电梯作为高层建筑中不可或缺的垂直交通工具,其安全、高效、舒适、可靠运行一直是人们不懈追求的目标之一。由于电梯运行环境的复杂性和各部电梯相互之间运行规则的耦合性,传统的电梯控制方式不能适应复杂的客流变化,不具有对乘梯环境非安全因素的判断处理能力。本文采用计算机视觉和人工智能领域中一些新理论、新方法,对电梯交通系统中客流数据获取、状态分析、交通模式识别及优化控制问题进行深入研究,为现代电梯高效运行提供一种新的解决方法。论文完成了如下主要工作：首先,分析了电梯交通系统中客流描述的关键因素,研究了乘客目标检测问题,采集了具有深度特征的乘客信息,提出一种基于Hough Forests的电梯乘客检测方法,构建了随机森林决策树,通过Hough变换,提高了目标检测的投票概率。实验结果表明,该算法能实现对人体的检测和定位,减少了光照不足造成的误检率,进而可以统计出电梯乘客人数。其次,为了反映电梯客流的变化,研究了基于局部图块匹配算法(LBTM)以及深度HOG和局部线性嵌入的人体跟踪算法。采用局部图像处理与数据关联分析方式,采集包含人体目标的多幅帧图像,利用分割的局部图块对帧画面中的人体进行匹配,提高了跟踪的局部收敛性。提出了基于深度HOG和局部线性嵌入算法,首先依据图像的颜色和深度信息,结合改进的HOG表达式提取人体的特征向量：再利用流形学习LLE算法对特征向量进行降维,采用欧氏距离判别法找出每帧图像人体所在区域,并对人体区域加以标记；最后,进行人体的实时跟踪。在不同场景下进行实验与分析,结果表明,深度信息的引入,提高了跟踪效果。第三,研究了人体行为的预测和重构方法。利用核方法将低维的人体行为特征空间样本映射到高维特征空间,通过核岭回归算法进行未知数据的回归,实现人体行为的预测。提出一种基于局部线性嵌入(LLE)和核岭回归(KRR)的人体动作重构算法,利用图像的颜色和深度信息,提取人体动作骨架,建立动作训练集,最后采用LLE算法计算人体动作的低维流形,将预测的低维衔接动作点逆映射回高维欧氏空间,实现动作重构。该算法的实验结果较为理想,为解决传统降维不可逆映射问题提供一种新方法,在电梯场景下对乘客行为有一定的预见性,可进一步对电梯轿厢中人为引起的非安全因素进行判断和预警。接着,分析了电梯交通模式特征,研究并提出了一种基于随机森林的电梯群控系统交通模式识别方法,利用随机森林算法构建决策树,由决策树加权投票方式得出当前电梯的交通模式。仿真结果表明,该算法在电梯交通模式识别中具有良好的性能。最后,为了实现电梯交通系统的优化调度控制,综合考虑了候梯时间、乘梯时间、系统能耗、舒适度等多个性能指标,构建了多目标优化适应度评价函数。研究了遗传优化算法的改进方法,提出了粒子群和遗传算法结合的PSO-GA混合算法,利用粒子群算法的局部搜索能力和遗传算法的选择、交叉、变异完成协同寻优。另外,还提出了一种基于遗传算法和遗传规划的GNP算法,采用有向结构图的方式,拓展了表达能力。仿真实验表明了改进算法具有良好的寻优效果,验证了其在电梯群控多目标优化调度中的可行性。