摘要：扶梯安全事故频发，传统人工监控效率低、响应慢。本系统基于YOLOv11n深度学习模型，覆盖逆行、摔倒、攀爬扶手等10种危险行为，实现扶梯危险行为的自动实时检测与三级风险智能预警。

论文概述

随着我国电梯保有量突破千万台，自动扶梯广泛应用于地铁站、商场、机场等人流密集场所，扶梯安全事故频发已成为公共安全领域亟待解决的问题。传统人工监控方式存在效率低、覆盖面有限、响应速度慢等不足，难以满足日益增长的安全监控需求。为此，本文提出一种基于深度学习的电梯扶梯危险行为检测系统，旨在实现对扶梯危险行为的自动化实时识别与智能预警。

本系统以YOLOv11n为核心检测模型，构建了包含8,642张标注图像的扶梯危险行为数据集，覆盖扶梯逆行、扶梯摔倒、攀爬扶手、轮椅上扶梯、携带行李箱、婴儿车上扶梯、衣服卷入扶梯、手伸出扶梯外侧、头伸出扶梯外侧、鞋子卷入扶梯共10种危险行为。模型训练采用SGD优化器、Mosaic拼接增强等策略，最终取得mAP50达99.4%、mAP50-95达96.0%、单张推理速度1.8ms的检测性能。在此基础上，基于PySide6开发了桌面端检测系统，支持图片、视频和摄像头三种输入模式，建立了低、中、高三级风险分级预警机制，集成了中文语音报警、检测结果数据库存储和多维度数据分析统计等功能。

统计信息

论文目录

配套项目

项目代码：基于深度学习电梯扶梯危险行为检测系统的设计与实现 需要另外购买。

作者信息

作者：Bob (张家梁)
论文编号：Doc-5
原创声明：本项目为原创作品

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。

版权声明：本站除特别标注外的所有源码与资料均为原创，受《中华人民共和国著作权法》等相关法律保护。未经本站事先书面许可，任何个人或机构不得以复制、转载、爬取、汇编、改写、引用等方式使用本站内容，不得将本站内容发布或用于任何形式的商业活动。对未经授权使用本站内容的行为，本站保留追究法律责任的权利，包括但不限于要求删除、赔偿、诉讼等。如认为本站内容侵犯其合法权益，请提供权属证明并联系我们，我们将在核实后依法及时处理。