电梯或者直梯困人的算法设计 原理 实现过程

算法设计

3.1 算法设计原理

本研究提出了一种基于机器视觉的直梯困人检测算法，通过分析直梯内的视频数据，自动检测困人事件并发出警报。算法的核心在于结合多种传感器数据和深度学习技术，提高检测的准确性和实时性。具体原理如下：

1. 多传感器数据融合：结合加速度传感器和红外对射式传感器，实时监测电梯的运行状态和门的开关状态。

2. 图像处理：通过布设在电梯轿厢内的摄像头，采集电梯内的图像数据，并进行预处理，包括背景剪除和动态前景提取。

3. 深度学习：利用预训练的神经网络模型，对图像中的动态前景进行特征提取和识别，判断电梯内是否有人滞留。

4. 行为识别：通过面部特征点检测和姿态估计算法，提取人员的面部表情和人体姿态特征，分析人员的情绪和行为模式。

5. 多模态深度学习：将面部表情特征和行为特征向量输入多模态深度学习网络模型，进行综合训练和推理，得到最终的情绪和行为模式分析结果。

3.2 算法步骤

算法的具体步骤如下：

1. 电梯运行状态监测：

   • 采用布设在电梯轿厢上部的加速度传感器，实时获取电梯运行参数，包括电梯当前运行速度。

   • 若当前电梯运行速度为零，则判断电梯处于停止状态，并开始记录电梯持续停止时间。

   • 将电梯持续停止时间与第一预设时间阈值进行比较，若电梯持续停止时间大于预设时间阈值，则判定电梯运行异常。

2. 电梯门状态监测：

   • 通过电梯门两侧安装的红外对射式传感器，检测红外线是否被遮挡来判断门的开关状态。