解密！梯智眼T2相机电动车识别率超过98.5％是如何炼成的

电动车进入电梯一直是所有物业和消防的心头病。各地为了疏解这一难题亦是绞尽脑汁,如立法规定罚款、苦口婆心劝告、孜孜不倦科普等等。

“拒绝电动车进梯入户”——口号喊得多响,背后落实的艰辛就有多难。

一方面,我国电动车保有量超过3亿,平均每4个人就拥有一台,电动车进入高层建筑已经是司空见惯,民众意识仍需加强;另一方面,电动车引起的安全事故虽然有目共睹,但始终缺乏强力有效的手段,无法避免“漏网之鱼”。

“这是一个综合性问题,可以说是人们日益增长的出行需求与落后的基建设施不匹配产生的矛盾。”业内人士表示,要解决电动车进电梯的问题,需要追本溯源,堵疏结合。

既要满足电动车车主的充电和停车需求,又要保障乘梯人的生命财产安全,注定是漫长而波折的历程。事实上,受限于充电设施建设不完善或小区停车位规划影响等因素,一时难以从根源解决电动车进电梯的问题。

预防电动车进入电梯,成为重要突破口

从不少电动车火灾事故案例来看,电动车上楼入户是事故的导火索。为防范于未然,阻止电动车进梯入户是十分必要的。

作为智慧电梯系统的“基石”,电梯智能相机(即电梯AI摄像头)肩负起了阻止电动车这一艰巨任务——不需要额外的设备,可降低系统方案成本,同时也不妨碍正常乘梯,满足了事后追溯等需求。

但是,依靠AI摄像头来阻止电动车进电梯虽然在多地已经开展试点,却迟迟未能得到更广泛的普及,究其根本,在于技术的难题。

电动车种类多,容易与自行车混淆,电梯轿厢光线环境也比较复杂,对识别速度、精度要求极高。一旦造成误识别,就会影响业主正常乘梯体验,并且每一次漏识别则是埋下“不定时的炸弹”。

早期,在电梯内安装的摄像头仅仅为了满足安防需求,通过视频记录完成事情发生后的回看、查证和举证等工作,实时监控则依赖人工查监,费时费力。这种传统的电梯监控摄像头智能化程度低,难以满足电动车进梯的管理需求,迫切需要升级。

视觉AI技术,智能阻止电动车进电梯

AI的融入,让电梯摄像头改变了电梯监控的本质,真正实现了对电动车的智能识别和主动告警。

不久前,梯智眼推出了最新款T2系列相机,产品一经面世就得到了广泛好评,该版本的电动车识别率已经超过了98.5%,能精准识别出市面上大多数电动车,并自主告警,联动控制电梯门,同时截图留证。

究竟梯智眼T2相机是如何在复杂光线环境中保持精准识别的呢?对此,小编采访了梯智眼的研发总监。

与采用光幕识别电动车方案不同的是,梯智眼采用的是基于深度学习算法的计算机视觉嵌入式部署方案。

基于卷积神经网络建立起算法模型后,梯智眼采用了大量的样本来训练算法,以提高算法的精准度,同时针对自行车和电动车分别处理,增加了抗干扰机制,并结合ISP算法进一步提高成像,来保证最终电动车识别率的准确性。

针对视觉数据的处理,梯智眼研发团队采用了NPU的架构,NPU优化加速了数组的并行计算,让处理速度更快,其次是对模型进行整型的量化,把浮点计算转换为定点计算,从而让摄像头看的更快。

“智能摄像头只有一颗看东西的“芯”是远远不够,它还需要有强劲的大脑,大脑的作用是根据看到的情况,处理和分析。”梯智眼研发总监解释,为此梯智眼采用了边缘计算来加快相机的判断决策速度。

相较于云端计算,边缘计算能在相机端就完成决策判断,以保证传输数据的高质量度、有效度,降低流量成本,从而占用更小的后端服务器资源。

识别到电动车后,如何与电梯门控制系统进行连接?又该怎么判断电动车从进梯到出梯能够达到一直控门的效果?

“识别到电动车之后,相机通过对外的报警输出接口输出控制指令到电梯控制系统,就能完成与电梯门的互联互通。”梯智眼研发总监提到。

除此之外,梯智眼还采用了防遮挡算法,有效防止雨伞、书包、衣物等物件遮挡镜头,以保证相机正常运转,从而避免人为阻挡相机识别电动车。

结语

最后想说的是,其实解决电动车进电梯的问题不是一蹴而就,需要物业、业主、电动车厂商、政府等多方共同努力,一方面要严抓电动车质量安全,另一方面也要物业加强管理,利用科技手段拒绝电动车进电梯的同时,也要完善小区电动车配套设施,才能治标治本。