买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东省特种设备检测研究院茂名检测院申请的专利一种基于深度学习的电梯异常行为实时检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120951051B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511453035.5，技术领域涉及：G06F18/24；该发明授权一种基于深度学习的电梯异常行为实时检测方法及系统是由梁飞;毛伟冬;陈波;陈本章;陈进;杜霖;黄俊杰;朱家汉;谭文林设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种基于深度学习的电梯异常行为实时检测方法及系统在说明书摘要公布了：本申请提供一种基于深度学习的电梯异常行为实时检测方法及系统，所述方法包括：获取目标电梯在第一检测周期内的视频流数据、传感器数据集和运行状态序列；将所述视频流数据和运行状态序列输入至预设的乘客行为识别模型，以使所述乘客行为识别模型识别所述目标电梯中存在的乘客行为类型；将所述传感器数据集和所述运行状态序列转换为多模态时序数据并输入至预设的振动预测模型，以使所述振动预测模型预测所述目标电梯在第二检测周期的振动模式；根据各个所述乘客行为类型、所述振动模式和预设的规则库，确定所述目标电梯在第一检测周期内的第一检测结果，并控制所述目标电梯在第二检测周期执行对应的第一保护措施，提高电梯运行过程中的安全性。

本发明授权一种基于深度学习的电梯异常行为实时检测方法及系统在权利要求书中公布了：1.一种基于深度学习的电梯异常行为实时检测方法，其特征在于，包括： 获取目标电梯在第一检测周期内的视频流数据、传感器数据集和电梯运行指令数据集，所述传感器数据集包括加速度数据集和门机电流信号数据集； 根据所述电梯运行指令数据集中各个指令数据的先后顺序，推理所述目标电梯在第一检测周期内需要执行的指令，进而确定所述目标电梯的运行状态序列，所述运行状态序列包括所述目标电梯在第一检测周期内各个时刻的运行状态； 将所述视频流数据和所述运行状态序列输入至预设的乘客行为识别模型，以使所述乘客行为识别模型根据所述运行状态序列和所述视频流数据识别所述目标电梯中存在的乘客行为类型； 将所述传感器数据集和所述运行状态序列转换为多模态时序数据并输入至预设的振动预测模型，以使所述振动预测模型根据所述多模态时序数据预测所述目标电梯在第二检测周期的振动模式； 所述将所述传感器数据集和所述运行状态序列转换为多模态时序数据，包括：通过插值或重采样操作将所述加速度数据集、门机电流信号数据集以及运行状态序列同步至统一的时间序列点，并进行数据归一化，获得对应的加速度时序数据、门机电流信号时序数据以及运行状态时序数据；将所述加速度时序数据、门机电流信号时序数据以及运行状态时序数据沿特征维度拼接融合，获得所述多模态时序数据； 所述振动预测模型根据所述多模态时序数据预测所述目标电梯在第二检测周期的振动模式，包括：通过若干1×1卷积核分别对所述多模态时序数据进行特征投影，获得初始特征图，所述初始特征图的特征维度等于所述卷积核的数量；对所述初始特征图进行若干次膨胀卷积操作，获得若干对应的膨胀特征图，其中，各个所述膨胀卷积操作中的膨胀率各不相同，当前的膨胀卷积操作的输入数据为上一次膨胀卷积操作的膨胀特征图；根据各个所述膨胀特征图进行特征金字塔聚合，获得聚合特征矩阵；根据所述多模态时序数据中的运行状态变化，确定对应的池化策略；根据所述池化策略对所述聚合特征矩阵进行池化操作，获得振动特征向量；将所述振动特征向量输入至预设的Softmax分类头，以使所述Softmax分类头输出所述目标电梯在第二检测周期的振动模式； 根据各个所述乘客行为类型、所述振动模式和预设的规则库，确定所述目标电梯在第一检测周期内的第一检测结果，并根据所述第一检测结果控制所述目标电梯在第二检测周期执行对应的第一保护措施； 其中，所述乘客行为识别模型是基于卷积神经网络模型构建获得，所述振动预测模型是基于时间卷积网络模型构建获得。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东省特种设备检测研究院茂名检测院，其通讯地址为：525000 广东省茂名市高水路鲤鱼岭6号大院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。