CN101233541A - 物体检测装置及电梯的物体检测装置 - Google Patents

Abstract

在对当前图像和在监视区域中不存在检测对象时所拍摄的背景图像进行比较从而检测监视区域中有无检测对象的物体检测装置中，背景轮廓线信息提取单元提取背景图像中拍摄到的物体的轮廓线信息。物体检测单元进行从当前图像中提取除背景图像的轮廓线之外的轮廓线信息。并且，物体检测单元根据可否从当前图像中提取该轮廓线信息，来检测监视区域中有无检测对象。

Description

物体检测装置及电梯的物体检测装置

技术领域

本发明涉及通过对由摄影部拍摄到的当前图像和监视区域中不存在检测对象时拍摄到的背景图像进行比较，来检测监视区域中有无检测对象的物体检测装置及电梯的物体检测装置。

背景技术

在以往的装置中，求出背景图像的各个像素与当前图像的各个像素之间的亮度差，根据亮度存在差异的像素数，来检测监视区域有无检测对象。因此，在拍摄背景图像时和拍摄当前图像时监视区域的明亮度不同的情况下，检测对象的检测精度降低。所以，在以往的装置中，为了防止因明亮度差异造成的检测对象的检测精度的降低，需要对监视区域的明亮度进行监视，根据明亮度来更新背景图像(参照专利文献1)。

专利文献1 日本特开平11-261994号公报

但是，在上述以往的装置中，例如需要照度计等检测明亮度的传感器，所以制造成本提高。并且，在更新背景图像时不能进行检测动作，产生不能检测的期间。

发明内容

本发明就是为了解决上述问题而提出的，其目的在于，提供一种物体检测装置及电梯的物体检测装置，其不需要检测明亮度的传感器，从而可以抑制制造成本，并且不需要更新背景图像，从而可以消除不能检测的期间。

本发明的物体检测装置具有：图像获取单元，其获取由摄影部拍摄到的当前图像和在监视区域中不存在检测对象时拍摄到的背景图像；背景轮廓线信息提取单元，其提取背景图像的轮廓线信息；以及物体检测单元，其根据可否基于背景图像的轮廓线信息而从当前图像中提取出除背景图像的轮廓线之外的轮廓线，来检测监视区域中有无检测对象。

