[发明专利]一种基于深度学习的电梯乘员计数方法及系统

权利要求书

1.一种基于深度学习的电梯乘员计数方法，其特征在于：所述方法包括：

S1、摄像装置实时拍摄电梯仓视频图像，并将所述视频图像跳帧发送给深度学习识别模块；

S2、所述深度学习识别模块对接收的所述视频图像进行乘员识别并添加标注框，将识别出的乘员信息发送给核实模块；

S3、所述核实模块基于对所述乘员信息进行核实，滤除虚假目标，对剩余的所述乘员信息基于所述标注框进行乘员计数。

2.根据权利要求1所述的方法，其特征在于：所述将所述视频图像跳帧发送给深度学习识别模块，包括：

所述摄像装置检测是否获取到电梯门开关信号，若是，则将所述视频图像跳帧发送给深度学习识别模块。

3.根据权利要求2所述的方法，其特征在于：所述将所述视频图像跳帧发送给深度学习识别模块，还包括：

在检测到电梯门开-关期间，以第一间隔跳频发送所述视频图像给深度学习识别模块，在电梯门关之后的预设时段内以第二间隔跳频发送所述视频图像给深度学习识别模块；其中，所述第一间隔小于所述第二间隔。

4.根据权利要求1所述的方法，其特征在于：在步骤S2之前，还包括如下步骤：

获取同一电梯不同时段、不同照明条件下的视频图像帧组成训练集，对所述训练集中的图像帧中的乘员区域进行人工标注；

将标注后的所述训练集输入所述深度学习识别模型以对其进行训练。

5.根据权利要求1所述的方法，其特征在于：所述深度学习识别模块基于神经网络算法；

所述深度学习识别模块包括特征提取网络、分支网络一、分支网络二；其中，将所述视频图像帧输入特征提取网络以提取特征，所述特征包括辨别特征和附加属性；然后将所述特征分别输入分支网络一和分支网络二，所述分支网络一基于所述特征进行乘员识别，所述分支网络二基于所述特征识别对应乘员的属性。

6.根据权利要求1所述的方法，其特征在于：所述核实模块基于对所述乘员信息进行核实，滤除虚假目标，包括：

S31、构建电梯仓的三维坐标系；

S32、基于所述视频图像提取电梯仓的三维边界，以获得电梯仓在三维坐标系中的空间界限；

S33、将所述乘员的头部投射至所述三维坐标系；

S34、检测所述乘员的头部是否位于电梯仓的所述空间界限的边界面上，若是，则进一步检测在所述空间界限的内部是否存在与该乘员属性相似度大于第一阈值的乘员，若是，则将其判定为虚假目标以滤除。

7.根据权利要求1所述的方法，其特征在于：识别出的所述乘员信息还包括乘员的高度、轮廓面积；

于是，在步骤S34之后，还包括：

S35、基于所述乘员的高度计算所述空间界限内的乘员的高度均值，判断所述乘员的高度是否低于所述均值超过第二阈值，若是，则将所述乘员判定为虚假目标以滤除；否则，执行步骤S36；

S36、判断所述乘员的轮廓面积是否小于第三阈值，若是，则将所述乘员判定为虚假目标以滤除。

8.一种基于深度学习的电梯乘员计数系统，其特征在于：所述系统包括摄像装置、深度学习识别模块和核实模块；其中，

所述摄像装置，用于实时拍摄电梯仓视频图像，并将所述视频图像跳帧发送给深度学习识别模块；

所述深度学习识别模块，用于对接收的所述视频图像进行乘员识别并添加标注框，将识别出的乘员信息发送给核实模块；

所述核实模块，用于基于对所述乘员信息进行核实，滤除虚假目标，对剩余的所述乘员信息基于所述标注框进行乘员计数。

9.一种电子设备，其特征在于：所述设备包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述方法的步骤。

10.一种计算机存储介质，其特征在于：该计算机存储介质设置于服务器，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述方法的步骤。