【技术实现步骤摘要】
本专利技术涉及目标检测领域，具体涉及一种基于目标检测的电梯乘客人数监测方法、装置及可读介质。
技术介绍
1、由于社会经济的高速发展，土地的需求日益增长，为了节省空间，城镇的高层及超高层建筑不断增加，电梯已成为高层建筑不可缺少的运输工具。随着电梯数量的不断增加，电梯智能化的不断发展以及电梯搭载人数的不断攀升，电梯的隐患也变得越来越多，电梯安全也就成了不可避免的话题。庞大的电梯保有量更加需要去注意电梯运行中的安全性。
2、造成我国电梯安全事故的两大诱因一个是电梯门，80％的电梯事故都与电梯门的故障有关，而电梯门的开关又是电梯运行中不可或缺的一环；另一个诱因是超载，重量超载会引起警报器发出警报，但若在规定重量内人数超载，导致电梯轿厢内过分拥挤，同样会导致安全事故。传统电梯监控手段采用人工检测的方式，监控系统对视频信号进行录制和保存，再将监控画面传输到监控室，若监控范围较小，监控画面较少，监控人员尚可对电梯内的异常事故及时发现并进行处理；而在大型商场和社区，往往有着数量众多的监控摄像头，监控室里的监控人员也面对着几十甚至上百个监控画面，由于不同摄像头所处位置的光线明暗不同，长时间地监控观察下人眼会产生疲劳，不可避免地会错过很多有效信息，进而导致事故发生时未能及时处理，在事后进行翻找回看监控录像，这对人力财力无疑是一种浪费。
技术实现思路
1、本申请的目的在于针对上述提到的技术问题提出一种基于目标检测的电梯乘客人数监测方法、装置及可读介质。
2、第一方面，本专利技术提
3、获取拍摄到并经过预处理后的电梯轿厢内人体图像；
4、构建基于改进的yolov5模型的电梯内人体检测模型并训练，得到经训练的电梯内人体检测模型，电梯内人体检测模型在yolov5模型的骨干网络中的第二个csp模块与第三个cbl模块之间、第三个csp模块与第四个cbl模块之间以及spp模块的后面分别增加第一个csp_dense模块、第二个csp_dense模块和第三个csp_dense模块，第三个csp_dense模块输出的第三特征图输入yolov5模型的颈部网络的输入层，第二个csp_dense模块输出的第二特征图输入颈部网络的第一个特征融合层，第一个csp_dense模块输出的第一特征图输入颈部网络的第二个特征融合层；
5、将电梯轿厢内人体图像输入经训练的电梯内人体检测模型，得到目标检测结果，根据目标检测结果确定电梯乘客人数，基于电梯乘客人数进行预警。
6、作为优选，csp_dense模块将yolov5s模型的csp模块中的resunit结构替换为denseunit结构，并将resunit结构后面的卷积层替换为坐标注意力模块。
7、作为优选，denseunit结构包括依次连接的第一个bottleneck结构、第二个bottleneck结构和卷积层，denseunit结构的输入特征分别输入至第一个bottleneck结构、第二个bottleneck结构和卷积层，第一个bottleneck结构的输出特征分别输入至第二个bottleneck结构和卷积层。
8、作为优选，bottleneck结构为第一卷积模块和第二卷积模块构成的残差结构，第一卷积模块与第二卷积模块均包括依次连接的bn层、silu激活函数层和cbl模块，第一卷积模块的cbl模块中的卷积层的大小为1×1，第二卷积模块的cbl模块中的卷积层的大小为3×3。
9、作为优选，电梯内人体检测模型的输入端对电梯轿厢内人体图像进行数据增强、自适应锚框、自适应图片缩放。
10、作为优选，电梯内人体检测模型在训练过程中采用ciou损失函数作为边界框的损失函数，并采用非极大值一直对多目标框进行筛选。
11、第二方面，本专利技术提供了一种基于目标检测的电梯乘客人数监测装置，包括：
12、图像获取模块，配置为获取拍摄到并经过预处理后的电梯轿厢内人体图像；
13、模型构建模块，配置为构建基于改进的yolov5模型的电梯内人体检测模型并训练，得到经训练的电梯内人体检测模型，电梯内人体检测模型在yolov5模型的骨干网络中的第二个csp模块与第三个cbl模块之间、第三个csp模块与第四个cbl模块之间以及spp模块的后面分别增加第一个csp_dense模块、第二个csp_dense模块和第三个csp_dense模块，第三个csp_dense模块输出的第三特征图输入yolov5模型的颈部网络的输入层，第二个csp_dense模块输出的第二特征图输入颈部网络的第一个特征融合层，第一个csp_dense模块输出的第一特征图输入颈部网络的第二个特征融合层；
14、人体检测模块，配置为将电梯轿厢内人体图像输入经训练的电梯内人体检测模型，得到目标检测结果，根据目标检测结果确定电梯乘客人数，基于电梯乘客人数进行预警。
15、第三方面，本专利技术提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
16、第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
17、第五方面，本专利技术提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
18、相比于现有技术，本专利技术具有以下有益效果：
19、(1)本专利技术提出的基于目标检测的电梯乘客人数监测方法采用机器学习技术，区别于传统压力传感器所存在的问题，本专利技术监测识别精度更高，监测结果也更有效和可靠，得到的数据也更便于统计；相较于传统的视觉传感器对图像进行边缘提取并通过人像面积来判断人数的方法，本专利技术不仅精度更高，而且实时性更强。
20、(2)本专利技术提出的基于目标检测的电梯乘客人数监测方法通过引入机器学习技术到电梯监控领域中，能够对电梯进行24小时实时监控，并在故障发生时能够准确快速的通知到相关人员，将有利于电梯安全运行，大大提高电梯的安全性。
21、(3)本专利技术提出的基于目标检测的电梯乘客人数监测方法能够应用在电梯内的摄像头视频识别系统上，并与电梯plc调度系统建立通讯，从而可实现系统联动与控制。随着智能视频监控研究的不断深入，其必会在人们的日常生活中扮演重要的作用。
本文档来自技高网...【技术保护点】
1.一种基于目标检测的电梯乘客人数监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述CSP_dense模块将YOLOv5s模型的CSP模块中的ResUnit结构替换为DenseUnit结构，并将ResUnit结构后面的卷积层替换为坐标注意力模块。
3.根据权利要求2所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述DenseUnit结构包括依次连接的第一个Bottleneck结构、第二个Bottleneck结构和卷积层，所述DenseUnit结构的输入特征分别输入至所述第一个Bottleneck结构、所述第二个Bottleneck结构和卷积层，所述第一个Bottleneck结构的输出特征分别输入至所述第二个Bottleneck结构和卷积层。
4.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述Bottleneck结构为第一卷积模块和第二卷积模块构成的残差结构，所述第一卷积模块与第二卷积模块均包括依次连接的BN层、SiLU激活函数层和CBL模块，第一卷
5.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述电梯内人体检测模型的输入端对所述电梯轿厢内人体图像进行数据增强、自适应锚框、自适应图片缩放。
6.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述电梯内人体检测模型在训练过程中采用CIoU损失函数作为边界框的损失函数，并采用非极大值一直对多目标框进行筛选。
7.一种基于目标检测的电梯乘客人数监测装置，其特征在于，包括：
8.一种电子设备，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种基于目标检测的电梯乘客人数监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述csp_dense模块将yolov5s模型的csp模块中的resunit结构替换为denseunit结构，并将resunit结构后面的卷积层替换为坐标注意力模块。
3.根据权利要求2所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述denseunit结构包括依次连接的第一个bottleneck结构、第二个bottleneck结构和卷积层，所述denseunit结构的输入特征分别输入至所述第一个bottleneck结构、所述第二个bottleneck结构和卷积层，所述第一个bottleneck结构的输出特征分别输入至所述第二个bottleneck结构和卷积层。
4.根据权利要求1所述的基于目标检测的电梯乘客人数监测方法，其特征在于，所述bottleneck结构为第一卷积模块和第二卷积模块构成的残差结构，所述第一卷积模块与第二卷...
【专利技术属性】
技术研发人员：曾佳豪，朱毅勤，黄资瀚，刘书炘，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。