申请/专利权人：杭州展特智能科技有限公司

申请日：2022-09-22

公开（公告）日：2024-04-26

公开（公告）号：CN115849144B

主分类号：B66B13/18

分类号：B66B13/18;B66B13/24;B66B5/00;B66B5/02;G06V10/46;G06V10/54;G06V10/80;G06V10/82;G06V20/40;G06V20/52;G08B3/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明公开了一种用于货梯的货物识别与防撞控制方法，包括S1:视频采集单元采集视频信息，并将所得视频信息通过有线或无线的方式传输给视频处理单元；S2:视频处理单元利用货梯防撞算法判断货物与货梯碰撞可能性大小进而判断是否打开货梯门，并向货梯控制单元发送控制命令；若货物与货梯碰撞可能性超出设定阈值，则向语音警报单元发送语音警告命令，反之则不发送语音警告命令；S3:货梯控制单元根据视频处理单元的控制命令控制货梯开关门；S4：语音警报单元根据视频处理单元的语音警告命令发送警告。本发明扩大了检测范围，提高了识别精度，消除了识别盲区，降低了货梯碰撞事件的发生概率，能够有效提高货梯运行的安全性。

主权项：1.用于货梯的货物识别与防撞控制方法，其特征在于，包括如下步骤：S1:视频采集单元采集视频信息，并将所得视频信息通过有线或无线的方式传输给视频处理单元；S2:视频处理单元利用货梯防撞算法判断货物与货梯碰撞可能性大小进而判断是否打开货梯门，并向货梯控制单元发送控制命令；若货物与货梯碰撞可能性超出设定阈值，则向语音警报单元发送语音警告命令，反之则不发送语音警告命令；S3:货梯控制单元根据视频处理单元的控制命令控制货梯开关门；S4：语音警报单元根据视频处理单元的语音警告命令发送警告；所述货梯防撞算法包括：目标检测模块，内置基于深度可分离卷积的快速目标检测算法，用于检测视频采集单元采集范围内的物体种类；测距模块，内置测距算法，用于测量物体距离视频采集单元的距离；以及决策处理模块，根据所述目标检测模块和测距模块得到的物体种类和物体距离视频采集单元的距离判断物体与货梯碰撞可能性，并判断是否打开货梯门并向货梯控制单元发送货梯开关门命令；若货物与货梯碰撞可能性超出设定阈值，则向所述语音警报单元发送语音警告命令，反之则不发送语音警告命令；所述快速目标检测算法和测距算法采用的网络整体可分为三个部分：特征提取网络、特征融合网络和预测输出网络；其中，特征提取网络使用不同尺度的卷积层前后级联构成主体并调整卷积层的通道数来改变特征图的深度和尺寸大小，同时利用残差结构补充图像的细节特征，输入图像分别被三种尺度大小不同的网格进行划分，每个网格又通过三个不同尺寸的参照框进行检测；特征融合网络采用全连接层级联的方式，使用不同尺寸的卷积层结构，将不同尺寸卷积核采集图像的局部信息作为特征纹理，组成特征图的像素，同时利用最大池化的方式对不同尺寸的特征图进行抽象概括，再对不同尺度的池化结构特征张量进行级联操作，使得输出特征具备尺度不变性；预测输出网络首先对输出的特征向量后级联多个卷积层进行逻辑回归得到目标的分类和位置信息，再通过目标损失函数和预测框损失函数对当前的输出进行评价，之后根据损失函数的损失值调整网络的参数，最后利用卷积层输出的三维张量编码作为最终的输出结果，三维张量编码包含了目标检测框的坐标信息、目标分类信息和目标置信度；整个网络中卷积层采用深度可分离卷积模块，所述深度可分离卷积模块由深度卷积、批量化归一层、激活函数、点卷积组成，由深度卷积、批量化归一层和激活函数组成逐通道卷积部分，对特征通道内信息进行卷积运算；点卷积及后续激活函数构成逐点卷积部分，实现对通道间的几何信息加权运算并调整输出尺寸；假设当前输入的特征张量表示为ZH×W×M,则对应的输出端的特征张量表示为ZH×W×N，其中H为输入张量的高度，W为输入张量的宽度，M为卷积核数量，N为通道数目；大小为Di×Di的标准卷积对N个通道内的特征共同运算，其整体参数量可由公式1表示为： 所述深度可分离卷积的计算可分为两个部分：深度卷积和点卷积，由Di×Di×1的深度卷积对通道内的特征信息进行运算，然后由1×1×M的点卷积对深度特征的结果进行加权组合，得到最终的特征向量，其整体参数量可由公式2表示为： 利用公式3比较标准卷积和深度可分离卷积的参数量大小： 由于特征张量的通道数N远大于卷积核尺寸而一般Di＝3或Di＝5，因此可以近似得出深度可分离卷积的参数量大小只有标准卷积的或达到了快速目标检测的目标。

全文数据：

权利要求：

百度查询： 杭州展特智能科技有限公司 用于货梯的货物识别与防撞控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD