基于人体骨架序列的手扶电梯乘客异常行为识别

手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持向量机检测乘客人脸,并用改进的核相关滤波器对其进行跟踪,从而得到乘客在扶梯中的运动轨迹;接着利用卷积神经网络提取轨迹中乘客的人体骨架序列,并通过模板匹配从乘客人体骨架序列中检测异常行为骨架序列;最后利用动态时间规整将其与各类异常行为骨架序列匹配,基于k近邻方法识别异常行为.对10段扶梯视频的实验结果表明,文中所提的异常行为识别算法处理速度达到10帧/秒,识别准确率为93.2%,能够实时、准确地识别多种乘客异常行为.

基于视频监控的手扶电梯乘客异常行为识别

针对乘客在搭乘扶梯时的危险行为难以被实时准确检测的问题,提出了一种基于视频监控的手扶电梯乘客异常行为识别算法。首先,使用YOLOv3对图像中乘客的位置进行检测;接着,使用MobileNetv2作为基网络,结合反卷积层对检测出来的乘客进行人体骨架提取;然后,使用骨架距离作为跟踪依据,采用匈牙利匹配算法对相邻帧间的人体骨架进行匹配,实现视频中乘客的ID号分配;最后,通过图卷积神经网络对乘客关键点信息进行异常行为识别。在GTX1080GPU上的实验结果表明,文中提出的识别算法的处理速度能达到15 f/s,异常行为识别准确率达94.3%,能够实时准确地识别手扶电梯上乘客的异常行为。

手扶电梯的动态特性与控制方法

对手扶电梯的动态特性与控制方法进行分析具有重要的应用价值。针对传统手扶电梯控制方法的不足,文章提出一种基于模糊自适应PI控制的手扶电梯控制方法。首先对手扶电梯的动态特性进行了分析,以手扶电梯加速度控制偏差和加速度变换率作为控制目标,通过自适应调整控制器的参数从而实现了对手扶电梯的平稳控制,为手扶电梯的平稳运行提供了可靠保证。

浅谈变频器在手扶电梯中的应用

现在是节能的时代,在能源紧缺的今天,任何对能源的浪费都是要不得的,社会越来越关心对能源是否合理的使用,国家进行宏观调控,地方实行高峰期高单价的电费标准来控制用电,"节能"已成为国家大事。本文着重讲述在手扶电梯运行上应用变频器后通过对应用变频器前后的比较,得出应用变频器后,不仅可以使电梯运行更平稳。而且明显节约了维修成本和电能。