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
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