[发明专利]基于深度学习的电梯调控方法及系统

说明书

本发明公开了一种基于深度学习的电梯调控方法及系统，其方法包括以下步骤：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。其系统为：图像采集装置采集到的视频发送给智能处理器，智能处理器根据接收到的视频判断电梯轿箱内的空间占比并将结果发送给电梯控制器，在电梯控制器接收到电梯停靠请求按钮的停靠请求时，电梯控制器根据空间占比判断是否停靠，本发明节约了乘坐时间，提高了人员的乘坐效率。

技术领域

本发明涉及机器视觉及智能控制技术领域，具体而言，涉及一种基于深度学习的电梯调控方法及系统。

背景技术

电梯的普及度越来越高，轿箱式电梯在大型写字楼、住宅楼以及商城越来越多。但是，下班高峰期等时间段轿箱内人群已满，由于每层都有人按下，即使后来乘客无法上乘，电梯依旧在每层停靠，大大降低了运行效率造成了乘客的时间浪费。

发明内容

本发明旨在一定程度上解决上述技术问题。

有鉴于此，本发明提供了一种基于深度学习的电梯调控方法及系统，该基于深度学习的电梯调控方法及系统节约了乘坐时间，提高了人员的乘坐效率。

为了解决上述技术问题，本发明第一方面提供了一种基于深度学习的电梯调控方法及系统，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。

进一步，在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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。