CN101434363B - 自动扶梯的控制设备 - Google Patents

Abstract

提供一种自动扶梯用控制设备，其能够提高乘客的安全和给乘客带来安全感。具有对由摄像机等图像获取装置(106)获取的图像进行处理的图像处理装置(107)，并且该图像处理装置(107)具有反常动作判断部分(111)和异常动作分类部分(112)，该反常动作判断部分通过对图像进行处理而检测乘客的动作的反常状态，该异常动作分类部分根据所检测到的反常状态在时间上的变化，对乘客的动作进行分类。

Description

自动扶梯的控制设备 

技术领域

本发明涉及一种用于确保搭乘自动扶梯的乘客的安全，或者能够给乘客带来安全感的自动扶梯用控制设备。 

背景技术

已知有以下系统，在该系统中，应用超声波、红外线传感器或者图像处理技术等来检测搭乘自动扶梯的乘客是否有跌倒和身体探出扶手的情况，或者检测自动扶梯入口部分的拥挤情况，并且通过语音提示提醒乘客注意或者使自动扶梯停止运行，以确保乘客的安全。尤其是，由于采用了图像处理这一方法，所以不仅具有在构建系统时能够以一台摄像机进行大范围监视的优点，而且还能够在检测到异常的同时记录异常发生时的图像，所以不仅能够作为异常检测传感器使用，而且还能够用于对异常情况进行详细的解析或者用于市场调研。 

作为根据图像处理结果来进行自动扶梯控制的现有技术，例如在专利文献1的日本国发明专利特开平11-349269号公报中公开了一种监视控制装置，其根据图像在多个区域判断乘客传送设备上的乘客的异常状态，并且根据异常状态对乘客传送设备进行控制(停止和减速等)。 

专利文献1：日本特开平11-349269号公报 

可是，在上述现有技术中，虽然具有相应于发生了乘客动作异常的部位来控制踏板速度的功能，但是其不能判断乘客异常情况的种类，也不能根据异常情况的种类对自动扶梯进行控制。 

例如，在带小孩的乘客和老年乘客在自动扶梯的上下口的中央附近失去了平衡时，或者乘客的衣服或者鞋子等被夹入了自动扶梯入口部分和踏板部分的间隙中时，或者顽皮的小孩在自动扶梯上逆向行走时，或者有乘客想要携带婴儿推车或大行李箱等超出自动扶梯规格的物品乘入自动扶 梯等时，上述现有技术无法根据异常情况的种类对自动扶梯进行控制。 

发明内容

本发明的目的在于提供一种自动扶梯用控制设备，其能够提高乘客的安全和给乘客带来安全感。 

本发明所涉及的自动扶梯用控制设备具有对由摄像机等图像获取装置获取的图像进行处理的图像处理装置，并且该图像处理装置具有反常动作判断部分和异常动作分类部分，该反常动作判断部分通过对图像进行处理而检测乘客的动作的反常状态，该异常动作分类部分根据所检测到的反常状态在时间上的变化，对乘客的动作进行分类，所述反常动作判断部分根据由所述图像的亮度在空间上和时间上的变化运算得到的反常程度对所述反常状态进行检测，所述异常动作分类部分根据所述反常程度在时间上的变化对所述乘客的动作进行分类。 

发明效果 

根据本发明的控制设备，由于能够根据乘客的图像与乘客的反常动作的形式相应地控制自动扶梯，因此能够提高乘客的安全和给乘客带来安全感。 

图1是表示本发明一实施方式的自动扶梯控制设备的整体结构的功能框图； 

附图说明

图2是表示图像处理装置中的数据处理的详细情况的流程图； 

图3是反常动作检测的流程图； 

图4是唤起对故意的异常动作的注意和自动扶梯控制的流程图； 

图5是唤起对非故意的异常动作的注意和自动扶梯控制的流程图。 

符号说明 

101扶手 

102踏板 

103驱动装置 

104录像装置 

105、118接口 

106摄像机 

107图像处理装置 

108 A/D变换器 

109图像存储器 

110D/A变换器 

111反常动作判断部分 

112异常动作分类部分 

113唤起注意部分 

114控制信号生成部分 

115恢复正常判断部分 

116存储器 

117CPU 

119监视器 

具体实施方式

以下对本发明的实施方式进行说明。 

实施例 

图1是表示本发明一实施方式的自动扶梯控制设备的整体结构的功能框图。在图1中，101表示自动扶梯的扶手，102表示自动扶梯的踏板，103表示控制自动扶梯运行的逆变器等的驱动装置，104表示对所拍摄的自动扶梯图像进行保存的录像装置，105表示用于控制驱动装置103和录像装置104的接口。106表示图像获取装置，该图像获取装置对包括扶手101和踏板102等在内的自动扶梯以及站立在踏板102上移动的乘客进行摄像并获取该等图像，在本实施方式中，作为该图像获取装置使用摄像机。摄像机106所拍摄的图像通过接口105传送到录像装置104。 

