一种电梯称重方法技术

一种电梯称重方法，所述电梯称重方法包括以下步骤：S1：获取电梯开门至电梯关门这段时间的视频；S2：根据所拍摄的视频，分析出这段时间的人员流动数以及人员体积；S3：根据S2的所得数据，对此时电梯的人员重量进行估算；S4：建立大数据分析模型，利用日常时间段人流量的数据作为参数，对大数据分析模型进行训练；S5：云服务器可以预测人流量数据回到对应的应用场景；S6：识别模块对图像进行识别后，统计图像中出现的人数，并通过摄像头所拍画面对人物携带的物品进行分析并进行重量预估；S7：将S1至S6中所预估的重量进行处理，分析电梯重量是否超重。

A Method of Elevator Weighing

An elevator weighing method includes the following steps: S1: acquiring the video from the elevator opening to the elevator closing; S2: analyzing the number of people flowing and the volume of people during the period according to the video taken; S3: estimating the weight of the elevator according to the data from S2; S4: building a large data analysis model and making use of daily life. The data of time interval traffic is used as parameters to train the large data analysis model; S5: cloud server can predict the data of traffic back to the corresponding application scenario; S6: Recognition module can count the number of people in the image after recognizing the image, and analyze and estimate the weight of the objects carried by the people through the images taken by the camera; S7: Predict from S1 to S6. The weight of the elevator is processed to analyze whether the elevator is overweight.

【技术实现步骤摘要】
一种电梯称重方法
本专利技术涉及电梯称重装置
，具体地说是一种电梯称重方法。
技术介绍
在众多大中型商场、酒店、学校、娱乐场所、住宅楼等地方都使用了电梯，电梯的普及无疑给人们的生活带来了极大的便利，节省了很多宝贵的时间。电梯的运行当中，电梯的称重装置对于电梯的安全运行非常重要。现有技术中的称重装置主要有两种，一种是采用微动开关的结构，通过绳头板压缩橡胶，橡胶压缩变形量达到一定值时触动微动开关实现报警，但橡胶的压缩变形量只有一定值，这种方式检测灵敏度低，达不到精确测量的要求；另一种是采用压敏式结构，在不可活动的轿底电梯中，绳头板给出的压力通过压力传感器以电信号的方式传输到称重装置，称重装置再将该信号以数字信号的方式传输给主板，从而判断电梯是否超载。压力传感器的调试以及称重装置的自学习经常会给安装人员带来很大的困扰，并且称重装置需要专业人员的定时调试，保障压力传感器准确的称重数据，否则电梯会经常报称重方面的故障，影响电梯的使用效率，且此种称重装置成本较高，不利于市场经济的竞争。另外由于轿厢内的人数不同以及各种原因会导致轿厢受力不均匀，使得安装在轿厢底部的磁体容易倾斜，这样就无法实现称重功能。例如申请号为：201610379118.9的中国专利公开了一种电梯称重装置，包括固定设置的固定绳头板(1)和位于固定绳头板(1)上方的活动绳头板(2)，其特征在于，所述的固定绳头板(1)与活动绳头板(2)之间设置有若干根相互平行的绳头杆(3)，绳头杆(3)垂直于固定绳头板(1)和活动绳头板(2)，绳头杆(3)上部固定在活动绳头板(2)上，绳头杆(3)下部穿过固定绳头板(1)上开设的通孔，并且在绳头杆(3)位于固定绳头板(1)和活动绳头板(2)之间的杆段上套装了弹簧(4)，所述的固定绳头板(1)上装置了位移传感器(5)，活动绳头板(2)上装置了与位移传感器(5)配合的磁钢块(6)，绳头杆(3)下端与电梯轿厢牵引绳连接；该申请公开的电梯称重装置结构简单，安装方便，调试操作简单快捷，调节空间大，省时省力，节约工程和人工成本，有效提高称重精度，在发生超重和松绳的状况时可以及时停止，提高电梯使用的安全性，但该申请中的绳头杆靠近活动绳头板一端为平面，当电梯出现倾斜等状况时，将出现称重不准等情况。但是，我们换个角度思考下问题，我们真的需要用这么复杂的机械结构来称重吗？称重精准真的很有必要吗？所以一种粗略估量乘客重量的电梯称重装置急需专利技术。
技术实现思路
本申请的目的是针对现有技术存在的电梯称重结构过于复杂的问题，提供一种电梯称重装置。本申请的目的是通过以下技术方案解决的：一种电梯称重方法，所述电梯称重方法包括以下步骤：S1：获取电梯开门至电梯关门这段时间的视频；S2：根据所拍摄的视频，分析出这段时间的人员流动数以及人员体积；S3：根据S2的所得数据，对此时电梯的人员重量进行估算；S4：建立大数据分析模型，利用日常时间段人流量的数据作为参数，对大数据分析模型进行训练；S5：云服务器可以预测人流量数据回到对应的应用场景；S6：识别模块对图像进行识别后，统计图像中出现的人数，并通过摄像头所拍画面对人物携带的物品进行分析并进行重量预估；S7：将S1至S6中所预估的重量进行处理，分析电梯重量是否超重。进一步的，一种电梯称重方法，S6中，所述识别模块为骨骼动作识别模型,所述骨骼动作识别模型为通过人体骨骼关键点对人体姿态进行预测。进一步的，一种电梯称重方法，S2中，所述人员体积通过红外扫描三维模型进行估算。进一步的，一种电梯称重方法，s7中，所述重量预留100kg的缓冲重量。一种电梯称重装置，所述电梯称重装置包括识别模块、分析模块、传输模块以及警告模块，所述识别模块包括摄像头、高速闪存；所述分析模块设置于控制室，所述控制室包括备用电源，所述分析模块采用云计算进行数据处理，所述传输模块采用专线传输或无线传输，所述警告模块包括蜂鸣器，所述摄像头包括第一摄像头与第二摄像头，所述第一摄像头设置于电梯内部，所述第二摄像头设置于每层电梯门口。进一步的，一种电梯称重装置，所述第一摄像头与第二摄像头为360°全景摄像头。进一步的，一种电梯称重装置，所述摄像头还设置有3D扫描模块。进一步的，一种电梯称重装置，所述电梯称重装置还包括制动系统，所述制动系统与分析模块相连。进一步的，一种电梯称重装置，所述蜂鸣器还包括一警报灯。进一步的，一种电梯称重装置，所述高速闪存的容量为300G。本申请相比现有技术有如下优点：(1)本申请采用云计算进行重量的预测，告别传统复杂的称重结构。(2)本申请采用3D扫描对人员体积进行预测，在利用人体平均密度进行估算。(3)本申请采用机器学习系统，可以通过不断的学习，自主学习人员的随身携带的物品，从而通过大数据获取物品的质量。具体实施方式下面将结合本专利技术实施例，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。男人人体密度估算公式：(A为上臂皮脂，B为肩胛皮脂)1.0913-0.0016×(A+B)；女人人体密度估算公式：(A为上臂皮脂，B为肩胛皮脂)1.0897-0.00133×(A+B)。全国男人25-29岁上臂皮脂厚度监测值为10.8，肩胛皮脂监测15.8；全国女人25-29岁上臂皮脂厚度监测值为17.5，肩胛皮脂监测17.5。基本能代表男女人体密度的总体差异，男人的人体密度大于女人；人体密度略微大于水。由此可见，我们只要能知道体积，就可以大概知道人体重量。实施例一一种电梯称重方法，所述电梯称重方法包括以下步骤：S1：获取电梯开门至电梯关门这段时间的视频；S2：根据所拍摄的视频，分析出这段时间的人员流动数以及人员体积；S3：根据S2的所得数据，对此时电梯的人员重量进行估算；S4：建立大数据分析模型，利用日常时间段人流量的数据作为参数，对大数据分析模型进行训练；S5：云服务器可以预测人流量数据回到对应的应用场景；S6：识别模块对图像进行识别后，统计图像中出现的人数，并通过摄像头所拍画面对人物携带的物品进行分析并进行重量预估；S7：将S1至S6中所预估的重量进行处理，分析电梯重量是否超重。进一步的，一种电梯称重方法，S6中，所述识别模块为骨骼动作识别模型,所述骨骼动作识别模型为通过人体骨骼关键点对人体姿态进行预测。进一步的，一种电梯称重方法，S2中，所述人员体积通过红外扫描三维模型进行估算。进一步的，一种电梯称重方法，s7中，所述重量预留100kg的缓冲重量。下面引入神经网络，具体方案如下：神经网络一共包含三层，即输入层，隐含层和输出层。这里的输入层是价格影响因素，分别记为x1,x2,xn，输入层和隐含层之间是权重值，需要不断进行调整以获取期望输出，输出层这里是指价格。神经网络的学习算法是一种迭代算法，通常称为误差反向传播算法，一次学习过程由误差的反向传播和输入数据的正向传播两个过程组成。正向传播使输入信息在相应的权阈值和激活函数下传输到输出层，当输出误差大于给定精度时，则转入误差反向传播，在误差返回过程中，网络修正各层权重值，如此反复迭代直到达到给定的精本文档来自技高网...

