CN103508282A - 电梯监视装置以及监视方法 - Google Patents

Abstract

本发明提供电梯监视装置以及监视方法，在组合载重传感器和图像传感器来进行电梯的轿厢内的有人/无人的判定时，能抑制对极轻的幼儿或小动物等的不可计量者发生漏报，并能减轻图像传感器进行的图像处理的负担。对摄像部的图像进行处理从而检测出进入轿厢内的新搭乘者，根据所述新搭乘者搭乘时的载重传感器的载重值变化来判定所述新搭乘者是否是规定的轻量的搭乘者即不可计量者，在将所述新搭乘者判定为不可计量者的情况下，直到所述不可计量者从所述轿厢内退出为止，都进行图像跟踪来判定所述轿厢内是否混入了不可计量者，在判定为混入了所述不可计量者的情况下，判定为“有人”。

Description

电梯监视装置以及监视方法

技术领域

本发明涉及电梯的监视装置以及监视方法。

背景技术

在电梯的轿厢具备用于检测过剩搭载的载重探测装置(后面记载为载重传感器)。另外，近年来，具备安全防范摄像机的轿厢也得到普及。

并且，在专利文献1中记载了如下技术：基于由设于在电梯的升降通道内升降的轿厢上的载重探测装置、和拍摄轿厢内的安全防范用的摄像机中的一者或者它们的组合得到的信息，来判断轿厢内有无乘客。

另外，在专利文献2中记载了如下技术：具备取得电梯轿厢内图像的图像取得部、和测量乘客体重的体重测量部，基于由体重测量部测量的乘客的体重以及由图像处理部处理的乘客的图像来估计乘客的属性。

专利文献

专利文献1：JP特开2010-155667号公报

专利文献2：JP特开2011-230862号公报

但是，检测过剩搭载的载重传感器一般被调整为能测量较重的区域，无法检测幼儿或小动物等的极轻的人物或动物。由此，若根据专利文献1所记载那样根据载重传感器的输出值来判定有无搭乘者，则存在未检测出幼儿或小动物等的极轻的人物或动物的存在，即发生所谓的漏报这样的课题。

另外，关于一般的电梯内的安全防范摄像机，由于是从轿厢的角落朝向入口而设置，因此在摄像机的正下方产生死角区域。由此，若如专利文献1记载那样处理安全防范摄像机的图像来判定有无搭乘者，则存在未检测出滞留在死角内的人物或物品的存在，即发生所谓的漏报这样的课题。

在此，在专利文献1中，记载了通过载重传感器、和处理轿厢内的安全防范摄像机的图像的所谓的图像传感器的组合来判定有无搭乘者。但是，关于具体怎样组合则没有记载。假设通过对载重传感器和图像传感器的输出进行“或”运算(logical add)来进行组合，也无法检测出滞留在摄像机死角区域的轻量者，例如无法检测出幼儿。

另外，虽然未在专利文献1中记载，但还认为在用图像传感器对轿厢内的搭乘者进行跟踪，确认了搭乘者从轿厢退出时，判断为没有搭乘者(后面也记载为“无人”)。但对全部搭乘者用图像传感器进行图像跟踪将存在图像运算部的负担变得过大的课题。进而，若用图像传感器对全部搭乘者进行图像跟踪，则发生跟踪错误的可能性变高，存在漏掉已退出的搭乘者的可能性。这种情况下，存在就算在轿厢内已经不存在搭乘者，仍会判定为有搭乘者(后面也记载为“有人”)，即发生所谓的漏报。

另外，在专利文献2中，在搭乘者搭乘在轿厢内时使用图像传感器和载重传感器来测量搭乘者的体重。但是，专利文献1和专利文献2的载重传感器都是以能测量搭乘者的重量为前提，未考虑能测量的范围外的人物、例如体重极轻的幼儿或小动物等的规定的轻量的搭乘者(后面也记载为“不可计量者”)进行搭乘的情况。因此，在专利文献1和专利文献2所记载的技术中，存在无法判定有无极轻的人物或动物这样的不可计量者的课题。

发明内容

因此，本发明的目的在于提供一种电梯监视装置以及监视方法，在组合载重传感器和图像传感器来判定电梯的轿厢内的有人/无人时，抑制产生对于极轻的幼儿或小动物等的不可计量者的漏报，并能减轻图像传感器进行图像处理的负担。

为了解决该课题，本发明例如是一种电梯监视装置，具备计量所述轿厢内载重的载重传感器和拍摄电梯的轿厢内的摄像部，其特征在于，具有：搭乘者检测部，其对所述摄像部的图像进行处理来检测进入所述轿厢内的新搭乘者；不可计量者判定部，其根据所述新搭乘者搭乘时的所述载重传感器的载重值变化来判定所述新搭乘者是否是规定的轻量的搭乘者、即不可计量者；不可计量者跟踪部，其在判定为所述新搭乘者为所述不可计量者的情况下，直到所述不可计量者从所述轿厢内退出为止，都进行图像跟踪；不可计量者混入有无判定部，其利用所述不可计量者跟踪部进行的图像跟踪的结果来判定在所述轿厢内是否混入了不可计量者；和轿厢内有人/无人判定部，其在所述不可计量者混入有无判定部判定为混入了所述不可计量者的情况下，判定为“有人”。

另外，本发明例如是一种电梯监视方法，其是使用拍摄电梯的轿厢内的摄像部和计量所述轿厢内载重的载重传感器的电梯监视方法，其特征在于，对所述摄像部的图像进行处理来检测进入所述轿厢内的新搭乘者，根据所述新搭乘者搭乘时的所述载重传感器的载重值变化来判定所述新搭乘者是否是规定的轻量的搭乘者、即不可计量者，在判定为所述新搭乘者为所述不可计量者的情况下，直到所述不可计量者从所述轿厢内退出为止，都进行图像跟踪，来判定不可计量者是否混入了所述轿厢内，在判定为混入了所述不可计量者的情况下，判定为“有人”。

发明的效果

根据本发明，在组合载重传感器和图像传感器来进行电梯的轿厢内的有人/无人的判定时，能抑制对极轻的幼儿或小动物等的不可计量者发生漏报，并能减轻图像传感器进行的图像处理的负担。另外，上述以外的课题、构成以及效果通过以下的实施方式的说明会变得更加明了。

附图说明

图1是第1实施方式所涉及的电梯监视装置的构成图。

图2是轿厢内有人/无人判定部的输出表的示例。

图3是说明第1实施方式所涉及的电梯监视装置的流程图。

图4是说明步骤s03的不可计量者混入判定处理中的设定或维持不可计量者混入模式的处理的流程图。

图5是说明步骤s03中的不可计量者混入判定处理中的解除不可计量者混入模式的处理的流程图。

图6是第2实施方式所涉及的电梯监视装置的构成图的示例。

图7是摄像部设置于电梯的设置例、和摄像部所取得的图像的示例。

图8是表示一般的载重传感器中的“所施加的载重”和“载重传感器值”的关系的图表的示例。

图9是第1实施方式所涉及的电梯监视装置的构成中的各处理部的输入输出处理的示例。

图10是对说明第1实施方式所涉及的电梯监视装置的处理的流程图示例中的处理步骤、和构成例中的各处理部的对应关系进行汇总的图。

图11是第3实施方式所涉及的电梯监视装置的构成图的示例。

图12是误入有无判定部的输出表的示例。

图13是第4实施方式所涉及的电梯监视装置的构成图的示例。

图14是表示图像检测的一例的概念图。

图15是处理内核为3×3的滤波器的示例。

图16是应作为图案匹配用的模板而取得的区域的检测例。

图17是图像跟踪处理的处理流程的示例。

图18是模板的扫描的示例。

图19是发生一对多的比对候补的情况下的比对例。

图20是发生多对一的比对候补的情况下的比对例。

符号的说明

1    第1实施方式的电梯监视装置

2    摄像部

3    载重传感器

4、61    运算部

5    轿厢内有人/无人输出部

6    搭乘者检测部

7    轿厢载重值差分取得部

8    不可计量者判定部

9    不可计量者跟踪部

10    不可计量者混入有无判定部

11    基于载重值的搭乘者有无判定部

12    轿厢内有人/无人判定部

13    跟踪ID存储部

20    第2实施方式的电梯监视装置

21    处理器基板

22    处理器

23    图像接口

24    传感器接口

25    存储器

26    通信接口

27    随机接入存储器

28    只读存储器

29    信号线

50     “所施加的载重”对“载重传感器值”的图表示例

60    第3实施方式的电梯监视装置

62    误入有无判定部

63    输出部

64    通信线路

65    报知部

70    第4实施方式的电梯监视装置

71   电梯控制部

具体实施方式

参照附图来说明本实施方式。另外，在各图以及各实施方式中，对相同或类似的构成要素赋予相同的符号，省略说明。

[第1实施方式]

