CN101456501A - 一种控制电梯按钮的方法及装置 - Google Patents

Abstract

本发明提供一种控制电梯按钮的方法及装置，其中，该方法包括下列步骤：采集电梯层数按钮被按下的次数，并根据采集的图像进行人数统计，在所述电梯层数按钮被按下的次数大于一控制值时，禁止未被按下的按钮被按下，直到所按电梯层数小于等于所述控制值时，才允许未被按下的按钮能被按下，其中，所述控制值根据所述人数统计数目及预定误差确定得出。本发明能够达到最佳自动控制电梯层数的效果，不需要人为控制，并且能够防止一些人员对电梯的乱操作，提高了对电梯的使用效率。

Description

一种控制电梯按钮的方法及装置

技术领域

本发明涉及电梯控制技术领域，特别涉及一种控制电梯按钮的方法及装置。

背景技术

在现实生活中，电梯是人们经常需要使用的工具。在电梯使用过程中，人们会经常遇到这样一个问题，有些人会在电梯里面乱按层数，让电梯每层都停，导致电梯的使用效率大大降低，使得一些在高层或者底层的人等待时间过长。

为了解决上述问题，可以安排一个固定人员进行人为电梯层数的控制操作，但是这种做法存在下述缺点：需要耗费人力，特别是对于人员较多的时候安排一个人员进行操作更加不便。

发明内容

本发明的目的在于，提供一种控制电梯按钮的方法。

本发明的另一目的在于，提供一种控制电梯按钮的装置。

本发明的控制电梯按钮的方法，包括下列步骤：采集电梯层数按钮被按下的次数，并根据采集的图像进行人数统计，在所述电梯层数按钮被按下的次数大于一控制值时，禁止未被按下的按钮被按下，直到所按电梯层数小于等于所述控制值时，才允许未被按下的按钮能被按下，其中，所述控制值根据所述人数统计数目及预定误差确定得出。

其中，所述控制值为所述人数统计数目与预定误差之和；或者所述控制值为所述人数统计数目与预定误差之和再加上或减去一冗余度。

其中，通过过线检测方式或人头检测方式对图像采集装置采集的图像进行人数统计。

其中，所述过线检测方式包括下列步骤：预先在视频图像中电梯入口处划定一条直线，用于判断行人是进入电梯还是走出电梯；对检测区域进行背景建模，然后进行运动目标检测，并对运动目标进行跟踪，当目标经过预先划定的直线时，分析当前运动目标的跟踪轨迹，并计算出一个方向，与预先划定的直线的方向进行比较，以判断行人是走出电梯还是进入电梯，然后对相应的人数统计器上进行相应的加减操作。

其中，所述对检测区域进行背景建模通过中值滤波技术、或者非参数估计技术、或者迭代更新技术实现。

其中，所述进行运动目标检测通过帧差法、或者前景背景差法、或者核密度估计法、或者混合高斯模型实现。

其中，所述对运动目标进行跟踪通过卡尔曼滤波法、或者Mean shift法、或者粒子滤波法、或者模板匹配法实现。

其中，所述人头检测方式包括下列步骤：预先在视频图像中电梯客户区域定义一定范围的人头监测区域，选取特征进行人头模型训练；输入一帧图像，对于监测区域为检测所述图像中一定尺度范围的人头，分尺度对所述图像进行缩放，并在每个像素点进行多尺度逐点像素的人头检测；将相邻位置以及不同尺度的人头框合并，如果两个候选人头框的大小差异和位置差异为2个像素以下时，则将这两个人头框合二为一，最后对所述检测区域的人头数进行统计。

其中，所述进行人头模型训练通过Adaboost算法、或者支持向量机SVM算法实现。

其中，将所述过线检测和人头检测得到的统计结果进行融合，将对两种检测结果的最大值作为最终人数统计的结果，然后对电梯按钮进行控制。

其中，所述预定误差，通过预先在标准的摄像条件下，假设人员一个个走进电梯时得到的人数统计数目与实际人数之差计算得到。

另外，所述预定误差，可以通过预先根据实际的应用环境，计算最终人数统计数目与实际人数之差得到。

本发明的控制电梯按钮的装置，包括信息采集模块、图像分析模块、控制模块，其中，所述信息采集模块，用于采集电梯层数按钮被按下的次数并进行图像采集；所述图像分析模块，用于获得电梯层数按钮被按下的次数，并根据采集到的图像进行人数统计，在所述电梯层数按钮被按下的次数大于预定的控制值时，通知控制模块禁止未被按下的按钮被按下，直到所按电梯层数小于等于所述控制值时，才允许未被按下的按钮能被按下，其中，所述预定的控制值根据所述人数统计数目、预定误差、冗余度确定得出；所述控制模块，用于对电梯按钮执行相应的控制操作。

其中，所述控制值为所述人数统计数目与预定误差之和；或者所述控制值为所述人数统计数目与预定误差之和再加上或减去一冗余度。

其中，所述图像分析模块，通过过线检测方式或人头检测方式对图像采集装置采集的图像进行人数统计。

本发明的有益效果是：依照本发明的控制电梯按钮的方法及装置，从智能视频分析的角度出发，对电梯内的人员进行数目统计，综合考虑各种检测算法的优缺点，达到最佳自动控制电梯层数的效果，不需要人为控制；并且能够防止一些人员对电梯的乱操作，提高了对电梯的使用效率；另外，基于人数统计电梯按钮控制采用了先进的人头检测技术和过线检测技术，使得系统更加智能和稳定。

附图说明

图1为本发明的控制电梯按钮的方法示意图；

图2为本发明的根据行人的行进方向与基准方向之间夹角为θ判定是否有人进入电梯的示意图。

具体实施方式

以下，参考附图1～2详细描述本发明的控制电梯按钮的方法及装置。

本发明的核心思想是：通过实时检测电梯内所拥有的人数，然后控制电梯按钮被按的个数，来达到预防某些人乱按电梯的习惯。

本发明的控制电梯按钮的方法包括下列步骤：

步骤100：采集电梯层数按钮被按下的次数，并根据采集的图像进行人数统计；

其中，在步骤100中，通过过线检测方式或人头检测方式对图像采集装置采集的图像进行人数统计。

在进行过线检测时，视频图像中在电梯入口处划定一条直线，用于判断行人是进入电梯还是走出电梯。

具体地，在进行过线检测时包括下列步骤：

步骤11：对该区域进行背景建模，例如可以采用中值滤波技术、非参数估计技术以及迭代更新等技术；其中，以中值滤波技术为例，简要说明其实现原理：

输入图像的前N帧图像作为初始背景估计的参考图象，利用这N帧图象建立背景模型。假设x₁，x₂，…，x_N是图像中的某个像素点的像素值x_t的一组观察值样本(其他像素点采用相同的处理方法)，利用这些样本，采用中值滤波法计算出t时刻任何一个像素点的背景像素估计值：

$B\left(x_t\right)=\underset{i}{\mathrm{median}}\left(x_i\right)---\left(1\right)$

采用先进先出(FIFO)策略，用最新的像素来更新最老的像素，即得到x₂，x₃，…，x_N+1代替x₁，x₂，…，x_N进行中值滤波计算不断更新背景图像。

步骤12：进行运动目标检测，具体的运动目标检测方法包括帧差法、前景背景差法、核密度估计法以及混合高斯模型等，例如，以前景背景差法为例，简要说明其实现原理：

i)当输入的新一帧前景图像时，与步骤11中得到背景图像直接相减即可得到差分图像；

ii)对于步骤i得到的差分图像中每个点与预先设定的阈值相比较，大于阈值的点认为是前景点；

iii)对于所有前景点进行连通域判断而进行聚类操作，得到最终的前景目标。

步骤13：对运动目标进行跟踪，具体的跟踪方法包括卡尔曼滤波法、Meanshift法、粒子滤波法以及模板匹配法等，例如，以Mean shift法进行跟踪运算为例，简要说明其实现原理：

i)计算位移向量m_h(x)：

$m_h\left(x\right)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}G\left(\frac{x_i-x}{h}\right)w\left(x_i\right)x_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}G\left(\frac{x_i-x}{h}\right)w\left(x_i\right)}---\left(2\right)$

其中，x为运动目标的位置点，x_i为x的邻域点，G(X)为核函数，w(x_i)为加权函数；

ii)把m_h(x)赋给x；

iii)如果‖m_h(x)-x‖<ε，ε为容许误差，结束循环；否则，继续执行i)，计算位移向量m_h(x)。

Mean Shift算法循环的执行上述三步，直至结束条件满足，上面的步骤是不断的沿着概率密度的梯度方向移动，同时步长不仅与梯度的大小有关，也与该点的概率密度有关，在密度大的地方，更接近要找的概率密度的峰值，MeanShift算法使得移动的步长小一些，相反，在密度小的地方，移动的步长就大一些。在满足一定条件下，Mean Shift算法一定会收敛到该点附近的峰值。

步骤14：当目标经过预先划定的直线时，分析当前运动目标的跟踪轨迹，并计算出一个方向，与预先划定的直线的方向进行比较，并对相应的人数统计器上进行相应的加减操作。如图2所示，行人的行进方向与基准方向之间夹角为θ，当两个方向的夹角θ小于90度时，认为是人走出电梯，当大于90度时，认为是有人进入电梯。

另外，在进行人头检测时，视频图像中在电梯客户区域划定义一定范围的人头监测区域，在该区域进行人头检测算法操作。

具体地，进行人头检测时，包括下列步骤：

步骤21：选取特征进行人头模型训练，训练方法通常有Adaboost算法和支持向量机SVM算法。这里采用的训练算法为Adaboost算法，选取的特征为HOG特征，通过大量的各种人头姿势的样本图像对人头模型学习机进行训练，得到一组合适的模型参数，基本原理过程如下：

给定包含n个样本的训练集{(x_i，y_i)}，i＝0，1，...，n-1{()}，y_i＝0或1，表示对应的输入样本x_i是人头样本还是非人头样本，其中人头样本数量为m，非人头样本数量为l，样本中包含各个尺度即多尺度图像；

选择误分类风险倍数c，表示训练样本分类错误的风险大小，则对于人头样本 $C_i=\frac{2c}{m\&CenterDot;(c+1)},$ 对非人头样本 $C_i=\frac{2}{l\&CenterDot;(c+1)},$ 初始每个样本的权重 $W_0\left(i\right)=\frac{C_i}{\underset{j}{\mathrm{\&Sigma;}}{C}_j},$ c越大，则表示正样本分类错误的风险越大，在训练分类器就应该尽量保证正样本的分类错误率尽可能的小；

迭代次数t＝0，1，....T-1：(T即为希望选择的弱分类器的个数)；

其中，HOG特征是一个矩形框内各个方向梯度的计算，对每个特征j，利用单个特征训练分类器h_j，根据训练样本集的权值W_t得到最优的阈值参数，使得h_j的错误率ε_j最小： ${\mathrm{\&epsiv;}}_j=\underset{i=0}{\overset{n-1}{\mathrm{\&Sigma;}}}{W}_t\left(i\right)|h_j\left(x_i\right)-y_i|;$

(1)得到错误率最小的弱分类器作为当前层强分类器的第t个弱分类器h_t，对应的特征序号为f_t，对应的错误率为ε_t；

(2)计算参数 ${\mathrm{\&alpha;}}_t=\ln \left(\frac{1-{\mathrm{\&epsiv;}}_t}{{\mathrm{\&epsiv;}}_t}\right),$ ${\mathrm{\&beta;}}_t=\frac{{\mathrm{\&epsiv;}}_t}{1-{\mathrm{\&epsiv;}}_t};$

(3)更新所有样本的权重 $W_{t+1}\left(i\right)=\frac{W_t\left(i\right){{\mathrm{\&beta;}}_t}^{1-e_i}}{Z_t},$ 其中e_i＝0表示当前弱分类器正确识别样本x_i，反之则e_i＝1，Z_t是归一化因子，使更新的权重之和等于1；

(4)输出最后的强分类器：

强分类器输出为1表示输入样本x通过该层强分类器，否则认为输入样本是非人头。

步骤22：输入一帧图像，对于监测区域，为检测该图像中一定尺度范围的人头，分尺度对该图像进行缩放，并在每个像素点进行多尺度逐点像素的人头检测；

一般情况下，人头往往会在不同的尺度下和相邻的位置处检测出多次，而虚警的出现往往比较孤立，此时需要对检测结果进行重合处理，即执行下列步骤：

步骤23：将相邻位置以及不同尺度的人头框合并，如果两个候选人头框的大小差异和位置差异都非常小(例如为2个像素以下时)，或者这两个人脸框重叠面积非常大，就可以将这两个框合二为一，最后，对该区域的人头数进行统计。

步骤200：根据电梯层数按钮被按下的次数和人数统计结果，在电梯层数按钮被按下的次数大于一控制值时，禁止未被按下的按钮被按下，直到所按电梯层数小于等于该控制值时，才允许未被按下的按钮能被按下，其中，该控制值根据所述人数统计数目及预定误差确定得出。例如，控制值可以为人数统计数目与预定误差之和。其中，该预定误差，通过预先在标准的摄像条件下，假设人员一个个走进电梯时得到的人数统计数目与实际人数之差计算得到。

其中，该控制值将在每次电梯停止的时候开始工作，电梯层数按钮被按下的次数超过该控制值时，将禁止按钮的进一步作用，直到所按电梯层数小于等于该值时，才允许电梯按钮继续工作。

另外，在实际的应用环境中，可以根据实际情况不断修正该预定误差。例如，当实际环境中摄像头摄像效果较差、或者摄像头出现故障、或者人员并非一个个进入电梯而是两个以上的人同时进入电梯时，得到的人数统计结果均会出现不同误差，因此，可以根据实际情况不断调试，计算最终人数统计与实际人数之差得到修正后的预定误差，以使操作电梯出现异常的风险降到最低。

另外，根据实际需求，该控制值可以为所述人数统计数目与预定误差之和再加上或减去一冗余度。该冗余度根据实际环境需要设定，例如可以为允许用户按错电梯按钮的次数。

另外，由于过线检测和人头检测算法不可能百分之百的准确，因此可以根据需要对过线检测和人头检测得到的统计结果进行融合，根据最低风险的原则，将对两种检测结果的最大值作为最终人数统计的结果，然后执行步骤200，对电梯按钮进行控制。

本发明的装置，包括信息采集模块、图像分析模块、控制模块。

其中，信息采集模块，用于采集电梯层数按钮被按下的次数并进行图像采集，其中可以通过摄像头实现图像采集；图像分析模块，用于获得电梯层数按钮被按下的次数，并根据采集到的图像进行人数统计，在所述电梯层数按钮被按下的次数大于预定的控制值时，通知控制模块禁止按钮的进一步作用，直到所按电梯层数小于等于所述控制值时，才允许电梯按钮继续工作，其中，所述预定的控制值为所述人数统计数目与预定误差之和；控制模块，用于对电梯按钮执行相应的控制操作。

其中，图像分析模块，通过过线检测方式或人头检测方式对图像采集装置采集的图像进行人数统计。

具体地，图像分析模块在进行过线检测时，首先采用中值滤波技术、非参数估计技术以及迭代更新等技术对检测区域进行背景建模；然后采用帧差法、前景背景差法、核密度估计法以及混合高斯模型等进行运动目标检测；进而采用卡尔曼滤波法、Mean shift法、粒子滤波法以及模板匹配法等对运动目标进行跟踪；最后，当目标经过预先划定的直线时，分析当前运动目标的跟踪轨迹，并计算出一个方向，与预先划定的直线的方向进行比较，当两个方向的夹角小于90度时，认为是人走出电梯，当大于90度时，认为是有人进入电梯，并对相应的人数统计器上进行相应的加减操作。

图像分析模块在进行人头检测时，首先采用Adaboost算法和SVM算法选取特征进行人头模型训练；然后输入一帧图像，对于监测区域，为检测该图像中一定尺度范围的人头，对分尺度对该图像进行缩放，并在每个像素点进行多尺度逐点像素的人头检测；进而将相邻位置以及不同尺度的人头框合并，如果两个候选人头框的大小差异和位置差异都非常小，或者这两个人脸框重叠面积非常大，就可以将这两个框合二为一；最后，对该区域的人头数进行统计。

其中，该控制值将在每次电梯停止的时候开始工作，电梯层数按钮被按下的次数超过该控制值时，将禁止按钮的进一步作用，直到所按电梯层数小于等于该值时，才允许电梯按钮继续工作。另外，该控制值可以通过设定默认范围设置，也可以根据不同场所具有不同的误差均值进行统计得到，因此可以通过场景调试来确定该控制值，使操作电梯出现异常的风险降到最低。

其中，图像分析模块，可以根据需要分别进行过线检测以及人头检测，然后根据最低风险原则，将对两种检测结果的最大值作为最终人数统计的结果，进而通知控制模块对电梯按钮执行相应的控制操作。

综上所述，依照本发明的控制电梯按钮的方法及装置，从智能视频分析的角度出发，对电梯内的人员进行数目统计，综合考虑各种检测算法的优缺点，达到最佳自动控制电梯层数的效果，不需要人为控制；能够防止一些人员对电梯的乱操作，提高了对电梯的使用效率；基于人数统计电梯按钮控制采用了先进的人头检测技术和过线检测技术，使得系统更加智能和稳定。

以上是为了使本领域普通技术人员理解本发明，而对本发明所进行的详细描述，但可以想到，在不脱离本发明的权利要求所涵盖的范围内还可以做出其它的变化和修改，这些变化和修改均在本发明的保护范围内。

Claims (15)

1.一种控制电梯按钮的方法，其特征在于，包括下列步骤：

采集电梯层数按钮被按下的次数，并根据采集的图像进行人数统计，在所述电梯层数按钮被按下的次数大于一控制值时，禁止未被按下的按钮被按下，直到所按电梯层数小于等于所述控制值时，才允许未被按下的按钮能被按下，其中，所述控制值根据所述人数统计数目及预定误差确定得出。

2.如权利要求1所述的控制电梯按钮的方法，其特征在于，所述控制值为所述人数统计数目与预定误差之和；或者所述控制值为所述人数统计数目与预定误差之和再加上或减去一冗余度。

3.如权利要求2所述的控制电梯按钮的方法，其特征在于，通过过线检测方式或人头检测方式对采集的图像进行人数统计。

4.如权利要求3所述的控制电梯按钮的方法，其特征在于，所述过线检测方式包括下列步骤：

预先在视频图像中电梯入口处划定一条直线，用于判断行人是进入电梯还是走出电梯；对检测区域进行背景建模，然后进行运动目标检测，并对运动目标进行跟踪，当目标经过预先划定的直线时，分析当前运动目标的跟踪轨迹，并计算出一个方向，与预先划定的直线的方向进行比较，以判断行人是走出电梯还是进入电梯，然后对相应的人数统计器上进行相应的加减操作。

5.如权利要求4所述的控制电梯按钮的方法，其特征在于，所述对检测区域进行背景建模通过中值滤波技术、或者非参数估计技术、或者迭代更新技术实现。

6.如权利要求4所述的控制电梯按钮的方法，其特征在于，所述进行运动目标检测通过帧差法、或者前景背景差法、或者核密度估计法、或者混合高斯模型实现。

7.如权利要求4所述的控制电梯按钮的方法，其特征在于，所述对运动目标进行跟踪通过卡尔曼滤波法、或者Mean shift法、或者粒子滤波法、或者模板匹配法实现。

8.如权利要求3所述的控制电梯按钮的方法，其特征在于，所述人头检测方式包括下列步骤：

预先在视频图像中电梯客户区域定义一定范围的人头监测区域，选取特征进行人头模型训练；输入一帧图像，对于监测区域为检测所述图像中一定尺度范围的人头，分尺度对所述图像进行缩放，并在每个像素点进行多尺度逐点像素的人头检测；将相邻位置以及不同尺度的人头框合并，如果两个候选人头框的大小差异和位置差异为2个像素以下时，则将这两个人头框合二为一，最后对所述检测区域的人头数进行统计。

9.如权利要求8所述的控制电梯按钮的方法，其特征在于，所述进行人头模型训练通过Adaboost算法、或者支持向量机SVM算法实现。

10.如权利要求2至9中任一项所述的控制电梯按钮的方法，其特征在于，将所述过线检测和人头检测得到的统计结果进行融合，将对两种检测结果的最大值作为最终人数统计的结果，然后对电梯按钮进行控制。

11.如权利要求1所述的控制电梯按钮的方法，其特征在于，所述预定误差，通过预先在标准的摄像条件下，人员一个个走进电梯时得到的人数统计数目与实际人数之差计算得到。

12.如权利要求1所述的控制电梯按钮的方法，其特征在于，所述预定误差，通过预先根据实际的应用环境，计算最终人数统计数目与实际人数之差得到。

13.一种控制电梯按钮的装置，其特征在于，包括信息采集模块、图像分析模块、控制模块，其中，

所述信息采集模块，用于采集电梯层数按钮被按下的次数并进行图像采集；

所述图像分析模块，用于获得电梯层数按钮被按下的次数，并根据采集到的图像进行人数统计，在所述电梯层数按钮被按下的次数大于预定的控制值时，禁止未被按下的按钮被按下，直到所按电梯层数小于等于所述控制值时，才允许未被按下的按钮能被按下，其中，所述控制值根据所述人数统计数目、预定误差、冗余度确定得出；

所述控制模块，用于对电梯按钮执行相应的控制操作。

14.如权利要求13所述的控制电梯按钮的方法，其特征在于，所述控制值为所述人数统计数目与预定误差之和；或者所述控制值为所述人数统计数目与预定误差之和再加上或减去一冗余度。

15.如权利要求14所述的控制电梯按钮的装置，其特征在于，所述图像分析模块，通过过线检测方式或人头检测方式对图像采集装置采集的图像进行人数统计。

Images