一种基于深度学习的电梯内异常行为检测系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109165558A(43)申请公布日2019.01.08(21)申请号201810833881.3(22)申请日2018.07.26(71)申请人浙江大学地址310058浙江省杭州市西湖区余杭塘路388号(72)发明人刘勇张江宁(74)专利代理机构浙江杭州金通专利事务所有限公司33100代理人刘晓春(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于深度学习的电梯内异常行为检测系统(57)摘要一种基于深度学习的电梯内异常行为检测系统，包括音视频管理模块、深度学习检测模块和数据分析模块；音视频管理模块包括数据获取模块、数据存储模块和API接口模块；深度学习检测模块与音视频管理模块连接，深度学习检测模块包括数据标注模块、模型训练模块和模型存储模块；数据分析模块与深度学习检测模块连接，数据分析模块包括数据滤波模块、结果分析模块和结果存储模块；数据滤波模块对检测数据进行滤波；结果分析模块对滤波后的检测数据进行分析；结果存储模块对滤波后的检测数据和/或分析结果进行存储。本发明用机器取代人力对电梯内异常行为进行检测，减少购买者雇佣人力成本并提高工作效率。CN109165558ACN109165558A权利要求书1/1页1.一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述系统包括音视频管理模块、深度学习检测模块和数据分析模块；所述音视频管理模块包括数据获取模块、数据存储模块和API接口模块；所述数据获取模块能够实时获取电梯部署的摄像头和麦克风的视频和音频数据，所述数据存储模块存储所述数据获取模块获取的视频和音频数据，所述API接口模块开放接口以供其他模块调用数据；所述深度学习检测模块与所述音视频管理模块连接，所述深度学习检测模块包括数据标注模块、模型训练模块和模型存储模块；所述深度学习检测模块包括视频异常行为检测模型和音频异常行为检测模型；所述深度学习检测模块通过API接口模块调用所述视频和音频数据；所述数据标注模块对数据中选定的音频和视频进行标注；所述模型训练模块使用标注的视频数据训练视频异常行为检测模型，使用标注的音频数据训练音频异常行为检测模型，对两者检测数据融合后进行统一分析，生成检测模型；所述模型存储模块存储所述检测模型；生成并存储所述检测模型后，所述检测模型对视频和音频数据进行检测并生成检测数据，并将所述检测数据发送到所述数据分析模块；所述数据分析模块与所述深度学习检测模块连接，所述数据分析模块包括数据预处理模块和结果分析模块；所述数据预处理模块对所述检测数据进行滤波，所述结果分析模块对滤波后的检测数据进行分析，并对滤波后的检测数据和/或分析结果进行存储；所述结果分析模块包括可视化模块和提醒模块，所述可视化模块对原始视频和检测分析结果进行可视化操作，所述提醒模块对不符合规定的操作进行提醒。2.根据权利要求1所述的一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述模型训练模块采用卷积网络加上全连接网络对视频数据进行训练。3.根据权利要求2所述的一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述模型训练模块采用8层3维卷积网络加上3层全连接网络对视频数据进行训练。4.根据权利要求1所述的一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述模型训练模块采用Wavenet网络加上全连接网络对音频数据进行训练。5.根据权利要求4所述的一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述模型训练模块采用Wavenet网络加上2层全连接网络对音频数据进行训练。6.根据权利要求1所述的一种基于深度学习的电梯内异常行为检测系统，其特征在于，所述数据标注模块包括标注工具模块和检测工具模块，所述标注工具模块对数据进行标注，所述检测工具模块对标注工具模块的标注结果进行检测。2CN109165558A说明书1/4页一种基于深度学习的电梯内异常行为检测系统技术领域[0001]本发明涉及一种电梯内异常行为检测系统，尤其涉及一种基于深度学习的电梯内异常行为检测系统。背景技术[0002]现如今电梯在我们的生活中扮演着重要的角色，无论是商场、小区还是其他场所，电梯已成为方便人们的标配设施。与此同时，电梯购买者需要雇佣一定的人力对电梯视频进行监视，发现有异常行为（电梯故障、电梯内打斗、电梯内有人摔倒等）发生时及时进行处理，以保证电梯安全有效地运行。这种监控方式对于电梯购买者来说需要花费额外的人力、财力，对于使用者来说需要承担监控人员工作松懈、失误的代价，尤其是夜间有许多电梯购买者不会雇佣人力进行监控，造成一定时间段的监控盲区。针对传统电梯监控存在的上述现象，