说明第1实施方式所涉及的电梯监视装置1。图7表示第1实施方式所涉及的摄像部2的设置于电梯上的设置例和由摄像部2取得的图像的示例。图7(a)是从电梯外部观察轿厢内部的图，是使拍摄电梯的轿厢内的摄像部2朝向电梯的轿厢内地设置于右侧后上部的示例。然后，图7(b)和图7(c)是在摄像部2的视角朝向轿厢的出入口时得到的图像的示例。格子图案区域所示的人物43是已经搭乘的人物的示例。格子图案区域所示的人物41是正要搭乘的人物的示例。另外，格子图案区域所示的幼儿42特别是轻量的幼儿正要搭乘的示例。如此，若摄像部2的视角朝向轿厢的出入口，则能拍摄到要进出轿厢而移动的人物。由于移动的人物在摄像部2拍摄的图像中容易较大地呈现出亮度图案的变化，因此能用基于图像处理的检测、即所谓的图像检测来检测移动的人物。另一方面，这样的摄像部2的设置方法会在设置正下方产生死角区域。虽然用摄像部2的成像系统参数决定的视野有若干差异，但死角区域40大致是图7(a)的斜线区域所示的三角锥空间。完全进入到该死角区域40的人物无法在摄像部2的图像中确认。

图1是第1实施方式所涉及的电梯监视装置的构成图。电梯监视装置1例如具有：拍摄电梯的轿厢内的摄像部2、计量轿厢内载重的载重传感器3、运算部4、和轿厢内有人/无人输出部5。摄像部2是以规定的帧速率来获得时间序列的图像的摄像部，能应用数字摄像机。另外，也可以用模拟数字转换器对模拟摄像机进行数字化。载重传感器3对于搭乘在轿厢内的人物的总重量输出载重传感器值，该输出值是数字值，虽然载重传感器3能利用可测量任何重量程度的精密的秤，但由于这样的精密的载重传感器高价，因此在此以一般用在电梯中的用于检测搭载过多的载重传感器3为例进行说明。

载重传感器3中使用的载重传感器需要预先知道其特性。例如，对载重传感器3施加几遍的载重并取得此时输出的载重值(下面记载为“载重传感器值”)，制作图8所示的“所施加的载重”对“载重传感器值”的图表例。图8(a)是表示在一般的载重传感器中“所施加的载重”和“载重传感器值”的关系的图表的示例。横轴是“所施加的载重”，纵轴是“载重传感器值”。在载重传感器值中有少许的滞后，另外，由于被施加了各种的振动，因此图表50中表现为具有宽度。但是，这是为了使表现明了而进行的变形。在此，若“所施加的载重”按照A、B、C逐渐增大，则“载重传感器值”也按照a、b、c增加。在“所施加的载重”在B和C之间的情况下，两者大致成正比，由此能根据取得的“载重传感器值”来算出“所施加的载重”。但是，在小于B的区域中，由于该正比关系不成立，因此无法根据“载重传感器值”来正确地算出“所施加的载重”。进而，在小于A的情况下，“载重传感器值”成为小于a的值，小到无法被认为是有意义(有效)的值。一般图表50为S形，施加极轻量载重的A时的载重传感器值a是成为是否为有意义的值的边界的值。后面将载重传感器值a称作“显著差异阈值”。所谓“显著差异阈值”是指在搭乘者搭乘时的载重传感器3的传感器值的增加部分不足该“显著差异阈值”的情况下，无法根据该传感器值来具有充分的可靠性地判定有无新的搭乘者的情况下的值。载重传感器3的最终输出是数字数据。

图8(b1)表示幼儿42单独进行搭乘，图8(b2)表示幼儿42退出到轿厢外。幼儿42的体重为小于前述的极轻量载重A的A′时的载重传感器值a′小于前述显著差异阈值a，被淹没在所述的滞后或振动中从而无法测量。于是，无法根据所述载重传感器值来判断幼儿42是否处于((图8(b1)或(图8(b2))搭乘中。另外，如图8(c1)所示，还有在具有能测量的重量B的人物43搭乘时幼儿42新搭乘进来的情况。这种情况下，由于总重量A′+B处于能测量的范围，因此能根据载重传感器值d实现该总重量的正确的测量。但是，在如图8(c2)所示那样仅人物43退出轿厢时，由于载重传感器值再度返回a′，因此无法根据载重传感器值判定幼儿42的残留。如此，将单独搭乘在轿厢内的情况下无法仅用载重传感器3判断是否为搭乘中的规定的轻量的搭乘者(例如幼儿42)称作不可计量者。以上，说明了在电梯中使用的一般的载重传感器3的特性。

运算部4对摄像部2和载重传感器3的数字数据进行处理，并判定电梯的轿厢内是有人还是无人，并将判定结果输出给轿厢内有人/无人输出部部5。轿厢内有人/无人输出部5例如将与轿厢内人物的有无相关的信息通知给远程监视中心，或者通信给电梯的控制装置。

运算部4例如具有：搭乘者检测部6、轿厢载重值差分取得部7、不可计量者判定部8、不可计量者跟踪部9、不可计量者混入有无判定部10、基于载重值的搭乘者有无判定部11、轿厢内有人/无人判定部12和跟踪ID存储部13。下面参照图1和在图9中汇总的各处理部的输入输出的示例来说明各处理部的协作。在图9中，左栏的“编号”表示各处理部的编号。在第2栏表示处理部的名称，在右栏表示各处理部的输入信息和输出信息的示例。

摄像部2将实际的场景作为输入，输出时间序列数字图像。

搭乘者检测部6对从摄像部2取得的图像(时间序列数字图像)进行处理，来检测正要搭乘到轿厢内的人物(新搭乘者)。由于不管怎样的人物或物品，在搭乘时必然伴随移动，因此，根据时间序列数字图像，通过进行帧间差分处理、二值化处理、标签处理，能容易地检测出人物或物品。搭乘者检测部6在检测到新搭乘者时，将检测人物的图像上的坐标、例如检测人物的外切矩形的重心或外切矩形的死角的坐标输出给不可计量者判定部8。使用该正要搭乘的人物的图像来进行的检测的具体例在后面叙述。

另外，搭乘者检测部6将检测人物的模板登录位置坐标输出给不可计量者判定部8。该模板登录位置坐标是表示作为用在后述的不可计量者跟踪部9中的图像跟踪中的图案匹配用的模板而应登录的地方(图像上的位置或区域)的信息，例如使用应进行模板登录的矩形区域的左上和右下的位置坐标等。在图像上适于设为图案匹配用的模板的地方是在富于亮度分布的变化的区域，例如选择人物的头部的情况较多。模板登录位置坐标在通过搭乘者检测部6检测正要搭乘的人物时求取。求取方式例如有用索贝尔边缘滤波器来提取人物的轮廓，将其密度高、检测出的人物的上部作为条件来求取模板登录位置坐标。若以在亮度的变化大的地方的人物的上部这样的条件来进行选定，则决定为人物的头部的情况较多。人物的头部被其它的人物遮挡而看不见的情况较少，亮度图案也唯一，因而能将错认为其它的人物的所谓的误匹配的产生抑制得较低。这些检测人物的图像上的坐标和其模板登录位置坐标由搭乘者检测部6检测出，并通过不可计量者判定部8而被传递给不可计量者跟踪部9。

载重传感器3将载重作为输入，输出载重传感器值。

轿厢载重值差分取得部7从载重传感器3在时间序列上取得载重传感器值，并算出载重传感器值的变化。由搭乘者检测部6捕捉到新搭乘者时的载重传感器值的增加部分能被视作新搭乘者的重量。

