小区电动车禁入电梯监控管理系统

小区电动车禁入电梯监控管理系统

电动车进电梯报警系统是怎么样的？想必有一些人还不太了解，但是现在很多小区对这个系统都比较感兴趣，今天来一起了解一下吧。

电动车已经成为大家日常出行的主要交通工具，市民该如何做好安全防范，最大限度减少火灾发生，保护自身安全。

消防部门统计电动车火灾伤亡事故一般发在晚上充电时，大部分原因是电池故障引起，其次是线路短路和动力线路故障，很多市民习惯将电动车停在住宅楼道楼梯间等公共区域内充电，到第二天去上班才切断电源，充电时间经常超过12小时，电动车极容易发生火灾事故。

2017年12月29日公安部发布《关于规范电动车停放充电加强灾防范的通告》要求公民应当将电动车停放在安全地点，充电时应当确保安全。严禁在建筑内的共用走道、楼梯间、安全出口处等公共区域停放电动车或者为电动车充电，防止发生火灾。通告明确了对于违规停放、充电行为要严厉查处。

2019年7月1日，应急管理部、教育部、公安部、住房和城乡建设部等四部委联合下发通知，就切实加强出租屋及校园周边经营场所消防安全管理工作提出要求。通知提出，坚决整治电动自行车“进楼入户”“人车同屋”“飞线充电”等突出问题，避免火灾事故发生。

电动车禁入电梯识别管控系统前端设备嵌入AI智能电动车识别算法，对电动车精确检测分析，实现对电动车分析识别，实时预警电梯轿厢内电动车闯入事件。

当有电动车进入电梯轿厢内可对其自动识别，即对其抓拍告警图片并现场联动语音告警同时输出开关量信号到电梯光幕主板，控制电梯停止运行；也可以将当时抓拍的告警图像传输到管理中心，在管理中心输出报警信号。

系统采用AI算法，通过大量真实的场景样本训练后，能够在各种应用场景下及时准确的对场景中发生的电动车闯入行为发出告警信息。通过对实时视频图像进行智能分析识别，可实现图像全屏周界防护、划定区域周界防护等

电动车禁入电梯识别管控系统采用机器视觉图像感知技术，通过人工智能深度学习技术，实现对电动车检测分析识别，在机器视觉图像景中，通过电动车识别算法建立图像模型，完成自动检测识别电动车，并能以视觉图像智能分析精确区分干扰物体。

系统基于海量数据的深度学习，检测实时视频中的电动车目标，并通过电动车特征分析，准确的识别电动车目标。通过对电动车特征的深度学习，对视频中的目标进行检测，系统采用目前领先的基于深度学习的目标检测算法。

系统特点

支持检测识别的电动车种类广泛，适应北方常备的挡风布遮挡；

针对带有开关门的场景，例如电梯轿厢场景专门设计和优化，可以识别楼层号，只在1层或负1层检测识别进入的电动车，可大幅度降低误报率；

具备二次报警功能，依据梯内违规的严重性升级告警；

可以同时检测电动车和自行车，且分别报警；

电梯轿厢设备识别到电动车时，可实时推送告警图片及告警语音到监控室管理电脑，管理软件支持告警图片自动弹出；允许物业强制远程开关电梯门；

内置算法，脱机运行，电动车检测识别率96%；

针对性滤除常见错误：婴儿车、轮椅、自行车、滑轮车；

清晰度高，使用超微星光图像传感器，200万像素成像，即使在夜间光照缺乏，无需额外补光，也可以清晰得到彩色图像和检测性；

系统架构

电动车识别预警摄像机设备嵌入AI智能电动车识别算法，实现对电动车检测分析识别，实时预警电梯轿厢内电动车闯入事件。电梯轿厢摄像机一体化完成分析、识别、预警，在电梯轿厢安装脱机使用。配置继电器，同时支持联动语音告警播报，不需要连接到监控中心，安装简单、维护方便。

无需后台，无需服务器，无需云端，脱机应用独立工作。

现场警报：当电动车推入电梯轿厢，摄像机识别到电动车时，语音告警器发出语音播报，播放阻止电动车进入的语音。

控制电梯：当检测到电动车时，系统设备输出开关量信号给到电梯光幕控制主板，强制电梯保持开门状态。

联网型通过前端电梯轿厢电动车识别预警摄像机到监控室后端的交互系统和数据存储，形成完整的的电动车禁入电梯管控预警解决方案。

配合NVR使用，构建完整智能视频监控系，统后台支持齐全，提供标准的配置和告警接收工具软件，以及管理平台软件，无需任何开发对接，即可成套使用。

监控室警报：当电动车推入电梯轿厢，摄像机识别到电动车时，可实时推送告警图片及告警语音到监控室管理电脑，软件支持告警图片自动弹出，可手动开关电梯门。

视频录像：监控室接入硬盘录像机做实时视频录像，智能管理系统软件安装于电脑或服务器，支持告警信息数据统计等功能。

电动车进电梯控制设备发现电动车进入电梯，会及时向物业管理人员手机推送V信消息，物业管理人员在手机上可以对电动车进电梯控制设备发送过来的图像进行二次比对确认或者手工放行，或者默认机器自动处理。电动车进电梯控制设备可以从技术上对电动车进电梯进行控制。大家有什么看法欢迎留言讨论。

声明：本文只做技术研究讨论，请勿用于非法目的，如果恶意使用造成任何法律责任本站概不负责！