CN103183263A - 结构物的安全防范系统以及具备其的电梯 - Google Patents
结构物的安全防范系统以及具备其的电梯 Download PDFInfo
- Publication number
- CN103183263A CN103183263A CN2012105802673A CN201210580267A CN103183263A CN 103183263 A CN103183263 A CN 103183263A CN 2012105802673 A CN2012105802673 A CN 2012105802673A CN 201210580267 A CN201210580267 A CN 201210580267A CN 103183263 A CN103183263 A CN 103183263A
- Authority
- CN
- China
- Prior art keywords
- sensor
- works
- signal
- threshold value
- car
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
在通过监视摄像机和传感器探测电梯轿厢等结构物内的人物的异常举动的安全防范系统中,以少的工作量对每个结构物简便调整灵敏度不同的传感器的异常判定的阈值。在使用监视摄像机及其图像判定部和传感器及其传感器判定部探测电梯轿厢等结构物的异常举动的系统中,具备将规定大小的信号源施于结构物时的传感器的输出信号取入为传感器采样信号的采样信号采集部。阈值计算部在将传感器的输出信号中变化的量作为传感器输出信号变化量时,传感器采样信号的变化量与预先登记的比较用的参考值之比越大则使传感器判定部中使用的异常举动判定用的阈值较大,越小则使阈值越小,通过将该比与预先登记的基准阈值用作参数的规定计算式来算出与结构物相应的阈值。
Description
技术领域
本发明涉及通过监视摄像机对电梯等的结构物内的人物的异常举动进行图像识别来谋求安全防范的结构物的安全防范系统。
背景技术
在通过目视监视摄像机的影像来进行监视的系统中,在监视人员总是以目视来监视影像的情况下,监视人员的负担较大。为了减轻这样的负担,通过某指标(例如影像中的运动要素的移动程度、即规定时间内的移动量或移动速度)来测量所拍摄的影像中的人物的举动,根据该测量值来判定异常举动,这样的监视系统不断得到普及。这样的监视系统代表性地被利用在通过图像识别来探测人物的危险的异常举动从而未然地防止事故、或者确定进行了异常举动的人物的安全防范系统。
在非专利文献1中,公开了利用高阶局部自相关这样的图像上的局部的观察法和运动的特征量,来探测摄影图像中的人物的异常举动的技术。在电梯中,也为了提高乘客的安全性,为了探测持有恶意的乘客损坏轿厢内的设备、或危害其它乘客这样的异常举动,谋求所述监视系统。
在所述监视系统中,有时通过图像识别难以与异常举动区分开而误将正常的举动识别为异常举动,因而将消除这样的误报作为课题。例如,在监视摄像机跟前整理头发这样举止实际是会在电梯的轿厢内进行的日常的细微的动作,但若从监视摄像机来看则成为看上去运动大的举动而予以拍摄,从而成为引起误报的动作的代表例。此外,在装有窗户的电梯中,在从轿厢的外部射入的光伴随着电梯的升降而变化、或影子移动时,也会引起误报。
为了改善上述那样的由于通过监视摄像机的图像识别而产生的异常举动探测的误报,在图像识别(监视摄像机)基础上兼用探测原理与图像识别不同的传感器的方法被认为是有效的。
在专利文献1中公开了使用在轿厢内所具备的红外线传感器或振动传感器等各种传感器来探测乘客的异常举动的技术。但是,在使用这些传感器来探测异常举动的情况下,若考虑到电梯的轿厢的尺寸、还有楼板墙壁等的结构物的存在差异,则即使加在传感器上的物理量相同,输出也会根据轿厢的规格和结构性特性而变化,因此,需要根据轿厢来设定适当的传感器的阈值。专利文献1中并未公开所述传感器的阈值的设定方法。
在专利文献2中,公开了2个对在使用振动传感器和音量传感器来探测异常举动的情况下的针对传感器输出信号的异常举动判定用的阈值(基准等级)进行设定的手法。其中一个是学习异常举动发生时的传感器的输出信号的变化量来设定阈值的方法。该手法通过学习来设定阈值,因此能提高阈值的精度。其中,在学习前,根据安装电梯的环境来决定要成为阈值的振动等级和音量等级的初始值。虽然没有公开这种情况下的初始值的设定方法,但必须按照环境来对每个电梯个别地设定,设定作业的负担较大,因此期望实现该作业的简化。
另一个方法是学习通常(正常)乘梯时的传感器的输出信号的变化量来调整阈值以使得不会在通常乘梯时频繁误报。在该方法中,若为了抑制误报率而提高阈值,则异常举动的探测的程度,也就是所谓的漏报率有变高的倾向,按照在抑制误报率的同时刻意地抑制漏报的方式来设定阈值较困难。
专利文献
专利文献1:JP特开昭63-12579号公报
专利文献2:JP特开2004-149287号公报
非专利文献
非专利文献1:南里卓也、大津展之,“複数人動画像からの異常動作検出(来自多人运动图像的异常动作检测)”、“コンピユ一タビジヨンとイメ一ジメデイア(计算机视觉和图像媒介)”P.43-50、2005年10月
发明内容
本发明的主要目的在于提供一种系统,在与监视摄像机并用地使用各种传感器来探测电梯的轿厢等的具有各种各样的尺寸和结构的结构物内的异常行动的安全防范系统中,能以较少的作业量简易地设定与各个结构物的特征相应的传感器的异常举动判别用的阈值。
进而,其次,以上述那样的达成主要目的的安全防范系统为前提,提供一种系统,能设定在注意了抑制前述传感器的误报率的同时刻意地抑制异常举动的漏报的异常举动探测用的阈值。
本发明为了达成上述的主要的目的,基本上如以下那样构成。
(1)其中一构成是一种结构物的安全防范系统,具备:监视摄像机,其设置于成为监视对象的结构物中,并拍摄结构物内的人物;图像判定部,其对所述监视摄像机拍摄的人物进行图像识别,从而判定人物的异常举动;传感器,其设置于所述结构物中,并用于探测结构物内的人物的异常举动;和传感器判定部,其将所述传感器的输出信号加工处理为在异常举动判定中需要的信号,将该加工处理后的信号与异常举动判定用的阈值进行比较,从而进行异常举动判定,所述结构物的安全防范系统的特征在于,具有:采样信号采集部,其取入将规定的大小的信号源施加在所述结构物上时的所述传感器的输出信号,作为传感器采样信号;以及阈值计算部,其在将所述传感器的输出信号中的变化的量作为传感器输出信号变化量时,所述传感器采样信号的传感器输出信号变化量的峰值相对于预先登记的比较用的参考值之比越大则使所述阈值越大,所述比越小则使所述阈值越小,通过将这样的所述比和预先登记的基准阈值用作参数的规定的计算式来算出与所述结构物相应的所述阈值。
(2)另一构成是一种结构物的安全防范系统,具备:与上述相同的监视摄像机、图像判定部、异常举动探测用的传感器、以及传感器判定部,所述结构物的安全防范系统的特征在于,具有:结构物信息输入部,其指定所述结构物的型号以及规格的至少一者;数据保存部,其关于所述型号以及规格的至少一者登记有多个型号或规格,并且具有与它们相关联地分别登记有异常举动探测用的多个阈值的数据;以及阈值设定部,其按照由所述结构物信息输入部指定的所述型号以及规格的至少一者,从所述数据中检索所述阈值,来进行设定。
(3)为了达成本发明的其次的目的,还提出下面那样的构成。
所述(1)~(2)中的至少一个安全防范系统特征在于,进一步地,预先登记与对结构物进行代表的代表结构物相关的在正常时的特定的条件下所得到的所述传感器的输出信号的变化的量来作为基准的传感器输出信号变化量,且登记与正常时的所述代表结构物相关的由所述传感器判定部从传感器输出信号变化量进行加工而得到的异常度的频度分布来作为基准的正常时异常度频度分布,所述采样信号采集部关于所述结构物正常时的所述传感器的输出信号,采集与所述基准的传感器输出信号同一条件下的输出信号,来作为正常时传感器采样信号,所述阈值计算部构成为还根据所述正常时传感器采样信号的传感器输出信号变化量的峰值相对于所述基准的传感器输出信号变化量的峰值之比、所述基准的正常时异常度频度分布、以及所述传感器的异常举动判定用的所述阈值,来算出所述正常时传感器采样信号的正常时异常度频度分布和所述传感器判定部进行异常时举动判定的误报率,并介由显示器来显示该误报率。
发明的效果
根据本发明,能以较少的作业量来简易地设定与各个结构物的特征相应的传感器的异常举动判别用的阈值。
另外,其次地,在起到上述主要效果的同时,能参考显示器显示的误报率来设定抑制误报率且刻意抑制异常举动的漏报的异常举动探测用的阈值。
附图说明
图1是在电梯轿厢中应用本发明的实施例1中的安全防范系统的概略图。
图2是表示实施例1中的安全防范系统的构成的框图。
图3是表示实施例1中的传感器判定部4的动作的流程图。
图4是表示实施例1中的传感器53的输出信号的一例的曲线图。
图5是表示实施例1中的传感器判定部4所判定的电梯轿厢的异常度的示例的曲线图。
图6是表示对采样信号采集部5赋予传感器53的输出信号的采样信号源的示例的图。
