CN114863155B 一种基于深度学习与飞行时间的电梯门空间异物检测方法 （河海大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114863155B(45)授权公告日2025.07.01

(21)申请号202210369878.7

(22)申请日2022.04.08

(65)同一申请的已公布的文献号申请公布号CN114863155A

(43)申请公布日2022.08.05

(73)专利权人河海大学

地址211100江苏省南京市江宁区佛城西

路8号

GO6V10/82(2022.01)

G06T7/136(2017.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

(56)对比文件

CN109949209A,2019.06.28CN110759211A,2020.02.07审查员顾明海

(72)发明人胡鹤轩赵宇晨胡强张晔袁子扬许天霖岳海洋

(74)专利代理机构南京经纬专利商标代理有限公司32200

专利代理师楼然

(51)Int.CI.

GO6V10/762(2022.01)权利要求书2页说明书6页附图3页

(54)发明名称

一种基于深度学习与飞行时间的电梯门空间异物检测方法

(57)摘要

CN114863155B本发明公开了一种基于深度学习与飞行时间的电梯门空间异物检测方法，包括：创建电梯门空间异物图像数据集并进行数据增强；搭建基于SMU激活函数与新型注意力卷积CoT的改进YOLOv5s目标检测模型，并用数据集对模型训练；利用飞行时间技术相机产生电梯门空间深度图像，用K-means聚类阈值分割法将电梯门空间的深度图像进行阈值分割；在分割后的图像上利用条形分割定位检测算法进行异物的检测；最后将改进YOLOv5目标检测模型在普通相机上检测结果与条形分割定位检测算法在飞行时间技术相机上检测结果进行综合判断。本发明可对电梯门空间异物进行高精度检测，从而有效保障电梯的

CN114863155B

创建电梯门空间异物

创建电梯门空间异物数据集

改进YOLOv5s目标检测模型，并用创建的电梯门空间异物数据集进行训练

对飞行时间技术的电梯门空间深度图像进行异物检测，并与改进的

YOLOv5s目标检测模型检测结果综合判断

输出结果

CN114863155B权利要求书1/2页

2

1.一种基于深度学习与飞行时间的电梯门空间异物检测方法，其特征在于，包括以下步骤：

步骤1、收集创建电梯门空间异物图像数据集，并进行亮度数据增强；

步骤2、搭建基于SMU激活函数与新型注意力卷积CoT的改进YOLOv5s目标检测模型，并利用步骤一所获取的数据集对改进的YOLOv5s目标检测模型进行训练；

步骤3、利用飞行时间技术相机产生电梯门空间深度图像，通过K-means聚类阈值分割法将电梯门空间的深度图像进行阈值分割；在分割后的图像上利用条形分割定位检测算法进行异物的检测；最后将改进YOLOv5目标检测模型在普通相机上检测结果与条形分割定位检测算法在飞行时间技术相机上检测结果进行综合判断；

所述的步骤2中，将YOLOv5s内基础CBL模块中的所有激活函数改进为SMU激活函数；并且在YOLOv5s目标检测模型的主干特征提取网络Backbone中加入基于空间注意力卷积CoT结构，将C3模块的ResunitX中的3×3卷积结构改进为CoT结构；

所述步骤3包括：

步骤3-1采用K-means聚类的方式，将电梯门空间的深度图像的地面区域与非地面区域的像素进行聚类，获得分割阈值；再以获得的分割阈值对电梯门空间的深度图像进行图像阈值分割；

步骤3-2用设计的条形分割定位法来检测阈值分割后的电梯门空间的深度图像；首先将阈值分割后的电梯门空间深度图像的地面区域划分为检测区域；在条形分割定位检测算法中，将检测区域横向和纵向划分成若干等份，计算每一划分区域内的平均像素值，若低于设定阈值，则判断此区域内有异物；其表达式如下：

其中，结果1代表此区域有异物，0代表此区域无异物；p(i,j)为条形区域像素值，i为条形区域的像素横坐标，j为条形区域的像素纵坐标，T为设定阈值；最后，统计横向与纵向划分区域内