一种电梯调度方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术揭示了一种电梯调度方法、装置、计算机设备和存储介质，属于人脸识别技术领域，所述电梯调度方法包括：接收一楼层的候梯指令；获取所述楼层的候梯间内的图像；获取所述楼层的候梯间内的图像中的第一特征，组成所述楼层的候梯间内的图像的第一特征向量；将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果；若所述楼层的候梯间内的图像中不包含人脸信息，清除所述楼层的候梯指令。这样就优化了电梯的运行流程，缩短了电梯每次的运行的时间，提高了电梯的运行效率，大大缩短了用户的候梯时间，提升了用户的候梯体验。

Elevator dispatching method, device, computer equipment and storage medium

【技术实现步骤摘要】
一种电梯调度方法、装置、计算机设备和存储介质
本专利技术涉及人脸识别
，特别是涉及一种电梯调度方法、装置、计算机设备和存储介质。
技术介绍
由于现有技术中，电梯都是遵循特定的运行程序运行，当电梯等候大厅有人按下上行按钮或者下行按钮等候电梯时，电梯就会到达所述楼层来上下接送用户。当所述楼层没有等候者，但电梯之前被按下上行按钮或者下行按钮，但电梯还未到达时，电梯仍会按照特定程序在所述楼层停止、开门、关门离开，再去执行下一个命令。这就增加了用户的候梯时间，降低了用户的候梯体验，并造成了能量、资源上的浪费，电梯不必要的转换形态也会减少它的使用寿命。
技术实现思路
基于此，为解决相关技术中现行电梯调度方案会增加用户候梯时间的技术问题，本专利技术提供了一种电梯调度方法、装置、计算机设备和存储介质。第一方面，提供了一种电梯调度方法，包括：接收一楼层的候梯指令；获取所述楼层的候梯间内的图像；获取所述楼层的候梯间内的图像中的第一特征，组成所述楼层的候梯间内的图像的第一特征向量；将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果；若所述楼层的候梯间内的图像中不包含人脸信息，清除所述楼层的候梯指令。在其中一个实施例中，在清除所述楼层的候梯指令之后，所述方法还包括：接收电梯内的楼层指令；获取所述电梯内的图像中的第一特征，组成所述电梯内的图像的第一特征向量；将所述电梯内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述电梯内的图像是否包含人脸信息的结果；若所述电梯内的图像中不包含人脸信息，清除所述电梯内的所有楼层指令。在其中一个实施例中，所述第一机器学习模型如下训练出：用包含正样本和负样本的集合构成第一图像样本集，其中，所述正样本为包含人脸信息的图像，所述负样本为不包含人脸信息的图像。获取所述第一图像样本集中的每一个图像样本的第一特征，组成所述第一图像样本集中的每一个图像样本的第一特征向量；将所述第一图像样本集中的每一个图像样本的第一特征向量逐一输入第一机器学习模型中进行学习，所述第一机器学习模型输出是否包含人脸信息的判断结果，如果对于正样本输出不包含符合人脸信息的判断结果，或对于负样本输出包含人脸信息的判断结果，调整第一机器学习模型，使第一机器学习模型输出相反判断结果。在其中一个实施例中，在清除所述楼层的候梯指令之后，所述方法还包括：接收电梯内的楼层指令；获取所述电梯内的载重重量；判断所述载重重量是否超过预定启动阈值；若所述载重重量未超过预定启动阈值，清除所述电梯内的所有楼层指令。在其中一个实施例中，在接收楼层的候梯指令之后，所述方法还包括：获取所述电梯内的载重重量；判断所述载重重量是否超过预定承重阈值与预定承重差值之差，其中，所述承重差值用于指示将增加电梯载重的值；若所述载重重量超过预定承重阈值与预定承重差值之差，控制所述电梯仅按照电梯内的楼层指令停靠。在其中一个实施例中，获取所述楼层的候梯间内的图像，具体包括：从不同方向获取所述楼层的候梯间内的图像，所述不同方向不互相平行；将所述两个不同方向的图像合成为所述楼层的候梯间内的立体图像。在其中一个实施例中，在判断所述载重重量是否超过预定承重阈值与预定承重差值之差之前，将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果之后，还可以包括：如果所述第一机器学习模型输出所述楼层的候梯间内的图像包含人脸信息的结果，定位所述楼层的候梯间内的立体图像中的所有人像；分别获取所述楼层的候梯间内的立体图像中的每一张人像中的第二特征，分别组成所述人脸的第二特征向量；将所述人脸的第二特征向量输入到第二机器学习模型，所述第二机器学习模型输出所述人像的体重值；根据所述所有人像的体重值确定所述预定承重差值；其中，所述第二机器学习模型如下训练出：获取包括人像的楼层的候梯间内的立体图像的第二图像样本集合，所述第二图像样本集合中的每个立体图像样本事先贴有体重标签；获取所述第二图像样本集中的每一个立体图像样本的第二特征，组成所述第一图像样本集中的每一个图像样本的第二特征向量；将所述第二图像样本集中的每一个立体图像样本的第二特征向量逐一输入第二机器学习模型，第二机器学习模型输出判定的体重，与贴有的体重标签比对，如不一致，则调整所述第二机器学习模型，使所述机器学习模型输出的体重与标签一致。第二方面，提供了一种电梯调度装置，包括：指令获取单元，用于接收楼层的候梯指令；图像获取单元，用于获取所述楼层的候梯间内的图像；特征获取单元，用于获取所述楼层的候梯间内的图像中的第一特征，组成所述楼层的候梯间内的图像的第一特征向量；人脸识别单元，用于将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果；指令清除单元，用于若所述楼层的候梯间内的图像中不包含人脸信息，清除所述楼层的候梯指令。第三方面，提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述电梯调度方法的步骤。第四方面，提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述电梯调度方法的步骤。本公开的实施例提供的技术方案可以包括以下有益效果：上述电梯调度方法、装置、计算机设备和存储介质，通过在接收楼层的候梯指令后，就开始获取所述楼层的候梯间内的图像根据所述图像判断所述图像中是否包含人脸信息。若包含有人脸信息，则表明有人在等待，若不包含人脸信息，则表明没有人在等待，就可以将所述楼层的侯梯指令清除，不在所述楼层停靠，继续执行其它任务。这样就优化了电梯的运行流程，缩短了电梯每次的运行的时间，提高了电梯的运行效率，使得用户在候梯过程中不会在出现电梯在没有人候梯的楼层制动开门，大大缩短了用户的候梯时间，提升了用户的候梯体验。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明图1是一个实施例中提供的电梯调度方法的实施环境图。图2是根据一示例性实施例示出的一种电梯调度方法的流程图。图3是根据图2对应实施例示出的另一种电梯调度方法的流程图。图4是根据图2或图3对应实施例示出的第一机器学习模型训练方法的一种具体实现流程图。图5是根据图2对应实施例示出的另一种电梯调度方法的流程图。图6是根据图2对应实施例示出的另一种电梯调度方法的流程图。图7是根据图6对应实施例示出的电梯调度方法中步骤S110的一种具体实现流程图。图8是根据图7对应实施例示出的另一种电梯调度方法的流程图。图9是根据图8对应实施例示出的第二机器学习模型训练方法的一种具体实现流程图。图10是根据一示例性实施例示出的一种电梯调度装置的框图。图11示意性示出一种用于实现上述电梯调度方法的电子设备示例框图。图12示意性示出一种用于实现上述电梯调度方法的计算机可读存储介质。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当本文档来自技高网...

