[发明专利]基于深度学习的电梯调控方法及系统

权利要求书

1.一种基于深度学习的电梯调控方法，其特征在于，包括以下步骤：

S1：对电梯轿箱内进行实时视频采集后，将采集到的实时视频以预定时间段为分割单位以生成多张图片；

S2：将多张图片进行归一化处理；

S3：通过归一化处理后的图片对电梯轿箱内的物体进行分块化识别，并判断电梯轿箱内的空间占比，以在电梯接收到停靠请求时，根据空间占比判断是否停靠。

2.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，在步骤S1前还包括以下步骤：根据需要将电梯的运行模式设定成智能模式。

3.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，在步骤S3中，判断电梯轿箱内的空间占比时还包括一下步骤：

S31：对多张图片进行归纳学习并建立训练集，对给定的数据集y_i∈{C₁,C₂,K,C_N}进行N个类别的配对，生成N(N-1)/2个二分类C_i以及C_j，C_i与C_j设置为正样本和负样本，通过训练过程使正样本:反样本≥1:2。

4.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，步骤S3中，判断电梯轿箱内的空间占比时还包括一下步骤：S32：对多张图片中的每张的二值灰度图中的边缘轮廓识别，通过轮廓的切割生成多个模块，将各个模块并行单独训练。

5.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，步骤S3中，判断电梯轿箱内的空间占比时还包括一下步骤：S33：训练过程中以预测误差作为训练完成与否的评价标准，在训练误差超额时，反复迭代训练，指导预测误差达到标准时输出当前学习结果。

6.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，步骤S3中，判断电梯轿箱内的空间占比时还包括一下步骤：S34：本次学习输出的结果，在下次训练时作为学习输入，通过反向传播算法，使每次学习输出误差将不变或者变小。

7.根据权利要求1所述的基于深度学习的电梯调控方法，其特征在于，步骤S2中，将多张图片通过分类器进行归一化处理，分类器的学习基于树莓派实现，树莓派支持8个GPIO口通讯，使前端信号实时无间断输入和后端控制电路满足动态控制。

8.一种基于深度学习的电梯调控系统，其特征在于，包括：

图像采集装置，所述图像采集装置设在电梯轿箱内，用于对所述电梯轿箱内进行实时视频采集；

智能处理器，所述智能处理器与所述图像采集装置连接；

电梯控制器，所述电梯控制器与所述智能处理器连接；

电梯停靠请求按钮，所述电梯停靠请求按钮与所述电梯控制器连接，其中所述图像采集装置采集到的视频发送给所述智能处理器，所述智能处理器根据接收到的所述视频判断所述电梯轿箱内的空间占比并将结果发送给所述电梯控制器，在所述电梯控制器接收到所述电梯停靠请求按钮的停靠请求时，所述电梯控制器根据所述空间占比判断是否停靠。

9.根据权利要求8所述的基于深度学习的电梯调控系统，其特征在于，所述图像采集装置为摄像头。

10.根据权利要求8所述的基于深度学习的电梯调控系统，其特征在于，所述智能处理器为树莓派，所述树莓派支持8个GPIO口通讯。