CN111115400B - 检测电梯井道中的电梯维护行为的系统和方法 - Google Patents
检测电梯井道中的电梯维护行为的系统和方法 Download PDFInfo
- Publication number
- CN111115400B CN111115400B CN201811277196.3A CN201811277196A CN111115400B CN 111115400 B CN111115400 B CN 111115400B CN 201811277196 A CN201811277196 A CN 201811277196A CN 111115400 B CN111115400 B CN 111115400B
- Authority
- CN
- China
- Prior art keywords
- csi
- elevator
- maintenance
- behavior
- elevator maintenance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0025—Devices monitoring the operating condition of the elevator system for maintenance or repair
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0043—Devices enhancing safety during maintenance
- B66B5/005—Safety of maintenance personnel
- B66B5/0056—Safety of maintenance personnel by preventing crushing
- B66B5/0062—Safety of maintenance personnel by preventing crushing by devices, being operable or not, mounted on the elevator car
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0087—Devices facilitating maintenance, repair or inspection tasks
Abstract
本发明涉及检测电梯井道中的电梯维护行为的系统和方法。本发明的系统包括:用于向电梯井道中发射包含信道状态信息CSI的无线信号的发射部件,用于从电梯井道中接收CSI的接收部件,和维护行为检测装置;维护行为检测装置包括:存储器和处理器,存储器存储有对应预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序,处理器被构造为能够运行该计算机程序以实现以下操作:对接收的CSI进行数据处理以获得对应被检测的所电梯维护行为的CSI图像;以及将CSI图像输入至CSI图像识别模型进行分析处理以检测电梯维护行为。本发明的系统和方法对电梯井道中的电梯维护行为的识别准确度高,尤其适用于电梯井道环境。
Description
技术领域
本发明属于电梯(Elevator)维护(Maintenance)技术领域,涉及基于信道状态信息(Channel State Information,CSI)检测电梯井道中的电梯维护行为。
背景技术
电梯系统的诸多关键设备(例如,电梯轿厢、机房(Machine Room)中的各个设备等)均设置在电梯井道(或称为“提升通道”)中,根据电梯系统的维护规则或规定,需要维护工作人员(或称为“维护主体”)定期地对包括在电梯井道中的各个设备进行现场维护工作,在。
然而,由于电梯井道环境的特殊性(例如光线差且环境闭塞),电梯井道之外的人员是难以监视维护主体在电梯井道中的电梯维护行为,维护主体在电梯井道中也容易不按照维护操作规范进行电梯维护操作,例如随意地进行危险性高的危险维护操作。
发明内容
按照本公开的第一方面,提供一种用于检测电梯井道中的电梯维护行为的系统,其中,包括:
发射部件,其用于向所述电梯井道中发射包含信道状态信息CSI的无线信号;
接收部件,其用于从所述电梯井道中接收所述CSI;以及
与所述接收部件耦接的维护行为检测装置,其包括:
存储器,其存储有对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序;和
处理器,其被构造为能够运行所述计算机程序以实现以下操作:
对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的CSI图像;以及
将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为。
根据本公开一实施例的系统,其中,在对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的系列CSI图像的操作中,包括以下操作:
将接收的所述CSI进行降噪处理;
从所述CSI中减去背景信息;和
使用对应多个子载波的已减去背景信息的CSI来转换生成相应的CSI图像。
根据本公开另一实施例或前述任一实施例的系统,其中,所述发射部件和所述接收部件安装在所述电梯井道中的电梯轿厢的外顶部上,并且所述发射部件和所述接收部件随所述电梯轿厢一起同步行进。
根据本公开另一实施例或前述任一实施例的系统,其中,所述发射部件为Wifi无线接入点装置,所述接收部件为Wifi无线网卡。
根据本公开另一实施例或前述任一实施例的系统,其中,所述预定义电梯维护行为包括危险维护行为;
在将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为的操作中,识别所述电梯维护行为是否为危险维护行为。
根据本公开另一实施例或前述任一实施例的系统,其中,所述预定义电梯维护行为包括多种类型的维护行为;
在将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为的操作中,包括将所述电梯维护行为分类为某一种类型的维护行为。
根据本公开另一实施例或前述任一实施例的系统,其中,还包括:
提醒部件,其用于发出提示当前被检测的所述电梯维护行为为危险维护行为的提醒信号。
根据本公开另一实施例或前述任一实施例的系统,其中,所述CSI图像识别模型中包括对应所述预定义电梯维护行为的行为特征模型的行为特征库。
根据本公开另一实施例或前述任一实施例的系统,其中,所述处理器还被构造为能够运行所述计算机程序以实现以下操作:
收集对应所述预定义电梯维护行为的所述CSI并将其作为训练数据;和
基于所述训练数据训练获得所述行为特征模型。
根据本公开另一实施例或前述任一实施例的系统,其中,所述处理器还被构造为能够运行所述计算机程序以实现以下操作:
将已经被识别的所述CSI图像作为训练数据输入至已经存储有所述行为特征模型的原始CSI图像识别模型;以及
运用机器学习算法更新所述原始CSI图像识别模型以得到所述CSI图像识别模型。
根据本公开另一实施例或前述任一实施例的系统,其中,所述处理器进一步被构造为能够运行所述计算机程序以实现以下操作:
将所述CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生所述CSI图像;