【技术保护点】
1.一种电梯调度方法，其特征在于，所述方法包括：接收一楼层的候梯指令；获取所述楼层的候梯间内的图像；获取所述楼层的候梯间内的图像中的第一特征，组成所述楼层的候梯间内的图像的第一特征向量；将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果；若所述楼层的候梯间内的图像中不包含人脸信息，清除所述楼层的候梯指令。

【技术特征摘要】
1.一种电梯调度方法，其特征在于，所述方法包括：接收一楼层的候梯指令；获取所述楼层的候梯间内的图像；获取所述楼层的候梯间内的图像中的第一特征，组成所述楼层的候梯间内的图像的第一特征向量；将所述楼层的候梯间内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述楼层的候梯间内的图像是否包含人脸信息的结果；若所述楼层的候梯间内的图像中不包含人脸信息，清除所述楼层的候梯指令。2.如权利要求1所述的方法，其特征在于，在清除所述楼层的候梯指令之后，所述方法还包括：接收电梯内的楼层指令；获取所述电梯内的图像；获取所述电梯内的图像中的第一特征，组成所述电梯内的图像的第一特征向量；将所述电梯内的图像的第一特征向量输入到第一机器学习模型，所述第一机器学习模型输出所述电梯内的图像是否包含人脸信息的结果；若所述电梯内的图像中不包含人脸信息，清除所述电梯内的所有楼层指令。3.如权利要求1或2所述的方法，其特征在于，所述第一机器学习模型如下训练出：用包含正样本和负样本的集合构成第一图像样本集，其中，所述正样本为包含人脸信息的图像，所述负样本为不包含人脸信息的图像；获取所述第一图像样本集中的每一个图像样本的第一特征，组成所述第一图像样本集中的每一个图像样本的第一特征向量；将所述第一图像样本集中的每一个图像样本的第一特征向量逐一输入第一机器学习模型中进行学习，所述第一机器学习模型输出是否包含人脸信息的判断结果，如果对于正样本输出不包含符合人脸信息的判断结果，或对于负样本输出包含人脸信息的判断结果，调整第一机器学习模型，使第一机器学习模型输出相反判断结果。4.如权利要求1所述的方法，其特征在于，在清除所述楼层的候梯指令之后，所述方法还包括：接收电梯内的楼层指令；获取所述电梯内的载重重量；判断所述载重重量是否超过预定启动阈值；若所述载重重量未超过预定启动阈值，清除所述电梯内的所有楼层指令。5.如权利要求1所述的方法，其特征在于，在接收楼层的候梯指令之后，所述方法还包括：获取所述电梯内的载重重量；判断所述载重重量是否超过预定承重阈值与预定承重差值之差，其中，所述承重差值用于指示将增加电梯载重的值；若所述载重重量超过预定承重阈值与预定承重差值之差，控制所述电梯仅按照电梯内的楼层指令停靠。6.如权利要求5所述的方法，其特征在于，获取所述楼层的候梯间内的图像，具体包括：从不同方...

【专利技术属性】
技术研发人员：古明涌，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44