基于Matlab融合深度学习的视频电梯乘客人数检测平台研究

随着城市化进程的加快，高层建筑中电梯的使用频率大幅上升，如何对电梯内的乘客数量进行准确监测成为智能楼宇管理中的关键问题之一。本文设计并实现了一种基于 MATLAB GUI 的电梯乘客监测系统，通过调用预训练的深度学习模型，对视频帧中的乘客进行实时检测与计数。系统支持视频文件导入、模型加载、检测结果可视化及检测流程控制（暂停、继续、终止），并通过图形界面友好地展示检测结果。实验使用包含典型电梯场景的视频文件进行测试，结果表明该系统在保持较高检测精度的同时具有良好的人机交互性能，为后续智能电梯调度与人流分析提供了有效技术支撑。

作者：张家梁(自研改进)

引言

在智能建筑、公共安全与节能控制等领域，准确获取电梯内乘客数量信息具有重要意义。一方面，它能为电梯调度系统提供数据支持，提高运行效率；另一方面，在紧急事件中，快速掌握电梯载客情况有助于提升响应速度与救援效率。

传统的电梯负载监测方法多依赖于重量传感器或按钮输入，但这类方法存在成本高、安装复杂、数据粒度粗等问题。随着计算机视觉技术的发展，基于视频图像的乘客检测方法逐渐成为研究热点。通过对电梯内部监控视频进行图像识别和目标检测，可以实现对乘客数量的无接触、非侵入式实时监测。

本文提出并实现了一种基于 MATLAB 图形用户界面（GUI）的电梯乘客监测系统。系统整体框架包括视频导入模块、模型加载模块、行人检测模块与结果展示模块。通过调用训练好的深度学习检测模型，系统能够自动分析视频帧中的乘客分布情况，输出检测结果，并在用户界面中以图像和数字形式展现，具有良好的实用性与扩展性。

本系统主要面向教学与研究场景，便于快速构建电梯乘客检测实验环境，并可作为进一步研究如行为分析、电梯调度优化等方向的基础平台。

系统架构

1.系统概述
本系统旨在实现对电梯内乘客数量的自动监测与可视化展示，依托 MATLAB 平台构建图形用户界面（GUI），并集成深度学习目标检测模型，实现对视频中乘客的实时检测与统计。

系统主要包括以下模块：
视频导入模块：允许用户加载本地视频文件（如 .mp4、.avi），视频作为检测输入源。
模型加载模块：用户可加载事先训练好的 .mat 格式检测模型，用于后续帧级行人检测。
检测模块：核心功能模块，利用加载的模型逐帧分析视频图像，识别并标注电梯中的乘客目标。
结果展示模块：实时显示原始视频帧、检测结果帧以及人数统计数据，用户可以暂停/继续/结束检测过程。
GUI交互模块：通过 MATLAB 的 GUIDE 工具创建可视化界面，提升用户体验并简化操作流程。

本系统适用于电梯监控、智能楼宇管理、行为分析等多种场景，并具有较高的实用性与扩展性。

2.系统流程图

研究方法

本研究采用基于视频目标检测的图像识别方法，结合 MATLAB 平台构建图形用户界面，实现对电梯内部乘客的自动检测与人数统计。系统的实现过程主要包括以下几个步骤：

实验结果

展示了系统在某帧中的检测结果，能够准确识别出电梯中的乘客并进行定位标注。左侧为原始视频帧，右侧为检测后图像，系统在检测结果中以黄色边框和标签标识每位乘客。

1.实验过程
图1 系统加载视频文件界面

本图展示系统成功加载视频文件的界面，验证了视频导入模块的功能完整性，为后续检测打下基础。

图2 系统加载检测模型界面

该图表明系统模型加载功能正常，支持用户导入 .mat 格式的深度学习检测器，为图像处理模块提供识别能力支撑。

图3 系统检测结果展示界面

本图展现了系统的关键功能 —— 电梯乘客检测与可视化结果输出。系统能准确识别出乘客位置并实时反馈数量，验证了模型检测效果与系统整体流程的可行性。

2.实验结果
图1 基于 MATLAB 的电梯乘客检测系统主界面

系统右下角同时显示该帧检测出的人数，在该图中为 2 人，检测与实际情况相符。

系统实现

本系统完全基于MATLAB平台开发，主要集成以下脚本与模块：

研究结论

本研究围绕“电梯乘客人数自动检测”这一实际应用场景，设计并实现了一个基于 MATLAB 平台融合深度学习算法的视频处理系统，可有效完成电梯内乘客目标的检测与计数任务。系统集成了图形用户界面（GUI）、视频导入、模型加载、行人检测、结果展示等多个功能模块，整体结构清晰、运行稳定，具备良好的实用性与交互性。

通过在真实电梯监控视频 test1.mp4 上进行实验，系统成功识别出乘客目标并准确统计人数，检测结果直观地展现在图像上。对比人工标注结果，系统在检测精度与响应速度方面表现良好

实验环境

硬件配置如表：实验所用硬件平台为惠普（HP）暗影精灵10台式机整机，运行 Windows 11 64 位操作系统，作为模型训练与测试的主要计算平台，能够良好支持Matlab的开发需求。

官方声明

实验环境真实性与合规性声明：
本研究所使用的硬件与软件环境均为真实可复现的配置，未采用虚构实验平台或虚拟模拟环境。实验平台为作者自主购买的惠普（HP）暗影精灵 10 台式整机，具体硬件参数详见表。软件环境涵盖操作系统、开发工具、深度学习框架、MATLAB工具等，具体配置详见表，所有软件组件均来源于官方渠道或开源社区，并按照其许可协议合法安装与使用。

研究过程中严格遵循学术诚信和实验可复现性要求，确保所有实验数据、训练过程与结果均可在相同环境下被重复验证，符合科研规范与工程实践标准。

版权声明：
本算法改进中涉及的文字、图片、表格、程序代码及实验数据，除特别注明外，均由7zcode.张家梁独立完成。未经7zcode官方书面许可，任何单位或个人不得擅自复制、传播、修改、转发或用于商业用途。如需引用本研究内容，请遵循学术规范，注明出处，并不得歪曲或误用相关结论。

本研究所使用的第三方开源工具、框架及数据资源均已在文中明确标注，并严格遵守其相应的开源许可协议。使用过程中无违反知识产权相关法规，且全部用于非商业性学术研究用途。