107表示图像处理装置，其可以组装在摄像机106的内部，也可以设置在摄像机106的外部。图像处理装置107对摄像机106所获取的图像进行处理以检测反常状态，并将其结果通过接口105发送到驱动装置103，驱动装置103根据图像处理的结果来控制自动扶梯的运行。录像装置104 执行自适性录像处理，其在发生了反常情况时进行录像。 

此外，在录像装置104中，通过设置成仅在发生了反常情况时才进行录像，能够提高录像的效率，即使在存储器容量较小的系统中也能够进行监视图像的录像。或者通过附加与反常情况发生时的异常动作的种类相对应的标签，能够提高从监视图像中检索事故情况时的效率以及验证效率等。此外，也能够应用于基于录像图像解析的客户市场调研。 

以下对图像处理装置107的内部功能进行说明。从摄像机106传送来的图像被送往A/D变换部分108，从模拟信号变换为数字信号。如果从摄像机106直接传送数字格式的图像，则可以省略A/D变换部分108。图像数据被保存在图像存储器109中，在不进行图像处理时，通过D/A变换部分110将数字信号变换为模拟信号后将其显示在外部显示器119上。或者设置成从图像处理装置107内的接口118向外部传送数字信号，并将其记录在例如外部的录像装置104中。接口105、118可以是有线连接，也可以是无线连接，并且也能够将两者同时使用。如果使用无线连接，则在录像装置104无法设置在自动扶梯附近时，能够将设置在各个楼层的自动扶梯上的摄像机所拍摄的图像全部汇集在设置在中心控制室内的硬盘服务器中。 

在对自动扶梯图像进行处理以检测乘客的异常情况时，首先将发送到图像存储器109中的拍摄图像送往反常动作判断部分111。在反常动作判断部分111中，对由摄像机106获取的图像进行处理以检测自动扶梯的乘客的反常动作。在此，所谓的正常动作是指自动扶梯的踏板以一定的速度运行且踏板上没有乘客，或者乘客正常地站立在以一定速度运行的自动扶梯的踏板上，踏板的移动情况和乘客动作均处于正常的状态。对此相对，反常动作是指正常动作以外的动作。例如，乘客将身体探出到扶手外，携带手推车或婴儿推车或者行李箱等超出自动扶梯乘入规定的超规格物品乘入自动扶梯，在踏板上逆向行走或在顺方向朝上奔跑或在顺方向朝下奔跑或被绊倒或跌倒或跳跃等，鞋子和衣服等被夹入踏板和扶手之间的缝隙内，在自动扶梯入口部分有乘客跌倒或者鞋子或衣服等被夹入踏板部分中等。在发生了该等异常动作时，由于产生了与踏板和正常站立的乘客的正常动作不同的动作，所以通过检测正常动作中的紊乱动作，能够检测到自 动扶梯乘客的反常动作。但是，虽然能够检测到反常动作，但无法在反常动作判断部分11 1进行分类以确定该反常动作是属于哪一类反常动作。所以，当反常动作判断部分111检测到了反常动作时，作为下一个步骤，在异常动作分类部分112中继续进行处理。 

在异常动作分类部分112中，为了根据乘客异常动作的事例进行自动扶梯的自适性控制，而对由反常动作判断部分111检测到的反常动作进行分类。也就是说，在异常动作分类部分112中，根据由反常动作判断部分111检测到的反常状态在时间上的变化，对乘客的动作进行分类。故意的反常动作是指乘客将身体探出到扶手外，携带手推车或婴儿推车或者行李箱等超出自动扶梯乘入规定的超规格物品乘入自动扶梯，在踏板上逆向行走或在顺方向朝上奔跑或在顺方向朝下奔跑或跳跃等乘客自己有意识地进行的违反规定动作或者想要进行的违反规定动作。另一方面，非故意的反常动作是指在踏板上绊倒或者跌倒，鞋子和衣服等被夹入踏板和扶手之间的间隙内，乘客在自动扶梯入口部分跌倒或者鞋子或衣服等被夹入踏板部分中等与乘客的主观意志无关的反常动作。 

在唤起注意部分113中，根据从异常动作分类部分112输出的分类结果提醒乘客加以注意。此外，在控制信号生成部分114中，根据从异常动作分类部分112输出的分类结果产生用以对自动扶梯的运行进行控制的控制信号。控制信号通过接口118、105被发送到控制装置，控制装置在接收到控制信号后根据分类结果以可变速的方式对自动扶梯的运行速度进行控制。在检测到异常后，在恢复正常判断部分115中检测乘客是否改正了其反常动作而恢复到了正常状态。在通过监视人员恢复正常时，监视人员在对异常情况进行了处理后，以手动操作使自动扶梯恢复正常运行。从唤起注意部分113、控制信号生成部分114和恢复正常判断部分115输出的信号与图像数据配对后经过接口118、105，作为在异常情况的检索和解析等时使用的元数据(meta data)被保存在录像装置104。监视人员通过显示器119能够看到由图像处理装置107解析出的图像处理结果。此外，通过设置成仅在发生了异常情况时才进行通报，能够减轻监视人员的负担。 

以下参照图2的流程图对图像处理装置107的数据处理进行详细说明。首先在步骤201中获取监视图像。由于在之后的步骤中进行动作判断 时需要时序性的图像数据，所以在此保存具有一定时间长度的活动图像。然后，在步骤202中进行反常动作的判断。在进行该处理时，例如在图像上的各个像素位置评价从活动图像算出的时间方向和空间方向的梯度信息(微分值)的分散度。在后文中参照图3对该方法进行详细说明。 

根据步骤202的判断处理，在步骤203中判断乘客的动作是否属于反常动作，以选择是否进行下一个处理步骤中的动作分类。如果反常程度低，则结束处理并进入下一个帧的处理。如果反常程度高，则在下一个处理中进行动作分类。此时，以检测到反常动作作为触发信号而在步骤204中开始录像，并且向监视人员通报发生了反常动作(步骤205)。 

在步骤206中进行动作分类处理。在此，按照是故意的反常动作还是非故意的反常动作来进行分类。该方法的详细情况也将在后文中参照图3进行说明。 

在步骤207中，按照是故意的反常动作还是非故意的反常动作来对在步骤203中被判断为反常的反常动作进行分类。如果该反常动作是故意的异常动作，则与此相应地提醒乘客加以注意，并进行逆变器控制(步骤208)，如果是非故意的异常动作，同样也与此相应地提醒乘客加以注意，并进行逆变器控制(步骤209)。此后，判断乘客的搭乘状态是否恢复到了的正常状态(步骤210)，如果恢复到了的正常状态，则使自动扶梯的运行恢复到正常运行(步骤211)，如果该异常动作还没有结束，则继续提醒乘客加以注意，并继续进行逆变器控制。 

以下参照图3对图2的反常判断处理(步骤202)进行说明。在反常判断处理中，根据从图像的亮度的空间上和时间上的变化的统计量算出的动作的反常程度，检测自动扶梯乘客的反常状态，具体来说是检测乘客将身体探出到扶手外，携带手推车或婴儿推车或者行李箱等乘入自动扶梯，在踏板上逆向行走或在顺方向朝上奔跑或在顺方向朝下奔跑或被绊倒或跌倒或跳跃等，以及被夹入踏板和扶手之间的缝隙内，和在自动扶梯入口部分有乘客跌倒或者脚或衣服等被夹入踏板部分中等。此时，虽然还不知道异常的种类，但能够检测到发生了异常。 

在图3中，首先输入图像由当前画面和此前的N个帧构成(步骤301)，在步骤302中，根据当前帧和此前的帧进行帧间差分处理，在步骤303中 进行阈值处理。通过该处理，从所输入的活动图像中提取移动物体的边缘信息。在步骤304中，计算在步骤303中提取的移动物体的边缘位置处的空间方向和时间方向的亮度梯度。使用下式(1)表述该时空亮度的梯度。 

【式1】 

P＝(P_x，P_y，P_t)    …(1) 

以下，在步骤305中，根据(1)式的值求出由下式表示的时空亮度梯度的协方差矩阵M。M也被称为格莱姆矩阵(Gram matrix)。 

【式2】 

$M=\left[\begin{array}{ccc}\mathrm{\Σ}{P}_x^2& \mathrm{\Σ}{P}_x{\text{P}}_y& \mathrm{\Σ}{P}_x{P}_t\\ \mathrm{\Σ}{P}_y{P}_x& \mathrm{\Σ}{P}_y^2& \mathrm{\Σ}{P}_y{P}_t\\ \mathrm{\Σ}{P}_t{P}_x& \mathrm{\Σ}{P}_t{P}_y& \mathrm{\Σ}{P}_t^2\end{array}\right]...\left(2\right)$

公式(2)的总和根据整个图像或者指定区域中的像素计算。公式(2)是时空亮度梯度的某一区域中的方差和协方差，表示公式(1)的曲线的偏差的程度。当区域中的运动的大小和方向出现偏差时，公式(2)的秩(rank)，也就是格莱姆矩阵M的不为零的固有值的数值变大(最大为3个)。此时，如果指定区域中的人物区域较小时，由于背景像素的影响，在采用公式(2)进行计算时，人物的动作信息会被遮盖掉。因此，在步骤306中，计算只看得到背景的场景，具体来说是只看得到自动扶梯的踏板运行的场景的格莱姆矩阵M，并将其作为背景格莱姆矩阵而从输入图像的格莱姆矩阵中减去。通过该计算，即使人物区域较小，也能够方便地检测到乘客的反常动作。 

在进行格莱姆矩阵的固有值的计算时(步骤307)，由于在实际情况中因噪声等的影响，公式(2)的固有值成为零的情况很少，所以，作为指定区域中的异常动作的指标，使用下式表示的连续秩的增量度。 

式中，λ₁、λ₂、λ₃是格莱姆矩阵M的固有值(升序)，λ₁ ^◇、λ₂ ^◇、λ₃ ^◇是格莱姆矩阵M的左上角2×2矩阵的固有值(升序)。在步骤308中计算公式(3)后，在步骤309中对计算结果进行阈值处理，在根据公式(3)算出的结果达到某种程度的异常值时，判断为检测到反常动作。根据该信号，开始进行图像的录像，或者提醒乘客加以注意。如果根据公式(3)算出的结果在经过了一定时间后仍然没有超过反常动作的判断阈值时(步骤310)，在步骤311中判断其是只拍摄到了背景的场景，从而生成背景格莱姆矩阵并对其进行保存，以便在步骤306的格莱姆矩阵差分处理中使用。如果在步骤310的判断中判断为根据公式(3)算出的结果在一定时间内超过了反常动作的判断阈值时，则判断乘客的动作出现了反常，并将经过了一定时间的判断状态复位，再次在步骤309中等待公式(3)的值变为阈值以下。 

在步骤309中检测到反常动作后，进行图2的步骤206所示的动作分类处理。为此，进行公式(3)的时间解析。在该解析中，例如当小孩在自动扶梯上逆向行走时，公式(3)的反常程度将长时间超过在步骤309中设定的阈值。此外，在乘客意外跌倒时，由于其是突发性的动作，所以公式(3)的时间波形成为向上尖锐突出的波形。如此，根据异常动作的种类，利用公式(3)的时间波形不同这一点来判别异常动作的种类。在进行该判别时，例如可以使用傅立叶变换和小波变换(wavelet transform)等。在将异常动作分类为故意的异常动作和非故意的异常动作后，再对该两者进行更为精确的分类。以下进行详细的说明。 

首先对故意的异常动作的分类进行说明。作为故意的异常动作的示例，可以列举出在踏板上逆向行走，快速步入踏板(在顺方向朝上奔跑或在顺方向朝下奔跑)，携带婴儿推车等超出规格的物品乘入等。当有乘客在踏板上逆向行走时，所显示出来的波形是，公式(3)的值将长时间持续保持在高水平上，在逆向行走者从视场中消失的瞬间，公式(3)的值急剧下降并回到正常水平。这是由于在视场内出现了正反方向的运动时，公式(3)的数值会变大。此外，在该波形中，反常程度的大小与在踏板上往下奔跑时的动作同步地上下变动。这是由于手和脚的抬起和下落动作正好与踏板的动作相同的瞬间和相反动作出现的瞬间交替重复而造成的。由上述动作产生的公式(3)的时间波形的特征例如能够通过傅立叶变换和小波变换等来判别。 

在乘客快速步入踏板时显示出与逆向行走时相同的波形，但是反常程度的大小与逆向行走相比较小。这是因为自动扶梯的踏板的运行方向与乘客的动作方向相同，公式(3)的值与逆向行走时相比稍小的缘故。 

在携带婴儿推车时，即将步入踏板时的动作成为反常动作。此时，公式(3)的时间波形与跌倒时的波形相同，均为朝上突起的波形，但是该波形不像跌倒时的波形那么陡。为此，在自动扶梯入口部分，在公式(3)的时间波形的频率解析中出现了频率比跌倒时更低的波峰时，判断为有婴儿推车等超出自动扶梯规格的物品乘入了自动扶梯。 

以下对非故意的异常动作的分类进行说明。作为非故意的异常动作的示例，例如可以举出自动扶梯入口部分的慢速行走和拥挤，踏板部分和自动扶梯入口部分有人跌倒，以及有物品被夹入了自动扶梯等。自动扶梯入口部分的慢速行走是指带小孩的乘客和老年人由于踏板的速度太快而在选择适当的时机步入自动扶梯的场合。此时，在公式(3)的时间波形中，由于乘客在犹豫是否步入自动扶梯，所以长时间维持微小的波动。由于在踏板上没有人时，公式(3)的时间波形小且为平坦的波形，所以也能够以经过傅立叶变换或者小波变换的频率来进行频率解析而进行判断。在拥挤时也形成与慢速行走时相同的波形，但由于在慢速行走时，公式(3)的波形长时间维持微小变动状态，所以能够利用该现象进行判断。在跌倒时，如上所述，能够通过检测公式(3)的时间波形的陡峭的波峰来进行判断。此时，将图像上的检测区域例如以自动扶梯的每个踏板为单位划分成细长区域，并在各个区域进行异常动作判断，这样就能够判断出是在踏板上发生了跌倒还是在自动扶梯入口部分发生了跌倒。在发生了被自动扶梯夹住的情况时，由于乘客在被夹入时会焦急地想要摆脱出来，所以会进行激烈的动作。并且，与上述在踏板上逆向行走和快速步入的情况不同，其动作周期是不规则的。所以，在发生了被自动扶梯夹住的情况时，也能够采用傅立叶变换或小波变换进行频率解析而判断反常动作。以上是图2的步骤206中的动作分类处理的详细说明。 

以下说明在图2的步骤207中按照故意或非故意的方式对异常动作进行了分类后，将其分别反映在自动扶梯的逆变器控制上的处理的情况。首先对异常动作属于故意的异常动作时的情况进行说明(步骤208)。参照图4 对步骤208的处理进行说明。在图4的步骤401中输入故意的异常动作的信号。由于在故意的异常动作时，在产生了在步骤206中分类的各种故意的异常动作时均提醒乘客注意，所以不根据异常动作的种类改变自动扶梯的控制方法。提醒注意时的广播的内容可以根据故意的反常动作的种类更改。之后，立即提醒乘客加以注意(步骤402)。在唤起注意时，可以通过扬声器进行广播，或者可以使埋设在踏板内的LED发出预先设定的唤起注意的颜色的光或者使该颜色的光闪烁。在该唤起注意经过了一定的时间后，如果判断逐渐演变成危险状态时(步骤403)，通过逆变器控制使自动扶梯缓慢减速(步骤404)。如果唤起注意还没有达到一定时间，则返回步骤402，继续进行唤起注意的播放或使LED发光或者闪烁。以上为故意的异常动作时进行的图2的唤起注意和逆变器控制的情况(步骤208)。 

针对非故意的异常动作，进行图2所示的唤起注意和逆变器控制(步骤209)的处理。以下参照图5对步骤209的处理进行说明。在图5的步骤501中，输入非故意的异常动作的信号。之后的处理与故意的异常动作的场合不同，根据异常动作的种类切换自动扶梯的控制方法。 

非故意的异常动作如上所述例如有老年人或带孩子的人的慢速行走、拥挤、跌倒和被自动扶梯夹住等。在慢速行走时(步骤502)，把自动扶梯将进行减速运行这一情况告知乘客(步骤507)，之后，通过逆变器控制逐渐使自动扶梯减速(步骤508)，以便乘客能够方便地步入自动扶梯的踏板。在拥挤(步骤503)时，由于很多人滞留在自动扶梯入口部分，所以，把自动扶梯将进行提速运行这一情况告知乘客(步骤509)，并使自动扶梯缓慢地加速(步骤510)，以便缓和拥挤情况。此时，以不会使自动扶梯的运行速度超过法定速度的方式以及以加速时不会导致乘客被绊倒和跌倒的加速度进行加速。在发生了乘客跌倒的情况时(步骤504)，首先判断跌倒是在踏板上发生的还是在自动扶梯入口部分发生的(步骤511)，如果是在踏板上发生的，则在发布了减速通知(步骤507)后，使自动扶梯缓慢地减速(步骤508)。其理由是，在踏板上发生了跌倒时，如果对自动扶梯进行紧急制动，可能会导致其他乘客跌倒。如果跌倒是在自动扶梯入口部分发生的，则不使自动扶梯停止，而播放安全确认广播，以确认乘客是否受了伤等(步骤512)。如果乘客不能站起来，则通过图2的步骤210持续播放安全确认 广播，并且不让自动扶梯恢复到正常运行。此时，在保安人员将乘客救出之前不恢复正常运行。此外，如果发生了乘客被踏板与扶手之间的间隙夹住时或者被踏板与自动扶梯入口部分之间的间隙夹住时(步骤505)，不管是在什么部位发生的夹住，均立即使自动扶梯紧急停止(步骤513)。在步骤506中，如果在图2的步骤203中被检测到的反常动作不属于在步骤206的分类处理中事先定义的任何异常动作时，则判断为发生了例外动作，并将该信息记录下来(步骤514)。这是为了能够在事后对该例外动作进行验证。 

以上对图1的图像处理装置107的功能进行了详细的说明。除了上述的处理之外，还可以同时进行以下的处理。例如，使输入图像阶段性地缩小，以制作多重分辨率的图像金字塔，针对各个图像金字塔，采用公式(3)进行计算，作为多重分辨率图像的反常程度矢量，将根据该判断和时序判断进行的动作分类也作为矢量进行计算和判断处理。通过上述处理，在乘客的动作大小的变动范围较大时，能够以其中一种分辨率的图像良好地体现乘客的反常动作，所以不需要进行图像大小和帧速率的参数设定等繁琐的设定，能够简化反常动作判断和异常动作分类处理。 

由于通过以上的数据处理进行的反常动作判断和动作分类方法不需要进行异常动作的模式化，所以处理速度快。此外，由于不需要将时空图像分解成微小的图像，就能够对图像整体进行公式(3)的计算，所以处理时间非常短，不仅可以安装在个人计算机上使用，也可以安装在嵌入式设备中使用。此外，由于具有该优点，所以上述多重解像度解析可以实时地进行。 

此外，本发明不限上述实施方式的限制，在本发明的技术思想的范围内，可以有各种各样的实施方式。 

Claims (4)

1.一种自动扶梯的控制设备，具有图像获取装置和图像处理装置，该图像获取装置获取自动扶梯和乘客的图像，该图像处理装置对由所述图像获取装置获取的图像进行处理，所述自动扶梯的控制设备的特征在于，

所述图像处理装置具有反常动作判断部分和异常动作分类部分，该反常动作判断部分通过对所述图像进行处理而检测所述乘客的动作的反常状态，该异常动作分类部分根据由所述反常动作判断部分检测到的所述反常状态在时间上的变化，对所述乘客的动作进行分类，

所述反常动作判断部分根据由所述图像的亮度在空间上和时间上的变化运算得到的反常程度对所述反常状态进行检测，所述异常动作分类部分根据所述反常程度在时间上的变化对所述乘客的动作进行分类。

2.如权利要求1所述的自动扶梯的控制设备，其特征在于，

具有控制信号生成部分，其根据所述异常动作分类部分的分类结果，生成用于对自动扶梯的运行进行控制的控制信号。

3.如权利要求1所述的自动扶梯的控制设备，其特征在于，

具有唤起注意部分，其根据所述异常动作分类部分的分类结果，提醒所述乘客引起注意。

4.如权利要求1至3中的任一项所述的自动扶梯的控制设备，其特征在于，

具有恢复正常判断部分，其检测所述乘客的动作是否恢复到了平常状态。

Images