一种针对电动车识别的电梯轿厢异常检测方法及系统

技术领域

本发明涉及人工智能技术领域，具体为一种针对电动车识别的电梯轿厢 异常检测方法及系统。

背景技术

物体检测是指在图像或视频中检测出物体位置及类别，传统方法通过人 工设计特征，并利用浅层分类器实现。基于深度学习的端到端检测框架，通 过深层神经网络实现物体检测，然而，计算机视觉中，每张图像中的物体数 量、大小及姿态各不相同，同时，图像中物体时常会有遮挡截断，是物体检 测技术的挑战。

在电动车识别领域，针对违规进入电梯轿厢的场景鲜有涉及，对该场景 下电动车等单一目标的检测，有助于提高电梯使用的安全性。

针对不同的物体检测场景，尤其在电动车检测中，需要用大量电动车专 用图像进行专用数据集构建，来识别并提高电动车检测性能。

发明内容

本发明的目的在于提供一种针对电动车识别的电梯轿厢异常检测方法及 系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种针对电动车识别的电 梯轿厢异常检测方法及系统，具体实施包括以下步骤：

A、构建电动动车专用训练数据集，以及在百度搜索引擎上下载电动车图 片，并利用图像标注工具，标注出训练集中电动车位置，以作为训练数据的 标签；

B、模型训练步骤中，基于第一步中的电动车训练数据集，经过1000轮 迭代优化，提升电动车识别模型的准确率，以达到电梯轿厢中电动车进入的 异常检测的报警功能；

C、运行电动车检测程序

基于步骤B中训练好的电动车识别检测模型程序，将其部署于树莓派的 上，通过有线网络与部署电梯轿厢顶部的摄像头连接，以保证对摄像头获取 的电梯轿厢门开启时，可能存在的电动车违规进入行为进行实时识别检测；

D、检测结果输出

当电动车检测程序识别出电动车进入电梯轿厢的异常情况时，触发报警 信号，发出报警提示，直至电动车离开轿厢，此时，电梯方可正常运行，当 电梯轿厢摄像头中未出现电动车时，电梯保持正常运行。

优选的，所述在步骤A中训练数据集具体包括从VOC，COCO，Imagenet， Openimage等4个开源数据集中获取电动车图像数据。

优选的，所述在步骤B中按照3：7比例进行划分测试数据集和训练数据 集，利用YOLOV3神经网络模型，对其网络参数程序进行针对电动车识别的微 调训练。

优选的，所述在步骤C中基于边缘计算模式，利用树莓派微控制器的轻 量级、快捷部署方式。

与现有技术相比，本发明的有益效果如下：

1、本发明体现在用自建电动车数据集，来训练神经网络模型，提高针对 电动车的识别精度，以保证轿厢安全，降低后期发生安全事故风险；利用构 建专用电动车数据集，提高电动车识别检测精度；采用边缘计算模式，利用 微控制器，解决依赖云端网络时延问题，甚至网络不可用的电动车检测识别 问题。

附图说明

图1为本发明电动车检测的全流程方法原理图；

图2为本发明电动车检测的总流程原理图；

图3为本发明电动车检测信号控制原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，一种针对电动车识别的电梯轿厢异常检测方法及 系统，具体实施包括以下步骤：

A、构建电动动车专用训练数据集，以及在百度搜索引擎上下载电动车图 片，并利用图像标注工具，标注出训练集中电动车位置，以作为训练数据的 标签；

B、模型训练步骤中，基于第一步中的电动车训练数据集，经过1000轮 迭代优化，提升电动车识别模型的准确率，以达到电梯轿厢中电动车进入的 异常检测的报警功能；

C、运行电动车检测程序

基于步骤B中训练好的电动车识别检测模型程序，将其部署于树莓派的 上，通过有线网络与部署电梯轿厢顶部的摄像头连接，以保证对摄像头获取 的电梯轿厢门开启时，可能存在的电动车违规进入行为进行实时识别检测；

D、检测结果输出

当电动车检测程序识别出电动车进入电梯轿厢的异常情况时，触发报警 信号，发出报警提示，直至电动车离开轿厢，此时，电梯方可正常运行，当 电梯轿厢摄像头中未出现电动车时，电梯保持正常运行。

在步骤A中训练数据集具体包括从VOC，COCO，Imagenet，Openimage等 4个开源数据集中获取电动车图像数据。

在步骤B中按照3：7比例进行划分测试数据集和训练数据集，利用YOLOV3 神经网络模型，对其网络参数程序进行针对电动车识别的微调训练。

在步骤C中基于边缘计算模式，利用树莓派微控制器的轻量级、 快捷部署方式。

电梯轿厢内安装摄像头，电梯运行过程中，摄像头监控方向持续对准电 梯门口，采集电梯的进入情况，对摄像头采集的数据传输至电梯轿厢控制板， 启动电动车检测程序，当监控中出现电动车时，则输出有电动车信号，进行 报警；当视频中没有电动车出现时，电动车正常运行。

简洁、方便部署的考虑；采用边缘计算模式，利用树莓派微控制 器，解决识别程序依赖云端服务的弊端，克服网络时延问题，甚至网 络不可用的检测问题。

在电梯轿厢内部，或者电梯门外顶部，均可按需部署摄像头，摄像头与 搭载电动车检测程序的电梯控制板通过网线连接，在电梯运行中，摄像头时 刻监控电梯轿厢的进出情况，当有电动车进入轿厢时，程序检测出电动车， 并发出报警信号，并控制电梯门常开；当没有电动车进入摄像头时，摄像头 不发出报警信号，电梯照常运行。

3、电动车数据集构建及模型训练流程

包括电动车图像数据获取，人工标注校对、构建电动动车专用训练数据 集、运行电动车检测程序、检测结果输出反馈5部分，其中，电动车图像数 据获取的来源为VOC，COCO，Imagenet，Openimage等4个开源数据集，以及 在百度搜索引擎上下载电动车图片。

人工标注校对中，利用图像标注工具，在电动车图像中标注出电动车位 置，作为训练数据的标签。

构建电动动车专用训练数据集中，对开源网站获取的数据、搜索引擎上 获取的数据、手工标注的数据，按照3：7比例进行划分，分为测试数据集和 训练数据集，便于下一步的模型测试、训练，提高识别准确率。

电动车检测程序运行中，利用YOLOV3神经网络模型进行迁移学习训练， 即利用电动车数据进行模型参数微调，以减少算力成本。

检测结果输出反馈中，对YOLOV3神经网络模型检测出的电动车图像，直 接将其存储构建的专用数据集，说明该数据时可识别类型，可直接作为进一 步强化检测性能的训练数据，对检测结果错误的图像，进入手工标注校对步 骤，进一步对错误检测的数据进行校正。

最后将电动车专用数据集进行存储，电动车检测模型部署于电梯 控制板中，已完成电梯轿厢中针对电动车的识别程序训练和数据集构 建。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。