據與預設的各類異常行為標準進行預判斷，將預判斷為異常的行為特征數據輸入對應識別該異常行為的訓練后的子深度神經網絡，得到異常行為識別結果，根據異常行為識別結果輸出相應的報警指令；

其中，所述子深度神經網絡具有多個，分別對不同的異常行為進行識別；

訓練所述子深度神經網絡包括：

獲取與乘客乘梯行為相關的視頻數據；

將所述視頻數據進行預處理，得到與所述視頻數據對應的訓練特征數據；

根據所述訓練特征數據對深度神經網絡進行訓練，得到所述訓練特征數據對應的異常判定閾值；

計算目標判定閾值與異常判定閾值之間的實際偏差，并根據所述實際差異對所述深度神經網絡中的參數進行調整；

直至所述實際偏差達到預期，完成訓練得到訓練后的深度神經網絡，對所述訓練后的深度神經網絡中的各獨立模型進行單一的導出，使其成為識別不同異常行為的多個子深度神經網絡，所述深度神經網絡中包括OpenPose結構以及帶空洞卷積的MobileNet；其中，所述OpenPose具有7x7卷積層。

2.根據權利要求1所述的乘梯異常行為識別方法，其特征在于，將所述實時視頻數據進行預處理，得到與所述實時視頻數據相關的行為特征數據包括：

將所述視頻數據根據預設頻率進行截取，得到多幀連續的視頻圖像；

根據各幀視頻圖像進行行為特征提取，分別得到與各幀視頻圖像對應的行為特征數據。

3.根據權利要求1所述的乘梯異常行為識別方法，其特征在于，所述目標判定閾值根據對應的所述的視頻數據進行異常行為標注后得到。

4.根據權利要求1所述的乘梯異常行為識別方法，其特征在于，各所述異常行為依據乘梯類型分為直梯異常行為以及扶梯異常行為；

所述直梯異常行為包括：扒轎廂門、在轎廂內跳躍、長時間擋門、攜帶電動車；

所述扶梯異常行為包括：摔倒、逆行、大型物體滯留以及推嬰兒車。

5.一種乘梯異常行為監測系統，其特征在于，包括攝像裝置、邊緣計算網關以及警報裝置；

所述攝像裝置用于采集與電梯上乘客行為相關的實時視頻數據并發送至所述邊緣計算網關；

所述邊緣計算網關接收到所述實時視頻數據根據權利要求1至4任一項所述的乘梯異常行為識別方法進行處理后，輸出相應的報警指令；

所述警報裝置用于根據所述報警指令進行報警。

6.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至4中任一項所述乘梯異常行為識別方法的步驟。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至4中任一項所述的乘梯異常行為識別方法的步驟。