附图说明

图1是表示本发明的实施方式1的电梯的物体检测装置的结构图。

图2是表示存储在图1中的背景图像存储器中的背景图像的说明图。

图3是表示存储在图1中的当前图像存储器中的当前图像的说明图。

图4是表示图1中的物体检测单元使用的拉普拉斯算子滤波器(Laplacian filter)的说明图。

图5是表示图1中的背景轮廓线提取单元提取的背景图像的轮廓线的说明图。

图6是表示图1中的差分图像轮廓线提取部提取的差分图像的轮廓线的说明图。

图7是表示图1中的占有区域计算部求出的检测对象的区域的说明图。

图8是表示通过图1中的背景轮廓线提取单元进行的背景轮廓线提取动作的流程图。

图9是表示通过图1中的差分图像轮廓线提取部进行的差分图像轮廓线提取动作的流程图。

图10是表示通过图1中的占有区域计算部进行的占有区域计算动作的流程图。

图11是表示实施方式1的电梯的物体检测装置的变形例的结构图。

图12是表示通过实施方式2的背景轮廓线提取单元进行的背景轮廓线提取动作的流程图。

图13是表示通过实施方式2的差分图像轮廓线提取部进行的差分图像轮廓线提取动作的流程图。

图14是表示通过实施方式2的占有区域计算部进行的占有区域计算动作的流程图。

图15是表示本发明的实施方式3的电梯的物体检测装置的结构图。

图16是表示通过图15中的差分图像轮廓线提取部进行的差分图像提取动作的流程图。

图17是表示实施方式3的电梯的物体检测装置的变形例的结构图。

具体实施方式

以下，参照附图说明本发明的优选实施方式。

实施方式1

图1是表示本发明的实施方式1的电梯的物体检测装置的结构图。图2、图3、图5～7是表示在图1所示的物体检测装置中使用的图像数据的说明图。图4是表示在图1所示的物体检测装置中使用的拉普拉斯算子滤波器的说明图。在图1中，物体检测装置具有图像获取单元1、背景轮廓线信息提取单元2和物体检测单元3。图像获取单元1包括作为摄影部的摄像机5、A/D转换器6、存储控制部7、背景图像存储器8和当前图像存储器9。摄像机5拍摄作为监视区域的电梯的轿厢内部。A/D转换器6把从摄像机5输出的模拟图像数据转换为数字数据。存储控制部7例如在管理员确认为在轿厢内部不存在人和货物等检测对象时进行操作。并且，存储控制部7通过该操作，把此时利用摄像机5拍摄到的图像数据作为背景图像存储在背景图像存储器8中(参照图2)。当前图像存储器9以预定间隔存储由摄像机5拍摄到的当前时刻的图像(以下表述为当前图像)(参照图3)。即，当前图像以预定间隔被更新。即，图像获取单元1获取由摄像机5拍摄的背景图像和当前图像。

在此，一般在图像内的所有像素中包含颜色和亮度(明亮度)的信息。像素的亮度与整体明亮度无关，而在物体的轮廓线(物体的区域的边界)所在的位置处急剧变化。亮度的变化值可以使用微分运算算出。在图像处理中使用的微分运算中，包括使用索贝尔(Sobel)滤波器等进行的一阶微分、和使用拉普拉斯算子滤波器等进行的二阶微分。拉普拉斯算子滤波器包括图4(a)所示的4邻域拉普拉斯算子滤波器(4-neighbourhood Laplacian filter)、和图4(b)及(c)所示的8邻域拉普拉斯算子滤波器(8-neighbourhood Laplacian filter)。4邻域拉普拉斯算子滤波器在对预定坐标的像素的亮度f(x，y)进行加权后，求出与相邻像素的亮度差Δ(x，y)。即，使用4邻域拉普拉斯算子滤波器时的Δ(x，y)可以利用下式表示。

Δ(x，y)＝4×f(x，y)-{f(x，y-1)+f(x，y+1)+f(x-1，y)+f(x+1，y)}

背景轮廓线信息提取单元2包括背景轮廓线提取部12和背景轮廓线存储器13。背景轮廓线提取部12使用4邻域拉普拉斯算子滤波器等，提取在背景图像中反映出的物体的轮廓线信息(参照图5)。另外，在图5中，背景图像的轮廓线指利用白色描画的部分。

具体地讲，背景轮廓线提取部12在背景图像的预定像素中计算Δ(x，y)，并且进行阈值处理。所说阈值处理指根据计算出的Δ(x，y)是否大于第1阈值(以下表述为第1Th)将该像素的亮度二值化的处理。背景轮廓线提取部12在Δ(x，y)大于第1Th时，把该像素的亮度设为白色的值。并且，背景轮廓线提取部12在Δ(x，y)为第1Th以下时，把该像素的亮度设为黑色的值。另外，背景轮廓线提取部12对背景图像内的所有像素求出Δ(x，y)并进行阈值处理。背景轮廓线存储器13存储表示由背景轮廓线提取部12提取出的背景图像的轮廓线的图像数据。

物体检测单元3包括差分图像轮廓线提取部15和占有区域计算部16。差分图像轮廓线提取部15求出表示当前图像的各个像素与背景图像的各个像素的亮度差的差分图像。并且，差分图像轮廓线提取部15基于背景图像的轮廓线信息，从所求出的差分图像中提取除背景图像的轮廓线之外的轮廓线(参照图6)。

具体地讲，差分图像轮廓线提取部15在差分图像的预定像素中计算Δ(x，y)。并且，差分图像轮廓线提取部15判定计算出Δ(x，y)的像素的坐标是否是背景图像的轮廓线所在位置的坐标。另外，差分图像轮廓线提取部15在判定为不是背景图像的轮廓线所在位置的坐标时，使用第2Th对该像素的亮度进行二值化。另外，差分图像轮廓线提取部15在判定是背景图像的轮廓线所在位置的坐标时，使用大于第2Th的第3Th对该像素的亮度进行二值化。即，通过增大背景图像的轮廓线所在的坐标处的阈值的数值，降低轮廓线的检测灵敏度。由此，可以从差分图像中提取出除背景图像的轮廓线之外的轮廓线。并且，差分图像轮廓线提取部15对除背景图像的边缘之外的所有像素求出Δ(x，y)并进行阈值处理。另外，差分图像轮廓线提取部15将提取出的轮廓线的图像数据输入占有区域计算部16。

