徐奕森 张建强 王 蕊 关加浚 徐成烨

（华南理工大学广州学院，广州 510800）

根据国家安监法规的安全人数限制要求，目前的施工电梯没有很好的解决方法。施工电梯承载能力强，进入电梯人数超载的情况下，一般不易触发质量超限报警，导致施工电梯依旧启动，降低了其安全性。目前，国内外的电梯人数统计方法取得了一些进展，但其采用传统视觉识别方法，且并未实现与电梯主控系统的连接。通过图像分割对其进行Hough变换的方法，实现了对安全帽的识别[1]。通过图像分割对其进行二值变换，实现了对安全帽的识别[2]。研究多采用基于图像分割对人头进行数量识别，但并未对未佩戴安全帽的情况进行统计。应用软硬件相结合的方式，采用远红外识别的方法，对电梯内人数进行识别。但是，该方法平均计算效率较低。上述研究大都是针对简单环境的识别定位，且研究方法的识别效率较低，无法时时与电梯内主控系统连接，实现在人数超载情况时的禁止启动，对在实际复杂环境中的识别效率鲜有研究[3-5]。

目前，深度卷积神经网络主要有两大类：一种是RCNN[6]基于候选区域的方法；另一种是SSD[7]、RetinaNet[8]、YOLO等无候选区域的方法。基于单步检测的YOLO算法，不同于RCNN为代表的双步检测算法，网络结构更加简单。相同条件下，基于单步检测的YOLO算法的检测速率相比于Faster-RCNN快约10倍[9-10]。由深度卷积神经网络的YOLO检测，在复杂条件下具有检测速度感高、稳定性好的优点。针对现在人数检测存在的问题，由卷积神经网络简化的YOLO V3算法检测人员静态图片和动态视频，摸索在实际复杂条件下机器视觉的工作效率，可为施工电梯人数检测方案提供视觉检测系统理论基础。……