图7是表示被赋予了采样信号源时的传感器53的输出信号的示例的图。
图8是实施例1中的阈值计算部6的流程图。
图9是表示实施例1中的设定异常度探测用阈值的情况下使用的代表轿厢中的异常举动的异常度频度分布的一例的曲线图。
图10是表示代表轿厢和轿厢50中的异常举动的异常度频度分布的一例的曲线图。
图11是表示本发明的实施例2中的安全防范系统的构成的框图。
图12是表示实施例2中的阈值计算部16的误报率的计算方法的流程图。
图13是在实施例2中的阈值计算部16的误报率的计算的情况下,根据事先作成的正常时的传感器输出信号变化量而求得的表示异常程度的尺度(异常度)的频度分布的曲线图。
图14是表示本发明的实施例3中的安全防范系统的构成的框图。
图15是用户界面200的画面的示例。
图16是表示与轿厢50的型号相应的传感器判定部4的异常判定的阈值的示例的图。
符号说明
1 结构物信息输入部
2 图像判定部
3 阈值数据库
4 传感器判定部
5 采样信号采集部
6 阈值计算部
7 综合判定部
8 发报部
51 监视摄像机
53 传感器
具体实施方式
下面,参照以下所述的实施例以及附图来说明本发明的具体的实施方式。
实施例1
本发明的实施例1例示了电梯来作为本发明的适用对象即结构物。图1表示在该电梯的轿厢具备安全防范系统的概略构成图。
在图1中,在电梯的轿厢(结构物)50的内部设置有监视摄像机51。在轿厢50的外壁、例如顶板外壁设置有进行安全防范系统的信号处理以及乘客的异常举动判定的信号处理装置52。另外,与监视摄像机51并用的异常举动探测用的传感器53设置于轿厢50的下部。在本实施例中,作为传感器53而例示了载荷传感器,但如后述那样,并不限定于此。符号56是吊垂轿厢50的电梯升降索。
监视摄像机51固定安装在轿厢50的顶板或内壁,按照能捕捉到轿厢50内的乘客的运动的方式设置。监视摄像机51除了可视的摄像机以外,也可以是近红外的摄像机、渡越时间(Time Of Flight)方式这样的距离图像摄像机。
在本实施例中,作为传感器53例如使用涡流式的载荷传感器。但是,并不限定于此,能应用公知的应变方式等的各种类型。
在使用涡流式的载荷传感器的情况下,传感器53由产生高频磁通的传感器线圈构成,使该传感器53隔着间隙而与轿厢地板54的支承台55的下表面(通过传感器线圈的高频磁通来形成涡电流的导电板)对置地配置。由于轿厢地板54上的乘客或货物的载荷而引起的冲击或振动、轿厢50的墙壁被敲击时产生的冲击或振动,支承台55的下表面与传感器53的距离发生变化,通过支承台55的下表面的涡电流值的变化进一步通过传感器(传感器线圈)53的阻抗变化来探测该变化。传感器53以规定的周期测量载荷的变化。该规定的周期相对于乘客的动作的周期充分短,在由于乘客的动作而使得在轿厢地板54产生振动时,传感器53的输出信号发生变化。监视摄像机51所输出的影像、和传感器53所输出的信号被分别输入至信号处理装置52。
信号处理装置52是对来自监视摄像机51的影像信号以及来自传感器53的输出信号进行输入、且进行用于判定电梯轿厢内的人物有无异常举动所需的信号处理的装置,能应用任意的计算机。此外,尽管图1示出了信号处理装置52由1台装置构成的情况,但信号处理装置52也可以由相连的2台以上的装置构成。另外,还可以包括监视摄像机51或传感器53的内部的处理装置来作为信号处理装置52。或者,也可以用图1中未图示的连接线将信息终端59与信号处理装置52连接,将其作为信号处理装置52的一部分。所谓信息终端59是指键盘、鼠标、触控面板这样的具有受理来自作业人员的输入操作的功能、信号处理的功能、显示器等的显示功能的装置。信息终端59能通过笔记本型个人计算机、平板型的个人计算机、PDA(个人数字助理)、便携式电话等来实现。
图2是表示本发明的实施例1中的监视摄像机51以及传感器53、和信号处理装置52的功能构成的一例的框图。
图2中的图像判定部2、传感器判定部4、采样信号采集部5、阈值计算部6、综合判定部7、发报部8的各功能通过计算机程序和执行其的硬件来构成。
叙述这些功能的概要,图像判定部2对摄像机51的影像中的规定的指标(例如影像中的运动要素的规定时间内的移动量或移动速度)进行图像处理来进行测量,将该测量值与图像用的阈值(基准值)进行比较,由此判定在轿厢50内是否发生了乘客的异常举动。
传感器判定部4根据异常举动探测用的传感器53的输出信号(传感器输出信号)的时间序列,来计算在异常举动判定中需要的信号、例如表示变化程度的指标(加工值:具体例后述)(加工处理),若该指标超过传感器的异常举动判定用阈值π,则判定为有异常举动。该传感器53用的阈值π由阈值计算部6算出。关于该阈值的计算式,在后面详述其一例。
综合判定部7对图像判定部2以及传感器判定部4的异常判定的结果进行组合,最终进行轿厢50内的乘客的举动是否异常的判定。发报部8在综合判定部7判定为异常时,产生警报信号,介由固定安装于轿厢50的警报装置来发出警报。
采样信号采集部5如以下那样对在由阈值计算部6算出传感器53用的异常举动判别用的阈值π的情况下使用的传感器采样信号进行采集。即,在轿厢50内施加规定的信号源(例如机械性振动或声音),用传感器53探测该信号源引起的振动或冲击,并将该传感器输出信号作为传感器采样信号来采集。产生这样的传感器输出信号的信号源只要如图6(a)所示那样通过落下而对轿厢地板54施加冲击的重锤60、如图6(b)所示那样置于轿厢地板54的面上来对地板赋予振动的激振器61、以及作业人员的动作当中的至少一者即可。这样的信号源仅在设定阈值π时准备并使用。在将固定安装传感器53的电梯轿厢设置于建筑物时、或在已有的电梯轿厢设置传感器时、或在固定安装传感器的轿厢的保养时,由信号处理装置52的阈值计算部6来算出阈值π。
对轿厢50施加上述的信号源时,传感器53对其进行探测。
阈值计算部6将利用上述信号源而得到的传感器输出信号作为传感器采样信号来取得。然后,在将传感器53的输出信号中的变化的量(与对传感器53施加输入前的输出信号之差)作为了传感器输出信号变化量时,算出该传感器采样信号的传感器输出信号变化量的峰值ω相对于预先准备(登记)的比较用参考值ω0之比α=ω/ω0,通过该比α越大则使阈值越大、比α越小则使阈值越小的、使用所述比和预先登记的基准阈值作为参数的规定的计算式,来算出与传感器设置对象的轿厢(结构物)相应的阈值π。作为该计算式,在本实施例中,通过将该比α与预先准备的基准阈值π0相乘,来算出与轿厢的规格、结构相应的异常举动判定用的传感器阈值π。但是,如后述那样,上述规定的计算式也可以是将比α和基准阈值用作了参数的其它的计算式。
下面,叙述图像判定部2、传感器判定部4、采样信号采集部5、阈值计算部6、综合判定部7的各功能的细节。
图像判定部2以规定的周期输入监视摄像机51的影像,通过对该影像施加信号处理来计算影像的运动的异常程度的指标,若影像的运动的异常程度的指标超过异常判定的图像用的阈值,则判定为异常,若未超过则判定为正常。在影像的运动的异常程度的指标的计算方法中,能应用非专利文献1的方法,由于是公知的,因此省略其详细说明。另外,影像的运动的异常程度的指标的计算方法并不限于非专利文献1中记载的方法,也可以采用其它的方法。图像判定部2以规定的输出周期来输出异常判定的结果。
传感器判定部4对传感器输出信号以规定的周期应用图3的流程图,根据传感器输出信号来进行轿厢50内的乘客的异常举动的判定。
即,传感器判定部4最初以规定的周期读入传感器53的输出信号(S1)。图4以曲线图来表示在S1读入的传感器53的输出信号的示例。图4的曲线图的横轴T表示时刻,纵轴W表示传感器53的输出信号(输出信号的信号强度),在到T0为止的时刻,输出信号W大致恒定,但在时刻T0以后出现了较大的变动。这是因为,在测量图4所示传感器53的输出信号W时,例如在轿厢50内2名乘客乘梯,直到T0为止的期间保持不动,因而传递给轿厢地板54的力为前述2名乘客的体重,处于恒定,但是,由于在T0以后发生了互殴的异常举动,因此,伴随该异常举动的乘客的运动成为振动,传递给轿厢地板54的力随时间变化。将该传感器53的输出信号中的变化的量(与输入加在传感器53前的输出信号之差)称作传感器输出信号变化量ΔW。另外,该传感器输出信号变化量ΔW并不限于图4中的输出信号的波形的极大值和极小值上的值,是即使在其中途的时刻的位置也能通过该时刻上的输出信号W的大小与输入加在传感器53前的输出信号的大小之差来计算的值。传感器判定部4接下来根据S1的传感器53的输出信号的变化量(传感器输出信号变化量)ΔW来计算振动的强度,输出所述振动的强度作为表征轿厢50内的异常程度的尺度(异常度)(S2)。图5的曲线图是根据图4的输出信号W而计算出的异常度的示例,横轴表示时刻T,纵轴表示异常度P。图5的异常度P是在各时刻上图4所示的时间窗口τ内的传感器输出信号变化量ΔW的统计量。即,在本实施例中,作为一例,使用传感器输出信号变化量ΔW的统计量(异常度)作为传感器53的输出信号的加工值,但并不限于此,也可以如后述那样采用其它的加工值。该异常度P例如能用时间窗口τ内的传感器输出信号变化量ΔW的标准偏差来计算。另外,由于传感器输出信号变化量ΔW的标准偏差与传感器53的输出信号W的标准偏差相同,因此也可以用传感器53的输出信号W的标准偏差来计算。在图5中,异常度P在乘客保持不动的直到T0为止的期间取接近于0的小的值,但在乘客进行了异常举动的T0以后,取大于0的较大的值。传感器判定部4接下来比较在S2计算出的异常度P与阈值π,若异常度P大于阈值π则判定为异常(S4),若不大于阈值π则判定为正常(S5)(S3)。在图5的曲线图的示例中,直到异常度P为阈值π以下的T1为止判定为正常,在异常度P大于阈值π的T1以后判定为异常。