采用时间窗对图像流进行切片以得到系列CSI图像;
将所述系列CSI图像输入至所述CSI图像识别模型进行分析处理以识别所述电梯维护行为。
根据本公开另一实施例或前述任一实施例的系统,其中,所述CSI图像识别模型为卷积神经网络模型。
按照本公开的第二方面,提供一种用于检测电梯井道中的电梯维护行为的方法,其中,包括步骤:
(S1)接收信道状态信息CSI,其中所述CSI被包含在向所述电梯井道中发射的无线信号中;
(S2)对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的CSI图像;以及
(S3)将所述CSI图像输入至CSI图像识别模型进行分析处理以检测所述电梯维护行为,其中,所述CSI图像识别模型是对应一种或多种预定义电梯维护行为而构建的。
根据本公开一实施例的方法,其中,步骤(S2)包括:
数据预处理子步骤,其包括对接收的所述CSI进行降噪处理;
背景去除子步骤:从所述CSI中减去背景信息;
图像转换子步骤:使用对应多个子载波的已减去背景信息的CSI来转换生成相应的CSI图像。
根据本公开另一实施例或前述任一实施例的方法,其中,所述预定义电梯维护行为包括危险维护行为;
步骤(S3)包括:识别所述电梯维护行为是否为危险维护行为。
根据本公开另一实施例或前述任一实施例的方法,其中,所述预定义电梯维护行为包括多种类型的维护行为;
步骤(S3)包括:将所述电梯维护行为分类为某一种类型的维护行为。
根据本公开另一实施例或前述任一实施例的方法,其中,还包括步骤:
识别为危险维护行为时,发出相应的提醒信号。
根据本公开另一实施例或前述任一实施例的方法,其中,所述CSI图像识别模型中包括对应所述预定义电梯维护行为的行为特征模型的行为特征库,
所述方法还包括以下步骤:
收集对应所述预定义电梯维护行为的所述CSI并将其作为训练数据;和
基于所述训练数据训练获得所述行为特征模型。
根据本公开另一实施例或前述任一实施例的方法,其中,通过以下操作构建或更新CSI图像识别模型:
将已经被识别的所述CSI图像作为训练数据输入至已经存储有所述行为特征模型的原始CSI图像识别模型;
运用机器学习算法更新所述原始CSI图像识别模型以得到所述CSI图像识别模型。
根据本公开另一实施例或前述任一实施例的方法,其中,在所述(S2)步骤中:
将所述CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生所述CSI图像;
采用时间窗对图像流进行切片以得到系列CSI图像;
在所述(S3)步骤中:
将所述系列CSI图像输入至所述CSI图像识别模型进行分析处理以识别所述电梯维护行为。
根据本公开另一实施例或前述任一实施例的方法,其中,所述CSI图像识别模型为卷积神经网络模型。
按照本公开的第三方面,提供一种计算机设备,包括存储器、处理器、和存储在存储器上的对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序,其中,所述处理器能够执行所述程序时实现前述任一所述方法的步骤。
按照本公开的第四方面,提供一种计算机可读存储介质,其上存储有对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序,其中,该程序能够被处理器执行以实现前述任一所述方法的步骤。根据以下描述和附图本发明的以上特征和操作将变得更加显而易见。
根据以下描述和附图本发明的以上特征和操作将变得更加显而易见。
附图说明
从结合附图的以下详细说明中,将会使本发明的上述和其他目的及优点更加完整清楚,其中,相同或相似的要素采用相同的标号表示。
图1是按照本发明一实施例的用于检测电梯井道中的电梯维护行为的系统的示意图。
图2是按照本发明一实施例的维护行为检测装置的基本结构示意图。
图3是按照本发明一实施例的用于检测电梯井道中的电梯维护行为的系统的基本工作原理示意图。
图4是按照本发明一实施例的用于检测电梯井道中的电梯维护行为的方法的流程图。
具体实施方式
下文中,为描述的方便,用于检测电梯井道中的电梯维护行为的系统被简称为“检测系统”,用于检测电梯井道中的电梯维护行为的方法被简称为“检测方法”,
出于简洁和说明性目的,本文主要参考其示范实施例来描述本发明的原理。但是,本领域技术人员将容易地认识到相同的原理可等效地应用于所有类型的检测系统和/或检测方法,并且可以在其中实施这些相同或相似的原理,任何此类变化不背离本专利申请的真实精神和范围。
在下文描述中,参考了附图,这些附图图示特定的示范实施例。在不背离本发明的精神和范围的前提下可以对这些实施例进行电、逻辑和结构上的更改。此外,虽然本发明的特征是结合若干实施/实施例的仅其中之一来公开的,但是如果针对任何给定或可识别的功能可能是期望和/或有利的,可以将此特征与其他实施/实施例的一个或多个其他特征进行组合。
在使用的情况下,术语“第一”、“第二”等不一定表示任何顺序或优先级关系,而是可以用于更清晰地将对象彼此区分。
图1所示为按照本发明一实施例的检测系统的示意图;图2所示为按照本发明一实施例的维护行为检测装置的基本结构示意图;图3所示为按照本发明一实施例的检测系统的基本工作原理示意图。
如图1所示,本发明一实施例的检测系统100是可以对应一个建筑物中的一个或多个电梯井道90而设置,也可以对应一个或多个建筑物的电梯井道90而设置。电梯井道90中的电梯系统的设备并不限于图1中示出的电梯轿厢910,将理解,其还存在诸多需要的例如需要维护主体90在电梯井道中进行电梯维护操作的部件。
检测系统100是用于检测维护主体90的电梯维护行为,从而可以达到监视维护主体90的电梯维护行为的效果。维护主体90可以是维护操作人员,例如,经过电梯维护操作培训的人;但是,应当理解,维护主体90并不限于是人,其例如可以一种可以自动进行电梯维护操作的装置。电梯维护行为是在电梯维护过程中在电梯井道中发生的维护主体的行为,其可以包括符合维护操作规程的行为,也可以包括不符合维护操作规程的各种行为,例如维护主体偶然执行的危险行为。
如图1和图3所示,在一实施例中,检测系统100包括设置在电梯井道中的一个或多个发射部件110,发射部件110可以向电梯井道90中发射包含CSI的无线信号;将理解,通过调整发射部件110在电梯井道90中的安装位置可以调整无线信号所覆盖的区域,该区域即包含所要检测的电梯维护行为的发生区域。检测系统100包括设置在电梯井道中的一个或多个接收部件120,接收部件120可以对应发射部件110安装,从而可以接收从电梯井道中接收无线信号的CSI数据。
具体地,发射部件110可以但不限于为Wifi无线接入点(AP)装置(例如Wifi路由器),其能够发射例如对应频段为2.4G或5G的Wifi无线信号,接收部件120对应地可以但不限于为为Wifi无线网卡。
在一实施例中,如图1所示,为检测发生在电梯轿厢910顶部上的电梯维护行为,发射部件110和接收部件120安装在电梯轿厢910的外顶部上,并且发射部件110和接收部件120能随电梯轿厢910一起同步行进,这样,即使电梯轿厢910在电梯井道90中的位置发生变化,发射部件110和接收部件120之间的相对位置保持不变,它们之间信号场基本不会受电梯轿厢910的位置变化而影响,有利于电梯维护行为的准确检测或识别。具体地,发射部件110和接收部件120可以固定安装在电梯轿厢910的外顶部的某些固定件上;发射部件110和接收部件120例如可以电连接至电梯轿厢910的电源上,从而可以通过电梯系统的电源方便地为发射部件110和接收部件120供电。
将理解,发射部件110和接收部件120并不限于安装在电梯轿厢910的外顶部上,其还能够安装在电梯井道90的其他的电梯维护行为发生区域。
在一实施例中,如图1和图3所示,检测系统100还包括维护行为检测装置150,维护行为检测装置150可以通过网络与接收部件120连接,从而可以接收到接收部件120传输过来的CSI。该网络可以是电梯系统通信网络,也可以是英特网等,或者还可以是它们的组合。
维护行为检测装置150可以通过例如计算机设备实现,其可以作为服务器的方式布置在建筑物中,也可以例如布置在云端。
参见图2,其示出了用于实现本公开的维护行为检测装置150的计算机设备的实施例。在该实施例中,维护行为检测装置150具有一个或多个中央处理单元(处理器)11a、11b、11c等(统称或一般称地为处理器11),将理解,计算机设备10的计算能力将主要由处理器11决定。在一个或多个实施例中,每个处理器11可以是包括精简指令集计算机(RISC)微处理器;处理器11通过系统总线13耦合到系统存储器14(RAM)和各种其他组件;只读存储器(ROM)12耦合到系统总线13并且可以包括控制计算机设备10的某些基本功能的基本输入/输出系统(BIOS)。
其中,RAM 14可以存储相应的程序指令,程序指令可以包括本公开的声学模型和/语言模型,处理器11在例如进行语音识别的工作过程中,可以运行RAM 14上程序指令,从而本公开实施例的语音识别装置的功能,例如实现本地识别引擎、语音活动检测单元。
将理解,根据需要,RAM 14还可以存储在基于CSI而构建的CSI图像识别模型,当然,还可以存储例如学习训练该CSI图像识别模型中所使用的其他的信息,例如,训练数据等,它们可以数据库的形式实现。
继续如图2所示,其还示出了输入/输出(I/O)适配器17和耦合到系统总线13的网络适配器16。I/O适配器17可以是与CSI输入部件171连接,从而系统总线13可以接收到来自接收部件120的CSI数据。网络通信适配器16将总线13与外部网络700互连,使数据处理计算机设备10能够与远端的例如云端识别引擎无线通信。屏幕(例如,显示监视器)35通过显示适配器32连接到系统总线33。
继续如图2所示,其还示出了显示器15,其例如可以显示计算机设备10的状态(例如网络连接状态)、电梯维护行为识别结果等。在其他实施例中,显示器15也是可以省略的。
将理解,计算机设备10还可以包括以上图2中未示出的其他部件,例如,用于输出语音的扬声器。这里描述的计算机设备10仅仅是示例性的,并不旨在限制应用、使用和/或技术。
如图3所示,发射部件110向电梯井道90的局部区域广播或发射无线信号,接收部件120可以通过与发射部件110建立无线连接,当然,也可以接收获得无线信号的CSI,特别是CSI的变化。
CSI可以表示通信链路的信道属性,它描述和反映了无线信号从发射部件110到接收部件120传播状态,特别描述和反映了在每条传输路径上的衰弱因子,例如信号散射(Scattering)、环境衰弱、距离衰减、反射等信息;并且,子载波的CSI能反映出各个不同频率的信号强度的大小,各个子载波的CSI也可以被接收部件120获取。对于在无线信号传播路径上的维护主体80来说其不同的动作或行为将影响无线信号的传播,从而改变或影响相应通信链路的信道属性,并具体体现在CSI的变化上,例如多个子载波的CSI在时域上的幅值或强度的变化。维护主体80的电梯维护行为不同时,其也可以反映在多个子载波的CSI的变化上。因此,本公开一实施例的检测系统100基于识别CSI的变化模式,从而对电梯井道中的维护主体80的维护行为进行识别。
结合图3,以下示例说明维护行为检测装置150的基本工作原理。
在一实施例中,维护行为检测装置150被配置或安装有CSI图像识别模型1509,例如可以存储在维护行为检测装置150的存储器14中。CSI图像识别模型1509具体可以但不限于为CNN(Convolution Neural Network,卷积神经网络)模型,使用CNN模型时能够提高对电梯维护行为的识别率。CSI图像识别模型1509可以通过维护行为检测装置150构建,例如通过其收集的对应某一种电梯维护行为的CSI数据或CSI图像数据对原始模型进行学习训练来构建,CSI图像识别模型1509可以通过维护行为检测装置150构建,当然,也从外部获取,例如,从网络上获取并安装在维护行为检测装置150中。
CSI图像识别模型1509可以是对应一种或多种预定义电梯维护行为而构建的,例如,一种或多种预定义电梯维护行为对应CSI图像识别模型1509的一个或多个行为特征模型。其中,预定义电梯维护行为是已知的电梯维护行为,预定义电梯维护行为的大小或长短其可以根据电梯维护操作和神经网络模型的分析识别能力等来切分;预定义电梯维护行为例如可以包括跳、摔倒、攀爬、俯身等各种动作。可以根据例如电梯维护操作规程预先地定义某种预定义电梯维护行为所对应的标准维护行为,当然,也可以根据已知的明显不符合电梯维护操作规定的电梯维护操作。
继续如图3所示,维护行为检测装置150中设置有CSI数据收集模块1501,其可以接收CSI,例如,收集对应当前发生的电梯维护行为的CSI数据,将理解,收集的CSI数据可以同时包括相应的时间信息。
继续如图3所示,维护行为检测装置150中还可以设置CSI数据预处理模块1502,CSI数据预处理模块1502可以对CSI数据收集模块1501获得的CSI进行降噪处理,例如去除多个子载波的普通模式噪音,这样,有用的CSI丢失少。当然,CSI数据预处理模块1502还可以进行其他数据预处理以提高电梯维护行为的识别精度。
继续如图3所示,维护行为检测装置150中还可以设置背景去除模块1502,背景去除模块1502用于从CSI中减去背景信息;将理解,背景信息可以在发射部件110和接收部件120安装后预先地收集得到并存储在例如维护行为检测装置150的存储器14中,背景信息可以通过在例如不存在维护主体90的场景下接收到的CSI来获得。将理解,在不同应用场景下,背景的定义可能是相应的变化的。
继续如图3所示,维护行为检测装置150中还可以设置图像转换模块1504,使用对应多个子载波的去除背景的CSI来转换生成相应的CSI图像,其中多个子载波可以包括接收部件120的多个天线信道的多个子载波。这样,得到CSI图像将可以容易作为输入量输入至CSI图像识别模型1509中进行图像识别等处理。维护主体90的存在、缺席和各种不同的动作行为都可以体现在CSI图像中。
CSI图像生成方式具体可以但不限于为:将CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生CSI图像;这样生成的CSI图像可以包括幅值信息和时域信息等,相比于基于单一的CSI特征值来输入至图像识别模型进行识别时,电梯维护行为的识别精度更高。
将理解,在本申请中,CSI图像是指基于CSI转换生成的图像,CSI图像识别模型是基于CSI或已知的CSI图像进行机器学习和训练得到图像识别模型。
图像转换模块1504得到的CSI图像可以根据时间信息来对应到某一电梯维护行为,从而得到对应某一电梯维护行为的系列CSI图像,系列CSI图像的多少可以通过设置时间窗口(time window)的大小来确定,例如,采用时间窗对图像流进行切片以得到对应某一电梯维护行为的系列CSI图像。将理解,对于不同的电梯维护行为可以设置不同大小的时间窗口进行切片。图像转换模块1504可以提取出需要输入至CSI图像识别模型1509进行识别的系列CSI图像。
维护行为检测装置150中还可以设置行为识别模块1506,行为识别模块1506可以将例如通过时间窗口切片处理后得到的系列CSI图像作为输入量输入至CSI图像识别模型1509,在CSI图像识别模型1509中进行分析处理后,行为识别模块1506可以得电梯维护行为的图像识别结果,例如,确定电梯维护行为的类型、电梯维护行为是否危险、是否属于电梯维护行为等。
将理解,维护行为检测装置150的电梯维护行为的识别能力与CSI图像识别模型1509的能力相关的。在一实施例中,对相对容易识别的危险维护行为进行识别,其中,CSI图像识别模型1509可以对应各种危险维护行为进行学习训练而构建,危险维护行为包括但不限于身体伸出电梯轿厢910对应的区域外、摔倒等,其可以预先地定义各种危险维护行为,CSI图像识别模型1509中存储有相应的行为特征模型。通过对危险维护行为的识别,可以监视维护主体80在维护操作时的危险行为,有利于及时阻止危险行为并防止危险事故发生。
在又一实施例中,还对各种类型的电梯维护行为进行识别,CSI图像识别模型1509可以对应预先定义的各种类型的预设电梯维护动进行学习训练而构建。通过对电梯维护行为的识别,可以监视维护主体80是否大致按照预先定义的电梯维护行为进行操作,甚至可以监视维护主体80的系列电梯维护行为的先后顺序是否符合操作规程,因此,可以大致监视维护主体80的电梯维护行为的规范性。
需要说明的是,CSI图像识别模型1509在进行分析处理过程中,其分析处理方法不是限制性的,其根据CSI图像识别模型1509和/或其构建原理的不同而不同。示例地,CSI图像识别模型1509为CNN模型的情况下,其包括5层,分别是嵌入层、卷积层、池化层、全连接层和输出层。其中,嵌入层负责系列CSI图像的矩阵表示,从而可以输入至卷积层进行操作;卷积层通过卷积操作提取向量矩阵的特征向量。池化层从卷积层提取的特征向量中选取出相对比较重要的特征值,例如选出主要特征;全连接层是一层隐藏层,为分类做准备;输出层可以配置相应的分类器,其可以分类输出当前被检测的电梯维护行为的类别,例如是否属于某类危险维护行为。
继续如图3所示,在一实施例中,维护行为检测装置150具有自己构建或更新CSI图像识别模型1509以及其中的行为特征模型的功能,对应地,可以设置行为学习训练模块1505。在一实施例中,CSI图形识别模型1509具有对应一种或多种预定义电梯维护行为的行为特征模型的行为特征库,行为特征库可以在例如电梯维保培训基地采集大量的预定义电梯维护行为的CSI数据作为训练数据来构建相应的行为特征模型,CSI数据包括不同体型的维护主体在执行预定义电梯维护行为所生成的CSI数据,从而可以提高行为识别精度。其中行为学习训练模块1505可以收集对应预定义电梯维护行为的训练数据,并且基于训练数据训练获得行为特征模型。这种行为特征模型可以置入原始CSI图像识别模型中。
行为学习训练模块1505可以在原始CSI图像识别模型上进一步学习训练以得到对应某一预定义电梯维护行为的CSI图像识别模型1509。以攀爬动作为例,对于已经确定为攀爬维护行为的CSI图像,将其收集为训练数据,包括不同体型的维护主体80在执行攀爬维护行为下的CSI图像;将理解,训练数据越好,越有利于构建或更新得到识别精度越高的CSI图像识别模型1509;与以上动作检测过程类似,训练用的CSI图像数据是可以通过以下过程获得:CSI数据预处理模块1502和背景去除模块1503分别进行降噪和背景去除处理,图像转换模块1504同样可以对训练用的CSI数据进行数据处理以获得对应例如攀爬维护行为的系列CSI图像。行为学习训练模块1505可以将系列CSI图像输入至原始图像识别模型或已有的CSI图像识别模型进行学习训练,从而构建或更新维护行为检测装置100中的CSI图像识别模型1509。
在构建CSI图像识别模型1509的过程中,以CSI图像识别模型1509是CNN模型为示例,系列CSI图像可以被输入到卷积神经网络进行深度学习,从而构建CNN模型,其主要地包括以下过程:
(a)进行卷积操作以提取训练向量矩阵的训练用特征向量;
(b)对提取的对应预定义电梯维保动过的训练用特征向量进行池化操作来选取相对重要的训练用特征值。
(c)基于选取的训练用特征向量确定预定义电梯维护行为(例如攀爬维护行为)的当前类别。
(d)基于预定义电梯维护行为的已知的类别和当前类别,调整CNN模型的卷积层、池化层和/或输出层的分类器的参数,例如,网络层数、子载波个数、卷积核等参数。
需要说明的是,对于其他类型的CSI图像识别模型1509,例如其他神经网络模型,图像转换模块1504可以根据所需的图像类型生成相应类型的用于训练的系列CSI图像,并且可以使用已知的或者未来出现的学习训练方法来构建相应类型的神经网络模型。
继续如图1所示,检测系统100还可以设置提醒部件130,提醒部件130用于发出提醒信号(例如警示信号),该提醒信号可以提示当前被检测的电梯维护行为为危险维护行为,从而可以及时阻止维护主体80进一步进行危险操作。提醒部件130可以但不限于安装在电梯井道90中。提醒部件130可以被维护行为检测装置150输出的识别结果进行控制,例如,维护行为检测装置150输出危险维护行为的识别结果时触发提醒部件130工作。
图4所示为按照本发明一实施例的用于检测电梯井道中的电梯维护行为的方法的流程图。该实施例的检测方法可以应用于图1示例的检测系统100中进行电梯维护行为的检测,特别是在电梯井道90中的电梯维护行为的检测。以下结合图1、图3和图4示例说明本发明一实施例的检测方法。
首先,步骤S410,接收CSI,其中CSI被包含在向电梯井道90中发射的无线信号中。在该步骤中,可以通过接收部件120或维护行为检测装置150的CSI数据收集模块1501收集对应当前发生的电梯维护行为的CSI数据,将理解,收集的CSI数据可以同时包括相应的时间信息。
步骤S420,将接收的CSI进行降噪处理,例如去除多个子载波的普通模式噪音,这样,有用的CSI丢失少。接收的CSI包括多个子载波的CSI。
步骤S430,从CSI中减去背景信息。其中,背景信息可以在发射部件110和接收部件120安装后预先地收集得到并存储在例如维护行为检测装置150的存储器14中。
步骤S440,使用对应多个子载波的去除背景的CSI来转换生成相应的CSI图像。其中多个子载波可以包括接收部件120的多个天线信道的多个子载波。这样,得到CSI图像将可以容易作为输入量输入至CSI图像识别模型1509中进行图像识别等处理。CSI图像生成方式具体可以但不限于为:将CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生CSI图像;这样生成的CSI图像可以包括幅值信息和时域信息等,相比于基于单一的CSI特征值来输入至图像识别模型进行识别时,电梯维护行为的识别精度更高。
步骤S450,将CSI图像作为输入量输入至CSI图像识别模型1509。在该步骤中,如果CSI图像识别模型1509为CNN模型,采用时间窗对图像流进行切片以得到系列CSI图像,对于不同的动作的识别,可以采用不同的时间窗口来进行切片;进一步,可以将系列CSI图像作为输入量输入至CSI图像识别模型1509
