一种电扶梯上行人逆行检测方法及系统技术方案

本发明专利技术提供一种电扶梯上行人逆行检测方法，包括接收由摄像头对电扶梯进行实时拍摄的视频；对实时拍摄的视频进行图像分析，以判别电扶梯上是否有运动的行人；在判定出电扶梯上有至少一运动行人时，对实时拍摄的视频中所有的运动行人进行目标跟踪，以得到各运动行人的追踪视频，并通过预设的光流法对各运动行人的追踪视频进行分析，以完成各运动行人与电扶梯的运动方向判断，确定电扶梯上运动行人逆行与否。本发明专利技术还提供一种电扶梯上行人逆行检测系统。实施本发明专利技术，能克服传统光流运动方向检测法所存在的问题，提前检测电扶梯上行人逆行风险，降低事故率，减少管理难度和现场部署难度，使电扶梯运行更加安全。使电扶梯运行更加安全。使电扶梯运行更加安全。

【技术实现步骤摘要】
一种电扶梯上行人逆行检测方法及系统


[0001]本专利技术涉及智能控制
，尤其涉及一种电扶梯上行人逆行检测方法及系统。

技术介绍

[0002]随着城市化进程和商超的崛起，现实生活中越来越多的场景用到的电扶梯。然而，在电扶梯的使用过程中，往往存在着人员拥挤、推搡、儿童玩耍和人员逆行的不安全现象，造成人员的跌倒及受伤等重大安全事故。因此，需要及时对不文明行为进行警告，并在危险发生时对电扶梯进行急停处理。
[0003]人工管理的情况下，鉴于事故发生的突发性，一旦难以及时发现不文明的乘梯行为，则容易导致严重的事故。
[0004]目前，电扶梯上行人逆行检测方法为传统的光流运动方向检测法，其通过对行人身上的关键角点进行跟踪，并将角点的运动轨迹与电扶梯的运动方向进行比较来判断行人是否逆行，但该方法需额外输入电扶梯的运动方向，对摄像头安装要求高、角度限制及图像点处理要求精细，尤其是拥挤场景存在误报可能，不能很好的达到要求。
[0005]因此，有必要提供一种电扶梯上行人逆行检测方法，能克服传统光流运动方向检测法所存在的上述问题，提前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电扶梯上行人逆行检测方法，其特征在于，所述方法包括以下步骤：S1、接收由摄像头对电扶梯进行实时拍摄的视频；S2、基于预设的深度学习模型，对所述实时拍摄的视频进行图像分析，以判别所述电扶梯上是否有运动的行人；S3、在判定出所述电扶梯上有至少一运动的行人时，对所述实时拍摄的视频中所有运动行人进行目标跟踪，以得到各运动行人的追踪视频，并通过预设的光流法对各运动行人的追踪视频进行分析，以完成各运动行人与所述电扶梯的运动方向判断，确定所述电扶梯上运动行人逆行与否。2.如权利要求1所述的电扶梯上行人逆行检测方法，其特征在于，所述步骤S2具体包括：提取预先定义已训练好的YOLO神经网络模型为深度学习模型；在所述实时拍摄的视频中，提取电扶梯所处区域框选为ROI感兴趣区域内的视频；基于所述已训练好的YOLO神经网络模型，对所提取的视频进行图像分析，识别出所述感兴趣ROI区域内是否有行人；若有，则认定为所述电扶梯上有运动的行人；若否，则认定为所述电扶梯上没有运动的行人。3.如权利要求2所述的电扶梯上行人逆行检测方法，其特征在于，所述YOLO神经网络模型训练的步骤具体包括：收集行人数据，并基于所述行人数据，制作行人特征图像数据集；在预处理阶段，将行人特征图像数据集中所有行人特征图像统一处理图片分辨率大小为416x416，并用图片标注工具进行标签标注；将所有统一格式处理后的行人特征图像与其生成的标签均制作成指定格式的图像数据，并将所有制作好的图像数据均送入YOLO神经网络模型中，设置相应参数并进行训练，直到loss函数曲线收敛为止，得到所述已训练好的YOLO神经网络模型；其中，所述参数包括：学习率0.01、batch size为64、dropout为0.25以及迭代次数为5万。4.如权利要求1所述的电扶梯上行人逆行检测方法，其特征在于，所述步骤S3具体包括：在判定出所述电扶梯上有至少一运动的行人时，基于预设的卡尔曼滤波的目标追踪算法，在所述实时拍摄的视频中，对所有运动行人分别进行目标追踪，以得到各运动行人的追踪视频；通过所述预设的光流法分析各运动行人的追踪视频，以生成各运动行人各自对应的色值图像，并采用行人识别框，选取各运动行...

【专利技术属性】
技术研发人员：李克祥，朱朝柯，郑国华，邵卫华，王国庆，
申请(专利权)人：浙江索思科技有限公司，
类型：发明
国别省市：