[發(fā)明專利]基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202110243399.6
• 申請日: 2021-03-05
• 公開（公告）號: CN113044694B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設(shè)計）人: 羅恒陽;程飛;齊敏;邵聞達;殷黎明;張磊
• 申請（專利權(quán)）人: 蘇州威視通智能科技有限公司
• 主分類號: B66B5/14
• 分類號: B66B5/14;B66B1/34;G06V20/52;G06V40/16;G06V40/10;G06V10/764;G06V10/28;G06V10/82;G06T5/00;G06F11/14;H04N5/76;G06N3/0464
• 代理公司: 廣州博聯(lián)知識產(chǎn)權(quán)代理有限公司 44663
• 代理人: 馬天鷹

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：包括相機模塊、邊緣計算設(shè)備以及提示模塊，所述相機模塊采集工地電梯內(nèi)的圖像數(shù)據(jù)傳輸至邊緣計算設(shè)備，所述邊緣計算設(shè)備檢測到圖像數(shù)據(jù)中人數(shù)超員時，所述提示模塊發(fā)出超員提醒。

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述邊緣計算模塊包括供電模塊、AI核心運算模塊、網(wǎng)絡(luò)模塊以及TTL串口，所述TTL串口與提示模塊相連，所述網(wǎng)絡(luò)模塊連接有云服務(wù)器，所述提示模塊發(fā)出超員提醒，所述網(wǎng)絡(luò)模塊將超員記錄上傳至云服務(wù)器端，所述網(wǎng)絡(luò)模塊在無法連接至云服務(wù)的情況下，超員記錄僅存儲于本地的存儲單元。

3.根據(jù)權(quán)利要求2所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述相機模塊與AI核心運算模塊之間設(shè)置有二分類模型模塊，所述二分類模型模塊用于檢測電梯門是否關(guān)閉，所述二分類檢測模塊連接工地電梯門的物理開關(guān)，所述二分類模型模塊檢測到電梯門關(guān)閉且物理開關(guān)為關(guān)時所述AI核心運算模塊開始對電梯內(nèi)部的人數(shù)進行檢測并統(tǒng)計個數(shù)；

所述二分類模型模塊無法連接至電梯門的物理開關(guān)時，所述二分類模型模塊檢測到電梯門關(guān)閉時，所述AI核心運算模塊開始對電梯內(nèi)部的人員進行檢測并統(tǒng)計個數(shù)。

4.根據(jù)權(quán)利要求3所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述AI核心運算模塊包括數(shù)據(jù)采集單元、數(shù)據(jù)處理單元以及模型應(yīng)用單元，所述數(shù)據(jù)采集單元截取所述相機單元拍攝視頻中的數(shù)據(jù)圖片，所述數(shù)據(jù)處理單元通過計算機視覺算法對輸入圖片進行預(yù)處理和增強，包括色彩空間轉(zhuǎn)換、圖像尺寸變換、圖像投影變換操作，所述模型應(yīng)用單元檢測人像數(shù)據(jù)超載情況，當(dāng)發(fā)生人數(shù)超員時傳輸給提示模塊并打開相機模塊進行錄像。

5.根據(jù)權(quán)利要求4所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述模型應(yīng)用單元包括檢測模型單元、判決單元和目標計數(shù)單元，所述檢測模型單元識別每一個進入工地電梯內(nèi)的人員，所述檢測模型單元識別失敗時所述判決單元對目標的位置和理論移動極限進行比對。

6.根據(jù)權(quán)利要求2所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述TTL串口包括485轉(zhuǎn)TTL串口和232轉(zhuǎn)TTL串口，所述網(wǎng)絡(luò)模塊為各種有線網(wǎng)絡(luò)模塊和無線網(wǎng)絡(luò)模塊的其中一種。

7.根據(jù)權(quán)利要求5所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述檢測模型單元連接有KCF相關(guān)性濾波單元。

8.根據(jù)權(quán)利要求5所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述相機模塊為設(shè)置為魚眼相機和廣角相機任意一種，所述提示模塊為高音喇叭和擴音喇叭任意一種。

9.根據(jù)權(quán)利要求8所述的基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于：所述AI核心運算模塊采用經(jīng)過特殊數(shù)集訓(xùn)練的模型以及其衍生模型，包括FASTER-RCNN，SSD，Yolo。

10.根據(jù)權(quán)利要求5-9任一所述的一種基于深度神經(jīng)網(wǎng)絡(luò)的工地電梯人數(shù)統(tǒng)計系統(tǒng)及方法，其特征在于包括以下步驟：

S1,相機模塊采集不同時間工地電梯內(nèi)的圖像數(shù)據(jù)，當(dāng)電梯門被檢測關(guān)閉時AI核心運算模塊開始進行目標檢測；

S2,數(shù)據(jù)采集單元截取數(shù)據(jù)圖片并傳輸給數(shù)據(jù)處理單元；

S3,數(shù)據(jù)處理單元對數(shù)據(jù)采集單元截取的圖像處理后傳輸給檢測模型單元；

S4,檢測模型單元對人員進行識別并追蹤，以確保進入電梯的人員被暫時遮擋時，追蹤識別不會丟失，檢測模型單元將人數(shù)傳輸至計數(shù)單元，超員時接通提示模塊并發(fā)出提醒；

S5,檢測到工地電梯門二次關(guān)閉且工地電梯內(nèi)部人數(shù)沒有發(fā)生減少時，提示模塊再次報警，此時音量升高；

S6，超員報警發(fā)生時，啟動視頻錄制功能，將該設(shè)備端獲取該時間點前后一段時間內(nèi)的圖片數(shù)據(jù)，通過網(wǎng)絡(luò)模塊將圖片數(shù)據(jù)和視頻數(shù)據(jù)傳輸至云服務(wù)器備份。