【技术保护点】
1.一种电梯称重方法，其特征在于：所述电梯称重方法包括以下步骤：S1：获取电梯开门至电梯关门这段时间的视频；S2：根据所拍摄的视频，分析出这段时间的人员流动数以及人员体积；S3：根据S2的所得数据，对此时电梯的人员重量进行估算；S4：建立大数据分析模型，利用日常时间段人流量的数据作为参数，对大数据分析模型进行训练；S5：云服务器可以预测人流量数据回到对应的应用场景；S6：识别模块对图像进行识别后，统计图像中出现的人数，并通过摄像头所拍画面对人物携带的物品进行分析并进行重量预估；S7：将S1至S6中所预估的重量进行处理，分析电梯重量是否超重。

【技术特征摘要】
1.一种电梯称重方法，其特征在于：所述电梯称重方法包括以下步骤：S1：获取电梯开门至电梯关门这段时间的视频；S2：根据所拍摄的视频，分析出这段时间的人员流动数以及人员体积；S3：根据S2的所得数据，对此时电梯的人员重量进行估算；S4：建立大数据分析模型，利用日常时间段人流量的数据作为参数，对大数据分析模型进行训练；S5：云服务器可以预测人流量数据回到对应的应用场景；S6：识别模块对图像进行识别后，统计图像中出现的人数，并通过摄像头所拍画面对人物携带的物品进行分析并进行重量预估；S7：将S1至S6中所预估的重量进行处理，分析电梯重量是否超重。2.根据权利要求1所述的电梯称重方法，其特征在于：S6中，所述识别模块为骨骼动作识别模型,所述骨骼动作识别模型为通过人体骨骼关键点对人体姿态进行预测。3.根据权利要求1所述的电梯称重方法，其特征在于：S2中，所述人员体积通过红外扫描三维模型进行估算。4.根据权利要求1所述的电梯称重方法，其特征在于：s7中，所...

【专利技术属性】
技术研发人员：范小斌，李申，顾建国，
申请(专利权)人：海安县申菱电器制造有限公司，
类型：发明
国别省市：江苏,32