CN111762649A - 出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备 - Google Patents

Abstract

本发明揭示了一种出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备，所述出入电梯物件检测系统包括接收器信号获取模块、轮廓绘制模块及物件检测模块；接收器信号获取模块用以获取电梯各接收器接收的信号；轮廓绘制模块，用以根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于光幕间的人员或/和物体的轮廓图像；物件检测模块用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。本发明可识别出入电梯物件(包括人员或/和物体)，提高电梯设备的智能性。

Description

出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及 电梯设备

技术领域

本发明属于电梯设备技术领域，涉及一种电梯设备，尤其涉及一种出入电梯物件检测系统及方法以及电梯光幕。

背景技术

电梯是现代高层建筑中最常用的一种垂直运输交通工具，它节省了人们的时间和体力，为日常生活提供了方便。电梯作为一种与大众生命安全密切相关的特种设备，其安全运行越来越受到社会的关注。但由于电梯结构复杂，因此要保证电梯安全可靠的运行，检测其运行状态和故障情况成为电梯管理、维护和安全运行的迫切需要。

为提高电梯安全性，电梯均需要设置安全光幕，安全光幕利用相对设置的红外发送装置及红外接收装置收发信号，依此判断电梯门之间是否有人或物品。

同时，为了提高电梯的应急反应能力，电梯物联网的设想已经被逐步实现，物业、电梯运营公司、政府部门可以在远程实时监控电梯的状态，发现异常情况，可以及时获取相关信息。

此外，现有电梯设备对于进出电梯的物体识别，通常是通过摄像头人工查看，如今还没有能自动识别物体形状的方案，电梯设备的智能化程度还有待进一步改善。

有鉴于此，如今迫切需要设计一种新的电梯设备，以便克服现有电梯设备存在的上述至少部分缺陷。

发明内容

本发明提供一种出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备，可识别出入电梯物件(包括人员或/和物体)，提高电梯设备的智能性。

为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：

一种出入电梯物件检测系统，所述系统包括：

接收器信号获取模块，用以获取电梯光幕各接收器接收的信号；

轮廓绘制模块，用以根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像；

物件检测模块，用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

作为本发明的一种实施方式，所述系统进一步包括：数据模型建立模块，用以利用卷积神经网络建立有关物件及绘制图像的数据模型。

作为本发明的一种实施方式，所述系统进一步包括：数据训练模块，用以建立一个超过设定阈值的训练集，训练集中存储有物件及对应的绘制图像。

作为本发明的一种实施方式，所述数据训练模块包括：

图像宽度设定单元，用以获取输入神经网络的原始图像，根据所有原始输入图像的宽度分布设定输入图像的指定宽度阈值范围；

图像处理单元，用以对原始输入图像进行图像处理；对于原始输入图像宽度小于指定宽度阈值范围最小值的原始输入图像，则填补对应原始输入图像，使其满足设定的宽度要求；对于原始输入图像宽度大于指定宽度阈值范围最大值的原始输入图像，则缩放对应原始输入图像的宽度，使图像宽度在指定宽度阈值范围内。

作为本发明的一种实施方式，所述数据训练模块或/和轮廓绘制模块包括：

重复数据合并单元，用以在绘制的图像出现大量类似的重复数据的情况下，计算相邻帧的相关系数，若超过第一阈值B长度的相邻帧的相关系数均高于第二阈值C，则只保留长度为第一阈值B的帧数。

作为本发明的一种实施方式，所述轮廓绘制模块包括：

帧图像绘制单元，用以根据各时间点各接收器接收的信号强度绘制对应帧的图像；

轮廓绘制单元，用以按时间点的次序将所述帧图像绘制单元绘制的帧图像依次拼接，形成对应物件的轮廓图像；

作为本发明的一种实施方式，所述帧图像绘制单元用以将一帧的电梯光幕数据绘制成高与接收器数量存在设定关联的图像；根据各接收器接收的信号强度设定对应区域的灰度值，若接收器被遮挡，则对应区域的灰度值为第一灰度值；若接收器没有被遮挡，则对应区域的灰度值为第二灰度值。

作为本发明的一种实施方式，所述轮廓绘制模块包括图像处理单元，用以对绘制后的图像进行图像处理；对于绘制后图像宽度小于指定宽度阈值范围最小值的图像，则填补对应图像，使其满足设定的宽度要求；对于绘制图像宽度大于指定宽度阈值范围最大值的图像，则缩放对应图像的宽度，使图像宽度在指定宽度阈值范围内。

作为本发明的一种实施方式，所述数据模型建立模块用以搭建一个浅层卷积神经网络，第一层为输入层，输入图像大小为32*指定宽*光幕方向方向数量；第二层为卷积层，filter大小为3*3，filter个数为32个；第三层为池化层，filter大小为2*2，步长为2；第四层为卷积层，filter大小为3*3，filter个数为64个；第五层为池化层，filter大小为2*2，步长为2；第六层为全连接层，神经元个数为128个；第七层为输出层，神经元个数等于识别物体类别数。

作为本发明的一种实施方式，所述系统进一步包括：数据预处理模块，用以将训练集图像归一化，并将标签进行one-hot编码后传入卷积神经网络进行训练。

作为本发明的一种实施方式，所述系统进一步包括：安全隐患预警模块，用以在检测出设定物件进入电梯时，发出预警信息。

作为本发明的一种实施方式，所述轮廓绘制模块用以获取各完整通过光幕动作时间段的物件轮廓；完整通过光幕动作时间段指：任意一个接收单元被遮挡为开始、至所有接收单元均不被遮挡为结束对应的时间段。

根据本发明的另一个方面，采用如下技术方案：一种物件检测系统，所述系统包括：

设置于设定区域第一侧的若干发射器，用以发射设定信号；

设置于设定区域第二侧的若干接收器，用以接收对应发射器发出的信号；

轮廓绘制模块，用以根据各接收器获取的信号绘制经过设定区域的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于设定区域间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过设定区域的人员或/和物体的轮廓图像；以及

物件检测模块，用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入设定区域的物件的属性。

根据本发明的又一个方面，采用如下技术方案：一种电梯设备，包括上述的出入电梯物件检测系统。

根据本发明的又一个方面，采用如下技术方案：一种出入电梯物件检测方法，所述方法包括：

接收器信号获取步骤；获取电梯光幕各接收器接收的信号；

轮廓绘制步骤；根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像；

物件检测步骤；根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

本发明的有益效果在于：本发明提出的出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备，可识别出入电梯物件(包括人员或/和物体)，提高电梯设备的智能性。在识别出出入电梯物件后，可以便于电梯设备做出进一步的动作；例如，如果有不被允许的物体进入电梯，则可以发出报警信号。

附图说明

图1为本发明一实施例中出入电梯物件检测系统的组成示意图。

图2为本发明一实施例中出入电梯物件检测系统的组成示意图。

图3为本发明一实施例中出入电梯物件检测方法的流程图。

图4-1为本发明一实施例中绘制的人加自行车通过光幕的图像示意图。

图4-2为本发明一实施例中绘制的人加自行车通过光幕的图像示意图。

图5-1为本发明一实施例中绘制的人通过光幕的图像示意图。

图5-2为本发明一实施例中绘制的人通过光幕的图像示意图。

图5-3为本发明一实施例中绘制的人通过光幕的图像示意图。

图5-4为本发明一实施例中绘制的人通过光幕的图像示意图。

图6-1为本发明一实施例中绘制的人加电动车通过光幕的图像示意图。

图6-2为本发明一实施例中绘制的人加电动车通过光幕的图像示意图。

图7-1为本发明一实施例中优化重复帧前后的图像示意图。

图7-2为本发明一实施例中优化重复帧前后的图像示意图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。

该部分的描述只针对几个典型的实施例，本发明并不仅局限于实施例描述的范围。相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。

说明书中的“连接”既包含直接连接，也包含间接连接。说明书中的“物件”，指人员或/和物体。

本发明揭示了一种出入电梯物件检测系统，图1为本发明一实施例中出入电梯物件检测系统的组成示意图；请参阅图1，所述系统包括：接收器信号获取模块1、轮廓绘制模块2及物件检测模块3。

所述接收器信号获取模块1用以获取电梯光幕各接收器接收的信号。

所述轮廓绘制模块2用以根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，可参阅图4-1、图4-2、图5-1、图5-2、图5-3、图5-4、图6-1、图6-2所示；并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像。

在一实施例中，所述轮廓绘制模块2用以获取各完整通过光幕动作时间段的物件轮廓；完整通过光幕动作时间段指：任意一个接收单元被遮挡为开始、至所有接收单元均不被遮挡为结束对应的时间段。

在本发明的一实施例中，所述轮廓绘制模块2包括：帧图像绘制单元、轮廓绘制单元。帧图像绘制单元用以根据各时间点各接收器接收的信号强度绘制对应帧的图像。轮廓绘制单元用以按时间点的次序将所述帧图像绘制单元绘制的帧图像依次拼接，形成对应物件的轮廓图像。在一实施例中，所述帧图像绘制单元用以将一帧的电梯光幕数据绘制成高与接收器数量存在设定关联的图像；根据各接收器接收的信号强度设定对应区域的灰度值，若接收器被遮挡，则对应区域的灰度值为第一灰度值；若接收器没有被遮挡，则对应区域的灰度值为第二灰度值。

在一实施例中，轮廓绘制模块2可以包括重复数据合并单元；重复数据合并单元用以在绘制的图像出现大量类似的重复数据的情况下，计算相邻帧的相关系数，若超过第一阈值B长度的相邻帧的相关系数均高于第二阈值C，则只保留长度为第一阈值B的帧数。可参阅图7-1、图7-2所示。

此外，所述轮廓绘制模块2还可以包括图像处理单元，用以对绘制后的图像进行图像处理；对于绘制后图像宽度小于指定宽度阈值范围最小值的图像，则填补对应图像，使其满足设定的宽度要求；对于绘制图像宽度大于指定宽度阈值范围最大值的图像，则缩放对应图像的宽度，使图像宽度在指定宽度阈值范围内。

所述物件检测模块3用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

在识别进出电梯物件后，可以做出进一步的动作；如在本发明的一实施例中，所述系统进一步包括：安全隐患预警模块，用以在检测出设定物件进入电梯时，发出预警信息。

图2为本发明一实施例中出入电梯物件检测系统的组成示意图；请参阅图2，在本发明的一实施例中，所述系统进一步包括：数据模型建立模块4，用以利用卷积神经网络建立有关物件及绘制图像的数据模型。

在本发明的一实施例中，所述数据模型建立模块4用以搭建一个浅层卷积神经网络，第一层为输入层，输入图像大小为32*指定宽*光幕方向方向数量；第二层为卷积层，filter大小为3*3，filter个数为32个；第三层为池化层，filter大小为2*2，步长为2；第四层为卷积层，filter大小为3*3，filter个数为64个；第五层为池化层，filter大小为2*2，步长为2；第六层为全连接层，神经元个数为128个；第七层为输出层，神经元个数等于识别物体类别数。

请继续参阅图2，在本发明的一实施例中，所述系统进一步包括：数据训练模块5，用以建立一个超过设定阈值的训练集，训练集中存储有物件及对应的绘制图像。

在一实施例中，所述数据训练模块5包括：图像宽度设定单元、图像处理单元。图像宽度设定单元用以获取输入神经网络的原始图像，根据所有原始输入图像的宽度分布设定输入图像的指定宽度阈值范围。图像处理单元用以对原始输入图像进行图像处理；对于原始输入图像宽度小于指定宽度阈值范围最小值的原始输入图像，则填补对应原始输入图像，使其满足设定的宽度要求；对于原始输入图像宽度大于指定宽度阈值范围最大值的原始输入图像，则缩放对应原始输入图像的宽度，使图像宽度在指定宽度阈值范围内。

在本发明的一实施例中，所述数据训练模块5还包括重复数据合并单元；重复数据合并单元用以在绘制的图像出现大量类似的重复数据的情况下，计算相邻帧的相关系数，若超过第一阈值B长度的相邻帧的相关系数均高于第二阈值C，则只保留长度为第一阈值B的帧数。

在本发明的一实施例中，所述系统进一步包括：数据预处理模块，用以将训练集图像归一化，并将标签进行one-hot编码后传入卷积神经网络进行训练。

本发明揭示一种物件检测系统，在本发明的一实施例中，本发明物件检测系统不仅可以用在电梯领域，还可以用于其他领域。所述物件检测系统包括：设置于设定区域第一侧的若干发射器、设置于设定区域第二侧的若干接收器、轮廓绘制模块及物件检测模块。

各发射器用以发射设定信号；各接收器用以接收对应发射器发出的信号。发射器可以水平发射信号，发射信号与水平方向也可以有一定角度。在一实施例中，一个发射器向一个接收器发射信号；在另一实施例中，一个发射器可以向多个接收器发射信号，一个接收器可以接收不同发射器发射的信号。

轮廓绘制模块用以根据各接收器获取的信号绘制经过设定区域的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于设定区域间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过设定区域的人员或/和物体的轮廓图像。物件检测模块用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入设定区域的物件的属性。轮廓绘制模块及物件检测模块的具体实现方式可以参考以上实施例的描述。

本发明揭示一种电梯光幕，包括上述的出入电梯物件检测系统。

本发明揭示一种电梯设备，包括上述的出入电梯物件检测系统。

本发明进一步揭示一种出入电梯物件检测方法，图3为本发明一实施例中出入电梯物件检测方法的流程图；请参阅图3，所述方法包括：

步骤S1、接收器信号获取步骤；获取电梯光幕各接收器接收的信号；

步骤S2、轮廓绘制步骤；根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像；

步骤S3、物件检测步骤；根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

此外，本发明方法还包括：

数据模型建立步骤；利用卷积神经网络建立有关物件及绘制图像的数据模型；

数据训练步骤；建立一个超过设定阈值的训练集，训练集中存储有物件及对应的绘制图像。各步骤的具体实现过程可参阅以上有关系统的描述。

在本发明的一种使用场景中，电梯光幕设有32个接收器。所述方法具体包括：

步骤1、当红外发射器与对应的接收器之间有物体阻挡时，接收器信号值强度会明显降低，获取电梯光幕32个接收器的信号值强度，与预设的阈值A进行比较可以判断对应的光路上是否有遮挡物。将一帧的电梯光幕数据绘制成高32像素宽1像素的灰度图像，32个像素点分别对应32个接收器，根据接收器信号强度判断，若被遮挡对应像素点的灰度值设为0，若没有被遮挡对应像素点的灰度值设为255，该灰度图像绘制的为对应时间点处于光幕间的物体的侧视图。结合考虑一段时间的电梯光幕数据可以绘制出随着人或物体进出电梯，接收器信号值随着被遮挡和失去遮挡信号值变化的情况，即处于光幕间的遮挡物侧视图的变化情况，由于图像完整记录了人或物体通过电梯光幕各个时刻的侧视图，可以明显观察到通过的人和物体的具体轮廓。

步骤2、以任意一个接收器被遮挡为开始，至所有接收器均不被遮挡为结束，可以认为是某物体的一次完整通过光幕的动作。绘制这段时间的遮挡物侧视图，并标注该物体的类别，作为训练集的一个数据。

步骤3、建立一个足够数量的训练集后，需要对数据进行一定的分析处理。由于输入神经网络的图片形状要一致，因此观察所有图片的宽度分布，选取一个适合的宽(对大部分数据的影响较小)作为输入图片的宽，原始图片宽度小于指定宽的图片随机在两侧补上不定宽度的灰度值为0的像素点将图片宽度填充至40，原始图片宽度大于指定宽的图片需要在不改变图片高度的前提下缩放图片的宽度使图片宽度等于指定宽。另外考虑到进出光幕时若停留一段时间，在绘制的图片上会出现大量的类似的重复数据，计算相邻帧的相关系数，若超过所设经验阈值B的相邻帧的相关系数均高于所设阈值C则只保留长度为B的帧数，其他的忽略不计，减少由于长时间停留导致的形状改变同时对于检测箱子等物体仍具有良好的适应性。

其中，X、Y为相邻的两帧数据，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差,r(X,Y)为求得的X与Y的相关系数。

步骤4、搭建一个浅层卷积神经网络，第一层为输入层，输入图片大小为32*指定宽*光幕方向方向数量；第二层为卷积层，filter大小为3*3，filter个数为32个；第三层为池化层，filter大小为2*2，步长为2；第四层为卷积层，filter大小为3*3，filter个数为64个；第四层为池化层，filter大小为2*2，步长为2；第五层为池化层，filter大小为2*2，步长为2；第六层为全连接层，神经元个数为128个；第七层为输出层，神经元个数等于识别物体类别数。

步骤5、将训练集图片归一化，并将标签进行one-hot编码后传入卷积神经网络进行训练。

步骤6、保存训练完的神经网络模型，当检测到有物体通过光幕时，绘制遮对应时间段的挡物侧视图，调整图片尺寸并归一化后加载神经网络模型预测该物体的类别，神经网络的输出中概率最大的那个类别即为神经网络预测的遮挡物类别，当检测到电瓶车等存在安全隐患的事物被带入电梯时发出预警。

综上所述，本发明提出的出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备，可识别出入电梯物件(包括人员或/和物体)，提高电梯设备的智能性。在识别出出入电梯物件后，可以便于电梯设备做出进一步的动作；例如，如果有不被允许的物体进入电梯，则可以发出报警信号。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。实施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现，对于效果或优点的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (16)

1.一种出入电梯物件检测系统，其特征在于，所述系统包括：

接收器信号获取模块，用以获取电梯光幕各接收器接收的信号；

轮廓绘制模块，用以根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像；

物件检测模块，用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

2.根据权利要求1所述的出入电梯物件检测系统，其特征在于：

所述系统进一步包括：数据模型建立模块，用以利用卷积神经网络建立有关物件及绘制图像的数据模型。

3.根据权利要求2所述的出入电梯物件检测系统，其特征在于：

所述系统进一步包括：数据训练模块，用以建立一个超过设定阈值的训练集，训练集中存储有物件及对应的绘制图像。

4.根据权利要求3所述的出入电梯物件检测系统，其特征在于：

所述数据训练模块包括：

图像宽度设定单元，用以获取输入神经网络的原始图像，根据所有原始输入图像的宽度分布设定输入图像的指定宽度阈值范围；

图像处理单元，用以对原始输入图像进行图像处理；对于原始输入图像宽度小于指定宽度阈值范围最小值的原始输入图像，则填补对应原始输入图像，使其满足设定的宽度要求；对于原始输入图像宽度大于指定宽度阈值范围最大值的原始输入图像，则缩放对应原始输入图像的宽度，使图像宽度在指定宽度阈值范围内。

5.根据权利要求4所述的出入电梯物件检测系统，其特征在于：

所述数据训练模块或/和轮廓绘制模块包括：

重复数据合并单元，用以在绘制的图像出现大量类似的重复数据的情况下，计算相邻帧的相关系数，若超过第一阈值B长度的相邻帧的相关系数均高于第二阈值C，则只保留长度为第一阈值B的帧数。

6.根据权利要求1所述的出入电梯物件检测系统，其特征在于：

所述轮廓绘制模块包括：

帧图像绘制单元，用以根据各时间点各接收器接收的信号强度绘制对应帧的图像；

轮廓绘制单元，用以按时间点的次序将所述帧图像绘制单元绘制的帧图像依次拼接，形成对应物件的轮廓图像。

7.根据权利要求6所述的出入电梯物件检测系统，其特征在于：

所述帧图像绘制单元用以将一帧的电梯光幕数据绘制成高与接收器数量存在设定关联的图像；根据各接收器接收的信号强度设定对应区域的灰度值，若接收器被遮挡，则对应区域的灰度值为第一灰度值；若接收器没有被遮挡，则对应区域的灰度值为第二灰度值。

8.根据权利要求1所述的出入电梯物件检测系统，其特征在于：

所述轮廓绘制模块包括图像处理单元，用以对绘制后的图像进行图像处理；对于绘制后图像宽度小于指定宽度阈值范围最小值的图像，则填补对应图像，使其满足设定的宽度要求；对于绘制图像宽度大于指定宽度阈值范围最大值的图像，则缩放对应图像的宽度，使图像宽度在指定宽度阈值范围内。

9.根据权利要求2所述的出入电梯物件检测系统，其特征在于：

所述数据模型建立模块用以搭建一个浅层卷积神经网络，第一层为输入层，输入图像大小为32*指定宽*光幕方向方向数量；第二层为卷积层，filter大小为3*3，filter个数为32个；第三层为池化层，filter大小为2*2，步长为2；第四层为卷积层，filter大小为3*3，filter个数为64个；第五层为池化层，filter大小为2*2，步长为2；第六层为全连接层，神经元个数为128个；第七层为输出层，神经元个数等于识别物体类别数。

10.根据权利要求3所述的出入电梯物件检测系统，其特征在于：

所述系统进一步包括：数据预处理模块，用以将训练集图像归一化，并将标签进行one-hot编码后传入卷积神经网络进行训练。

11.根据权利要求1所述的出入电梯物件检测系统，其特征在于：

所述系统进一步包括：安全隐患预警模块，用以在检测出设定物件进入电梯时，发出预警信息。

12.根据权利要求1所述的出入电梯物件检测系统，其特征在于：

所述轮廓绘制模块用以获取各完整通过光幕动作时间段的物件轮廓；完整通过光幕动作时间段指：任意一个接收单元被遮挡为开始、至所有接收单元均不被遮挡为结束对应的时间段。

13.一种物件检测系统，其特征在于，所述系统包括：

设置于设定区域第一侧的若干发射器，用以发射设定信号；

设置于设定区域第二侧的若干接收器，用以接收对应发射器发出的信号；

轮廓绘制模块，用以根据各接收器获取的信号绘制经过设定区域的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于设定区域间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过设定区域的人员或/和物体的轮廓图像；以及

物件检测模块，用以根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入设定区域的物件的属性。

14.一种电梯光幕，其特征在于：包括权利要求1至12任一所述的出入电梯物件检测系统。

15.一种电梯设备，其特征在于：包括权利要求1至12任一所述的出入电梯物件检测系统。

16.一种出入电梯物件检测方法，其特征在于，所述方法包括：

接收器信号获取步骤；获取电梯光幕各接收器接收的信号；

轮廓绘制步骤；根据所述接收器信号获取模块获取的信号绘制经过电梯光幕的人员或/和物体的轮廓图像；通过各时间段中设定时间点各接收器感应到的是否被遮挡的信号，绘制设定时间点处于电梯光幕间的人员或/和物体的轮廓图像，并以此形成设定时间段内通过电梯光幕间的人员或/和物体的轮廓图像；

物件检测步骤；根据所述轮廓绘制模块绘制的物件轮廓，识别得到出入电梯的物件的属性。

Images