[發(fā)明專利]乘梯異常行為識別方法、監(jiān)測系統、計算機設備和存儲介質

有效

• 申請?zhí)枺?/td>: 202011452295.8
• 申請日: 2020-12-10
• 公開（公告）號: CN112381066B
• 公開（公告）日: 2023-04-18
• 發(fā)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

本申請涉及一種乘梯異常行為識別方法、監(jiān)測系統、計算機設備和存儲介質。所述乘梯異常行為識別方法包括：獲取與乘客乘梯行為相關的實時視頻數據，將實時視頻數據進行預處理，得到與實時視頻數據相關的行為特征數據，根據行為特征數據以及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，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。采用本方法能夠提高乘梯異常行為識別的效率以及準確度。

技術領域

本申請涉及電梯安全技術領域，特別是涉及一種乘梯異常行為識別方法、監(jiān)測系統、計算機設備和存儲介質。

背景技術

自動扶梯以及電梯是現在人們生活場景中必不可少的傳送工具，但是在乘坐過程中，經常會因為乘客的異常乘梯行為導致電梯事故，從而造成不必要的人員傷亡。

在現有技術中，通常在電梯轎廂內部或在扶梯上方位置設置攝像頭實時進行視屏拍攝，然后再由值班人員進行監(jiān)控或事后翻看監(jiān)控記錄。單憑借攝像頭采集信息作為監(jiān)控在功能使用上是比較單一的，另外也存在很多弊端，比如：需要監(jiān)控人員通過肉眼實時監(jiān)控，但由于人眼容易疲勞，會丟失很多信息，容易發(fā)生漏檢的情況；采集到的數據多于事后的調查取證，無法實現實時報警功能，不能及時阻止異常事件的發(fā)生等。

然而，隨著人工智能的快速發(fā)展，現有技術中也有運用人工智能通過視頻數據對乘客異常行為進行識別，利用YOLOv3網絡模型對實時視頻流以每秒10幀的頻率進行截取交由后臺服務器與標注標樣進行對比分析，從而得到危險乘梯行為的結果識別。但是該方案依托后臺強大的GPU服務器實時進行算法分析、樣本對比，導致在實際商業(yè)案例中費用高昂，無法大面積進行推廣。

發(fā)明內容

基于此，有必要針對上述問題，提供一種能夠至少解決其中一個問題的乘梯異常行為識別方法、監(jiān)測系統、計算機設備和存儲介質。

一種乘梯異常行為識別方法，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以及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，根據所述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。

可選的，所述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(xù)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。

可選的，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，所述訓練后的深度神經網絡具有多個與各異常行為對應的子深度神經網絡。

可選的，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。