多任务卷积神经网络的电梯乘客识别方法①

王廷银,郭 威,吴允平

1(福建师范大学 光电与信息工程学院,福州 350007)

2(数字福建环境监测物联网实验室,福州 350117)

3(福建省光电传感应用工程技术研究中心,福州 350007)

1 引言

电梯是现代人类出行活动最后50 米的交通工具[1],它方便人们的生活,使得人们对电梯使用的需求也日益剧增.截至2019年,我国电梯的保有量已达到709 万台,位居世界第一,但其中也包括大量的老旧电梯.电梯作为特种设备的一种,其信息化水平与乘梯的安全性直接挂钩,由于老旧电梯的信息化水平普遍不足以及我国电梯的使用呈现负载高、运量大、随机性强等特点,使得电梯事故时有发生[2].当遇到电梯事故时,如何准确了解到轿厢人员情况,是电梯安全监测系统研究工作中重要的一环,它有助于快速展开救援工作避免不必要的生命财产损失.有的学者在电梯监测系统中应用红外传感器来检测识别电梯事故时是否有乘客[3],但由于红外传感器易受噪声影响而导致误检的情况发生[4].为此,一些学者们通过机器视觉中传统人脸检测算法如Haar-like[5]、HOG[6]识别电梯乘客,避免红外传感易误检的问题,例如,2015年,王潇宇提出HOG 人脸检测算法应用于电梯乘客识别,该方法在简单实验环境下有较好的效果,但实际应用情况不太理想[7];2016年,Kumar 利用Haar-like 人脸检测算法进行轿厢人员的检测,但是利用传统算法所提取的人脸特征难以充分反映真实的人脸特征,导致在实际应用中检测的精度不高[8].

这些年,随着……