CN112061908B - 一种电梯控制方法和系统 - Google Patents

Abstract

本发明涉及一种电梯控制方法和系统。所述电梯控制方法和系统，利用大数据算法，包括传统算法SVM，神经网络，深度学习，transformer预测模型，逻辑回归等时间序列回归模型来深度挖掘和分析用户的乘坐电梯行为模式，进而实现对用户的目的楼层数的预测，实现无接触的，灵活的用户乘坐方式。

Description

一种电梯控制方法和系统

技术领域

本发明涉及电梯智能控制领域，特别是涉及一种电梯控制方法和系统。

背景技术

目前智能电梯控制基于事先人工数据库录入人脸信息，通过人脸识别比对，到达事先注册好的楼层。此过程存在以下缺陷和问题：

1、需要工作人员手动录入，不便于动态实时管理到访人员和数据库增减；

2、目前数据库录入信息固定，无法根据用户个体的行为模式分析，无法个性化制定用户电梯使用，比如对于住户1，只能根据系统控制到特定的楼层，使用起来不够灵活和智能；

3、对于像是医院，住宅楼等流动陌生人群较多的场景，现有的智能电梯控制无法较好的处理他们的无接触控制需求。

发明内容

本发明的目的是提供一种电梯控制方法和系统，以解决现有技术中存在的上述问题。

为实现上述目的，本发明提供了如下方案：

一种电梯控制方法，包括：

获取乘梯人员的特征信息；所述特征信息包括：面部信息和声纹信息；

根据所述特征信息判定所述乘梯人员的身份类别；

当所述身份类别为已知身份时，获取人工智能算法预测模型；

采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数；并且实时更新安保数据库状态，记录人员进出情况；

当所述身份类别为未知身份时，记录所述乘梯人员的乘梯信息；所述乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间；

获取当前安保场景；所述安保场景包括：医院、住宅楼、写字楼、学校、研究院和工厂；

根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型；所述处理模型包括：控制模型和建模分析模型；所述控制模型用于为所述乘梯人员分配乘梯权限；所述建模分析模型用于采用人工智能算法对所述乘梯人员的乘梯行为进行存储和数据学习。

优选的，所述采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数，具体包括：

采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值；所述乘梯期望值为所述乘梯人员达到每一楼层的期望值；

获取设定乘梯期望阈值，并判断所述乘梯期望值与所述乘梯期望阈值间的关系；

当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮；该楼层数即为所述乘梯人员期望达到的楼层数；

当所述乘梯期望值小于等于所述乘梯期望阈值时，依据所述乘梯人员的声纹信息触发楼层按钮；记录所述乘梯人员的乘梯信息，并更新所述乘梯人员的行为模式模型；所述行为模式模型中包含所述身份类别为已知身份的乘梯人员的历史乘梯信息；所述历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

优选的，当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮，具体包括：

开启自动纠错模式，并显示或播报所触发楼层按钮的信息；

在设定时间内判断是否获取到所述乘梯人员的反馈楼层数，得到第一判断结果；

若所述第一判断结果为获取到所述乘梯人员的反馈楼层数，则判断所述反馈楼层数与触发楼层数是否一致，得到第二判断结果；若所述第二判断结果为是，则触发与所述楼层数相对应的楼层按钮；若所述第二判断结果为否，则触发与所述反馈楼层数相对应的楼层按钮，并根据所述反馈楼层数更新所述乘梯人员的行为模式模型；

若所述第一判断结果为未获取到所述乘梯人员的反馈楼层数，则直接触发与所述乘梯期望值相对应楼层数的楼层按钮。

优选的，所述根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型，具体包括：

当所述安保场景为住宅楼和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限；

当所述安保场景为医院和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用所述建模分析模型对所述乘梯人员的乘梯行为进行存储和数据学习。

一种电梯控制系统，包括：

特征信息获取模块，用于获取乘梯人员的特征信息；所述特征信息包括：面部信息和声纹信息；

身份类别判定模块，用于根据所述特征信息判定所述乘梯人员的身份类别；

预测模型获取模块，用于当所述身份类别为已知身份时，获取人工智能算法预测模型；

楼层数确定模块，用于采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数；并且实时更新安保数据库状态，记录人员进出情况；

乘梯信息记录模块，用于当所述身份类别为未知身份时，记录所述乘梯人员的乘梯信息；所述乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间；

安保场景获取模块，用于获取当前安保场景；所述安保场景包括：医院、住宅楼和写字楼；

处理模型匹配模块，用于根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型；所述处理模型包括：控制模型和建模分析模型；所述控制模型用于为所述乘梯人员分配乘梯权限；所述建模分析模型用于采用人工智能算法对所述乘梯人员的乘梯行为进行存储和数据学习。

优选的，所述楼层数确定模块，具体包括：

乘梯期望值生成单元，用于采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值；所述乘梯期望值为所述乘梯人员达到每一楼层的期望值；

判断单元，用于获取设定乘梯期望阈值，并判断所述乘梯期望值与所述乘梯期望阈值间的关系；

第一楼层按钮触发单元，用于当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮；该楼层数即为所述乘梯人员期望达到的楼层数；

第二楼层按钮触发单元，用于当所述乘梯期望值小于等于所述乘梯期望阈值时，依据所述乘梯人员的声纹信息触发楼层按钮；记录所述乘梯人员的乘梯信息，并更新所述乘梯人员的行为模式模型；所述行为模式模型中包含所述身份类别为已知身份的乘梯人员的历史乘梯信息；所述历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

优选的，所述第一楼层按钮触发单元，具体包括：

纠错模式开启子单元，用于开启自动纠错模式，并显示或播报所触发楼层按钮的信息；

第一判断子单元，用于在设定时间内判断是否获取到所述乘梯人员的反馈楼层数，得到第一判断结果；

第二判断子单元，用于当所述第一判断结果为获取到所述乘梯人员的反馈楼层数时，判断所述反馈楼层数与触发楼层数是否一致，得到第二判断结果；若所述第二判断结果为是，则触发与所述楼层数相对应的楼层按钮；若所述第二判断结果为否，则触发与所述反馈楼层数相对应的楼层按钮，并根据所述反馈楼层数更新所述乘梯人员的行为模式模型；

楼层按钮触发子单元，用于当所述第一判断结果为未获取到所述乘梯人员的反馈楼层数时，直接触发与所述乘梯期望值相对应楼层数的楼层按钮。

优选的，所述处理模型匹配模块，具体包括：

第一控制权限匹配单元，用于当所述安保场景为住宅楼和/或写字楼时，为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限；

第二控制权限匹配单元，用于当所述安保场景为医院和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用所述建模分析模型对所述乘梯人员的乘梯行为进行存储和数据学习。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

1、能够实现目前疫情期间无接触电梯控制，隔绝因电梯按钮接触导致的新冠病毒的传播和蔓延。

2、利用大数据算法深入学习用户行为模式，比如根据当前时间点，当前电梯楼层数，和用户们的人脸/声纹来学习和预测用户们要去的楼层数，并且新型的系统能给出合理的预测，实现智能化无接触的灵活电梯楼层控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的电梯控制方法的第一流程图；

图2为本发明实施例中电梯控制方法的第二流程图；

图3为本发明实施例中自动纠错模型工作流程图；

图4为本发明提供的电梯控制系统的结构示意图；

图5为本发明实施例中语音识别+人脸识别控制流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种电梯控制方法和系统，以实现电梯智能、无接触的升降控制，进而解决现有问题中存在的诸多问题。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明提供的电梯控制方法的第一流程图，图2为本发明实施例中电梯控制方法的第二流程图。如图1和图2所示，本发明提供的一种电梯控制方法，包括：

步骤100：获取乘梯人员的特征信息。特征信息包括：面部信息和声纹信息。

步骤101：根据特征信息判定乘梯人员的身份类别。

步骤102：当身份类别为已知身份时，获取人工智能算法预测模型。

步骤103：采用人工智能算法预测模型，根据乘梯人员的特征信息、当前时间、当前电梯所处楼层确定乘梯人员所要达到的楼层数。并且实时更新安保数据库状态，记录人员进出情况。或，通过声音识别模块识别用户的声纹信息，以根据用户的声纹信息控制电梯运行至目的楼层。在本发明中所采用的人工智能算法预测模型包括：传统算法SVM、神经网络、深度学习、transformer预测模型、逻辑回归等时间序列回归模型。因这些模型均是常用学习模型，本发明不对其具体的预测算法进行论述。

步骤104：当身份类别为未知身份时，记录乘梯人员的乘梯信息。乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间。

步骤105：获取当前安保场景。安保场景包括：医院、住宅楼和写字楼。

步骤106：根据安保场景和乘梯信息为未知身份的乘梯人员匹配处理模型。处理模型包括：控制模型和建模分析模型。控制模型用于为乘梯人员分配乘梯权限。建模分析模型用于采用人工智能算法对乘梯人员的乘梯行为进行存储和数据学习。

其中，上述步骤103具体包括：

步骤1031：采用人工智能算法预测模型，根据乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值。乘梯期望值为乘梯人员达到每一楼层的期望值。

步骤1032：获取设定乘梯期望阈值，并判断乘梯期望值与乘梯期望阈值间的关系。

步骤1033：当乘梯期望值大于乘梯期望阈值时，触发与乘梯期望值相对应楼层数的楼层按钮。该楼层数即为乘梯人员期望达到的楼层数。如图3所示，该过程可以包括：

A、开启自动纠错模式，并显示或播报所触发楼层按钮的信息。

B、在设定时间内判断是否获取到乘梯人员的反馈楼层数，得到第一判断结果。在本发明中所设定的时间可以根据实际的安保场景进行人为选择。

C、若第一判断结果为获取到乘梯人员的反馈楼层数，则判断反馈楼层数与触发楼层数是否一致，得到第二判断结果。若第二判断结果为是，则触发与楼层数相对应的楼层按钮。若第二判断结果为否，则触发与反馈楼层数相对应的楼层按钮，并根据反馈楼层数更新乘梯人员的行为模式模型。

D、若第一判断结果为未获取到乘梯人员的反馈楼层数，则直接触发与乘梯期望值相对应楼层数的楼层按钮。

步骤1034：当乘梯期望值小于等于乘梯期望阈值时，依据乘梯人员的声纹信息触发楼层按钮。记录乘梯人员的乘梯信息，并更新乘梯人员的行为模式模型。行为模式模型中包含身份类别为已知身份的乘梯人员的历史乘梯信息。历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

上述步骤104具体包括：

步骤1041：当安保场景为住宅楼和/或写字楼时，则为未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限。

步骤1042：当安保场景为医院和/或写字楼时，则为未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用建模分析模型对乘梯人员的乘梯行为进行存储和数据学习。

下面提供一个具体实施案例进一步说明本发明的方案。

首先对经常使用的用户进行特征信息录入，包括：根据人脸，声纹来动态实时录入用户信息。当有用户进入电梯时，可以根据产品的硬件中人脸识别技术判断出当前的所有用户，同时也可以根据用户的声音来判断出当前的所有用户。同时对进来的用户进行分类，分为已纳入数据库的人群和未纳入数据库的人群。

对于用户进行个性化的行为模式分析，比如在医院的场景下，某医生每天在固定楼层5楼坐诊，但是在下午的时候会去3楼查病房。那么，在使用电梯时，电梯可以根据该医生的生活行为模式进行分析，得出他在早上乘坐电梯时应该按5楼的按钮，下午乘坐电梯时应该按3楼的按钮，医生晚上下班时按1楼的按钮的行为习惯。从而实现对每个用户的行为模式的具体建模和分析。

依托大数据分析的算法，对于每次进入电梯的人群进行识别，然后根据时间和楼层数，进行合理的猜测，单片机系统能够给出最合理的预测值。利用人工智能系统对所有进入电梯的人群先进行扫描，获得所有已知的用户和未知的用户，对于已知的用户给出合理的电梯楼层预测值，通过接入原有的电梯控制系统，可以实现对电梯的无接触、智能个性化的灵活控制。对于未知的新的用户，可以自动纳入信息数据库中，接入安保控制系统，并同时记录该未知用户的行为习惯，比如在某时刻他按了哪一层楼的按钮，便于之后的该用户行为模式的分析、预测。

若是采用语音控制模块+人脸识别模块进行控制，如图5所示，则可以处理为：用户在哪一层进入电梯，通过语音控制到达目的楼层。本套系统通过不断抓拍，获得电梯实时进出的情况，比如在3楼到达之前抓拍电梯内人员情况，有用户1、用户2和用户3，在3楼到达时，若用户1离开，用户4进来，则在电梯3楼关门时，系统再次抓拍，会检测到此时电梯内有用户2，用户3，用户4，对比之前情况，系统可以智能的知道，用户1在3楼离开，用户4在3楼进来，从而实现智能化电梯记录用户行为。

上述工艺过程如图2所示，可以概括为：训练模型过程、自动纠错预测过程和预测算法模型预测过程。

进一步，结合实际的使用场景对本发明所提供的技术方案进行进一步说明。

场景1：医院情况下，对于内部电梯可以区分医生以及普通的到访病患，医生可以提前录入人脸信息，结合其工作模式提前录入数据库和分析模型。而对于每天到访的病患，可能不方便提前录入数据库记录，则可以采用通过前期声控来控制所到楼层数，同时系统记录声纹信息，后期则可以通过声纹确认用户身份，实现对用户的目的楼层的预测或目的楼层运行控制。从而实现对医院各类人群的定制化智能服务。

场景2：在办公楼或住宅楼情景下，可以根据到访人群进行划分，若为固定的居住用户或者办公人群，可以先通过前端的安保系统(包含有不同安保场景的处理模型)先纳入数据库以及对每个个体建模。对于每次新来的用户实时报告给前端安保系统，安保系统会更针对性处理到访人员，及时处理，提高效率，实现智能安保。

因此，基于以上描述，本发明相对于现有技术还具有以下优点：

1、对于原有的电梯更加智能化控制，可以更加灵活的应用在医院、办公楼、住宅楼等复杂的场景中。通过对每个用户的人脸和声纹声控人工智能建模分析用户行为模式，来实现对每个用户的个性化、智能无接触的电梯楼层预测和控制。

2、此方法能隔绝目前新冠病毒的接触传播途径，同时使得有固定生活模式和轨迹的用户更便捷的使用电梯。

3、系统实时自动化纠错机制，使得用户控制纠错的复杂度降低，同时也实时优化对个性化用户的模型。

4、可全自助化增添、删减到访用户，实时维护数据库数据，结合安保前端控制系统可以更加智能化管理到访人员。

此外，针对上述提供的电梯控制方法，本发明还对应提供了一种电梯控制系统。如图4所示，该系统包括：特征信息获取模块1、身份类别判定模块2、预测模型获取模块3、楼层数确定模块4、乘梯信息记录模块5、安保场景获取模块6和处理模型匹配模块7。

其中，特征信息获取模块1用于获取乘梯人员的特征信息。特征信息包括：面部信息和声纹信息。

身份类别判定模块2用于根据特征信息判定乘梯人员的身份类别。

预测模型获取模块3用于当身份类别为已知身份时，获取人工智能算法预测模型。

楼层数确定模块4用于采用人工智能算法预测模型，根据乘梯人员的特征信息、当前时间、当前电梯所处楼层确定乘梯人员所要达到的楼层数。并且实时更新安保数据库状态，记录人员进出情况。楼层数确定模块4还可以用于通过声音识别模块识别用户的声纹信息，以根据用户的声纹信息控制电梯运行至目的楼层。

乘梯信息记录模块5用于当身份类别为未知身份时，记录乘梯人员的乘梯信息。乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间。

安保场景获取模块6用于获取当前安保场景。安保场景包括：医院、住宅楼和写字楼。

处理模型匹配模块7用于根据安保场景和乘梯信息为未知身份的乘梯人员匹配处理模型。处理模型包括：控制模型和建模分析模型。控制模型用于为乘梯人员分配乘梯权限。建模分析模型用于采用人工智能算法对乘梯人员的乘梯行为进行存储和数据学习。

作为本发明的一优选实施例，上述楼层数确定模块4具体包括：乘梯期望值生成单元、判断单元、第一楼层按钮触发单元和第二楼层按钮触发单元。

其中，乘梯期望值生成单元用于采用人工智能算法预测模型，根据乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值。乘梯期望值为乘梯人员达到每一楼层的期望值。

判断单元用于获取设定乘梯期望阈值，并判断乘梯期望值与乘梯期望阈值间的关系。

第一楼层按钮触发单元用于当乘梯期望值大于乘梯期望阈值时，触发与乘梯期望值相对应楼层数的楼层按钮。该楼层数即为乘梯人员期望达到的楼层数。

第二楼层按钮触发单元用于当乘梯期望值小于等于乘梯期望阈值时，依据乘梯人员的声纹信息触发楼层按钮。记录乘梯人员的乘梯信息，并更新乘梯人员的行为模式模型。行为模式模型中包含身份类别为已知身份的乘梯人员的历史乘梯信息。历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

作为本发明的另一优选实施例，上述第一楼层按钮触发单元具体包括：纠错模式开启子单元、第一判断子单元、第二判断子单元和楼层按钮触发子单元。

其中，纠错模式开启子单元用于开启自动纠错模式，并显示或播报所触发楼层按钮的信息。

第一判断子单元用于在设定时间内判断是否获取到乘梯人员的反馈楼层数，得到第一判断结果。

第二判断子单元用于当第一判断结果为获取到乘梯人员的反馈楼层数时，判断反馈楼层数与触发楼层数是否一致，得到第二判断结果。若第二判断结果为是，则触发与楼层数相对应的楼层按钮。若第二判断结果为否，则触发与反馈楼层数相对应的楼层按钮，并根据反馈楼层数更新乘梯人员的行为模式模型。

楼层按钮触发子单元用于当第一判断结果为未获取到乘梯人员的反馈楼层数时，直接触发与乘梯期望值相对应楼层数的楼层按钮。

作为本发明的又一优选实施例，上述处理模型匹配模块7具体包括：第一控制权限匹配单元和第二控制权限匹配单元。

其中，第一控制权限匹配单元用于当安保场景为住宅楼和/或写字楼时，为未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限。

第二控制权限匹配单元用于当安保场景为医院和/或写字楼时，则为未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用建模分析模型对乘梯人员的乘梯行为进行存储和数据学习。

进一步，本发明还提供了另一种电梯控制系统，该电梯控制系统主要使用语音控制+人脸识别+机器学习的大数据分析的架构进行电梯控制。

其中，语音控制：乘客进入电梯可以直接采用语音指令发出想要去的楼层数，本系统通过使用语音降噪，依次得到目的楼层数，系统将目的楼层数发送到控制系统，以控制电梯运行至目的楼层。

本系统的精妙之处在于：系统在每次开门之前会抓拍当前电梯内的人员情况，以及关门后抓拍人员情况，通过比对前后的人员情况，可以知道哪个用户在哪一层进入，进入的时间，以及在哪一层离开和离开的时间。通过此系统中的智能输入和大数据的处理方式与前述系统中采用的智能输入和大数据的处理方式相同。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种电梯控制方法，其特征在于，包括：

获取乘梯人员的特征信息；所述特征信息包括：面部信息和声纹信息；

根据所述特征信息判定所述乘梯人员的身份类别；

当所述身份类别为已知身份时，获取人工智能算法预测模型；

采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数；并且实时更新安保数据库状态，记录人员进出情况；

当所述身份类别为未知身份时，记录所述乘梯人员的乘梯信息；所述乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间；

获取当前安保场景；所述安保场景包括：医院、住宅楼、写字楼、学校、研究院和工厂；

根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型；所述处理模型包括：控制模型和建模分析模型；所述控制模型用于为所述乘梯人员分配乘梯权限；所述建模分析模型用于采用人工智能算法对所述乘梯人员的乘梯行为进行存储和数据学习；

所述采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数，具体包括：

采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值；所述乘梯期望值为所述乘梯人员达到每一楼层的期望值；

获取设定乘梯期望阈值，并判断所述乘梯期望值与所述乘梯期望阈值间的关系；

当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮；该楼层数即为所述乘梯人员期望达到的楼层数；

当所述乘梯期望值小于等于所述乘梯期望阈值时，依据所述乘梯人员的声纹信息触发楼层按钮；记录所述乘梯人员的乘梯信息，并更新所述乘梯人员的行为模式模型；所述行为模式模型中包含所述身份类别为已知身份的乘梯人员的历史乘梯信息；所述历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

2.根据权利要求1所述的一种电梯控制方法，其特征在于，当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮，具体包括：

开启自动纠错模式，并显示或播报所触发楼层按钮的信息；

在设定时间内判断是否获取到所述乘梯人员的反馈楼层数，得到第一判断结果；

若所述第一判断结果为获取到所述乘梯人员的反馈楼层数，则判断所述反馈楼层数与触发楼层数是否一致，得到第二判断结果；若所述第二判断结果为是，则触发与所述楼层数相对应的楼层按钮；若所述第二判断结果为否，则触发与所述反馈楼层数相对应的楼层按钮，并根据所述反馈楼层数更新所述乘梯人员的行为模式模型；

若所述第一判断结果为未获取到所述乘梯人员的反馈楼层数，则直接触发与所述乘梯期望值相对应楼层数的楼层按钮。

3.根据权利要求1所述的一种电梯控制方法，其特征在于，所述根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型，具体包括：

当所述安保场景为住宅楼和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限；

当所述安保场景为医院和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用所述建模分析模型对所述乘梯人员的乘梯行为进行存储和数据学习。

4.一种电梯控制系统，其特征在于，包括：

特征信息获取模块，用于获取乘梯人员的特征信息；所述特征信息包括：面部信息和声纹信息；

身份类别判定模块，用于根据所述特征信息判定所述乘梯人员的身份类别；

预测模型获取模块，用于当所述身份类别为已知身份时，获取人工智能算法预测模型；

楼层数确定模块，用于采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层确定所述乘梯人员所要达到的楼层数；并且实时更新安保数据库状态，记录人员进出情况；

乘梯信息记录模块，用于当所述身份类别为未知身份时，记录所述乘梯人员的乘梯信息；所述乘梯信息包括：乘梯人员的特征信息、乘坐电梯的起始层数、目的层数和乘梯时间；

安保场景获取模块，用于获取当前安保场景；所述安保场景包括：医院、住宅楼和写字楼；

处理模型匹配模块，用于根据所述安保场景和所述乘梯信息为未知身份的乘梯人员匹配处理模型；所述处理模型包括：控制模型和建模分析模型；所述控制模型用于为所述乘梯人员分配乘梯权限；所述建模分析模型用于采用人工智能算法对所述乘梯人员的乘梯行为进行存储和数据学习；

所述楼层数确定模块，具体包括：

乘梯期望值生成单元，用于采用所述人工智能算法预测模型，根据所述乘梯人员的特征信息、当前时间、当前电梯所处楼层生成乘梯期望值；所述乘梯期望值为所述乘梯人员达到每一楼层的期望值；

判断单元，用于获取设定乘梯期望阈值，并判断所述乘梯期望值与所述乘梯期望阈值间的关系；

第一楼层按钮触发单元，用于当所述乘梯期望值大于所述乘梯期望阈值时，触发与所述乘梯期望值相对应楼层数的楼层按钮；该楼层数即为所述乘梯人员期望达到的楼层数；

第二楼层按钮触发单元，用于当所述乘梯期望值小于等于所述乘梯期望阈值时，依据所述乘梯人员的声纹信息触发楼层按钮；记录所述乘梯人员的乘梯信息，并更新所述乘梯人员的行为模式模型；所述行为模式模型中包含所述身份类别为已知身份的乘梯人员的历史乘梯信息；所述历史乘梯信息包括：已知身份的乘梯人员的历史乘梯时间、历史达到的楼层数和特征信息。

5.根据权利要求4所述的一种电梯控制系统，其特征在于，所述第一楼层按钮触发单元，具体包括：

纠错模式开启子单元，用于开启自动纠错模式，并显示或播报所触发楼层按钮的信息；

第一判断子单元，用于在设定时间内判断是否获取到所述乘梯人员的反馈楼层数，得到第一判断结果；

第二判断子单元，用于当所述第一判断结果为获取到所述乘梯人员的反馈楼层数时，判断所述反馈楼层数与触发楼层数是否一致，得到第二判断结果；若所述第二判断结果为是，则触发与所述楼层数相对应的楼层按钮；若所述第二判断结果为否，则触发与所述反馈楼层数相对应的楼层按钮，并根据所述反馈楼层数更新所述乘梯人员的行为模式模型；

楼层按钮触发子单元，用于当所述第一判断结果为未获取到所述乘梯人员的反馈楼层数时，直接触发与所述乘梯期望值相对应楼层数的楼层按钮。

6.根据权利要求4所述的一种电梯控制系统，其特征在于，所述处理模型匹配模块，具体包括：

第一控制权限匹配单元，用于当所述安保场景为住宅楼和/或写字楼时，为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为无控制权限；

第二控制权限匹配单元，用于当所述安保场景为医院和/或写字楼时，则为所述未知身份的乘梯人员匹配控制模型中的乘梯权限为有控制权限，并采用所述建模分析模型对所述乘梯人员的乘梯行为进行存储和数据学习。

Images