另外,尽管S2的异常度P在以上的说明中使用了时间窗口τ内的传感器输出信号变化量ΔW的标准偏差,但也可以使用与时间窗口τ内的传感器输出信号变化量ΔW的大小成正比的其它的指标(加工值)。傅立叶变换的频谱的强度是一例。此外,也可以将时间窗口τ分割为几个区间,在区间内计算标准偏差或频谱的强度之后,求取其中位数或平均等的统计量来作为异常度P。
采样信号采集部5如已经叙述的那样,在轿厢50中采集使轿厢地板54产生基于规定的信号源(模拟举动:重锤、激振器等)的振动时的传感器53的输出信号。图6(a)表示使作为所述信号源的示例的重锤60从规定的高度L落到轿厢地板54上的情况。重锤60的质量设为事先确定的规定的值。重锤60的落下既可以以机械进行,也可以人工进行。图6(b)是将使激振器61置于轿厢地板54上来进行励振的情况作为前述信号源的示例。激振器61是通过以规定的周期对对象物施力来反复振动的装置。重锤60的落下以及基于激振器61的振动通过轿厢地板54以及支承台55而传递给传感器53。
在图7(a)以及(b)中示出采样信号采集部5所采集的传感器53的输出信号的示例。图7(a)以及(b)的横轴表示时刻T,纵轴表示传感器53的输出信号(输出信号的信号强度)W。在图7(a)中,在使重锤60落下时的波形71中,在时刻T2出现了传感器输出信号变化量的峰值ω1。图7(b)的波形72是使激振器61励振时的波形,在时刻T3以后,使具有传感器输出信号变化量的峰值ω2的规则的振动继续。
通过图8的流程,阈值计算部6根据采样信号采集部5的传感器53的输出信号、即利用了上述信号源的传感器采样信号,来计算在传感器判定部4中使用的异常举动判定的阈值π。
阈值计算部6根据最初由采样信号采集部5采集到的采样信号、即被赋予了信号源(重锤60或激振器61)的传感器53的输出信号,来计算该传感器输出信号变化量的峰值ω(S10)。该传感器输出信号变化量的峰值ω根据赋予传感器53的信号源的种类,用适当的方法来进行计算。在作为信号源使重锤60落下时,阈值计算部6测量图7(a)的波形71的时刻T2的峰值的传感器输出信号变化量的峰值ω1。峰值的提取例如能用使重锤60刚落下后的波形71的变化的最大值来计算。在作为信号源而使激振器61励振时,提取波形72的规则的振动的峰值中的传感器输出信号变化量的峰值ω2。能通过提取傅立叶变换时的最大的频率分量来从波形72的规则的振动中求取传感器输出信号变化量的峰值ω2。但是,并不限于该示例。
阈值计算部6用数1式来计算在S10求得的传感器输出信号变化量的峰值ω相对于预先数据登记的比较用的参照值ωo之比α(S11)。在此,比较用的参照值ωo是通过在代表轿厢(代表结构物)内对传感器53赋予上述信号源(具体地,在代表轿厢(代表结构物)内施加上述信号源,用设于代表轿厢的传感器53来探测基于该信号源的振动或冲击,采集该传感器输出信号作为在代表轿厢的传感器采样信号)而被赋予的传感器输出信号的变化量的峰值。在此,代表轿厢是与轿厢50同样地具备传感器53的具有规定的尺寸和结构的轿厢,是从结构、规格不同的轿厢中决定任意的1个作为基准用的轿厢。代表轿厢除了为了预先求取成为传感器输出信号变化量的峰值ω的比较对象的参照值(基准值)ωo而被使用以外,还为了求取在阈值计算部6计算阈值π时所使用的基准阈值πo而被使用。关于基准阈值πo的求取方法,在后面叙述。
[数1]
α=ω/ωo
如以下所述那样,说明利用了信号源的传感器输出信号变化量的峰值(轿厢50与代表轿厢的传感器输出信号变化量的峰值)之比α,相当于与对轿厢50和代表轿厢的轿厢地板54施加相同力F时的、传感器输出信号变化量ΔW之比的情况。首先,在对轿厢50内的轿厢地板54施加大小为F的某种力时,对传感器输出信号变化量ΔW,以数2式的弹簧的模型来对F和ΔW之间进行处理。
[数2]
ΔW=k′F
数2式中的k′是轿厢50的弹簧常数k的倒数(1/k)。关于应用数2的弹簧的模型的原因,这是因为若由于乘客的动作而产生的振动的力传递到轿厢50内的轿厢地板54以及支承台55,则传感器(在此涡流式载荷传感器)53与支承台55之间的间隙发生变化的现象与在弹簧上载置重锤而摇动的现象具有相同的构成。在代表轿厢中也相同地建立数3式的弹簧的模型。在数3式中,k′o是代表轿厢的弹簧常数ko的倒数(1/ko)。
[数3]
ΔW=k′oF
在此,若将由上述的信号源(重锤60、激振器61等)赋予传感器53的力的大小的最大值设为Fs,则信号源的力的大小不管在轿厢50中还是在代表轿厢中都是相同的Fs。并且,此时传感器输出信号变化量成为峰值。然后,在轿厢50和代表轿厢中,在基于从信号源赋予的力的最大值Fs的传感器输出信号变化量的峰值ω和ωo之间,数4式和数5式成立。
[数4]
ω=k′Fs
[数5]
ωo=k′oFs
通过将数4除以数5,可知在数1式的比α、弹簧常数的倒数k′、和k′o之间,数6式的关系成立。
[数6]
α=ω/ωo=k′/k′o
在此,若在数2式中设力F为恒定,则传感器输出信号变化量ΔW与弹簧常数的倒数k′成正比。即,在施加给轿厢地板54的力F恒定时,弹簧常数的倒数k′越大则ΔW越大。因此,比α是对轿厢地板54施加恒定大小的力F时的轿厢50的相对于代表轿厢的传感器输出信号变化量ΔW之比。
接下来,阈值计算部6根据在S11求取的比α、和通过代表轿厢而预先求得的传感器判定部4用的基准阈值πo,来计算轿厢50的阈值π(S12)。在S12,在阈值π的计算中,以轿厢50的异常度P遵循数7式为前提。另外,阈值πo也以代表轿厢的异常度Po遵循数8式为前提。
[数7]
P=βk′Fa
[数8]
Po=βk′oFa
在数7式、数8式中,β是比例系数,Fa是进行异常举动的乘客的运动所波及到轿厢地板54的力的代表值。数7式、数8式成立基于下面2个前提条件。第1个前提条件是力Fa遵循数2式。该前提条件基于轿厢50内的乘客的运动所产生的振动的力与上述的信号源(重锤、激振器)的力相同、并通过轿厢地板54以及支承台55而传递到传感器53的情况。第2个前提条件是异常度P、Po与传感器输出信号变化量ΔW成正比。该前提条件与在传感器判定部4的说明那样,异常度P、Po由于是标准偏差等的传感器输出信号变化量ΔW的统计量,因此被满足。通过满足以上2个前提条件,在发生异常行动时的加在轿厢地板54上的力Fa和传感器输出信号变化量ΔW之间,数2式的关系成立,通过使异常度P、Po与ΔW成正比,数7式、数8式得到满足。
尽管在S12中,使用利用了振动源的传感器输出信号变化量的峰值ω(轿厢50中的传感器输出变动量的峰值)和作为参考值的传感器输出信号变化量的峰值ω0(代表轿厢中的传感器输出变化量的峰值)之比α以及基准阈值π0,来计算轿厢50中的异常举动判定用的阈值π,但该比α还与将数7式的轿厢50的异常度P除以代表轿厢的数8式的异常度P0而得到的值一致(参照数9式)。
[数9]
P/Po=k′/k′o=α
在此,使用图9的曲线图来说明代表轿厢中的基准阈值πo的求取方法。另外,还使用图10的曲线图来说明将上述的比α与该基准阈值πo相乘来求取轿厢50中的阈值π。
图9是对代表轿厢赋予乘客能采取的各种异常举动,并采集根据由此得到的传感器53的传感器输出信号变化量而求取的异常度(统计量)Po,从而表示其异常度Po的大小的频度分布81的曲线图(异常度频度分布的曲线图)。该曲线图的横轴是异常度Po,纵轴是频度H。异常度Po如已经说明的那样,用代表轿厢中的传感器输出信号变化量的统计量来求取,通过传感器判定部4计算图5所示那样的异常度而得到。在异常度的频度分布中,随着异常度变小,放过异常举动(下面也称作“漏报”)的可能性变高。在图9中,在将异常举动判别用的基准阈值πo设定为异常度频度分布81的任意的异常度的情况下,异常度频度分布81中的小于基准阈值πo的区域82成为产生漏报的区域,该区域82的面积从频度分布81整体来看相当于漏报率。若为了使漏报率为零而将基准阈值πo设定得过小,则由于将正常的举动错误地误报为异常的程度变高,因此要考虑误报率以及漏报率两者来确定基准阈值πo。换言之,按照漏报率成为目标值以下的方式来确定基准阈值πo。尽管也可以对误报率进行估计,按照漏报率成为目标值以下的方式来设定基准阈值πo,但也可以如后述的实施例2中叙述的那样,在设定πo进而设定π作为阈值的情况下,通过计算来显示误报率会成为何种程度,从而让阈值设定者能理解。
如此,根据异常度频度分布81所求得的基准阈值πo不管是不是代表轿厢,都与数10式的阈值计算式一起预先登记在实际设备的轿厢50的信号处理装置52的数据库中。
[数10]
π=απo
