本发明公开了一种基于深度学习与飞行时间的电梯门空间异物检测方法，包括：创建电梯门空间异物图像数据集并进行数据增强；搭建基于SMU激活函数与新型注意力卷积CoT的改进YOLOv5s目标检测模型，并用数据集对模型训练；利用飞行时间技术相机产生电梯门空间深度图像，用K‑means聚类阈值分割法将电梯门空间的深度图像进行阈值分割；在分割后的图像上利用条形分割定位检测算法进行异物的检测；最后将改进YOLOv5目标检测模型在普通相机上检测结果与条形分割定位检测算法在飞行时间技术相机上检测结果进行综合判断。本发明可对电梯门空间异物进行高精度检测，从而有效保障电梯的安全运行。