一种基于深度学习的电梯开关门状态识别方法及装置与流程

技术特征：
1.一种基于深度学习的电梯开关门状态识别方法，其特征在于：所述方法包括：获取电梯内第一视频数据，当所述第一视频数据中电梯门区域的像素变化情况大于第一阈值时，将所述第一视频数据传输至深度学习识别模型，所述深度学习识别模型输出第一电梯门状态。2.根据权利要求1所述的方法，其特征在于：计算所述第一视频数据中电梯门区域的像素变化情况，包括：计算电梯门区域的相邻帧的所有像素变化情况，统计发生变化的像素的数量，基于所述像素的数量计算得出所述像素变化情况，包括：将统计得出的发生变化的像素的数量作为所述像素变化情况；或，将统计得出的发生变化的像素的数量进行转换处理后的数值作为所述像素变化情况。3.根据权利要求2所述的方法，其特征在于：对所述第一视频数据进行乘员识别计数，基于计数结果确定所述第一阈值的取值，其中，所述第一阈值的取值与所述计数结果成正相关关系。4.根据权利要求1
‑
3任一项所述的方法，其特征在于：所述第一电梯门状态包括全开门、半开门、关门。5.根据权利要求1所述的方法，其特征在于：在将所述第一视频数据传输至深度学习识别模型之前，还包括训练步骤，包括：采集电梯内的第二视频数据，提取其中包含电梯开关门状态的若干视频帧，对所述视频帧进行人工标注，将所述视频帧和对应的标注送入所述深度学习识别模型，以得到经过训练的所述深度学习识别模型。6.根据权利要求5所述的方法，其特征在于：所述深度学习识别模型包括：卷积层模块，用于对输入的视频数据进行多次的卷积、池化处理，提取具有判别性的深度特征；三分支卷积层模块，用于通过不同的分支来分别学习所述卷积层模块末尾层输出的特征，其中，该三分支卷积层模块的卷积层权重在训练过程中随机初始；分类器层模块，用于对三分支卷积层模块输出的特征进行分类。7.根据权利要求4所述的方法，其特征在于：在所述深度学习识别模型输出第一电梯门状态为半开门或关门之后，还包括：基于所述第一视频数据对电梯门区域子图像进行连通域分析，若存在面积大于第二阈值的连通域，则调取第三视频数据，将所述第三视频数据输入所述深度学习识别模型，所述深度学习识别模型输出第二电梯门状态，若所述第二电梯门状态与所述第一电梯门状态相同，则将所述第一电梯门状态作为最终的电梯门状态进行输出；否则，进一步基于所述第三视频数据对电梯门区域子图像进行连通域分析，若不存在面积大于第二阈值的连通域，则将所述第二电梯门状态作为最终的电梯门状态进行输出。8.一种基于深度学习的电梯开关门状态识别装置，其特征在于：所述装置包括获取模块、传输模块、深度学习识别模块、输出模块；其中，所述获取模块，用于获取电梯内第一视频数据；所述传输模块，用于当所述第一视频数据中电梯门区域的像素变化情况大于第一阈值时，将所述第一视频数据传输至深度学习识别模块，
所述深度学习识别模型，用于对所述第一视频数据进行识别，输出第一电梯门状态。9.一种电子设备，其特征在于：所述设备包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1
‑
7任一项所述的方法。10.一种计算机存储介质，其特征在于：所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1
‑
7任一项所述的方法。

技术总结
本发明公开了一种基于深度学习的电梯开关门状态识别方法、装置、电子设备及计算机存储介质。其中，所述方法包括：获取电梯内第一视频数据，当所述第一视频数据中电梯门区域的像素变化情况大于第一阈值时，将所述第一视频数据传输至深度学习识别模型，所述深度学习识别模型输出第一电梯门状态。本发明的方案采用计算机视觉技术来监测电梯开关门状态，有效降低了成本，而且深度学习识别模型的训练数据包括足够多的场景，具有更强的泛化性，识别准确性高。高。


技术研发人员：丁武 林琳 李林
受保护的技术使用者：辽宁华盾安全技术有限责任公司
技术研发日：2021.08.13
技术公布日：2021/11/14