轿厢50中的传感器判定部4求得上述的比α后,使用比α和基准阈值πo,通过数10式的阈值计算式来计算轿厢50中的阈值π。若以曲线图来显示计算结果,则成为图10所示那样。
图10的曲线图的纵轴和横轴与图9相同。在图10中,符号81是表示与图9相同的代表轿厢中的异常度(在传感器判定部4的说明中所述的传感器输出信号变化量的统计量)的频度分布曲线图,符号91是轿厢50的异常度频度分布曲线图。异常度频度分布91通过对代表轿厢中的异常度频度分布81乘以数9式的比α(在数1中求得)而从异常度频度分布81的位置起移动α倍。即,由于轿厢50与代表轿厢在结构以及规格上不同,因而数2式的弹簧常数不同,这部分使得异常度频度分布81以及91彼此偏离。因此,异常度频度分布91既从阈值π也从基准阈值πo起移位。通过阈值π的设定,不足阈值π的漏报率(用符号92来表示)与代表轿厢的漏报率(用符号82来表示)大致等同。
另外,在无法准确地计算比α的情况下,也可以使用赋予了裕量的计算式。数11式是在数10式的右边乘以裕量系数η来计算阈值π的情况。裕量系数η是0~1之间的数。
[数11]
π=ηαπo
例如,在想定比α为最大的情况下从真值有20%的偏差时,若在数10式的右边乘以裕量系数η的0.83(=100/120),则即使在比α比真值大20%的时也能相抵,从而能抑制阈值π误过剩地变大。若能抑制阈值π过剩地变大,则能抑制漏报率(符号92所示的区域)过剩地变大。另外,对以上的阈值π赋予裕量的方法终归只是一例,也可以用其它的方法来将阈值π修正小。例如,在比α大于1时,若取比α的平方根,在比α比1小时取平方地进行变换,则阈值π较之于在用数10计算时变小。如此,可以在比α大于1时和小于1时改变阈值计算式。
综合判定部7根据图像判定部2和传感器判定部4的异常判定的结果来综合地进行异常判定。在综合判定部7的最单纯的判定方法中,取图像判定部2和传感器判定部4两者的逻辑与。即,在图像判定部2和传感器判定部4两者判定为异常时,判定为异常,在判定为任一者异常或者两者正常时,判定为正常。此外,也可以在按照在一定时间的范围内从传感器判定部4哪怕一次判定为异常起直到规定时间后为止都使异常持续的方式进行加工后,取逻辑与。
发报部8在综合判定部7判定为异常后进行发报。通过图1未图示的轿厢50内的扬声器来唤起进行异常举动的乘客注意的方法、使电梯在最近的楼层停止并打开门来使因异常举动而受害的乘客逃离的方法、将摄像机51的影像记录在图1中未图示的影像记录装置中来留下异常举动的证据的方法、经由图1中未图示的通信路径而将所述影像传输给外部的监视人员的方法都是一例,但并不限于此。
在本发明的实施例1中,通过以上所述的构成,即使在与代表轿厢不同的尺寸和或结构的轿厢50中,也能不需要大量采集针对异常举动的传感器53的输出信号的采样,而仅采集至少1个由采样信号采集部5采集的重锤60的落下或激振器61的励振等的信号源的传感器53的输出信号(传感器采样信号),就能使得针对异常举动的漏报率与代表轿厢大致相等地设定轿厢50的传感器53用的异常举动判定的阈值,从而实现使用了摄像机51和传感器53的异常举动探测。
在以上的实施例1的阈值计算部6的说明中,由于在阈值π的计算中使用数10式,因此,预先在数据库等中登记其计算式和基准阈值πo。另外,尽管在数10的阈值计算式的背景下,利用了考虑图9以及图10所示那样的异常度频度分布(81,91)和漏报率(82,92)的方式,但作为考虑方式,也可以置换为异常度频度分布以外的其它的方法来计算基准阈值πo。例如,也可以根据异常举动的异常度Po的代表值,用与规定的裕量系数相乘的计算法来计算基准阈值πo。异常度Po的代表值例如能以异常度的平均或中位数等的异常度的统计量来计算。在该示例中,由于异常度的代表值遵循数9式而在代表轿厢和轿厢50之间随着比α而变化,因此,在应用对异常举动的异常度的平均值乘以规定的裕量系数的计算法时的轿厢50中的阈值π成为代表轿厢的阈值πo的α倍,从而能使用数10式来进行计算。
实施例2
图11表示本发明的实施例2的功能构成。在图11的实施例中,也与图2的实施例相同地具备:监视摄像机51、异常举动探测用的传感器53、图像判定部2、传感器判定部4、综合判定部7以及发报部8,它们的各功能与实施例1相同。另外,也可以具有与阈值计算部16连接的显示部17。采样信号采集部15和阈值计算部16通过信号处理装置52(参照图1)来实现,显示器17通过信息终端59(参照图1)来实现。
采样信号采集部15和阈值计算部16除了实施例1的采样信号采集部5以及阈值计算部6所述的功能以外,还具有下面的功能。
即,采样信号采集部15除了实施例1的采样信号采集部5所进行的阈值计算用(比α计算用)的传感器采样信号的采集、即受到来自信号源(重锤60、激振器61等)的力时的传感器53的输出信号的采集以外,还采集在与上述阈值计算用的信号源(重锤60、激振器61等)不同的正常时的特定条件(例如无人的轿厢的升降动作)下所得到的传感器53的输出信号,作为正常时传感器采样信号。
关于阈值计算部16利用信号源(重锤60、激振器61等)的传感器采样信号来计算异常举动判定用的阈值π这一点,由于已经在实施例1的相同的阈值计算部6进行了说明,因此省略。阈值计算部16除了阈值π的计算以外,还利用上述的正常时传感器采样信号来计算正常时的误报率。或者,按照极力缩小正常时的误报率的方式来计算传感器判定部4以及图像判定部2的至少一者的异常举动判定用的阈值。在此,作为正常时的特定条件,代表性地举出通过无人时的轿厢50的升降动作而产生的振动。采样信号采集部15采集这样的通过正常时的升降动作的振动而产生的传感器53的输出信号,作为正常时传感器采样信号。将无人时的轿厢的升降动作时作为传感器信号采集条件基于下面的原因。正常时能大致分为没有乘客乘坐轿厢50的无人时、以及1人以上的乘客乘坐的有人时。在无人时,在升降时由于轿厢50摇晃而传递到传感器53的振动是传感器输出信号变化量的大致全部。在有人时,除了升降时的轿厢50的摇晃以外,因乘客的运动而产生的振动也通过轿厢地板54和支承台55而传递给传感器53,但由于正常时的乘客的运动较小,因此升降时的轿厢50的摇晃处于支配性地位。根据以上,正常时在有人时和无人时两者,升降时的轿厢50的摇晃都处于支配性地位。并且,将正常时的信号源设为无人时是因为,这是作为正常时频度较高的代表案例而选择的。
下面,说明误报率的计算以及用于极力缩小误报率的功能的细节。
阈值计算部16用图12的流程来计算误报率。首先,由采样信号采集部15采集正常时的特定条件(例如无人时的轿厢50的升降时的传感器53的输出信号),并基于该采集数据,以与图8的S10相同的顺序来计算传感器输出信号(正常时传感器采样信号)的变化量的峰值ρ(S20)。另外,关于正常时传感器采样信号,在代表轿厢中,也是以与轿厢50相同的顺序事先进行采集。而且,如数12式那样计算在轿厢50(结构物)中的正常时传感器采样信号的变化量的峰值ρ相对于预先登记在数据库中的代表轿厢(代表结构物)的正常时传感器采样信号(即基准的正常时传感器采样信号)之比,作为比γ(S21)。
[数12]
γ=ρ/ρo
接下来,根据轿厢50的正常时的异常度的频度分布(正常时异常度频度分布)、和比γ来计算误报率(S22)。所谓“正常时的异常度”表示通过对正常时的轿厢的振动的强度(在本实施例中,传感器53的输出信号的变化量)计算其统计量从而加工为表征已经叙述的异常程度的尺度(异常度),其并不表示异常举动。该正常时的异常度的频度分布、即正常时异常度频度分布的数据是采集正常时的升降动作时的传感器输出信号变化量而作成的,代表轿厢的数据(图13的符号181所示的数据)预先容纳在数据库中,作为基准的正常时异常度频度分布。图13中示出代表轿厢的正常时的异常度的频度分布(正常时异常度频度分布)181、和轿厢50的正常时的异常度的频度分布191。轿厢50的频度分布191通过对预先登记的代表轿厢的频度分布181乘以上述的比γ(γ为使用了数12式或数13式而得到的值)从而移位到图13的曲线图所示的位置。
伴随轿厢50的升降的轿厢50的振动的力通过轿厢50的筐体而传递到支承台55,呈现为传感器53的输出信号的变化量。若将这样的过程取为正常时的弹簧的模型,则数12式的γ被认为是轿厢50和代表轿厢之间的正常时的弹簧的模型中的弹簧常数之比。另外,与数7式和数8式相同,正常时的轿厢50和代表轿厢的正常时的异常度P和Po分别能取为与轿厢50和代表轿厢的正常时的弹簧常数成正比。因此,在正常时的轿厢50和代表轿厢的正常时的异常度P和Po之间,数13式成立。
[数13]
P/Po=γ
使用图13来说明在S22求取发生误报的区域192的处理。在图13中,由于在正常时的所有案例下的异常度都遵循数13式、以及预先登记了代表轿厢的正常时的异常度的频度分布181,因此,能通过使频度分布(基准的正常时异常度频度分布)181成为比γ倍来计算轿厢50的正常时的异常度的频度分布(正常时异常度频度分布)191。在异常度频度分布191中的传感器判定部4的已经叙述的异常举动判定用的阈值π加在该正常时的异常度频度分布191的某点时,会将超过π的区域192的正常时异常度错误地判定为发生了异常举动,成为所谓的发生误报的区域192。区域192占异常度频度分布191整体的面积成为误报率。