占有区域计算部16根据由差分图像轮廓线提取部15提取出的轮廓线，求出检测对象所占的区域(参照图7)。具体地讲，占有区域计算部16把图6所示的轮廓线周边作为检测对象占有的区域，把该区域的亮度设为白色的值，并且把由该轮廓线包围的区域作为检测对象占有的区域，把该区域的亮度设为白色的值，由此生成图7中的图像数据。即，占有区域计算部16把图6所示的轮廓线和该轮廓线附近作为检测对象占有的区域。这是基于进入轿厢内部的检测对象的形状复杂且检测对象占有轮廓线附近区域这一假设来进行的。另外，占有区域计算部16对在监视区域中包含的预定区域中亮度值为白色的像素的数量(以下表述为COUNT_WHITE)进行计数。该预定区域指例如由管理者设定的一部分区域或整个监视区域等。

并且，占有区域计算部16根据以下算式求出检测对象在预定区域中所占区域的比例(以下表述为Ratio)。

Ratio＝COUNT_WHITE/预定区域内的总像素数

另外，在0％≤Ratio＜20％时，占有区域计算部16生成表示轿厢内剩有充足空间的物体检测信号。并且，在Ratio的值为20％≤Ratio＜50％时，占有区域计算部16生成表示轿厢内剩余少量空间的物体检测信号。另外，在Ratio的值为50％≤Ratio≤100％时，占有区域计算部16生成表示满员状态的物体检测信号。换言之，占有区域计算部16在0％≤Ratio＜20％时，检测为在预定区域中不存在检测对象，在20％≤Ratio时，检测为在预定区域中存在检测对象。在0％≤Ratio＜20％时，检测为在预定区域中不存在检测对象，这是为了抑制例如图像的干扰等影响。另外，上述比例仅是一例。

电梯控制装置17根据来自占有区域计算部16的物体检测信号来控制轿厢的运转。具体地讲，电梯控制装置17在从占有区域计算部16被输入表示满员状态的物体检测信号时，把来自层站的呼梯登记设为无效。另外，存储控制部7、背景轮廓线提取部12、差分图像轮廓线提取部15和占有区域计算部16是具有存储程序等信息的信息存储部(ROM和RAM)、和根据存储在该信息存储部中的信息进行运算处理的运算处理部的计算机。

下面说明动作。图8是表示通过图1中的背景轮廓线提取部12进行的背景轮廓线提取动作的流程图。在图中，例如图2所示的背景图像通过背景图像存储器8被存储后，对背景图像的预定坐标计算Δ(x，y)(步骤S1)，并且判定该Δ(x，y)是否大于第1Th，根据该判定结果，该坐标的亮度被设为白色或黑色中的某一方的值(步骤S2)。然后，判定是否已对背景图像的所有像素完成Δ(x，y)的计算和阈值处理(步骤S3)，在判定为尚未完成时，对其他坐标进行Δ(x，y)的计算和阈值处理，在判定为已完成时，图5所示的背景图像轮廓线图像数据被存储在背景轮廓线存储器13中，该背景轮廓线提取动作结束。

下面，图9是表示通过图1中的差分图像轮廓线提取部15进行的差分图像轮廓线提取动作的流程图。在图中，例如图3所示的当前图像通过当前图像存储器9被存储后，根据该当前图像、和例如图2所示的图像数据即存储在背景图像存储器8中的背景图像，求出差分图像(步骤S11)。然后，对差分图像的预定坐标计算Δ(x，y)(步骤S12)，并且根据例如图5所示的图像数据即存储在背景轮廓线存储器13中的背景图像轮廓线图像数据，判定该像素的坐标是否是背景图像的轮廓线所在位置的坐标(步骤S13)。

此时，在判定不是背景图像的轮廓线所在位置的坐标时，选择第2Th作为在阈值处理中使用的阈值(步骤S14)，并且进行使用第2Th的阈值处理(步骤S15)。对此，在判定为是背景图像的轮廓线所在位置的坐标时，选择大于第2Th的第3Th作为在阈值处理中使用的阈值(步骤S16)，并且进行使用第3Th的阈值处理。然后，判定是否已对差分图像的所有像素完成Δ(x，y)的计算和阈值处理(步骤S17)，在判定为尚未完成时，对其他坐标进行Δ(x，y)的计算和阈值处理，在判定为已完成时，图6所示的差分图像轮廓线图像数据被输入占有区域计算部16，该差分图像提取动作结束。