不可计量者判定部8在从搭乘者检测部6取得与新搭乘者相关的位置信息(检测人物的图像上的坐标)后，从轿厢载重值差分取得部7取得载重传感器值的差分。然后，将载重传感器值的差分与显著差异阈值进行比较，在载重传感器值的差分小于显著差异阈值的情况下，将新搭乘者判定为不可计量者。不可计量者是轻到无法稳定地在载重传感器3中检测出是否存在的人物。

另外，在轿厢内已经有人的情况下，如图8(c1)、(c2)中说明的那样，还考虑在不可计量者即幼儿42作为新搭乘者而搭乘到有人的轿厢内的情况下载重传感器值的差分发生较大的变化的状况。因此，也可以使轿厢内有人的情况下的与载重传感器值的差分进行比较的显著差异阈值大于轿厢内无人的情况下的显著差异阈值。轿厢内有人的情况显著差异阈值例如按照在实验中预先调查希望视作不可计量者的重量(图8的情况下为重量A)的新搭乘者使载重传感器值的差分如何变化，涵盖载重传感器值的差分的最大值的方式进行决定即可。另外，有人还是无人的信息能从轿厢内有人/无人判定部12或轿厢内有人/无人输出给5得到。

另外，在多个新搭乘者同时搭乘的情况下，即使在新搭乘者中混入了不可计量者，载重传感器值的差分也会超过显著差异阈值，存在将不可计量者误判定为不是不可计量者的可能性。由于存在不可计量者留在轿厢内的可能性，因此为了不发生这样的情况，也可以将该多个新搭乘者的每一个(全员)都视作不可计量者从而判定为是不可计量者，将每一个人物都作为图像跟踪的对象。

不可计量者判定部8对判定为不可计量者的新搭乘者新产生跟踪ID，并将其追加到跟踪ID存储部13中。如此，通过使后述的不可计量者跟踪部9仅跟踪判定为不可计量者的新搭乘者，能减轻图像处理的负担，并能减轻在跟踪对象者增加的情况下往往会产生的跟踪错误。

不可计量者判定部8每当追加跟踪ID，就参照跟踪ID存储部13来产生不重复的ID。另外，也可以不再度使用在过去使用的编号地将跟踪ID设为单调地增加的数。这种情况下，不可计量者判定部8能不参照跟踪ID存储部13地新发行跟踪ID。

进而，不可计量者判定部8将该新的跟踪ID、与该跟踪ID对应的检测人物的图像上的坐标(与搭乘者检测部6所输出的相同)、和该检测人物的模板登录位置坐标(与搭乘者检测部6所输出的相同)输出给不可计量者跟踪部9。

不可计量者跟踪部9将与存储在跟踪ID存储部13中的跟踪ID对应的检测人物的图像上的坐标和模板登录位置坐标保持在内部存储器的物体坐标存储部中，随着跟踪的进行来更新。另外，不可计量者跟踪部9从在摄像部2取得的时间序列数字图像中取得由模板登录位置坐标指定的区域，并将其设为模板图案。之后，用该模板图案对一个接一个得到的时间序列数字图像进行图案匹配处理，来进行对检测人物的时间序列的位置进行检测的所谓的图像跟踪。然后，直到检测人物从轿厢内退出为止都持续跟踪。在图案匹配时，若每当在时间序列数字图像中进行检测，就用从时间序列数字图像中切取的图案来对模板进行更新，则能持续地跟踪人物。

另外，在人物的运动较大的情况下，在时间序列数字图像间亮度图案较大地变化，有时无法在图案匹配处理中进行检测。这种情况下，通过时间序列数字图像的帧间差分能容易地检测出人物。即，通过并用帧间差分处理和图案匹配处理，在移动较大的情况下，用帧间差分能总是稳定地检测跟踪人物，在移动较小的情况下，用图案匹配能总是稳定地检测跟踪人物。通过使用基于图案匹配的图像跟踪和跟踪ID的管理、以及帧间差分来稳定地检测跟踪搭乘者的具体例在后面描述。

不可计量者跟踪部9在正跟踪的人物从轿厢内退出后结束跟踪，并从跟踪ID存储部13中删除对应的跟踪ID。另外，在轿厢内的摄像部2的设置场所正下方等的偏离图像视野的场所，例如死角区域40等，存在无法跟踪搭乘者的情况。在这种情况下，保存该跟踪ID和图像图案，从而能直到该搭乘者再度出现为止，都视作其存在于轿厢内。这意味着，在不可计量者完全进入死角区域40内的情况下，直到其从死角区域40再度走出从而变得能进行跟踪为止，都保存其跟踪ID。如此，能防止即使不可计量者存在于轿厢内也判定为“无人”的所谓的漏报。另外，在打开轿厢的轿厢门时在轿厢门附近看不到搭乘者的情况下，能迅速删除跟踪ID从而结束跟踪。如此，能防止即使不可计量者已经不在轿厢内也判定为“有人”的所谓的误报。轿厢门的开闭还能对从摄像部2取得的时间序列数字图像进行处理来判断，但也可以将电梯一般所具有的轿厢门开闭信号输入到不可计量者跟踪部9来进行判断处理。

另外，跟踪ID存储部13也可以设于不可计量者跟踪部9的内部的存储器中。

不可计量者混入有无判定部10参照保持在跟踪ID存储部13中的跟踪ID来判定在轿厢内是否混入了不可计量者。在存在1个以上的跟踪ID时，判定为混入了1个以上的不可计量者。若混入了不可计量者，则输出“有”，若未混入，则输出“无”。

基于载重值的搭乘者有无判定部11从载重传感器3取得载重传感器值，将其与预先确定的有人载重值阈值比较，来输出载重传感器值是有人载重值阈值以上，还是不足有人载重值阈值。有人载重值阈值也可以与显著差异值相同，也可以定为其他相适的值。若输出为有人载重值阈值以上，则输入“以上”，若不足阈值，则输出“不足”。另外，作为输出，也可以取代“以上”而输出“有人”，取代“不足”而输出“无人”。

轿厢内有人/无人判定部12基于不可计量者混入有无判定部10的判定结果、和基于载重值的搭乘者有无判定部11的判定结果，来判定轿厢内是有人还是无人。该判定基于图2所示的轿厢内有人/无人判定部的输出表的示例来进行。在图2中，在不可计量者混入有无判定部10的输出为“有”的情况下，不管基于载重值的搭乘者有无判定部11的输入如何，都判定为“有人”。在不可计量者混入有无判定部10的输出为“无”的情况下，在基于载重值的搭乘者有无判定部11的输出为“以上”的情况下，判定为“有人”，在基于载重值的搭乘者有无判定部11的输出为“不足”的情况下，判定为“无人”。

即，在通过不可计量者混入有无判定部10判断为混入了不可计量者的情况下，直到在图像跟踪中判定为全员都从轿厢内退出为止，都判定为“有人”。并且，在通过不可计量者混入有无判定部10判断为未混入不可计量者的情况下，基于载重传感器3的载重传感器值，按照基于载重值的搭乘者有无判定部11的判定结果，在载重值为有人载重值阈值以上的情况下判定为“有人”，在不足有人载重值阈值的情况下判定为“无人”。

由此，在组合载重传感器和图像传感器来进行电梯的轿厢内的有人/无人的判定时，能分开使用，仅在有不可计量者的情况下进行图像追踪，在没有不可计量者的情况下，按照载重传感器的判定结果来进行判定。并且，能抑制对于极轻的幼儿或小动物等的不可计量者的漏报的产生，并能减轻图像传感器进行图像处理的负担。

在图3中示出用于说明第1实施方式所施加的电梯监视装置的处理的流程图，在图10中示出该流程图示例中的处理步骤与构成例中的各处理部的对应关系。在图10中，在左栏示出处理步骤编号，在第2栏示出处理步骤的内容。在右栏示出与该处理步骤关联的处理部。下面，在参照图3和图10来说明第1实施方式的电梯监视装置1的处理流程的一例。

通过接通电梯监视装置1的电源来开始处理流程。首先，执行初始设定步骤s01。在初始设定步骤s10中，对摄像部2、载重传感器3、运算部4、轿厢内有人/无人输出部5进行初始设定。其中，也可以构成为在初始设定步骤s01前完成摄像部2、载重传感器3、轿厢内有人/无人输出部5的初始设定，在初始设定步骤s01仅对运算部4进行初始设定。

从图像取得步骤s02起直到检查结束中断或电源断开的步骤s06为止，只要没有结束中断或电源断开，就无限地反复进行处理。该反复处理的周期最短设为摄像部2的摄像周期。例如，由于在摄像部2的图像的更新速率为每秒30帧(也记载为30fps)的情况下，更新周期为1/30秒，因此，从s02到s06为止的反复处理的周期的最短为1/30秒。但是，根据运算部4的处理能力不同，也有将s02到s06为止的反复处理的周期设定为比该最短周期要长。为了检测搭乘者搭乘到轿厢的瞬间，优选s02到s06为止的反复处理的周期为1秒以下。在乘降较多的电梯中，进一步优选将该周期设定为500毫秒以下。

图像取得步骤s02是搭乘者检测部6和不可计量者跟踪部9取得摄像部2所更新的时间序列数字图像的步骤。

不可计量者混入判定处理步骤s03是由搭乘者检测部6、轿厢载重值差分取得部7、不可计量者判定部8、不可计量者跟踪部9、不可计量者混入有无判定部10的协调动作进行的处理步骤。该步骤s03的输入是摄像部2的时间序列数字图像、和载重传感器3的载重传感器值，输出是不可计量者混入有无判定部10的输出。在后面记述该步骤s03的详细。

从在不可计量者混入的有无分支的步骤s04起向有人判定输出步骤s07的分支处理是轿厢内有人/无人判定部12的处理。在如图2所示那样不可计量者混入为“有”的情况下，与基于载重的搭乘者有无判定部11的输出无关地判定为“有人”，并将判定结果输出(s07)。在步骤s04，不可计量者未混入的情况下，前进到步骤s05、步骤s08或步骤s09。这些是基于载重的搭乘者有无判定部11、轿厢内有人/无人判定部12的协调处理。在如图2所示那样不可计量者混入为“无”的情况下，按照基于载重的搭乘者有无判定部11的输出，若来自载重传感器3的载重值为有人载重值阈值以上，则判定为“有人”(s08)，若载重值不足有人载重值阈值，则判定为“无人”(s09)。以上是电源接通后由运算部4进行的处理的流程。轿厢内有人/无人输出部5将运算部4的判定结果发送给远程监视中心或电梯的控制装置。

接下来参照图4、图5和图10来说明不可计量者混入判定处理步骤s03的详细。图4是说明步骤s03的不可计量者混入判定处理中的设定或维持不可计量者混入模式的处理的流程图的示例。在此设定不可计量者混入模式等同于不可计量者混入有无判定部10的输出从“无”切换为“有”的情形。另外，维持不可计量者混入模式等同于不可计量者混入有无判定部10的输出从“有”起继续“有”的情形。

新搭乘者检测处理步骤s10和在新搭乘者的有无分支的步骤s11是搭乘者检测部6的处理。在搭乘者检测部6中，通过帧间差分处理、二值化处理、标签处理，从时间序列数字图像中检测正要新搭乘而进行移动的人物。在未检测出新搭乘者的情况下，设为“伪”，从而结束该处理的流程。另一方面，在检测到正要新搭乘而进行移动的人物时，设为“真”，从而前进到下一步骤s12。

载重传感器值差分的取得步骤s12是轿厢载重值差分取得部7和不可计量者判定部8所涉及的处理，显著差异阈值分支步骤s13是不可计量者判定部8所涉及的处理。它们的协作处理如前述那样。即，将伴随新搭乘而产生的载重传感器值的差分与显著差异阈值进行比较，在载重传感器值的差分为显著差异阈值以上的情况下，设为“伪”，从而结束该处理。另一方面，在载重传感器值的差分小于显著差异阈值的情况下，设为“真”，从而前进至步骤s14。

不可计量者新跟踪开始步骤s14是不可计量者判定部8和不可计量者跟踪部9所涉及的处理。在此，产生新的跟踪ID，将其追加到跟踪ID存储部13中，并且不可计量者跟踪部9开始跟踪。

其次的、不可计量者混入模式的设定或维持步骤s15是不可计量者混入有无判定部10所涉及的处理。不可计量者混入有无判定部10在不可计量者跟踪部9或跟踪ID存储部13中存在1个以上的跟踪ID的情况下，设定或维持不可计量者混入模式。

图5是说明步骤s03中的不可计量者混入判定处理中的解除不可计量者混入模式的处理的流程图的示例。在此，不可计量者混入模式的解除等同于将不可计量者混入有无判定部10的输出从“有”切换为“无”的情形。在不是不可计量者混入模式的情况下，在不是不可计量者混入模式的情况下，本身也就没有解除该模式的必要，因此在不可计量者混入模式分支步骤s16的分支中设为“伪”，从而完成该处理流程。另一方面，在是不可计量者混入模式的情况下设为“真”，从而由不可计量者跟踪部9对不可计量者进行图像跟踪(s17)。其结果，在不可计量者未从轿厢内退出的情况下设为“伪”，从而在经过不可计量者退出分支步骤s18后完成该处理流程。另一方面，在不可计量者从轿厢退出的情况下，不可计量者跟踪部9从跟踪ID存储部13删除对应的跟踪ID，并将分支设为“真”，从而从分支步骤s18前进到步骤s19。

在不可计量者全无分支步骤s19中，不可计量者混入有无判定部10参照跟踪ID存储部13，在跟踪ID全无的情况下设为“真”，从而在经过分支步骤s19后解除不可计量者混入模式(s20)。另一方面，在还有跟踪ID的情况下，设为“伪”，从而在经过分支步骤s19后完成该处理流程。其结果，维持不可计量者混入模式。在此，步骤s16、步骤s17和步骤s18是不可计量者跟踪部9所涉及的处理，步骤s19以及步骤s20是不可计量者混入有无判定部10所涉及的处理。

在此，包含不可计量者混入模式的设定或维持的处理(图4)、和解除不可计量者混入模式的处理(图5)的步骤s03(图3)的处理周期充分短。为此，以不会在一次的处理中发生人物的搭乘和退出的两者为前提。不会在一次的处理中发生人物的搭乘和退出的两者意味着以不会同时发生由于人物的搭乘而设定不可计量者混入模式的状况、和由于人物的退出而解除不可计量者混入模式的状况为前提。因此，不可计量者混入模式的设定或维持的处理(图4)、和解除不可计量者混入模式的处理(图5)使哪个处理在先都可以，也可以同时进行。步骤s03的充分短的处理周期是指如上述针对帧速率所叙述的那样，在乘降较少的电梯中为1秒以内，在乘降较多的电梯中为500毫秒以下。

接下来，说明搭乘者检测部6中的图像检测的一例。图14是表示图像检测的一例的概念图。图14(a1)、图14(a2)、图14(a3)是人物44(44A、44B、44C)(物体)从电梯入口搭乘时的时间序列数字图像的示例，时间从图14(a1)向图14(a3)经过。图14(a1)到图14(a3)中所表示的人物44是同一人物，但伴随着时间经过亮度图案发生变化，因此为了说明上的方便，命名为44A、44B、44C。图14(b1)是由图14(a1)的图像(也称作帧)和图14(a2)的图像的每个像素的亮度差分绝对值构成的图像，也就是所谓的帧间差分图像。虚线所示的44A和实线所示的44B表示帧间差分的区域(格子图案区域)的关系。同样地，图14(b2)是图14(a2)的图像和图14(a3)的图像的帧间差分图像，虚线所示的44B和实线所示的44C表示帧间差分的区域(格子图案区域)的关系。图14(b1)和图14(b2)也可以是灰度色标图像，也可以是用适当的阈值进行了二值化后的图像。作为适当的阈值，应该是不会使图14(b1)和(b2)中所表示的物体不适当地分离、另外不会过低而被淹没在噪声中程度的值。在与搭乘的人物的轮廓线相比，内侧的图案中缺乏亮度的差异的情况下，二值化后的图14(b1)和图14(b2)的图案中虽然开了洞，但对最终确定外切矩形则没有影响。

