箱式电梯的使用在生活中愈加普及,但电梯轿厢空间狭小,一些乘客携带劣犬等物体进入电梯可能会造成乘客的人身安全损失,或引起电梯运行安全问题。利用计算机视觉技术实现基于监控视频的禁入目标检测,在电梯安防领域具有较强的学术意义和工程意义。本文应江苏省特种设备安全检验监督研究院无锡分院要求,研究基于电梯监控视频的禁入目标检测算法,并设计了禁入目标检测子系统,提供检测数据给电梯监控平台。针对电梯监控视频的分析处理,先判断了电梯内是否有物体,再执行目标识别。本文以犬类为禁入目标的典型代表,对犬类目标识别开展实验,针对电梯轿厢环境,制作了本文所需的数据集,选用了三种不同类型的目标识别算法展开研究并改进。基于HOG特征和SVM分类器的算法比较了不同人工特征的识别效果;采用HOG结合栈式自编码器网络的改进算法相比原算法识别率有约10%的提升;基于YOLO卷积神经网络的算法在添加批规范化操作、改善损失函数等改进后识别效果较好,测试集下查全率达83%。最后比较了三个算法对电梯监控视频的检测效果,改进YOLO算法在GPU支持的条件下有较好的识别效果,并且能够满足在线检测的要求。本文采用B/S架构设计实现了基于电梯监控视频的禁入目标检测子系统,完成了禁入目标检测、目标检测数据存储以及检测结果展示网站。在实验轿厢中运行结果表明检测系统能够识别禁入目标,系统运行稳定。