下面，图10是表示通过图1中的占有区域计算部16进行的占有区域计算动作的流程图。在图中，在从差分图像轮廓线提取部15输入图6所示的差分图像轮廓线图像数据时，该轮廓线周边的像素的亮度值被转换为白色的值(步骤S21)，并且被扩展的轮廓线包围的区域的像素的亮度值被转换为白色的值，得到图7所示的图像数据(步骤S22)。然后，对COUNT_WHITE进行计数(步骤S23)，计算Ratio(步骤S24)，根据该Ratio的值生成物体检测信号，并且向电梯控制装置17输入该物体检测信号(步骤S25)。

另外，以上说明了在根据当前图像和背景图像求出差分图像后，从差分图像中提取除背景图像的轮廓线之外的轮廓线的情况，但是通过将图1中的物体检测单元3替换为图11所示的物体检测单元18，则不必求出差分图像，即可从当前图像中提取除背景图像的轮廓线之外的轮廓线。物体检测单元18的当前图像轮廓线提取部19除求出差分图像之外，通过与图1中的差分图像轮廓线提取部15相同的动作，从当前图像中提取除背景图像的轮廓线之外的轮廓线。即，不求差分图像而从当前图像中提取除背景图像的轮廓线之外的轮廓线，也可以检测监视区域中有无检测对象。

在这种物体检测装置中，物体检测单元3、18根据可否从差分图像或当前图像中提取出除背景图像的轮廓线之外的轮廓线，来检测监视区域中有无检测对象，所以不需要用于检测明亮度的传感器，从而能够抑制制造成本，并且不需要更新背景图像，从而可以消除不能检测的期间。尤其物体检测单元3在求出当前图像与背景图像的差分图像的基础上，根据可否从该差分图像中提取出除背景图像的轮廓线之外的轮廓线，来检测监视区域中有无检测对象，所以能够更加可靠地降低把背景图像的轮廓线提取为检测对象的轮廓线的可能性，可以提高检测精度。

并且，物体检测单元3、18在对差分图像或当前图像的预定坐标的像素提取轮廓线时，根据背景图像的轮廓线信息判定该像素的坐标是否是在背景图像中轮廓线所处位置的坐标，在判定为是在背景图像中轮廓线所处位置的坐标时，降低轮廓线的检测灵敏度，然后对该像素提取轮廓线，所以能够更加可靠地从差分图像或当前图像中提取出除背景图像的轮廓线之外的轮廓线，可以提高检测对象的检测精度。

另外，物体检测单元3、18检测监视区域中有无检测对象，并且根据提取出的轮廓线求出检测对象在预定区域中所占区域的比例，所以不仅能够检测有无检测对象，而且能够检测到检测对象的存在程度如何，可以提高检测精度。尤其在以往的电梯装置中，根据轿厢内部的载荷来判定轿厢内部是否留有可搭乘的余地，但是例如在轿厢内部存在购物车等虽然重量轻但占据较大区域的物品时，将不能正确判定轿厢内部是否留有可搭乘的余地。对此，在实施方式1的物体检测装置中，即使在轿厢内部存在这种物品时，也能够更加准确地判定轿厢内部是否留有可搭乘的余地。即，本发明对电梯装置特别有效。

另外，物体检测单元3把提取出的轮廓线和该轮廓线附近的区域作为检测对象所占区域的像素，通过求出该检测对象在预定区域中所占区域的像素数在预定区域的全部像素数中所占的比例，来求出检测对象在预定区域中所占区域的比例，所以能够更加可靠地求出检测对象在监视区域中所占区域的比例，可以进一步提高检测对象的检测精度。

实施方式2

实施方式2的物体检测装置的结构总体上与实施方式1的物体检测装置相同，所以使用图1说明。该实施方式2的背景轮廓线提取部12通过将多个像素平均化，从而把背景图像划分为多个块B(i，j)。并且，背景轮廓线提取部12计算该块B(i，j)的亮度变化值Δ(i，j)，并使用第1Th进行阈值处理，由此对每个块提取轮廓线。即，背景轮廓线存储器13存储比图5中的轮廓线的图像数据更粗糙的图像数据。

差分图像轮廓线提取部15根据例如图2所示的图像数据即存储在背景图像存储器8中的背景图像、和例如图3所示的图像数据即存储在当前图像存储器9中的当前图像，来求出差分图像。差分图像轮廓线提取部15通过将多个像素平均化，从而将差分图像划分为多个块B(i，j)。并且，差分图像轮廓线提取部15计算该块B(i，j)的亮度变化值Δ(i，j)。另外，差分图像轮廓线提取部15在对当前图像的预定坐标的块提取轮廓线时，判定该块的坐标是否是在背景图像中轮廓线所处位置的坐标，在判定为是在背景图像中轮廓线所处位置的坐标时，降低轮廓线的检测灵敏度，然后对该块提取轮廓线。即，差分图像轮廓线提取部15在Δ(i，j)为第2或第3Th以下时，把该块作为没有轮廓线的块。并且，差分图像轮廓线提取部15在Δ(i，j)大于第2或第3Th时，把该块作为存在轮廓线的块。

占有区域计算部16在差分图像轮廓线提取部15判定各个块有无轮廓线后，在预定区域中对可提取出轮廓线的块数(以下表述为COUNT_EDGE)进行计数。并且，占有区域计算部16根据下式求出检测对象在预定区域中所占区域的比例即Ratio。其他结构与实施方式1相同。

Ratio＝COUNT_EDGE÷预定区域内的块数

下面说明动作。图12是表示通过实施方式2的背景轮廓线提取部12进行的背景轮廓线提取动作的流程图。在图中，例如图2所示的背景图像通过背景图像存储器8被存储后，多个像素被平均化，从而该背景图像被划分为多个块(步骤S30)，计算预定坐标的Δ(i，j)(步骤S31)，判定Δ(i，j)是否大于第1Th，根据该判定结果，该坐标的亮度被设为白色或黑色中某一方的值(步骤S32)。然后，判定是否已对背景图像的全部块完成了Δ(i，j)的计算和阈值处理(步骤S33)，在判定为没有完成时，对其他坐标进行Δ(i，j)的计算和阈值处理，在判定为已完成时，将比图5所示数据更粗糙的背景图像轮廓线图像数据存储在背景轮廓线存储器13中，该背景轮廓线提取动作结束。

下面，图13是表示通过实施方式2的差分图像轮廓线提取部15进行的差分图像轮廓线提取动作的流程图。在图中，例如图3所示的当前图像通过当前图像存储器9被存储后，根据该当前图像、和例如图2所示的背景图像，来求出差分图像(步骤S11)，多个像素被平均化，从而该差分图像被划分为多个块(步骤S40)。然后，计算差分图像的预定坐标的Δ(i，j)(步骤S41)，并且根据存储在背景轮廓线存储器13中的背景图像轮廓线图像数据，判定该块的坐标是否是背景图像的轮廓线所在位置的坐标(步骤S42)。

此时，在判定为不是背景图像的轮廓线所在位置的坐标时，选择第2Th作为在阈值处理中使用的阈值(步骤S14)，并且进行使用第2Th的该块的阈值处理(步骤S43)。对此，在判定为是背景图像的轮廓线所在位置的坐标时，选择大于第2Th的第3Th作为在阈值处理中使用的阈值(步骤S16)，并且进行使用第3Th的阈值处理(步骤S43)。然后，判定是否已对差分图像的全部块完成了Δ(i，j)的计算和阈值处理(步骤S44)，在判定为尚未完成时，对其他坐标进行Δ(i，j)的计算和阈值处理，在判定为已完成时，比图6所示数据更粗糙的差分图像轮廓线图像数据被输入占有区域计算部16，该差分图像提取动作结束。

下面，图14是表示通过实施方式2的占有区域计算部16进行的占有区域计算动作的流程图。在图中，在从差分图像轮廓线提取部15输入比图6所示数据更粗糙的差分图像轮廓线图像数据时，对COUNT_EDGE进行计数(步骤S50)，根据该COUNT_EDGE计算Ratio(步骤S51)，根据该Ratio的值生成物体检测信号，并且该物体检测信号被输入电梯控制装置17(步骤S25)。

另外，图11所示的物体检测单元18的当前图像轮廓线提取部19也可以进行除求出差分图像之外的、与实施方式2的差分图像轮廓线提取部15相同的动作，而从当前图像中提取除背景图像的轮廓线之外的轮廓线。

在这种物体检测装置中，物体检测单元3、18对汇总了多个像素的每个块计算亮度变化值，并进行阈值处理，所以与对每个像素计算亮度变化值并进行阈值处理时相比，可以减少运算量，可以降低运算负荷。

此外，物体检测单元3、18对预定区域计数可提取出轮廓线的块数，并且求出该可提取出轮廓线的块数在预定区域的全部块数中所占的比例，由此求出检测对象在预定区域中所占区域的比例，所以与对像素计数时相比，可以减少运算量，可以降低运算负荷。

实施方式3

图15是表示本发明的实施方式3的电梯的物体检测装置的结构图。在图中，该实施方式的物体检测装置设有背景轮廓线信息提取单元25和物体检测单元26。背景轮廓线信息提取单元25设有背景轮廓量计算部30和背景轮廓量存储器31。

该实施方式的背景轮廓线提取部12与实施方式1相同，对背景图像的每个像素提取轮廓线，将图5所示的背景图像轮廓线图像数据存储在背景轮廓线存储器13中。背景轮廓量计算部30获取背景轮廓线存储器13中的背景图像轮廓线图像数据，将多个像素汇总，从而将轮廓图像划分为多个块B(i，j)。另外，在该实施方式中，多个像素没有被平均化。并且，背景轮廓量计算部30计算轮廓线的像素在各个块B(i，j)中所占的比例BE(i，j)。背景轮廓量存储器31存储BE(i，j)。

物体检测单元26设有差分图像轮廓线提取部33。差分图像轮廓线提取部33将多个像素汇总，从而将所求出的差分图像划分为多个块B(i，j)。并且，差分图像轮廓线提取部33计算块B(i，j)内的各个像素的Δ(x，y)。另外，差分图像轮廓线提取部33计算该块B(i，j)内的Δ(x，y)的总和即∑(i，j)，并且使用下式表示的第4阈值(以下表述为第4Th)进行阈值处理。其中，α是预先设定的常数。

第4Th＝α×BE (i，j)

即，差分图像轮廓线提取部33在对当前图像的预定坐标的块提取轮廓线时，使用与轮廓线在和该块为相同坐标的背景图像的块中所占的比例对应的检测灵敏度，对该块提取轮廓线。差分图像轮廓线提取部33在∑(i，j)为第4Th以下时，把该块作为没有轮廓线的块。并且，差分图像轮廓线提取部33在Σ(i，j)大于第4Th时，把该块作为存在轮廓线的块。

下面说明动作。图16是表示通过图15中的差分图像轮廓线提取部33进行的差分图像提取动作的流程图。在图中，例如图3所示的当前图像通过当前图像存储器9被存储后，根据该当前图像、和例如图2所示的图像数据即存储在背景图像存储器8中的背景图像，来求出差分图像(步骤S11)。然后，多个像素被汇总，从而该差分图像被划分为多个块(步骤S60)，在预定坐标的块中计算预定坐标的Δ(x，y)(步骤S12)，并且判定是否已对包含该像素的块计算出各个像素的Δ(x，y)(步骤S61)。在判定为尚未对该块内的所有像素计算出Δ(x，y)时，依次计算Δ(x，y)直到对所有像素计算出Δ(x，y)为止。

对此，在判定为已对该块内的所有像素计算出Δ(x，y)时，根据计算出的Δ(x，y)求出∑(i，j)(步骤S62)，并且根据该块的坐标确定第4Th(步骤S63)，进行阈值处理(步骤S64)。然后，判定是否已对所有块完成了阈值处理(步骤S65)，在判定为尚未完成时，对其他坐标的块进行Δ(x，y)的计算和阈值处理，在判定为已完成时，比图6所示数据更粗糙的差分图像轮廓线图像数据被输入占有区域计算部16中，该差分图像提取动作结束。

另外，图17所示的物体检测单元35的当前图像轮廓线提取部36也可以进行除求出差分图像之外与实施方式3的差分图像轮廓线提取部33相同的动作，并从当前图像中提取除背景图像的轮廓线之外的轮廓线。