显示部17显示阈值计算部16计算出的误报率192。若观察误报率192的显示,则作业人员能测量轿厢50中的传感器判定部4的性能。例如,在误报率192接近频度分布191的100%的情况下,即使在图像判定部2中添加传感器判定部4和综合判定部7,也无法期待来自图像判定部2的单体的性能提升。因此,误报率192成为了在轿厢50中判断是否实施本发明的添加了传感器53的异常判定的材料。
显示部17此外也可以使用上述同样的手法来显示图像判定部2和综合判定部7的误报率。即,将与代表轿厢相关的在正常时的特定的条件下所得到的监视摄像机51的影像中的特定的指标(判定指标:例如图像的运动要素的移动的程度)预先登记为基准的正常时摄像机输出信号。并且,通过计算与代表轿厢相关的正常时摄像机输出信号(所述监视摄像机的影像中的所述特定指标)的统计量来算出摄像机异常度,在表示异常程度的尺度(异常度)的基础上作成基准的正常时摄像机异常度频度分布(即,作成基于图像的基准的正常时摄像机异常度频度分布),并预先登记。采样信号采集部15关于轿厢50的正常时的监视摄像机51的输出信号,采集与所述基准的摄像机输出信号同一条件下的输出信号,作为正常时摄像机采样信号。通过对基准的正常时摄像机异常度频度分布乘以比γ′(γ′是正常时摄像机采样信号(轿厢50中的特定指标)相对于基准的正常时摄像机输出信号(代表轿厢中的特定指标)之比),来获得与轿厢50相关的正常时的图像的异常度频度分布(正常时摄像机异常度频度分布)。在该正常时的图像的异常度频度分布中施与了图像中的异常举动判定用的阈值时,超过了阈值的区域成为图像判定部2的误报率。
在此,若将轿厢50的传感器判定部4的误报率192设为Ew,将图像判定部2的误报率设为Ei,将综合判定部7的判定设为传感器判定部4的异常判定和图像判定部2的异常判定的逻辑与,独立算出传感器判定部4和图像判定部2的误报率,则能用数14式来计算综合判定部7的误报率Ec。
[数14]
Ec=Ei×Ew
若观察误报率Ec、Ei,则能从现有的图像判定部2的单体的误报率Ei容易地测量出添加了传感器判定部4和综合判定部7时的误报率Ec的改善的程度。
在阈值计算部16中,也可以通过下面的处理来确定图像判定部2的阈值。若将轿厢50的传感器判定部4的漏报率92设为Mw,将图像判定部2的漏报率设为Mi,将综合判定部7的判定设为传感器判定部4的异常判定和图像判定部2的异常判定的逻辑与,独立算出传感器4和图像判定部2的漏报率,则能用数15式来计算综合判定部7的漏报率Mc。
[数15]
Mc=Mi+Mw
阈值计算部16另外也可以按照成为(Ei1,Mi1)、(Ei2,Mi2)等的方式来计算改变几遍图像判定部2的异常判定的阈值时的图像判定部2的误报率和漏报率,同样地,按照成为(Ew1,Mw1)、(Ew2,Mw2)的方式等来求取改变几遍传感器判定部4的异常判定的阈值时的传感器判定部4的误报率和漏报率,选择综合判定部7的误报率Ec和漏报率Mc的评价最好的图像判定部2和传感器判定部4的异常判定的阈值的组合。在误报率Ec和漏报率Mc的评价中,考虑使误报率Mc为目标值以下的同时,使误报率Ec成为最小,但并不限于此。阈值计算部16将以上过程中求得的图像判定部2和传感器判定部4的异常判定的阈值分别设定在图像判定部2和传感器判定部4中。
实施例3
图14表示本发明的实施例3的功能构成。在图14中,也与图2的实施例相同地具备:监视摄像机51、异常举动探测用的传感器53、图像判定部2、传感器判定部4、综合判定部7以及发报部8,这些各功能与实施例1相同。在本实施例中,取代实施例1以及2所述的采样信号采集部(5,15)和传感器判定部4用的阈值计算部(6、16),而具备结构物信息输入部(换言之是与传感器的设置对象相关的信息输入部)1、以及传感器判定部4用的阈值设定部26。
首先,叙述本实施例的概要,结构物信息输入部1用于输入与要成为传感器53的设置对象的结构物(在本实施例中为轿厢50)相关的信息,作业人员介由结构物信息输入部1将与轿厢50的规格或结构性特征(例如型号)相关的信息输入给信号处理装置52。然后,信号处理装置52中的阈值设定部26接受来自输入部1的结构物信息,根据接受到的信息来检索或算出传感器判定部4中的判定用的阈值(异常举动判定用的阈值),来进行设定。在该阈值设定中使用预先登记在数据保存部(例如数据库,下面称作“阈值DB”)3中的阈值数据。关于阈值数据,使用图16在后面叙述。
首先,使用图15来说明结构物信息输入部1。在图15中示出了构成输入部1的用户界面200的画面。
用户界面200具备:输入轿厢50的型号的输入部201、输入防振橡胶的数量的输入部211、输入防振橡胶的型号的输入部212,作为这些输入部,例示了文本框。这些输入部也可以具备至少一个。
另外,输入部201、211、212也可以取代上述的文本框,而使用下拉菜单或单选按钮这样的其它的图形用户界面的要素。
作业人员在输入部201输入了轿厢50的型号时,阈值设定部26接受来自输入部1的型号信息,且从阈值DB3读入图16所示那样的型号-阈值数据的表(数据)250,从型号-阈值数据的表250中检索(选择)与轿厢50的型号相应的传感器判定部4用的阈值,并将其输出给传感器判定部4。
图16的表250表示型号-阈值数据的表的一例,与各种型号对应地登记与这些型号相适应的阈值。例如,使π1与型号1对应,使π2与型号2对应,使π3与型号3、4、5对应。
这样的表250例如如下地作成:对在实施例1求得的代表轿厢的基准阈值πo,针对各型号的典型轿厢使用在实施例1所述的手法(例如数6式、数10式、数11式)来求取阈值π,将这些阈值与型号建立关联汇总成表。然后,将这样的表250预先登记在阈值DB3中。本实施例的概念基于如下考虑:由于相同型号的轿厢50结构类似,因此认为轿厢50的各自的设置场所的偏差较小,所以,也可以根据型号而将传感器判定部4的判定用阈值公共化。另外,也可以对于表250中的阈值,如数11式那样加上考虑了设置场所的偏差的裕量。另外,在表250的示例中,在结构相似的型号中,也可以将传感器判定部4的异常判定的阈值公共化,以使得对型号3、4、5输出π3。作为表250,也可以不是与型号对应,而是与规格(例如防振橡胶的数量以及防振橡胶的型号)对应。这是由于若防振橡胶的数量以及防振橡胶的型号接近,有时阈值π也接近。或者,也可以用比最合适值小的阈值来代替实际设定的阈值π。由于如此设定比最合适值小的值的阈值相当于在图10中阈值π向左边移动,因此不会出现误报率92大于目标值地恶化。
在本实施例的上述说明中,说明了通过对用户界面200输入轿厢50的型号,由阈值设定部26基于表250(图16)来自动地设定与所输入的型号对应的传感器判定部4用的阈值π的示例,但也可以取代其而还具备使用了下面那样的计算手法的阈值π的设定功能。
例如,作业人员在输入部211或输入部212输入了防振橡胶的数量以及防振橡胶的型号来作为结构物信息的规格时,阈值设定部26通过规定的计算方法来算出与这些结构物信息的规格相应的阈值π。作为该计算方法的一例,首先,事先登记代表轿厢的防振橡胶的数量、防振橡胶的型号以及根据这些而决定的弹簧常数或其倒数k′o,作为与规格关联的参数,进而登记使用该参数的用于求取阈值的计算式。进而,在针对轿厢50而介由输入部211或输入部212输入的防振橡胶的数量以及防振橡胶的型号改变为代表轿厢时,利用该改变的防振橡胶的增减数以及/或者轿厢的型号、代表轿厢的k′o来构筑与轿厢50相应的k′发生变化的模型。例如,在输入的防振橡胶的数量比代表轿厢增加时,考虑对轿厢地板54施加相同的力F时的力与防振橡胶的数量相应地分散的部分会使得传感器输出信号变化量ΔW减小的情况,从而按照使k′变小的方式进行修正。具体地,修正k′的方法例如有将防振橡胶的影响置于支配性地位,使k′与防振橡胶的增减数n成反比地变小而进行修正的方法(数16式),但并不限于此。在数16式中,no是代表轿厢的防振橡胶的个数。
[数16]
k′=(no/n)k′o
例如,作为其它的示例,在通过型号来改变防振橡胶的弹簧系数h,使轿厢50应用比代表轿厢硬的橡胶时,也同样考虑对轿厢地板54施加相同的力F时的传感器输出信号变化量ΔW减小的情况,从而使k′变小地进行修正(数17式)。在数17式中,ho是代表轿厢的防振橡胶的弹簧系数。
[数17]
k′=(ho/h)k′o
在输入部211或输入部212的两者有输入时,使两者的影响叠加。因此,能根据数6式导出下面的数18式,来计算比α,能使用数10式来计算阈值π。
[数18]
α=k′/k′o=(no/n)×(ho/h)
另外,在用户界面200也可以除了输入部211、输入部212的防振橡胶的条件以外,还设置轿厢50的外框的数量和材质这样的其它的结构物的条件的输入部,根据数11式中的其它的结构物的条件来决定裕量系数η,从而计算阈值π。但是,在此,数11式的裕量系数η的值并不限于范围0~1,相当于前述裕量系数η的系数可以取0以上的任意的值。