步骤S460,在CSI图像识别模型中进行分析处理,识别电梯维护行为。该步骤中,可以通过与行为特征模型比对处理来匹配相应的动作类型,从而可以对被检测的动作进行分类,获得电梯维护行为的图像识别结果,例如,确定电梯维护行为的类型、电梯维护行为是否危险、是否属于电梯维护行为等。
在进行分析处理过程中,其分析处理方法不是限制性的,其根据CSI图像识别模型1509和/或其构建原理的不同而不同。示例地,CSI图像识别模型1509为CNN模型的情况下,其包括5层,分别是嵌入层、卷积层、池化层、全连接层和输出层。其中,嵌入层负责系列CSI图像的矩阵表示,从而可以输入至卷积层进行操作;卷积层通过卷积操作提取向量矩阵的行为特征向量。池化层从卷积层提取的特征向量中选取出相对比较重要的特征值,例如选出主要特征;全连接层是一层隐藏层,为分类做准备;输出层可以配置相应的分类器,其可以分类输出当前被检测的电梯维护行为的类别,例如是否属于某类危险维护行为。
步骤S470,输出识别结果。在该步骤中,还可以根据识别结果确定是否发出提示当前被检测的电梯维护行为为危险维护行为的提醒信号,例如输出危险维护行为的识别结果时触发提醒部件130工作。根据需要,该识别结果可以被发送至其他部件或系统上显示,例如,远程地发送至电梯维护管理端。
将理解,通过上述检测方法,CSI图像识别模型1509的使用可以提高电梯维护行为的识别精度,并且可以相对容易地识别危险维护行为。进一步还可以监视维护主体80是否大致按照预先定义的电梯维护行为进行操作,甚至可以监视维护主体80的系列电梯维护行为的先后顺序是否符合操作规程,因此,可以大致监视维护主体80的电梯维护行为的规范性。
需要理解的是,以上示例的检测系统100和检测方法受电梯井道90的环境影响小,非常适合于检测电梯井道环境下的电梯维护行为。
需要说明的是,附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或者在一个或多个硬件模块或集成电路中实现这些功能实体,或者在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
上位参考根据本公开实施例的检测方法和维护行为检测装置的框图和/或流程图来描述了本申请。将理解这些流程图说明和/或框图的每个框、以及流程图说明和/或框图的组合可以由计算机程序指令来实现。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以构成机器,以便由计算机或其他可编程数据处理设备的处理器执行的这些指令创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的部件。
可以将这些计算机程序指令存储在如图2所示的计算机可读存储器中,这些指令可以指示计算机或其他可编程处理器以特定方式实现功能,以便存储在计算机可读存储器中的这些指令构成包含实施流程图和/或框图的一个或多个框中指定的功能/操作的指令部件的制作产品。
可以将这些计算机程序指令加载到计算机或其他可编程数据处理器上以使一系列的操作步骤在计算机或其他可编程处理器上执行,以便构成计算机实现的进程,以使计算机或其他可编程数据处理器上执行的这些指令提供用于实施此流程图和/或框图的一个或多个框中指定的功能或操作的步骤。还应该注意在一些备选实现中,框中所示的功能/操作可以不按流程图所示的次序来发生。例如,依次示出的两个框实际可以基本同时地执行或这些框有时可以按逆序执行,具体取决于所涉及的功能/操作。
以上例子主要说明了本公开的检测装置和检测方法。尽管只对其中一些本发明的实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (23)
1.一种用于检测电梯井道中的电梯维护行为的系统,其特征在于,包括:
发射部件,其用于向所述电梯井道中发射包含信道状态信息CSI的无线信号;
接收部件,其用于从所述电梯井道中接收所述CSI;以及
与所述接收部件耦接的维护行为检测装置,其包括:
存储器,其存储有对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序;和
处理器,其被构造为能够运行所述计算机程序以实现以下操作:
对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的CSI图像;以及
将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为。
2.如权利要求1所述的系统,其特征在于,在对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的系列CSI图像的操作中,包括以下操作:
将接收的所述CSI进行降噪处理;
从所述CSI中减去背景信息;和
使用对应多个子载波的已减去背景信息的CSI来转换生成相应的CSI图像。
3.如权利要求1所述的系统,其特征在于,所述发射部件和所述接收部件安装在所述电梯井道中的电梯轿厢的外顶部上,并且所述发射部件和所述接收部件随所述电梯轿厢一起同步行进。
4.如权利要求1所述的系统,其特征在于,所述发射部件为Wifi无线接入点装置,所述接收部件为Wifi无线网卡。
5.如权利要求1所述的系统,其特征在于,所述预定义电梯维护行为包括危险维护行为;
在将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为的操作中,识别所述电梯维护行为是否为危险维护行为。
6.如权利要求1所述的系统,其特征在于,所述预定义电梯维护行为包括多种类型的维护行为;
在将所述CSI图像输入至所述CSI图像识别模型进行分析处理以检测所述电梯维护行为的操作中,包括将所述电梯维护行为分类为某一种类型的维护行为。
7.如权利要求5所述的系统,其特征在于,还包括:
提醒部件,其用于发出提示当前被检测的所述电梯维护行为为危险维护行为的提醒信号。
8.如权利要求1所述的系统,其特征在于,所述CSI图像识别模型中包括对应所述预定义电梯维护行为的行为特征模型的行为特征库。
9.如权利要求8所述的系统,其特征在于,所述处理器还被构造为能够运行所述计算机程序以实现以下操作:
收集对应所述预定义电梯维护行为的所述CSI并将其作为训练数据;和
基于所述训练数据训练获得所述行为特征模型。
10.如权利要求9所述的系统,其特征在于,所述处理器还被构造为能够运行所述计算机程序以实现以下操作:
将已经被识别的所述CSI图像作为训练数据输入至已经存储有所述行为特征模型的原始CSI图像识别模型;以及
运用机器学习算法更新所述原始CSI图像识别模型以得到所述CSI图像识别模型。
11.如权利要求1所述的系统,其特征在于,所述处理器进一步被构造为能够运行所述计算机程序以实现以下操作:
将所述CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生所述CSI图像;
采用时间窗对图像流进行切片以得到系列CSI图像;
将所述系列CSI图像输入至所述CSI图像识别模型进行分析处理以识别所述电梯维护行为。
12.如权利要求1或11所述的系统,其特征在于,所述CSI图像识别模型为卷积神经网络模型。
13.一种用于检测电梯井道中的电梯维护行为的方法,其特征在于,包括步骤:
(S1)接收信道状态信息CSI,其中所述CSI被包含在向所述电梯井道中发射的无线信号中;
(S2)对接收的所述CSI进行数据处理以获得对应被检测的所述电梯维护行为的CSI图像;以及
(S3)将所述CSI图像输入至CSI图像识别模型进行分析处理以检测所述电梯维护行为,其中,所述CSI图像识别模型是对应一种或多种预定义电梯维护行为而构建的。
14.如权利要求13所述的方法,其特征在于,步骤(S2)包括:
数据预处理子步骤,其包括对接收的所述CSI进行降噪处理;
背景去除子步骤:从所述CSI中减去背景信息;
图像转换子步骤:使用对应多个子载波的已减去背景信息的CSI来转换生成相应的CSI图像。
15.如权利要求13所述的方法,其特征在于,所述预定义电梯维护行为包括危险维护行为;
步骤(S3)包括:识别所述电梯维护行为是否为危险维护行为。
16.如权利要求13所述的方法,其特征在于,所述预定义电梯维护行为包括多种类型的维护行为;
步骤(S3)包括:将所述电梯维护行为分类为某一种类型的维护行为。
17.如权利要求15所述的方法,其特征在于,还包括步骤:
识别为危险维护行为时,发出相应的提醒信号。
18.如权利要求13所述的方法,其特征在于,所述CSI图像识别模型中包括对应所述预定义电梯维护行为的行为特征模型的行为特征库,
所述方法还包括以下步骤:
收集对应所述预定义电梯维护行为的所述CSI并将其作为训练数据;和
基于所述训练数据训练获得所述行为特征模型。
19.如权利要求18所述的方法,其特征在于,通过以下操作构建或更新CSI图像识别模型:
将已经被识别的所述CSI图像作为训练数据输入至已经存储有所述行为特征模型的原始CSI图像识别模型;
运用机器学习算法更新所述原始CSI图像识别模型以得到所述CSI图像识别模型。
20.如权利要求13所述的方法,其特征在于,在所述(S2)步骤中:
将所述CSI的时间、在时域上的多个子载波幅值、在时域上的多个子载波频率对应到图像的R、G、B分量上并实现矩阵表示,从而产生所述CSI图像;
采用时间窗对图像流进行切片以得到系列CSI图像;
在所述(S3)步骤中:
将所述系列CSI图像输入至所述CSI图像识别模型进行分析处理以识别所述电梯维护行为。
21.如权利要求13或20所述的方法,其特征在于,所述CSI图像识别模型为卷积神经网络模型。
22.一种计算机设备,包括存储器、处理器、和存储在存储器上的对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序,其特征在于,所述处理器能够执行所述程序时实现如权利要求13至21中任一项所述方法的步骤。
23.一种计算机可读存储介质,其上存储有对应一种或多种预定义电梯维护行为而构建的CSI图像识别模型以及相应的可在处理器上运行的计算机程序,其特征在于,该程序能够被处理器执行以实现如权利要求13至21中任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811277196.3A CN111115400B (zh) | 2018-10-30 | 2018-10-30 | 检测电梯井道中的电梯维护行为的系统和方法 |
US16/668,725 US11299371B2 (en) | 2018-10-30 | 2019-10-30 | System and method for detecting elevator maintenance behavior in elevator hoistway |
EP19206340.2A EP3680206B1 (en) | 2018-10-30 | 2019-10-30 | System and method for detecting elevator maintenance behaviors in elevator hoistway |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811277196.3A CN111115400B (zh) | 2018-10-30 | 2018-10-30 | 检测电梯井道中的电梯维护行为的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111115400A CN111115400A (zh) | 2020-05-08 |
CN111115400B true CN111115400B (zh) | 2022-04-26 |
Family
ID=68424694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811277196.3A Active CN111115400B (zh) | 2018-10-30 | 2018-10-30 | 检测电梯井道中的电梯维护行为的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11299371B2 (zh) |
EP (1) | EP3680206B1 (zh) |
CN (1) | CN111115400B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3357851B1 (en) * | 2017-02-06 | 2023-08-02 | KONE Corporation | Mechanism for improving safety for an elevator system |
CN111115400B (zh) * | 2018-10-30 | 2022-04-26 | 奥的斯电梯公司 | 检测电梯井道中的电梯维护行为的系统和方法 |
CN111950068A (zh) * | 2020-08-31 | 2020-11-17 | 江苏工程职业技术学院 | 一种基于Bim的维护建筑设备的方法和装置 |
CN112131972B (zh) * | 2020-09-07 | 2022-07-12 | 重庆邮电大学 | 一种基于注意力机制使用WiFi数据进行人体行为识别的方法 |
JP7459734B2 (ja) | 2020-09-08 | 2024-04-02 | 日本電信電話株式会社 | 空間画像生成装置及び物体検知装置 |
JP2022066665A (ja) * | 2020-10-19 | 2022-05-02 | 株式会社日立製作所 | 通信パケット難読化装置、エレベータシステム及び通信パケット難読化方法 |
CN113213293A (zh) * | 2021-04-20 | 2021-08-06 | 重庆千跬科技有限公司 | 一种电梯维保作业真实性确认系统及方法 |
CN113213295A (zh) * | 2021-04-20 | 2021-08-06 | 重庆千跬科技有限公司 | 一种电梯维保作业真实性确认系统及方法 |
CN113543105B (zh) * | 2021-07-20 | 2023-12-01 | 盐城市质量技术监督综合检验检测中心(盐城市产品质量监督检验所) | 一种面向电梯安全监控的边缘计算网关及其监控系统、方法 |
CN113726457A (zh) * | 2021-07-28 | 2021-11-30 | 深圳市联洲国际技术有限公司 | 一种人体动作识别方法、装置、存储介质及网络设备 |
US11912534B1 (en) * | 2023-06-12 | 2024-02-27 | Otis Elevator Company | Elevator pit safety net system |
US11851305B1 (en) * | 2023-06-12 | 2023-12-26 | Otis Elevator Company | Elevator pit safety net system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9359171B1 (en) * | 2015-01-20 | 2016-06-07 | Inventio Ag | Safety system for a lift installation and safety helmet as individual component of such a safety system |
CN106941602A (zh) * | 2017-03-07 | 2017-07-11 | 中国铁道科学研究院 | 机车司机行为识别方法、装置及系统 |
WO2017162552A1 (de) * | 2016-03-23 | 2017-09-28 | Inventio Ag | Aufzuganlage mit 3d-kamera-basiertem sicherheitsüberwachungssystem |
EP3392181A1 (en) * | 2017-03-25 | 2018-10-24 | Otis Elevator Company | A holographic elevator assistance system |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI117010B (fi) * | 2004-11-01 | 2006-05-15 | Kone Corp | Hissin kauko-ohjaus |
US8149126B2 (en) | 2007-02-02 | 2012-04-03 | Hartford Fire Insurance Company | Lift monitoring system and method |
CN101883730B (zh) * | 2007-12-03 | 2014-06-04 | 奥蒂斯电梯公司 | 电梯通道中人员的被动探测 |
US20120109872A1 (en) | 2009-01-16 | 2012-05-03 | Paul Johannes Mattheus Havinga | Wireless motion sensor network for monitoring motion in a process, wireless sensor node, reasoning node, and feedback and/or actuation node for such wireless motion sensor network |
US8218819B2 (en) | 2009-09-01 | 2012-07-10 | Behavioral Recognition Systems, Inc. | Foreground object detection in a video surveillance system |
JP5440080B2 (ja) * | 2009-10-02 | 2014-03-12 | ソニー株式会社 | 行動パターン解析システム、携帯端末、行動パターン解析方法、及びプログラム |
FI122597B (fi) * | 2010-09-07 | 2012-04-13 | Kone Corp | Hissijärjestelmä |
US9208675B2 (en) | 2012-03-15 | 2015-12-08 | Behavioral Recognition Systems, Inc. | Loitering detection in a video surveillance system |
US9846912B1 (en) | 2013-03-13 | 2017-12-19 | Allstate Insurance Company | Risk behavior detection methods based on tracking handset movement within a moving vehicle |
TWI506461B (zh) | 2013-07-16 | 2015-11-01 | Univ Nat Taiwan Science Tech | 人體動作的辨識方法與裝置 |
CN103425971A (zh) | 2013-08-28 | 2013-12-04 | 重庆大学 | 一种家庭环境下独居老人异常行为的监测方法 |
WO2015172096A1 (en) * | 2014-05-09 | 2015-11-12 | Arizona Board Of Regents On Behalf Of Arizona State University | Repetitive motion injury warning system and method |
US9714037B2 (en) | 2014-08-18 | 2017-07-25 | Trimble Navigation Limited | Detection of driver behaviors using in-vehicle systems and methods |
CN204999459U (zh) | 2015-09-24 | 2016-01-27 | 天津市安佳信科技发展股份有限公司 | 一种智能电梯运行安全监控系统 |
CA3021087A1 (en) | 2016-04-13 | 2017-10-19 | Strong Arm Technologies, Inc. | Systems and devices for motion tracking, assessment, and monitoring and methods of use thereof |
US9905107B2 (en) | 2016-07-27 | 2018-02-27 | Accenture Global Solutions Limited | Providing predictive alerts for workplace safety |
US10981750B2 (en) * | 2016-09-23 | 2021-04-20 | Otis Elevator Company | Prognostic analysis of elevator performance using sensors and internet of things |
KR102038120B1 (ko) | 2016-12-02 | 2019-10-30 | 피손 테크놀로지, 인크. | 신체 조직 전기 신호의 검출 및 사용 |
US11518650B2 (en) * | 2018-06-15 | 2022-12-06 | Otis Elevator Company | Variable thresholds for an elevator system |
US11584614B2 (en) * | 2018-06-15 | 2023-02-21 | Otis Elevator Company | Elevator sensor system floor mapping |
CN111115400B (zh) * | 2018-10-30 | 2022-04-26 | 奥的斯电梯公司 | 检测电梯井道中的电梯维护行为的系统和方法 |
US11591183B2 (en) * | 2018-12-28 | 2023-02-28 | Otis Elevator Company | Enhancing elevator sensor operation for improved maintenance |
-
2018
- 2018-10-30 CN CN201811277196.3A patent/CN111115400B/zh active Active
-
2019
- 2019-10-30 US US16/668,725 patent/US11299371B2/en active Active
- 2019-10-30 EP EP19206340.2A patent/EP3680206B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9359171B1 (en) * | 2015-01-20 | 2016-06-07 | Inventio Ag | Safety system for a lift installation and safety helmet as individual component of such a safety system |
WO2017162552A1 (de) * | 2016-03-23 | 2017-09-28 | Inventio Ag | Aufzuganlage mit 3d-kamera-basiertem sicherheitsüberwachungssystem |
CN106941602A (zh) * | 2017-03-07 | 2017-07-11 | 中国铁道科学研究院 | 机车司机行为识别方法、装置及系统 |
EP3392181A1 (en) * | 2017-03-25 | 2018-10-24 | Otis Elevator Company | A holographic elevator assistance system |
Also Published As
Publication number | Publication date |
---|---|
CN111115400A (zh) | 2020-05-08 |
US20200130999A1 (en) | 2020-04-30 |
EP3680206A1 (en) | 2020-07-15 |
EP3680206B1 (en) | 2022-04-13 |
US11299371B2 (en) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111115400B (zh) | 检测电梯井道中的电梯维护行为的系统和方法 | |
WO2021098634A1 (en) | Non-intrusive data analytics system for adaptive intelligent condition monitoring of lifts | |
US10074383B2 (en) | Sound event detection | |
KR102324776B1 (ko) | 차량의 소음원인 진단방법 | |
US10810854B1 (en) | Enhanced audiovisual analytics | |
US20090195382A1 (en) | Video sensor and alarm system and method with object and event classification | |
US20160371600A1 (en) | Systems and methods for verification and anomaly detection using a mixture of hidden markov models | |
CN109544870A (zh) | 用于智能监控系统的报警判断方法与智能监控系统 | |
CA3161328A1 (en) | Occupant detection systems | |
US20200334778A1 (en) | Systems and methods for providing situational awareness to first responders | |
WO2022061352A1 (en) | Item monitoring for doorbell cameras | |
Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
CN106323287A (zh) | 一种安全逃生路线选择系统及安全逃生路线选择方法 | |
KR101340287B1 (ko) | 스마트 홈에서 마이닝 기반의 패턴 분석을 이용한 침입탐지 시스템 | |
CN113743326B (zh) | 安全带佩戴状态监测系统、方法、装置和计算机设备 | |
US11682384B2 (en) | Method, software, and device for training an alarm system to classify audio of an event | |
CN106228718B (zh) | 用于通过网络检测安全威胁的系统和方法 | |
US10791437B2 (en) | Data transfer utilizing two-way radio transmission independent of or concurrent with other data transfer means | |
CN112686221B (zh) | 行人进出监测方法、装置、设备及计算机存储介质 | |
US20240078625A1 (en) | Ai server providing worker safety control solution and operation method of ai system including the same | |
KR102550982B1 (ko) | 감시 단말의 통합적 운용을 위한 감시 정보 처리 장치 및 방법 | |
JP2023116345A (ja) | 監視システム、監視方法及び監視プログラム | |
CN114202738A (zh) | 基于边缘计算和人工智能的电网监拍方法、装置及设备 | |
WO2023030662A1 (en) | Dynamic ml model selection | |
Martalò et al. | Wireless Sensor Networks and Audio Signal Recognition for Homeland Security |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |