一种群控电梯交通模式识别的方法技术

一种群控电梯交通模式识别的方法，涉及一种电梯模式识别方法，本发明专利技术涉采用yolov5目标检测技术构建出乘客人流量状况检测模型，通过模型对乘客人流量进行检测，提取乘客人流量数据，完成交通模式的识别和派梯的调度优化。本发明专利技术中的交通模式识别，可以识别出实时的、有效的、精确的人流量数据，以实际的人流量进行分析，分配出符合当前人流量状况的交通模式。本发明专利技术在传统的电梯群控系统中加入改进的图像处理技术，通过以实际有效的人流量状况来设计交通模式识别模块，使得模块识别的人流量状况具有时效性和真实性，对于电梯群控系统具有意义。意义。意义。

【技术实现步骤摘要】
一种群控电梯交通模式识别的方法


[0001]本专利技术涉及一种电梯模式识别方法，特别是涉及一种针对群控电梯运行构建交通模式模型方法。

技术介绍

[0002]电梯从最早出现的机械控制方式到电机拖动控制以及现在的智能控制已经发展了100多年了，特别是在PLC出现之后，电梯控制也逐步趋向于成熟。现代楼宇建设和规划已经不再是住房或者办公这么单一了，更多的是趋向于商业化和多元化方向，楼层也越来越高，商业模式也越来越多，楼宇内部人流状况也越来越大，因此传统意义上的电梯很难满足现代楼宇的需求。
[0003]电梯作为楼宇内部的主要交通工具，承担着运送人员在楼宇内进行上下移动的职责。电梯最早是以机械的方式出现在人们的视野中，后来随着电气控制的发展，以电气控制为主的单步电梯成为了主流。但是，单步电梯在面对人流量较大，楼层数目较高的楼宇时就很难在满足运送乘客的要求，因此群控电梯逐步取代了单步电梯，群控电梯的各项性能指标对于乘客来说是很重要的，群控系统的性能将会决定乘客的侯梯等待时间和乘梯时间。
[0004]电梯具有非线性、离散型和不确定性，因此很难建立准确的数学模型，基于此，如何满足群控电梯系统的调度将是提高群控系统性能的主要问题。

技术实现思路

[0005]本专利技术的目的在于提供一种群控电梯交通模式识别的方法，本专利技术以目标检测作为切入点，通过对电梯轿厢内布和侯梯人员进行实时检测，进而得到实际的乘客人流量状况，系统内部的控制模块通过对人流量数据进行整合，得到符合当前人流量的交通模式，提高群控系统的运行效率。
[0006]本专利技术的目的是通过以下技术方案实现的：一种群控电梯交通模式识别的方法，所述方法包括构建交通模式识别的图像检测网络模型，交通模式识别模块对图像模型提取数据并根据实时状况进行分配交通模式，具体包括以下步骤：1）制作用于电梯群控系统目标检测的乘客数据集；2）采用深度学习pytorch框架配置网络的环境，在该环境下完成yolov5的模型构建；3）在yolov5的原有模型框架中加入了CA注意力机制来优化模型；4）将预处理完成的数据集作为网络的输入并进行训练，加载yolov5s预训练权重，采用CIOU作为损失函数；5）采用拍摄电梯乘客的视频来对网络模型进行检测；6）交通模式识别模块对系统检测的人流量状况进行整理，根据人流量数据决策出适合的电梯交通模式。
[0007]所述的一种群控电梯交通模式识别的方法，所述系统包括对输入模型的图片数据集进行预处理操作；针对电梯群控交通模式识别，数据集采用乘梯或者侯梯时乘客的图片数据；收集监控设备的录像并将其分帧处理，得到各种情况下乘客的图像，将电梯乘客图片进行收集整理并将图片转换为JPG格式，其次将图片数据采用labelimg工具进行标注，然后将标签格式以xml格式进行输出，由于yolo的标签格式采用txt，所以需要通过代码将xml格式的标签转换为txt格式；在网络训练时需要将数据划分为训练集和测试集，这里将数据集的80%作为网络的训练集，剩下20%的数据集作为测试集。
[0008]所述的一种群控电梯交通模式识别的方法，所述对图片数据集所做预处理，完成图像处理目标检测模型的搭建；模型架构分为input输入端、Backbone主干网络、Neck网络层、Head输出端四个部分，输入端对输入的图片进行处理，采用Mosaic数据增强、自适应锚框计算、自适应图片缩放等形式提升模型训练的速度和网络的精度，Backbone网络采用Focus结构和CSP结构搭建图像特征的神经网络，Neck网络采用FPN+PAN结构加强网络特征融合能力，Head采用CIOU作为损失函数对图像特征进行预测，生成边界框和类别置信度；模型加载yolov5s预训练权重，初始学习率采用0.01，动量设置0.957，损失增益设置0.53，损失函数采用CIOU，其余参数采用默认值。
[0009]所述的一种群控电梯交通模式识别的方法，所述搭建目标检测模型，为了进一步提高模型的精度，采用CA注意力机制对网络模型进行优化，在搭建完成的yolov5主干网络中添加注意力机制，该机制将位置信息嵌入到通道注意力中，获得特征图在高度和宽度上的注意力权重，最终在原始特征图上通过融入注意力权重，加强网络检测精度；CA注意力机制公式如下： (1)加入CA注意力机制的模型对比初始模型，map上升了0.5%左右，对于模型检测乘客人流量具有意义。
[0010]所述的一种群控电梯交通模式识别的方法，所述完成对模型的优化，设置一次输入到网络中数据的张数、训练的轮数、工作线程等一些参数，开始对模型进行训练；模型训练完成之后，检查模型的性能指标是否合理，开启摄像头对输入数据进行检测，查看预测框的置信度。
[0011]所述的一种群控电梯交通模式识别的方法，所述模型训练完成并进行测试，三部十层电梯群控系统使用目标检测网络对乘客的数据进行提取，系统会将每个楼层的侯梯人数以及轿厢内的乘梯人数进行记录，在一定的间隔时间内，记录乘客的平均乘梯时间和平均侯梯时间以及目标楼层的停留时间等数据，并将数据传输到信息管理模块，用于对电梯调度进行优化；交通模式识别模块会得到目标检测的人流量数据，根据实时检测的人流量数据选择适合当前状况的交通模式。
[0012]本专利技术的优点与效果是：1.本专利技术提出一种基于yolov5的目标检测算法在群控电梯交通模式识别中的应用。采用yolov5目标检测算法对电梯轿厢内部乘客和侯梯乘客进行检测，得到实时的人流量状况，将数据传输到相应的控制模块，最终系统会根据人流量数据选择适合当前的交通模式。采用目标检测技术相比传统时间序列模型具有高效性、精准性和实时性，能够使系统
得到当前实际有效的人流量数据，进而可以提高交通模式识别的准确能力，最终实现提高派梯策略。
[0013]2.本专利技术采用基于目标检测的方法，将图像识别加入到电梯群控系统之中，通过对真实轿厢内外的乘客进行检测，可以实时得到乘客的人流量状况，相较于传统的时间序列预测算法，具有极强的真实性和时效性，通过将实际的人流量数据传输到交通模式识别模块中，可以决策出最为符合当前人流量的交通模式。此外，可以通过检测乘客的平均乘梯时间和平均侯梯时间等数据用于优化调度算法。在yolov5目标检测算法中加入了CA注意力机制，对原有算法进行了优化，提高了网络的精度，有助于系统交通模式识别。
附图说明
[0014]图1是本专利技术三部十层电梯群控系统功能结构图；图2是本专利技术yolov5模型架构图；图3是本专利技术CA注意力机制网络结构图；图4是本专利技术模型训练流程图；图5是本专利技术map精度图；图6是本专利技术损失函数图；图7是本专利技术流程图。
具体实施方式
[0015]本专利技术一种基于yolov5的目标检测算法在群控电梯交通模式识别中的应用，步骤如下：1、制作用于电梯群控系统目标检测的乘客数据集；2、采用深度学习pytorch框架配置网络的环境，在该环境下完成yolov5的模型构建；3、在yolov5的原有模型框架中加入了CA注意力机制来优化模型；4、将预处理完成的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群控电梯交通模式识别的方法，其特征在于，所述方法包括构建交通模式识别的图像检测网络模型，交通模式识别模块对图像模型提取数据并根据实时状况进行分配交通模式，具体包括以下步骤：1）制作用于电梯群控系统目标检测的乘客数据集；2）采用深度学习pytorch框架配置网络的环境，在该环境下完成yolov5的模型构建；3）在yolov5的原有模型框架中加入了CA注意力机制来优化模型；4）将预处理完成的数据集作为网络的输入并进行训练，加载yolov5s预训练权重，采用CIOU作为损失函数；5）采用拍摄电梯乘客的视频来对网络模型进行检测；6）交通模式识别模块对系统检测的人流量状况进行整理，根据人流量数据决策出适合的电梯交通模式。2.根据权利要求1所述的一种群控电梯交通模式识别的方法，其特征在于，所述系统包括对输入模型的图片数据集进行预处理操作；针对电梯群控交通模式识别，数据集采用乘梯或者侯梯时乘客的图片数据；收集监控设备的录像并将其分帧处理，得到各种情况下乘客的图像，将电梯乘客图片进行收集整理并将图片转换为JPG格式，其次将图片数据采用labelimg工具进行标注，然后将标签格式以xml格式进行输出，由于yolo的标签格式采用txt，所以需要通过代码将xml格式的标签转换为txt格式；在网络训练时需要将数据划分为训练集和测试集，这里将数据集的80%作为网络的训练集，剩下20%的数据集作为测试集。3.根据权利要求2所述的一种群控电梯交通模式识别的方法，其特征在于，所述对图片数据集所做预处理，完成图像处理目标检测模型的搭建；模型架构分为input输入端、Backbone主干网络、Neck网络层、Head输出端四个部分，输入端对输入的图片进行处理，采用Mosaic数据增强、自适应锚框计算、自适应图片缩放等形式提升模型训练的速度和网络...

【专利技术属性】
技术研发人员：陈斌，陈柯，郭瑞华，张美晨，梁宁，王建荣，韩雪，陈金喆，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：