在这种物体检测装置中，背景轮廓线信息提取单元25对背景图像的各个块计算轮廓线的比例BE(i，j)，物体检测单元26、35在对差分图像或当前图像的预定坐标的块提取轮廓线时，根据与该块坐标相同的BE(i，j)来确定第4Th，使用该第4Th对该块提取轮廓线，所以与对每个像素进行阈值处理时相比，可以减少运算量，可以降低运算负荷。

另外，在实施方式1～3中，作为监视区域说明了电梯的轿厢内部的情况，但是作为监视区域，例如也可以是电梯的层站等。在设置了监视轿厢内部和各个楼层的层站的物体检测装置时，电梯控制装置比较轿厢内部的可搭乘余地和各个楼层的预测搭乘容积，可以使轿厢只停靠于在层站等待的全部使用者能够搭乘到轿厢内的楼层。

Claims (9)

1.一种物体检测装置，其特征在于，该物体检测装置具有：

图像获取单元，其获取由摄影部拍摄到的当前图像和在监视区域中不存在检测对象时拍摄到的背景图像；

背景轮廓线信息提取单元，其提取所述背景图像的轮廓线信息；以及

物体检测单元，其根据可否基于所述背景图像的轮廓线信息而从所述当前图像中提取出除背景图像的轮廓线之外的轮廓线，来检测监视区域中有无检测对象。

2.根据权利要求1所述的物体检测装置，其特征在于，所述物体检测单元在所述当前图像的预定坐标的像素处提取轮廓线时，根据所述背景图像的轮廓线信息来判定该像素的坐标是否是所述背景图像中轮廓线所处位置的坐标，在判定为是所述背景图像中轮廓线所处位置的坐标时，降低轮廓线的检测灵敏度，然后在该像素处提取轮廓线。

3.根据权利要求1所述的物体检测装置，其特征在于，所述背景轮廓线信息提取单元将多个像素平均化，从而将所述背景图像划分为多个块，然后提取该背景图像的轮廓线信息，

所述物体检测单元将多个像素平均化从而将所述当前图像划分为多个块，并且在所述当前图像的预定坐标的块中提取轮廓线时，根据所述背景图像的轮廓线信息来判定该块的坐标是否是所述背景图像中轮廓线所处位置的坐标，在判定为是所述背景图像中轮廓线所处位置的坐标时，降低轮廓线的检测灵敏度，然后在该块中提取轮廓线。

4.根据权利要求1所述的物体检测装置，其特征在于，所述背景轮廓线信息提取单元将多个像素汇总从而将所述背景图像划分为多个块，并且计算轮廓线在该各个块中所占的比例，

所述物体检测单元将多个像素汇总从而将所述背景图像划分为多个块，并且在所述当前图像的预定坐标的块中提取轮廓线时，根据轮廓线在与该块坐标相同的所述背景图像的块中所占的比例，来确定轮廓线的检测灵敏度，使用该检测灵敏度来判定可否在该块中提取轮廓线。

5.根据权利要求1所述的物体检测装置，其特征在于，所述物体检测单元检测在监视区域中有无检测对象，并且根据提取出的轮廓线，求出检测对象在包含于监视区域中的预定区域中所占区域的比例。

6.根据权利要求5所述的物体检测装置，其特征在于，关于将提取出的轮廓线和该轮廓线附近的区域作为检测对象所占区域中的像素，所述物体检测单元求出该检测对象在所述预定区域中所占区域的像素数在所述预定区域的全部像素数中所占的比例，由此求出检测对象在预定区域中所占区域的比例。

7.根据权利要求5所述的物体检测装置，其特征在于，所述物体检测单元把所述当前图像划分为多个块，在所述预定区域中对可提取出除所述背景图像的轮廓线之外的轮廓线的块数进行计数，并且求出该可提取出轮廓线的块数在所述预定区域的全部块数中所占的比例，由此求出检测对象在所述预定区域中所占区域的比例。

8.根据权利要求1所述的物体检测单元，其特征在于，所述物体检测单元求出所述当前图像与所述背景图像的差分图像，根据可否基于所述背景图像的轮廓线信息而从所述差分图像中提取出除背景图像的轮廓线之外的轮廓线，来检测监视区域中有无检测对象。

9.一种电梯的物体检测装置，其特征在于，把权利要求1～8中任一项所述的物体检测装置应用于将电梯的轿厢内部作为监视区域、并检测所述轿厢内部有无检测对象的装置。

Images