另外,例如对与型号1仅在防振橡胶的数量上不同的型号,也可以将型号1视作代表轿厢,将no和πo置换为型号1的防振橡胶的数量n1和阈值π1来计算阈值π。
进而,关于摄像机影像的图像判定部2中使用的阈值,也可以与传感器判定部4的阈值同样地,预先与电梯轿厢的结构物的型号或规格建立关联地登记适于每个型号和规格的阈值,在结构物信息输入部1输入了型号和规格时,在摄像机用的阈值设定部27中选择与输入对应的图像判定部2用的阈值,来进行设定。
在以上所述的实施例3中,结构物信息输入部1除了使用用户界面以外,还能在结构物信息输入部1所具有的存储部中保持轿厢50的规格或结构性特征的信息(型号等)、在对于结构物信息输入部1被要求该信息时返回该信息的处理装置来实现。例如,在轿厢50的设置施工的阶段,在处理装置52中将轿厢50的规格或结构性特征的信息记录在结构物信息输入部1所具有的存储部中,在阈值设定部26求取传感器判定部4的阈值时,结构物信息输入部1将轿厢50的规格或结构性特征的信息(型号等)的记录数据输入给阈值设定部26,若采用这样的构成,则能实现与使结构物信息输入部1为用户界面时同等的功能。
尽管在以上的实施例1至3的说明中,叙述了传感器53为1个的情况,但传感器53也可以为2个以上。只要对各个传感器53以与各实施例相同的方法来计算传感器判定部4的异常判定的阈值,则传感器53也可以为2个以上。
尽管在以上的实施例1至3的说明中,用传感器53来直接测量了采样信号采集部5中的信号源的传感器输出信号变化量,但也可以通过使用其它的传感器而测量出的测量值来代替。例如,使用事先取得的发生重锤60的落下或激振器61的励振等的信号源时的传感器输出信号变化量、与所述代替传感器的信号的变化量的对应关系,将相对于所述采样信号采集部5中的信号源的、代替传感器的输出信号的变化量换算为传感器输出信号变化量,由此能得以实现。在前述代替传感器的一例中,有在重锤60上安装振动计并用振动计来读取重锤60落下到轿厢地板54时的变化量的方法。另外,代替传感器的变化量通过将代替传感器与处理装置52或信息终端59连接、或将代替传感器的数据记录在介质上后输出给处理装置52、或作业人员读取代替传感器的测量值并将其输入到信息终端59,从而能在处理装置52中的各功能中使用,但并不限于该示例。
尽管在以上的实施例1至3的说明中,对于采样信号采集部5中的信号源使用了重锤60的落下或激振器61的励振,但也可以简单地通过作业人员的动作来代替。重锤60的落下的代替例如能通过作业人员从规定的高度的高台跳下而产生的高台的高度量的落下、或者通过从脚尖点地到用脚后跟着地而产生的脚底的长度量的落下来实现。激振器61的励振的代替例如能通过作业人员的屈伸等的动作来实现。虽然考虑每个作业人员的动作的偏差的影响,但在该偏差的应对中,也可以与所述每个作业人员的动作的偏差相应地设定裕量系数η,并将其与比α相乘,由此将在轿厢50的传感器判定部4的异常判定的阈值π修正得较小。将阈值π修正得较小相当于在图10中使阈值π向左侧偏离,有使漏报率92减少的情况,而不会有使其增加的情况。另外,也可以根据作为载荷传感器的传感器53的输出信号来测量作业人员的体重,来抑制前述每个作业人员的动作的偏差的影响。
尽管在以上的实施例1至3的说明中,将传感器53设为了载荷传感器,但传感器53除了载荷传感器以外,还能应用轿厢50内的振动传感器。例如,能用测量钢索56的张力的传感器、测量钢索端的加速度的传感器来代替传感器53。在应用载荷传感器以外的振动传感器的传感器53的情况下,与将载荷传感器设为传感器53时异常举动和采样信号采集部5的信号源所影响到的力在轿厢地板54以及支承台55中传递并表征为数2式的传感器输出信号变化量ΔW的情形相同,在所述载荷传感器以外的振动传感器中,若异常举动和采样信号采集部5的信号源所影响到的力在规定的路径上传递且传感器输出信号变化量表现的过程能用与数2式同等的模型来表征,则能以实施例1至3的各功能来同样地对待。但是,在载荷传感器以外的振动传感器的传感器53中,需要对应于在所述规定的路径上传感器53的输出信号的变化所表现的构成来适当地选择采样信号采集部5的信号源。
在将载荷传感器设为传感器53,异常举动和采样信号采集部5的信号源所产生的振动以轿厢地板54和支承台55以外的路径而传递给传感器53的情况下,也与上述那样的使传感器53为载荷传感器以外的情况同等地对待。例如,相当于在击打来破坏墙壁的异常举动集中发生的电梯中用基于载荷传感器的传感器53来探测击打墙壁的振动的情况。另外,在将载荷传感器设为传感器53,用数2式以外来对因施加于轿厢地板54的力而传感器53的输出信号变化的变化量进行模型化的情况下,也与上述那样的使传感器53为载荷传感器以外的情况同等地对待。例如,相当于在数2式中添加了衰减项的情况。以上所述的、在将载荷传感器设为传感器53时,异常举动和采样信号采集部5的信号源所产生的振动以轿厢地板54和支承台55以外的路径来传递给传感器53的情况、以及用数2式以外来模型化对轿厢地板54施加力时的传感器输出信号变化量的情况也可以复合。
作为传感器53,只要能例如数10式或数11式等那样通过将比α和基准阈值πo作为参数的任意的计算式来对阈值进行换算,则也可以是任意的传感器。在求取计算式时,例如将如数2式那样对异常举动或来自信号源的影响以规定的路径传递给传感器53的过程进行模型化。例如,在将声音传感器设为传感器53时,将音量恒定的扬声器作为采样信号采集部5的信号源,使用与声音的扩散相关的参数来对异常举动以及所述信号源发出的声音在轿厢50内扩散并传递到传感器53的过程进行模型化即可。
本发明的安全防范系统(异常举动探测系统)并不限定于实施例中叙述的电梯内的结构物,即使是其它的结构物,只要是使用了图像识别和传感器的监视系统,就能广泛应用。
Claims (14)
1.一种结构物的安全防范系统,具备:
监视摄像机,其设置于成为监视对象的结构物,并拍摄结构物内的人物;
图像判定部,其对所述监视摄像机拍摄的人物进行图像识别,从而判定人物的异常举动;
传感器,其设置于所述结构物,并用于探测结构物内的人物的异常举动;和
传感器判定部,其将所述传感器的输出信号加工处理为在异常举动判定中需要的信号,将该加工处理后的信号与异常举动判定用的阈值进行比较,从而进行异常举动判定,
所述结构物的安全防范系统的特征在于,具有:
采样信号采集部,其取入将规定的大小的信号源施加在所述结构物上时的所述传感器的输出信号,作为传感器采样信号;和
阈值计算部,其在将所述传感器的输出信号中的变化的量作为传感器输出信号变化量时,所述传感器采样信号的传感器输出信号变化量的峰值相对于预先登记的比较用的参考值之比越大则使所述阈值越大,所述比越小则使所述阈值越小,通过将这样的所述比和预先登记的基准阈值用作参数的规定的计算式来算出与所述结构物相应的所述阈值。
2.根据权利要求1所述的结构物的安全防范系统,其特征在于,
所述传感器是设置于所述结构物的下部的载荷传感器,
所述信号源是通过落下来对所述结构物的地板施加冲击的重锤、置于所述地板的面上来对所述地板赋予振动的激振器、以及作业人员的动作当中的至少一者。
3.根据权利要求1所述的结构物的安全防范系统,其特征在于,
所述比较用的参考值是将所述规定的大小的信号源施加在代表结构物上时的传感器输出信号变化量的峰值,所述基准阈值是所述代表结构物中的阈值。
4.根据权利要求1所述的结构物的安全防范系统,其特征在于,
所述规定的计算式是将所述比作为系数来与预先登记的基准阈值相乘的计算式、或进一步乘以裕量系数的计算式。
5.根据权利要求1所述的结构物的安全防范系统,其特征在于,
所述阈值计算部在所述传感器采样信号相对于所述参考值之比大于1时和小于1时改变所述规定的计算式。
6.根据权利要求1所述的结构物的安全防范系统,其特征在于,
进一步地,所述安全防范系统预先登记与对结构物进行代表的代表结构物相关的在正常时的特定的条件下所得到的所述传感器的输出信号的变化的量来作为基准的传感器输出信号变化量,且登记与正常时的所述代表结构物相关的由所述传感器判定部从传感器输出信号变化量进行加工而得到的异常度的频度分布来作为基准的正常时异常度频度分布,
所述采样信号采集部关于所述结构物正常时的所述传感器的输出信号,采集与所述基准的传感器输出信号同一条件下的输出信号,来作为正常时传感器采样信号,
所述阈值计算部构成为还根据所述正常时传感器采样信号的传感器输出信号变化量的峰值相对于所述基准的传感器输出信号变化量的峰值之比、所述基准的正常时异常度频度分布、以及所述传感器的异常举动判定用的所述阈值,来算出所述正常时传感器采样信号的正常时异常度频度分布和所述传感器判定部进行异常时举动判定的误报率,并介由显示器来显示该误报率。
7.根据权利要求6所述的结构物的安全防范系统,其特征在于,
进一步地,所述安全防范系统预先登记与所述代表结构物相关的在正常时的特定的条件下所得到的所述监视摄像机的影像中的特定的指标来作为基准的摄像机输出信号,且登记与正常时的所述代表结构物相关的由所述传感器判定部从所述监视摄像机的影像中的所述特定的指标的输出信号的变化量进行加工而得到的异常度的频度分布来作为基准的正常时摄像机异常度频度分布,