图14(c1)的44D和图14(c2)的44E分别是在图14(b1)和图14(b2)中施加了膨胀处理或最大值处理而得到的部分。图14(b1)和(b2)若是二值化后，则进行膨胀处理，在灰度色标图像的情况下进行最大值处理。膨胀处理例如用图15所示的处理内核为3×3的滤波器参照相邻像素来进行。图15在处理内核为3×3的情况下，参照与关注像素C相邻的像素(添加了1～8的像素)，与它们的值相应地，对原始的图像决定变换后的图像中的关注像素C的值。所谓的4连结膨胀处理的情况是如下处理：关注像素C为0(非物体)，在与其相邻的添加了2、4、6、8的任一者的编号的像素中只要有1个为255(物体)，则将关注像素C置换为255(物体)的处理。所谓的8连结膨胀处理是如下的处理：关注像素C为0(非物体)，在与其相邻的添加了1、2、3、4、5、6、7、8的任一者的编号的像素中只要有1个为255(物体)，则将关注像素C置换为255(物体)。

最大值处理也是用图15所示的滤波器，参照相邻像素来进行的。所谓的4连结最大值处理的情况是将关注像素C和与其相邻的添加了2、4、6、8的任一者的编号的像素的最大亮度值设为关注像素C的值的变换处理。另外，所谓的8连结最大值处理的情况是将关注像素和与其相邻的添加了1、2、3、4、5、6、7、8的任一者的编号的像素中的最大者设为关注像素C的值的变换处理。通过膨胀处理或最大值处理，物体和其周边的亮度值较大地膨胀。

紧接着膨胀处理或最大值处理，进行图像间“与”处理或图像间最小值处理。在图14(c1)和图14(c2)为二值化后的图像时进行图像间“与”处理，在是灰度色标图像时进行图像间最小值处理。图像间“与”是仅在图14(c1)和图14(c2)的对应的像素两者都是255(物体)的情况下才将该像素设为255(物体)、其它情况下设为0(非物体)的处理，输出的图像是二值图像。图像间最小值处理是用图14(c1)和图14(c2)的对应的像素的亮度的小的一方的值来进行变换的处理，输出图像是灰度色标。这种情况下更需要用适当的阈值来进行二值化。在此，所谓适当的阈值是用判别分析法求取的阈值即可，此外，也可以按照1个物体尽量不分离、且不会与背景一体化的方式来选择阈值。

图14(d1)的格子图案区域是图14(c1)的44D和图14(c2)的44E的图像间“与”处理或图像间最小值处理后的二值化图像。制作图14(d1)的格子图案区域时的适当的阈值优选不会使图14(d1)中所示的物体不适当地分离、另外不会过低而淹没在噪声中程度的值，例如可以用判别分析法来选择。通过以上的处理，输出成为二值图像，接下来进行标签处理。标签处理是对二值化的图像进行的处理，是将满足4连结或8连结的条件的像素群视作1个物体来添加1个标签的处理。能通过标签处理来描绘与检测出的物体外切的外切矩形。图14(d2)中的矩形45是以上说明的一系列的处理的作为结果检测出的物体的外切矩形。如此检测出的物体如图14(d3)所示那样，与图14(a1)到图14(a3)的3个时间序列图像中的中间的图像即图14(a2)的物体的位置大致一致。搭乘者检测部6输出表示该外切矩形的坐标，作为检测人物的图像上的坐标。

另外，搭乘者检测部6还检测应作为图案匹配用的模板而取得的区域，作为模板登录位置坐标而输出。图16(a)是搭乘者检测部6在外切矩形45的人物中检测作为模板而取得的区域即矩形46的示例。基于矩形46所具有的坐标，从图16(b)所示的时间序列图像中作为模板而取出的图像是在图16(b)中用虚线所示的矩形46表示的部分图像。矩形46的确定方法可以预先决定为人物的外切矩形的上部的规定面积。或者，也可与选择人物的轮廓较密地集中的区域。图16(b)的人物44B为了表现的方便而用格子图案来表示，但实际上是起因于被摄体的凹凸和色彩的浓淡图像。由此，在施加了公知的轮廓检测处理后，例如提取出如图16(c)所示的轮廓。该轮廓也可以以较密的部分为中心来取得预先决定的大小的图像作为模板。对于轿厢内的图像，通过用摄像部从上方拍摄和从上方进行照明，一般与脚下相比头部更精细、对比度也更好，因此，也易于较密地提取轮廓。作为检测轮廓的滤波器，例如有图16(d)所示的索贝尔滤波器。若依次施加这些滤波器并取所得到的轮廓的“或”，则能以45度间隔得到8个360度方向的近似轮廓。以上，说明了用于进行基于正要搭乘的人物的图像的检测的、搭乘者检测部6中的处理的具体例。另外，基于模板登录位置坐标来取得模板的处理如已经说明那样，在不可计量者跟踪部9中进行。

接下来，使用图17、图18、图19、图20来说明不可计量者的图像跟踪的一例。所谓图像跟踪是如下的处理：判断是否能将在某帧例如作为前帧的(n-1)帧(n为自然数)检测到的物体、和在当前帧(n帧)检测出的物体比对为同一物体，对视为相同的物体的移动状况进行测量。在不可计量者跟踪部9中，例如将在图案匹配中差异较少的物体判定为相同，或者将在(n-1)帧n帧间移动量最小的物体彼此判定为相同。

其中，可靠的判定方法中，在是图案匹配中差异较少的物体彼此、且对于检测出的物体而言存在登录的图案(模板)的情况下，尝试图案匹配。其结果，少于预先确定的差异的物体视作是同一物体在移动。此时，比对的物体的外切矩形的重心间的距离、或者外切矩形的对应的角或边的中点间的距离是与在帧的经过时间之间物体移动的距离相关的量，根据图像上的像素数直接算出。在此，由于摄像机是固定的，若摄像机的焦距等的内部参数、表示轿厢和摄像机视角的关系的外部参数预先已知，则还能通过透视变换来将图像上的像素数变换成轿厢地板上的实际的距离。因此，即使是通过图案匹配而差异非常少的两个物体，在(n-1)帧和n帧间的微小的经过之间有无法移动的程度的距离的两个物体不应被判定是同一物体。

有如以上那样，在考虑移动距离的上限来进行2个帧间的物体的比对后还存在未完成比对的物体的情况。例如，有在帧的经过时间内物体的朝向、姿势、形态发生变化、或者由于照明的闪烁而导致即使是同一物体其亮度的图案也较大地变化的情况。为了在这样的情况下也继续图像跟踪，不可计量者跟踪部9将图案匹配中无法比对的物体彼此的该外切矩形的重心坐标的坐标或外切矩形的最接近轿厢的地板的一边的中点的坐标的坐标彼此的欧几里德距离为最短的物体彼此视作同一物体，从而进行图像跟踪。此时，也是不将在(n-1)帧和n帧间的微小的经过之间有无法移动的程度的距离的两个物体判定为同一物体。

用图17的处理流程来表示以上的图像跟踪处理。不可计量者跟踪部9与摄像部2所输出的时间序列数字图像的更新周期同步，进行每个周期的从开始起到结束为止的处理。另外，以从前帧((n-1)帧)向当前帧(n帧)的人物跟踪、即人物的帧间比对的为例来进行说明。在该处理的开始时，在跟踪ID存储部13保持直到前帧为止的跟踪人物的跟踪ID。然后，将与这些跟踪ID对应的检测人物的图像上的坐标(相当于物体的坐标)、和模板登录位置坐标(也将它们合起来称作帧间差分人物信息)保持在不可计量者跟踪部9所内置的存储器即物体坐标存储部中。

不可计量者跟踪部9在从不可计量者判定部8接受到新的跟踪ID和帧间差分人物信息后，将帧间差分人物信息(物体的坐标)追加到内置于不可计量者跟踪部9的物体坐标存储部中(步骤s30)。

接下来，进行有图案登录(模板)的前帧的人物在当前帧中的图案比对(步骤s31)。这通过将进行了图案登录的登录图案作为模板来在当前帧内进行匹配处理来实施。图案匹配是如下处理：在对象画面上扫描模板(登录图像)，对该区域的亮度图案的差异的小的程度或相似度高的程度进行评价，特定模板与亮度图案的差异最小或相似度最高的区域。匹配处理时的扫描区域既可以是当前帧整体，但也可以限定在前帧的该人物的坐标的周边。这是因为如下情况：能通过图案匹配来进行比对的人物由于通常移动较少，因此亮度分布的变化在前帧和当前帧之间较少的情况。

图18是模板扫描的示例。在图18(a)示出扫描当前帧整体的情况。即，模板56对当前帧的全范围55进行光栅扫描来实施探查。另一方面，图18(b)是将扫描范围限定在虚线所示的探查区域58的示例。探查区域58是在当前帧中，在从该人物的区域的一部分作为模板而取得的区域57的周边以2倍等的规定比例放大而得到的区域。

$E(i,j)=\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}|F(i+s,j+t)-T(s,t)|$ …(数1)

$E(i,j)=\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{(F(i+s,j+t)-T(s,t))}^2$ …(数2)

对象画面和模板的亮度图案的差异例如能通过(数1)或(数2)来计算。在此，F(i，j)是与对象图像的坐标相应的亮度值，按照以图18(a)所示的全画面(帧)的左上为原点、在水平方向上设为i像素，在垂直方向上设为j像素的方式来特定位置。T(s，t)表示模板的亮度图案，用以全画面的左上为原点、在水平方向上设为s像素、在垂直方向上设为t像素的情况下的亮度来表示。E(i，j)是表示两者的差异的函数，在(数1)中累计两者亮度图案的差的绝对值，在(数2)中将两者亮度图案之差进行平方来谋求正数化，之后再累计。

[数3]

$R(i,j)=\frac{G(i,j)}{H(i,j)}$

$G(i,j)=N\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}F(i+s,j+t)T(s,t)$

$-\left\{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}F(i+s,j+t)\right\}\left\{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}T(s,t)\right\}$ …(数3)

$H(i,j)=\sqrt{N\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{\left(F(i+s,j+t)\right)}^2-{\left\{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}F(i+s,j+t)\right\}}^2}$

$\×\sqrt{N\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}{\left(T(s,t)\right)}^2-{\left\{\underset{s}{\mathrm{\Σ}}\underset{t}{\mathrm{\Σ}}T(s,t)\right\}}^2}$

数3以相关函数来计算对象画面与模板的亮度图案的相似度。F(i，j)和T(s，t)分别与上述说明相同。N表示模板的像素数。R(i，j)是相关函数，其取-1到1的值。若对象画面中的对象位置与模板完全一致，则取1，通常成为1的情况比较罕见，因此能通过从R(i，j)取规定的正数值以上的候补中选择1个最大的值，来进行基于图案匹配的物体的检测。

因此，通过步骤s31来进行前帧的人物与当前帧的人物的比对。比对意味着：将前帧的该人物与当前帧的该人物视作移动前后的同一人物，将前帧的人物所具有的跟踪ID继承到当前帧的人物上，从而用当前帧的人物的坐标来更新该人物的坐标值。另外，还用以当前帧的人物的位置而得到的图像来更新模板的登录图案。

另一方面，有在当前帧中存在1个以上的以帧间差分而得到的人物候补(也记载为F人物)的情况。在这些候补中，删除与在步骤s31中完成了比对的人物重复的人物。这是为了不会对同一人物重复跟踪的处理(步骤s32)。通过该处理，在当前帧上剩余的F人物是无法用图案匹配进行比对的人物。无法用图案匹配进行比对的人物是从前帧到当前帧由于移动而亮度图案发生较大变化的人物。不如说用帧间差分能更容易地检测出这样的人物。因此，在接下来的步骤s33以后，实施前帧中的未比对人物、和当前帧中的F人物的比对。

计算出前帧的未比对人物、与当前帧的F人物间的全部组合的距离(步骤s33)。可以在画面上以像素数为单位来计算欧几里德距离，从而来算出距离，也可以基于摄像部2的外部参数和内部参数来变换为轿厢的地板上的实际的距离，从而来计算距离。

接下来，基于前帧的未比对人物和当前帧的F人物之间的距离来进行比对(步骤s34)。按照前帧的未比对人物和当前帧的F人物间间的距离的从小到大的顺序依次进行比对。但是，若要基于最小距离来决定比对对方，则有一对多或多对一的情况。

图19是发生一对多的比对候补的情况的示例。在图19中，在同一纸面上表示前帧的人物和当前帧的人物。即，用格子图案和虚线的外切矩形来表现的人物60是在前帧检测出的人物，用点绘图案和实线的外切矩形来表现的人物601和602(图19(a1))、以及人物604和605(图19(b1))是在当前帧检测出的人物。

在图19(a1)的情况下，人物60与人物601的重心间的距离、和人物60与人物602的重心间的距离相等。并且，对人物601与人物602的重心彼此间的距离I60、和人物60的大小W60进行比较，例如在I60为W60以下的情况下，如图19(a2)的示例那样，汇总地用1个外切矩形603来包围2个物体，设为人物60的重心向该矩形的中心移动来进行比对。在此，人物60的大小W60例如能使用与连结人物601和人物601的重心的线段平行、且通过人物60的重心的线段(未图示)，和与人物60的格子图案或外切矩形重叠的区域的宽度。W60和I60的大小比较也可以与将W60与规定的系数例如0.5～1.5等相乘而得到的值进行比较来判定是否能汇总成1个矩形。

另一方面，图19(b1)中，前帧的人物60与当前帧的人物604的距离、和人物60与当前帧的人物605的距离相同，但存在人物604与人物605的距离I60大于人物60的大小W60的情况。这种情况下，作为人物60的比对对方，选择人物604和人物605的任一者，删除其它的。要说选择哪个人物，选择位于画面上的左上的人物。或者，也可以选择具有与人物60的外切矩形的纵横尺寸或面积更接近的外切矩形的人物604或605。或者，也可以选择到此为止的人物60的移动方向、和当前帧的向人物的比对后的移动方向的变化更小的一方的人物604或605。

另外，图20是发生多对一的比对候补的情况的示例。图20(a)是前帧的人物61和人物62，是从各自的重心到当前帧的人物63的重心的距离相等的示例。这是两个人物暂时重叠的情况下所引起的状况。这种情况下，使人物61或人物62的任一方与当前帧的人物63进行比对，将另一方的人物设为保留状态。图20(b)的情况下将人物62设为保留状态。保留状态是使规定期间删除进行延后的处理。规定期间例如是1秒到5秒程度。若过了该期间后，则进行删除。例如，在人物62为保留期间的期间在规定的距离以内检测到未比对的物体65的情况下，将人物62与人物65进行比对(图20(c))，结束人物62的保留期间。其中，该保留和删除在接下来的步骤s35进行。如以上说明那样，仅对步骤s34中能进行比对的人物进行比对处理。

接下来，在步骤s35，进行前帧的未比对人物的删除或保留处理。对未比对的人物，对未比对的次数进行计数，并从跟踪ID存储部13删除连续规定的次数未比对的人物的跟踪ID。该规定的次数的计数递增成为进行上述的保留处理。

通过设为上述的构成，第1实施方式所涉及的电梯监视装置对载重传感器能计量的搭乘者，能基于载重传感器的载重值来抑制漏报和误报地判定电梯轿厢内的有人和无人。另外，对载重传感器不能计量的程度的轻量的人物或小动物即不可计量者，也能通过用图像跟踪确认退出来判断为无人，因此能抑制漏报。另外，由于图像跟踪限于不可计量者，因此对进行图像处理的运算部的负担较轻，能用廉价的运算器来实现。进而，由于将图像跟踪的对象限制在不可计量者，因此会减少跟踪错误，从而减少漏掉退出的情况下，由此具有能抑制误报的效果。

另外，具有在现有的具有载重传感器和安全防范摄像机的电梯中，仅追加运算部4和轿厢内有人/无人输出部5就能实现判定轿厢内有无搭乘者的功能的效果。另外，轿厢内有人/无人输出部5的功能也能够以运算部4来兼任。

[第2实施方式]

接下来，说明第2实施方式所涉及的电梯监视装置20。图6是第2实施方式的电梯监视装置20的构成的示例。第2实施方式是用处理器基板21来实现第1实施方式的运算部4的示例。

处理器基板21由处理器22、图像接口(图像IF)23、传感器接口(传感器IF)24、存储器25、通信接口26构成，由信号线29来连接这些构成。关于电源线，设为适当地连结，并省略记载。图像接口23将摄像部2拍摄的图像变换为数字值以使得处理器22能进行处理。传感器接口24将载重传感器3计量的载重值变换为处理器22能进行处理的值。通信接口26对处理器22判定轿厢内的有人/无人的结果进行变换，使得能输出给轿厢内有人/无人输出部5。另外，轿厢内有人/无人输出部5的功能也可以用处理器基板21来实现。存储器25由随机存取存储器27(后面标记为RAM27)、和只读存储器28(后面标记为ROM28)构成。在ROM28中记录电源断开时也应保存的程序和参数数值。另一方面，在RAM27中暂时保存会在处理的过程中发生变化的图像等的数据。

处理器基板21中，按照图3所示的处理流程例来进行上述说明的处理。其中，在初始设定步骤s01中，进行搭载于处理器基板21的处理器22、图像接口23、传感器接口24、存储器25和通信接口26的初始设定。在此时也可以将保存在ROM28的程序在RAM27上展开。步骤s02到步骤s06的处理如前述那样。

通过设为以上的构成，第2实施方式所涉及的电梯监视装置20由于能使用通用的处理器基板来构成运算部，因此具有能以低成本实现的效果。另外，若通用处理器基板的运算能力提升，则具有不用进行较大的设计变更地就也能提高第2实施方式所涉及的电梯监视装置的精度的效果。另外，具有仅变更保持在存储器25中的参数就能容易地进行与所应用的电梯的使用状况相应的修正的效果。

[第3实施方式]

接下来，说明第3实施方式所涉及的电梯监视装置60。图11是第3实施方式所涉及的电梯监视装置60的构成图的示例。第3实施方式所涉及的电梯监视装置60例如具有：摄像部2、载重传感器3、运算部61、输出部63、通信线路64、报知部65。另外，电梯监视装置60也可以具有进行电梯的控制的电梯控制部71。

电梯监视装置60除了第1实施方式的电梯监视装置1的功能以外，还附加了判定是否载重传感器3无法计量的程度的轻量的幼儿或小动物等不可计量者单独误入的功能。该不可计量者的误入相当于第1实施方式中的基于不可计量者混入的有人判定中的特殊情形。因此，判定出误入为“有”意味着判定为轿厢内“有人”。

电梯监视装置60使输出部63基于误入判定结果而输出的输出格式适于通信线路64，来使位于管理事务所或远程监视中心的报知部65动作，从而报知发生了误入。通信线路64既可以是专用线路，也可以是LAN、WEB等的网络线路。输出部63除了轿厢内有人/无人输出部5的功能以外，还具有针对误入也进行输出的功能。

运算部61的构成除了轿厢内有人/无人判定部12以外，其它都与运算部4构成相同，动作也相同。并且，在轿厢内有人/无人判定部12中嵌入了误入有无判定部62的功能。误入有无判定部62基于不可计量者混入有无判定部10的判定结果、和基于载重值的搭乘者有无判定部11的判定结果，来判定不可计量者(幼儿或小动物等)是否误入到轿厢内。

该判定基于图12所示的误入有无判定部的输出表的示例来进行。在图12中，在不可计量者混入有无判定部10的输出为“无”的情况下，不管基于载重值的搭乘者有无判定部11的输出如何，都将单独的误入判定为“无”。在不可计量者混入有无判定部10的输出为“有”的情况下，在基于载重值的搭乘者有无判定部11的输出为“以上”或“有人”的情况下，将单独的误入判定为“无”，在基于载重值的搭乘者有无判定部11的输出为“不足”或“无人”的情况下，将单独的误入判定为“有”。

通过这样的构成，运算部61能立刻检测出幼儿或小动物这样的不可计量者的单独的误入。

在此，若搭乘多个不可计量者，则有载重传感器值成为有人载重值阈值以上的情况。于是，基于图12的误入有无判定部的输出表的左上栏而判定为“无”。因此，在即使不是单独也希望检测仅幼儿或小动物这样的不可计量者进行了搭乘的情况下，也可以构成为：与不可计量者跟踪部9所输出的跟踪ID的数量相应地来使有人载重值阈值不同。于是，对于多个不可计量者的搭乘，由于基于载重值的搭乘者有无判定部11的判定结果成为“不足”，因此，能与不可计量者混入有无判定部10的判定结果“有”合在一起，将即使不是单独但仅有幼儿或小动物这样的不可计量者搭乘的误入的现象判定为“有”。

另外，有人载重值阈值在用于误入的判定中的情况下，也可以另外表达为误入阈值。误入阈值既可以与显著差异阈值相同，也可以不同。另外，用在有人/无人的判定中的情况下的有人载重值阈值和用在误入判定的情况下的误入阈值既可以相同，也可以不同。

通过以上的构成，第3实施方式所涉及的电梯监视装置60具有能立刻检测出幼儿或小动物这样的不可计量者的误入的效果。

另外，在发生了误入的情况下，电梯控制部71也可以将未图示的电梯轿厢的轿厢门控制为不会关上。

另外，也可以在第2实施方式上附加第3实施方式这样的误入判定的功能。

[第4实施方式]

接下来，说明第4实施方式所涉及的电梯监视装置70。图13是第4实施方式所涉及的电梯监视装置70的构成图的示例，构成为在第1实施方式的电梯监视装置1的基础上，电梯监视装置70具有电梯控制部71，电梯控制部71参照第1实施方式的电梯监视装置1判定的有人/无人的输出来进行动作。

一般，电梯控制部进行响应于来自各楼层的操作盘呼叫操作来使电梯轿厢向有呼叫的楼层升降的控制、或向与轿厢内的操作盘的操作相应的楼层升降的控制。并且，在规定期间内没有呼叫操作以及没有轿厢内操作的情况下，进行保养模式运行。保养模式是用于取得电梯升降所需的电动机转矩或其它设备的完好性确认中所需要的数据的运行。在有从楼层的呼叫操作或轿厢内有搭乘者时进行该运行由于从安全上以及便利性角度出发存在问题，因此，如上述那样，在确认没有利用的期间持续了规定以上之后才进行保养模式运行。但是，这样的话有在24小时的利用频度都较高的电梯中无法进行保养模式运行的问题。

因此，第4实施方式所涉及的电梯监视装置70是为了解决该问题而提出的，电梯控制部71在没有来自各楼层的操作盘的呼叫操作、且第1实施方式中说明的轿厢内有人/无人判定的结果是轿厢内无人的情况下，立刻进行实施需要的保养模式运行的动作。

通过以上的构成，第4实施方式所涉及的电梯监视装置70具有即使在常时利用频度高的电梯中，也能找出利用期间的间隙来实施保养模式运行这样的效果。

另外，一般，电梯在发生地震后的恢复时，需要进行与保养模式运行为标准的动作即恢复运行。但是，必须在确认轿厢内没有关闭着搭乘者之后再进行恢复运行。因此，存在在地震平息后保养员必须紧急赶往现场目视确认之后才能进行恢复这样的课题。

因此，第4实施方式所涉及的电梯监视装置70是为了解决这样的课题而提出的，电梯控制部71在发生地震前判定为轿厢内无人的情况下，在地震平息后迅速进行恢复运行。另外，在有人的情况下，能用未图示的报知部，采取将存在关着搭乘者的可能性的意思报知给远程监视中心的动作。

通过以上的构成，第4实施方式所涉及的电梯监视装置70具有能在刚发生地震后就迅速地发现被关在轿厢内的搭乘者，在无人的情况下则进行恢复运行这样的效果。

另外，电梯在向目的的楼层的升降时，进行不对搭乘者带来不舒适感的加减速。但是，有在没有搭乘者的情况下也进行这样的加减速运行就会使在各楼层等待的利用者过分等待的课题。

因此，第4实施方式所涉及的电梯监视装置70是为了解决这样的课题而提出的，电梯控制部71在判定为轿厢内无人的情况下，不考虑乘坐舒适度地进行急加减速运行。这能通过电梯控制部71按照在轿厢内有人/无人判定部判定为“无人”的情况下，以比“有人”的情况下更急的加减速升降到被呼叫的楼层的方式来实现。

通过以上的构成，第4实施方式所涉及的电梯监视装置70具有能缩短利用者的等待时间这样的效果。

在以上的第4实施方式的说明中，说明了在第1实施方式上附加功能的示例，但并不限于此，也可以构成为在第2实施方式或第3实施方式上附加功能。

另外，本发明并不限定于上述的实施方式，还包含各种变形例。例如，上述的实施方式为了便于理解地说明本发明而进行了详细的说明，但不一定限定为具有所说明的全部构成。另外，也可以将某实施方式的构成的一部分置换为其它的实施方式的构成，另外，也可以在某实施方式的构成上加入其它的实施方式的构成。另外，各实施方式的构成的一部分都能进行其它的构成的追加、删除、置换。

另外，上述的各构成、功能、处理部、处理单元等的一部分或全部例如能通过用集成电路进行设计来以硬件实现。另外，上述的各构成、功能等也可以解释为处理器实现各功能的程序、通过执行实现各个功能的程序来以软件实现。实现各功能的程序、表、文件等的信息能置于存储器、硬盘、SSD(Solid State Drive，固态驱动器)等的记录装置，或者IC卡、SD卡、DVD等的记录介质。

另外，控制线、信息线的表示是为了说明上的需要，在商品上不一定会示出全部的控制线或信息线。实际上，也可以认为几乎全部的构成都相互连接。

Claims (24)

1.一种电梯监视装置，具备用于拍摄电梯的轿厢内的摄像部、和用于计量所述轿厢内的载重的载重传感器，其特征在于，具有：

搭乘者检测部，其对所述摄像部的图像进行处理来检测进入所述轿厢内的新搭乘者；

不可计量者判定部，其根据所述新搭乘者搭乘时的所述载重传感器的载重值变化来判定所述新搭乘者是否是规定的轻量的搭乘者、即不可计量者；

不可计量者跟踪部，其在判定为所述新搭乘者为所述不可计量者的情况下，直到所述不可计量者从所述轿厢内退出为止，都进行图像跟踪；

不可计量者混入有无判定部，其利用所述不可计量者跟踪部进行的图像跟踪的结果来判定在所述轿厢内是否混入了不可计量者；和

轿厢内有人/无人判定部，其在所述不可计量者混入有无判定部判定为混入了所述不可计量者的情况下，判定为“有人”。

2.根据权利要求1所述的电梯监视装置，其特征在于，

所述电梯监视装置具有基于载重值的搭乘者有无判定部，该基于载重值的搭乘者有无判定部在所述载重传感器输出的载重值为规定的有人载重值阈值以上的情况下，判定为“以上”或“有人”，在所述载重值不足所述有人载重值阈值的情况下，判定为“不足”或“无人”，

所述轿厢内有人/无人判定部在所述不可计量者混入有无判定部判定为没有所述不可计量者混入的情况下，按照所述基于载重值的搭乘者有无判定部的判定结果来判定“有人”还是“无人”。

3.根据权利要求1或2所述的电梯监视装置，其特征在于，

所述不可计量者判定部在所述新搭乘者搭乘时的所述载重传感器的载重值变化不足规定的显著差异阈值时，将所述新搭乘者判定为所述不可计量者。

4.根据权利要求3所述的电梯监视装置，其特征在于，

所述显著差异阈值与所述有人载重值阈值相同。

5.根据权利要求3所述的电梯监视装置，其特征在于，

所述不可计量者判定部在所述轿厢内为有人的情况下，使所述显著差异阈值大于所述轿厢内为无人的情况。

6.根据权利要求1或2所述的电梯监视装置，其特征在于，

所述不可计量者判定部在多个新搭乘者同时搭乘的情况下，将所述多个新搭乘者的每一个判定为是所述不可计量者，

所述不可计量者跟踪部对所述多个新搭乘者的每一个进行图像跟踪。

7.根据权利要求1或2所述的电梯监视装置，其特征在于，

所述轿厢内有人/无人判定部在所述不可计量者混入有无判定部判定为混入了所述不可计量者、且所述载重传感器输出的载重值不足规定的误入阈值的情况下，判定为发生了误入。

8.根据权利要求7所述的电梯监视装置，其特征在于，

所述电梯监视装置具有：在发生了所述误入的情况下按照不关闭所述轿厢的轿厢门的方式进行控制的电梯控制部。

9.根据权利要求7所述的电梯监视装置，其特征在于，

所述电梯监视装置具有：报知部，其在发生了所述误入的情况下进行报知。

10.根据权利要求7所述的电梯监视装置，其特征在于，

按照混入到所述轿厢内的所述不可计量者的数量来使所述误入阈值不同。

11.根据权利要求1或2所述的电梯监视装置，其特征在于，

所述电梯监视装置具有：在所述轿厢内有人/无人判定部判定为“无人”的情况下实施保养模式运行或实施地震后的恢复运行的电梯控制部。

12.根据权利要求1或2所述的电梯监视装置，其特征在于，

所述电梯监视装置具有：按照在所述轿厢内有人/无人判定部判定为“无人”的情况下以比“有人”的情况下更急的加减速来升降到被呼叫的楼层的方式进行控制的电梯控制部。

13.一种电梯监视方法，其是使用了用于拍摄电梯的轿厢内的摄像部、和用于计量所述轿厢内的载重的载重传感器的电梯监视方法，其特征在于，

对所述摄像部的图像进行处理来检测进入所述轿厢内的新搭乘者，

根据所述新搭乘者搭乘时的所述载重传感器的载重值变化来判定所述新搭乘者是否是规定的轻量的搭乘者、即不可计量者，

在判定为所述新搭乘者为所述不可计量者的情况下，直到所述不可计量者从所述轿厢内退出为止，都进行图像跟踪，来判定不可计量者是否混入了所述轿厢内，

在判定为混入了所述不可计量者的情况下，判定为“有人”。

14.根据权利要求13所述的电梯监视方法，其特征在于，

在判定为没有所述不可计量者混入的情况下，在所述载重传感器输出的载重值为规定的有人载重值阈值以上的情况下判定为“有人”，在所述载重值不足所述有人载重值阈值的情况下，判定为“无人”。

15.根据权利要求13或14所述的电梯监视方法，其特征在于，

在所述新搭乘者搭乘时的所述载重传感器的载重值变化不足规定的显著差异阈值时，将所述新搭乘者判定为是所述不可计量者。

16.根据权利要求15所述的电梯监视方法，其特征在于，

所述显著差异阈值与所述有人载重值阈值相同。

17.根据权利要求15所述的电梯监视方法，其特征在于，

在所述轿厢内为有人的情况下，使所述显著差异阈值大于所述轿厢内为无人的情况。

18.根据权利要求13或14所述的电梯监视方法，其特征在于，

在多个新搭乘者同时搭乘的情况下，将所述多个新搭乘者的每一个判定为是所述不可计量者，对所述多个新搭乘者的每一个进行图像跟踪。

19.根据权利要求13或14所述的电梯监视方法，其特征在于，

在判定为混入了所述不可计量者、且所述载重传感器输出的载重值不足规定的误入阈值的情况下，判定为发生了误入。

20.根据权利要求19所述的电梯监视方法，其特征在于，

在发生了所述误入的情况下，按照不关闭所述轿厢的轿厢门的方式进行控制。

21.根据权利要求19所述的电梯监视方法，其特征在于，

在发生了所述误入的情况下进行报知。

22.根据权利要求19所述的电梯监视方法，其特征在于，

按照混入到所述轿厢内的所述不可计量者的数量来使所述误入阈值不同。

23.根据权利要求13或14所述的电梯监视方法，其特征在于，

在判定为“无人”的情况下实施保养模式运行或实施地震后的恢复运行。

24.根据权利要求13或14所述的电梯监视方法，其特征在于，

按照在判定为“无人”的情况下以比“有人”的情况下更急的加减速来升降到被呼叫的楼层的方式进行控制。

Images