电梯内异常行为检测系统设计

论文摘要

针对电梯内乘客的异常行为检测问题,提出了一种基于深度学习的异常行为监测系统。首先将画面采集到云平台,之后使用YOLO算法来检测画面内显示的人数。同时从时间和空间描述监控画面内的运动特征,通过能量函数的数值,并结合电梯内的人数来判定异常行为的发生与否。实验结果表明,该检测系统应用在实际拍摄的图像中准确率达到90.3%,证明具有一定可行性。

论文目录

• 1 系统流程
• 2 基于YOLOv3算法的人数估计模型
•   2.1 YOLO原理
•   2.2 人数估计模型
• 3 异常行为判断
•   3.1 特征提取
•   3.2 能量函数
•   3.3 判别规则
• 4 结束语

文章来源

类型: 期刊论文

作者: 钱国华,程芳芳,朱孝慈,丁力,岳友,陆一洲,牛丹

关键词: 深度学习,电梯,异常行为检测

来源: 工业控制计算机 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 建筑科学与工程,计算机软件及计算机应用,自动化技术

单位: 申龙电梯股份有限公司,东南大学自动化学院

基金: 国家自然科学基金项目(61504027),江苏省重点研发计划项目(BE2017076),2018江苏省工信厅产业转型升级专项,苏州市重点产业技术创新项目(SGC201733,SGC201854),江苏省国际科技合作项目(BZ2018023)

分类号: TP18;TP391.41;TU857

页码: 91-92+105

总页数: 3

文件大小: 790K

下载量: 117