一种基于多模态神经网络的电梯异常行为检测系统

本发明涉及设备管理维护技术领域，尤其为一种基于多模态神经网络的电梯异常行为检测系统，通过数据采集模块收集电梯轿厢内视觉、惯性测量及音频数据，利用数据处理模块对原始数据进行时频域转换与特征向量化；多模态神经网络模型由并行的CNN、RNN分支和声纹识别网络构成，经特征融合模块采用双重融合架构整合特征，再通过基于层次化分类策略的异常行为分类器判断异常；报警与日志模块及时报警并记录异常信息，模型优化模块运用多种方法提升模型性能，系统与电梯控制系统通过特定接口实现数据交互。本发明综合多模态数据与创新算法，显著提高电梯异常行为检测的准确性和可靠性，有效保障电梯安全运行，为电梯智能化管理提供有力支持。