所述采样信号采集部关于所述结构物正常时的所述监视摄像机的输出信号,采集与所述基准的摄像机输出信号同一条件下的输出信号,来作为正常时摄像机采样信号,
所述阈值计算部构成为还根据所述正常时摄像机采样信号相对于所述基准的摄像机输出信号之比、所述基准的正常时摄像机异常度频度分布、以及所述监视摄像机进行的异常举动判定用的阈值,来算出正常时摄像机采样信号的正常时摄像机异常度频度分布和所述图像判定部的异常时举动判定的误报率,并介由显示器来显示该误报率。
8.根据权利要求7所述的结构物的安全防范系统,其特征在于,
所述阈值计算部具有如下功能:关于针对所述传感器输出信号的传感器输出信号变化量的所述异常举动判别用的阈值、以及针对所述摄像机输出信号的所述异常举动判别用的阈值,使用使漏过异常举动的比例即漏报率、和将正常举动错误地判断为异常举动的误报率的评价综合最好的计算式,来选择所述两阈值的良好的值的组合。
9.一种电梯,其特征在于,
具备权利要求1~8中任一项所述的结构物的安全防范系统,
所述结构物是电梯的轿厢。
10.一种结构物的安全防范系统,具备:
监视摄像机,其设置于成为监视对象的结构物,并拍摄结构物内的人物;
图像判定部,其对所述监视摄像机拍摄的人物进行图像识别,从而判定人物的异常举动;
传感器,其设置于所述结构物,并用于探测结构物内的人物的异常举动;和
传感器判定部,其将所述传感器的输出信号加工处理为在异常举动判定中需要的信号,将该加工处理后的信号与异常举动判定用的阈值进行比较,从而进行异常举动判定,
所述结构物的安全防范系统的特征在于,具有:
结构物信息输入部,其指定所述结构物的型号以及规格的至少一者;
数据保存部,其关于所述型号以及规格的至少一者登记有多个型号或规格,并且具有与它们相关联地分别登记有异常举动探测用的多个阈值的数据;和
阈值设定部,其按照由所述结构物信息输入部指定的所述型号以及规格的至少一者,从所述数据中检索所述阈值,来进行设定。
11.根据权利要求10所述的结构物的安全防范系统,其特征在于,
所述数据保存部登记有与所述规格对应的参数、以及使用了所述参数的用于求取所述阈值的计算式,
所述阈值设定部在由所述结构物信息输入部指定所述规格时,通过与所述规格对应的参数、以及使用了所述参数的用于求取阈值的所述计算式来算出所述阈值。
12.根据权利要求10所述的结构物的安全防范系统,其特征在于,
所述传感器是载荷传感器,所述型号是电梯的型号。
13.根据权利要求12所述的结构物的安全防范系统,其特征在于,
所述规格是电梯轿厢的关于防振橡胶的个数以及型号的至少一者。
14.根据权利要求10~13中任一项所述的结构物的安全防范系统,其特征在于,
所述结构物是电梯的轿厢。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011287401A JP5827892B2 (ja) | 2011-12-28 | 2011-12-28 | 構造物の防犯システムおよびそれを備えたエレベータ |
JP2011-287401 | 2011-12-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103183263A true CN103183263A (zh) | 2013-07-03 |
CN103183263B CN103183263B (zh) | 2016-05-25 |
Family
ID=48674760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210580267.3A Active CN103183263B (zh) | 2011-12-28 | 2012-12-27 | 结构物的安全防范系统以及具备其的电梯 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5827892B2 (zh) |
CN (1) | CN103183263B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104444670A (zh) * | 2013-09-19 | 2015-03-25 | 株式会社日立建筑系统 | 电梯用举动异常监视装置 |
CN104891299A (zh) * | 2015-06-16 | 2015-09-09 | 中城建托马斯泰州电梯有限公司 | 一种电梯智能监控方法及系统 |
CN107265209A (zh) * | 2016-03-30 | 2017-10-20 | 株式会社日立大厦系统 | 电梯控制装置 |
CN109756472A (zh) * | 2017-11-08 | 2019-05-14 | 意法半导体(大西部)公司 | 用于监测连接对象的至少一个活动的方法和设备 |
CN110092256A (zh) * | 2019-05-23 | 2019-08-06 | 广东星舆科技有限公司 | 电动车乘电梯上楼监测的方法、系统以及监测装置 |
CN110203789A (zh) * | 2019-05-05 | 2019-09-06 | 日立楼宇技术(广州)有限公司 | 电梯测量数据的异常检测方法、装置和电梯检测系统 |
CN110282516A (zh) * | 2019-07-03 | 2019-09-27 | 广州广日电梯工业有限公司 | 电梯轿厢内异常监控方法及监控系统 |
CN110678820A (zh) * | 2017-05-26 | 2020-01-10 | 三菱电机大楼技术服务株式会社 | 异常重要度计算系统、异常重要度计算装置及异常重要度计算程序 |
US10696517B2 (en) | 2014-11-26 | 2020-06-30 | Otis Elevator Company | Elevator security and control system based on passenger movement |
CN111717748A (zh) * | 2019-03-20 | 2020-09-29 | 东芝电梯株式会社 | 电梯的使用者检测系统 |
CN113401754A (zh) * | 2020-03-16 | 2021-09-17 | 奥的斯电梯公司 | 具有检查电梯轿厢的操作状况的机器人的电梯检查系统 |
US11312594B2 (en) | 2018-11-09 | 2022-04-26 | Otis Elevator Company | Conveyance system video analytics |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3012897B1 (fr) * | 2013-11-07 | 2019-11-01 | Safran Aircraft Engines | Procede et dispositif de caracterisation d'un signal |
JP6776599B2 (ja) * | 2016-04-25 | 2020-10-28 | フジテック株式会社 | エレベータ装置 |
CN109219956B (zh) * | 2016-06-08 | 2020-09-18 | 三菱电机株式会社 | 监视装置 |
JP7180972B2 (ja) * | 2017-11-22 | 2022-11-30 | 古野電気株式会社 | 解析データ処理装置、解析データ処理方法、および、解析データ処理プログラム |
CN108840192A (zh) * | 2018-08-14 | 2018-11-20 | 北京瑞特森传感科技有限公司 | 一种电梯的监控方法、装置、电子设备及存储介质 |
CN109019213A (zh) * | 2018-09-10 | 2018-12-18 | 宾爵电梯(中国)有限公司 | 一种人身安全预警电梯实现方法及其系统 |
US20240054759A1 (en) * | 2021-03-23 | 2024-02-15 | Nec Corporation | Information processing apparatus, information processing method, and program |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000351547A (ja) * | 1999-06-11 | 2000-12-19 | Toshiba Corp | エレベータの防犯運転装置 |
JP2004149287A (ja) * | 2002-10-31 | 2004-05-27 | Toshiba Elevator Co Ltd | エレベータの防犯システム |
JP2007031018A (ja) * | 2005-07-22 | 2007-02-08 | Mitsubishi Electric Building Techno Service Co Ltd | エレベータの防犯運転装置及び防犯運転設定変更方法 |
JP2008254876A (ja) * | 2007-04-04 | 2008-10-23 | Mitsubishi Electric Building Techno Service Co Ltd | エレベータの診断運転装置及び診断運転方法 |
JP2010168133A (ja) * | 2009-01-20 | 2010-08-05 | Mitsubishi Electric Corp | エレベータの昇降体の耐震試験方法 |
-
2011
- 2011-12-28 JP JP2011287401A patent/JP5827892B2/ja active Active
-
2012
- 2012-12-27 CN CN201210580267.3A patent/CN103183263B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000351547A (ja) * | 1999-06-11 | 2000-12-19 | Toshiba Corp | エレベータの防犯運転装置 |
JP2004149287A (ja) * | 2002-10-31 | 2004-05-27 | Toshiba Elevator Co Ltd | エレベータの防犯システム |
JP2007031018A (ja) * | 2005-07-22 | 2007-02-08 | Mitsubishi Electric Building Techno Service Co Ltd | エレベータの防犯運転装置及び防犯運転設定変更方法 |
JP2008254876A (ja) * | 2007-04-04 | 2008-10-23 | Mitsubishi Electric Building Techno Service Co Ltd | エレベータの診断運転装置及び診断運転方法 |
JP2010168133A (ja) * | 2009-01-20 | 2010-08-05 | Mitsubishi Electric Corp | エレベータの昇降体の耐震試験方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104444670B (zh) * | 2013-09-19 | 2017-04-12 | 株式会社日立建筑系统 | 电梯用举动异常监视装置 |
CN104444670A (zh) * | 2013-09-19 | 2015-03-25 | 株式会社日立建筑系统 | 电梯用举动异常监视装置 |
US10696517B2 (en) | 2014-11-26 | 2020-06-30 | Otis Elevator Company | Elevator security and control system based on passenger movement |
CN104891299A (zh) * | 2015-06-16 | 2015-09-09 | 中城建托马斯泰州电梯有限公司 | 一种电梯智能监控方法及系统 |
CN107265209A (zh) * | 2016-03-30 | 2017-10-20 | 株式会社日立大厦系统 | 电梯控制装置 |
CN110678820A (zh) * | 2017-05-26 | 2020-01-10 | 三菱电机大楼技术服务株式会社 | 异常重要度计算系统、异常重要度计算装置及异常重要度计算程序 |
CN110678820B (zh) * | 2017-05-26 | 2022-10-18 | 三菱电机楼宇解决方案株式会社 | 异常重要度计算系统及异常重要度计算装置 |
CN109756472A (zh) * | 2017-11-08 | 2019-05-14 | 意法半导体(大西部)公司 | 用于监测连接对象的至少一个活动的方法和设备 |
US11312594B2 (en) | 2018-11-09 | 2022-04-26 | Otis Elevator Company | Conveyance system video analytics |
CN111717748A (zh) * | 2019-03-20 | 2020-09-29 | 东芝电梯株式会社 | 电梯的使用者检测系统 |
CN111717748B (zh) * | 2019-03-20 | 2021-11-02 | 东芝电梯株式会社 | 电梯的使用者检测系统 |
CN110203789A (zh) * | 2019-05-05 | 2019-09-06 | 日立楼宇技术(广州)有限公司 | 电梯测量数据的异常检测方法、装置和电梯检测系统 |
CN110092256A (zh) * | 2019-05-23 | 2019-08-06 | 广东星舆科技有限公司 | 电动车乘电梯上楼监测的方法、系统以及监测装置 |
CN110282516A (zh) * | 2019-07-03 | 2019-09-27 | 广州广日电梯工业有限公司 | 电梯轿厢内异常监控方法及监控系统 |
CN113401754A (zh) * | 2020-03-16 | 2021-09-17 | 奥的斯电梯公司 | 具有检查电梯轿厢的操作状况的机器人的电梯检查系统 |
Also Published As
Publication number | Publication date |
---|---|
JP5827892B2 (ja) | 2015-12-02 |
CN103183263B (zh) | 2016-05-25 |
JP2013137601A (ja) | 2013-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103183263A (zh) | 结构物的安全防范系统以及具备其的电梯 | |
CN107207200B (zh) | 用于升降机应用的实时绳索/线缆/带摇摆监测系统 | |
CN101714255B (zh) | 异常行为探测装置 | |
WO2010137246A1 (ja) | 地震判定システム及び地震解析方法 | |
CN104176613A (zh) | 乘客输送机的异常诊断系统 | |
JP6812311B2 (ja) | 情報処理装置、情報処理方法、および、制御プログラム | |
CN103496625B (zh) | 基于振动分析的多绳摩擦提升机载荷识别方法 | |
Parolai et al. | On‐site early warning and rapid damage forecasting using single stations: Outcomes from the REAKT project | |
JP6715138B2 (ja) | 地震計 | |
CN107277222A (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
CN107421763A (zh) | 一种设备故障检测方法及装置 | |
JP2849297B2 (ja) | 震度予測システム | |
CN104019890B (zh) | 一种次声波检测方法及其检测装置 | |
JP4502843B2 (ja) | 直下型地震発生検出システム | |
CN105865611A (zh) | 一种调整光纤振动检测门限值的方法及装置 | |
US10375933B2 (en) | Animal behavior monitoring system | |
KR101901352B1 (ko) | 지진 관측에 대한 예측 시스템 | |
KR101386255B1 (ko) | 지진측정장치 및 지진측정방법 | |
CN108352098A (zh) | 用于确定读卡装置的完整性的方法和设备以及配备读卡装置的自助服务终端 | |
US20230304851A1 (en) | Unconfirmed sound extraction device, unconfirmed sound extraction system, unconfirmed sound extraction method, and recording medium | |
CN108920956A (zh) | 基于情景感知的机器学习方法及系统 | |
CN106840360A (zh) | 基于Sobel算子的分布式光纤振动检测装置及方法 | |
KR20230103456A (ko) | 건축 구조물의 안전성을 평가하는 구조물 안전 평가 방법 및 상기 방법을 수행하는 구조물 안전 평가 장치 | |
Luca et al. | Anomaly detection using the Poisson process limit for extremes | |
CN103871195B (zh) | 一种楼宇对讲报警方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |