CN107662868A - 乘客运输装置的监测系统、乘客运输装置及其监测方法 - Google Patents

Abstract

本发明提供一种乘客运输装置的监测系统、检测方法及乘客运输装置，该监测系统包括：成像传感器，用于对所述乘客运输装置的照明设备进行感测以获取图像数据；处理装置，用于对所述图像数据进行数据处理以监测所述照明设备是否处于正常状态，其被配置为包括：背景获取模块，用于基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；前景检测模块，用于将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及工况判断模块，用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。进而能够对照明设备的故障或非正常照明状态进行及时的诊断及维护。

Description

乘客运输装置的监测系统、乘客运输装置及其监测方法

技术领域

本发明涉及一种乘客运输装置领域，更具体而言，本发明涉及乘客运输装置的照明设备的监测系统及其监测方法。

背景技术

作为改善乘客在楼层间的行走或缩短乘客步行距离的工具，乘客运输装置在日常生活中十分常见。作为示例，尤为常见的是通常用于商厦楼层间的自动扶梯以及通常用于大型机场的自动人行道。

对于此类工具，为便于乘客搭乘、提供指示或出于美观的目的，通过会在乘客运输装置多处布置照明设备。例如，在乘客运输装置入口布置交通流向灯；在乘客运输装置的梯级上布置梳齿灯或梯级灯；在乘客运输装置的移动扶手上布置扶手灯；及在乘客运输装置两侧的围栏上布置围栏灯。当相应的照明设备因故障不再工作时，则会导致其所带来的技术效果发生相应的缺失。再者，考虑到应用环境的变化及环境随时段变化对光强度的不同需求，若能够对相应照明设备的光强度进行对应的调整，使其适应环境，则还能提供进一步的节能效果。

发明内容

本发明目的在于提供一种用于乘客运输装置的监测系统。

本发明目的还在于提供一种乘客运输装置移动扶手的监测方法。

本发明目的还在于提供一种乘客运输装置。

根据本发明的一个方面，提供一种乘客运输装置的监测系统，其包括：成像传感器，用于对所述乘客运输装置的照明设备进行感测以获取图像数据；处理装置，用于对所述图像数据进行数据处理以监测所述照明设备是否处于正常状态，其被配置为包括：背景获取模块，用于基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；前景检测模块，用于将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及工况判断模块，用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。

根据本发明的另一个方面，还提供一种用于乘客运输装置的监测方法，其包括：S100，图像获取步骤：对所述乘客运输装置的照明设备进行感测以获取图像数据；S200，背景获取步骤：基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；S300，前景检测步骤：将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及S400，工况判断步骤：用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。

根据本发明的一个方面，还提供一种乘客运输装置，其包括如前所述的监测系统。

附图说明

图1是本发明的乘客运输装置及其监测系统的一个实施例的示意图。

图2是本发明的乘客运输装置移动扶手的监测方法的一个实施例的步骤示意图。

图3是本发明的乘客运输装置移动扶手的监测方法的一个实施例的控制流程图。

图4是本发明的乘客运输装置移动扶手的监测方法的另一个实施例的步骤示意图。

图5是本发明的乘客运输装置移动扶手的监测方法的另一个实施例的控制流程图。

具体实施方式

现在将参照附图更加完全地描述本发明，附图中示出了本发明的示例性实施例。但是，本发明可按照很多不同的形式实现，并且不应该被理解为限制于这里阐述的实施例。相反，提供这些实施例使得本公开变得彻底和完整，并将本发明的构思完全传递给本领域技术人员。附图中，相同的标号指代相同的元件或部件，因此，将省略对它们的描述。

附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或者在一个或多个硬件模块或集成电路中实现这些功能实体，或者在不同处理装置和/或微控制器装置中实现这些功能实体。

在本发明中，乘客运输装置包括自动扶梯（Escalator）和自动人行道（MovingWalk）。以下图示实施例中，以自动扶梯为示例对本发明实施例的监测系统及其监测方法进行详细说明，但是，应当理解到，以下实施例的针对自动扶梯的监测系统及其监测方法同样可以类推地应用到自动人行道中，其可能需要发生的例如适用性的改进是本领域技术人员在本发明实施例的教导下能够获知的。

参见图1，其示出了一种乘客运输装置100及其照明设备的监测系统。图中的乘客运输装置100包括扶梯自身及其控制器110与驱动部件120。该控制器110可与监测系统关联，并基于其反馈的指令或参数信息对乘客运输装置100的各部件进行控制。在某些特殊情况下，甚至可以直接通过驱动部件120临时性关停乘客运输装置100。

照明设备监测系统200则包括：成像传感器210及处理装置220；处理装置220包括：背景获取模块221、前景检测模块222以及工况判断模块224。从而能够实现对乘客运输装置100的照明设备的照明情况进行实施监测，以提供必要的警示或维护，进而避免因不当的照明示意而导致危险或因不当的照明强度而降低用户体验。

具体而言，前述实施例中的成像传感器210主要用于对乘客运输装置100的照明设备进行感测以获取图像数据。并在随后的处理过程中将图像数据中所需要的特征进行提取来实现相应的判断。例如，这些特征可以是照明设备发光的颜色、光强及照明设备的位置，等等。

作为示例性的说明，成像传感器210可以是各种类型的2D图像传感器，应当理解，任何能够拍摄获取包括像素灰度信息的图像帧的图像传感器都可以在此应用，当然，能够拍摄获取包括像素灰度信息和色彩信息（例如RGB信息）的图像帧的图像传感器也可以在此应用。

深度感测传感器可以是针对任何1D、2D、3D深度传感器或其组合。这种传感器可在能够产生具对应尺寸的深度图（还已知为点云或占据栅格）的光学、电磁或声谱下操作。各种深度感测传感器技术和装置包括但不限于结构光测量、相移测量、飞行时间测量、立体三角测量装置、光三角测量装置板、光场相机、编码孔径相机、计算成像技术、同时定位和地图构建(SLAM)、成像雷达、成像声纳、扫描LIDAR、闪光LIDAR、被动红外线(PIR)传感器和小型焦平面阵列(FPA)或包括前述中至少一个的组合。不同技术可包括主动（传输和接收信号）或被动（仅接收信号）且可在电磁或声谱（诸如视觉、红外线等）的带下操作。使用深度感测可具有超越常规2D成像的特定优点，使用红外线感测可具有超越可见光谱成像的特定益处，替代或此外，使得传感器可以是具有一个或多个像素空间分辨率的红外线传感器，例如被动红外线(PIR)传感器或小型IR焦平面阵列(FPA)。

应注意，2D成像传感器210（例如常规安全相机）与1D、2D或3D深度感测传感器之间在深度感测提供许多优点的程度上会存在性质上和数量上的差异。在2D成像中，在从成像器的每个径向方向上的来自第一个对象的反射色彩（波长的混合物）被捕获。接着，2D图像可包括源照明和场景中对象的光谱反射系数的组合光谱。2D图像可由人员解译成图片。在1D、2D或3D深度感测传感器中，不存在色彩（光谱）信息；更确切地说，在从传感器的径向方向（1D）或方向（2D、3D）上到第一反射对象的距离（深度、范围）被捕获。1D、2D和3D技术可具有固有最大可检测范围极限且可具有相对低于典型2D成像器的空间分辨率。在对环境照明问题的相对免疫方面，与常规2D成像比较，使用1D、2D或3D深度感测可有利地提供改进型操作、对遮蔽对象的较好分离和较好的私密保护。使用红外线感测可具有超过可见光谱成像的特定益处。举例来说，2D图像会无法被转变成深度图且深度图也无法具有被转变成2D图像（例如，至连续深度的人为分配连续色彩或灰度会使人略微类似于人员如何见到2D图像来粗略地解译深度图，其并非常规意义上的图像。）的能力。

另外，该处理装置220则主要用于对图像数据进行数据处理以监测照明设备是否处于正常状态，其应当配置的各模块也将如下详述：背景获取模块221用于基于在照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；前景检测模块222则用于将实时感测的图像数据与背景模型进行比对以获得前景对象；以及工况判断模块224，用于至少基于前景对象进行数据处理以判断照明设备是否处于正常状态。其中，通过所提供的背景模型作为参照基准，将实施感测的图像与其进行对比分析从而获得所需的前景对象，并进一步地基于对前景对象的数据出来或获取判断结果。从而对照明设备进行维护来使其保持正常状态。

根据本实施例的用于乘客运输装置100的照明设备监测系统200能够及早发现照明设备中存在的照明设备未工作或照明强度异常的问题，及早将其从各种异常状态中修复成常规状态，如此有利于避免因光照误指示所带来的安全事故，且避免因光照强度异常而导致用户体验降低。

前述实施例还具备若干改善或改型，如下将挑选其中一部分改型进行描述。

例如，当实施感测的前景图像数据中不存在乘客等干扰监测的对象时，则假设实时感测的图像数据与背景模型进行比对后处理结果为0时，则表明照明设备处于正常状态下。而若实施感测的前景图像数据中存在干扰因素时，则其与背景模型进行比对后将得到前景对象。进一步地，该处理装置220还额外设置：前景特征提取模块223，其用于根据照明设备从前景对象提取相应的照明状态前景特征，并由工况判断模块224基于照明状态前景特征来进一步地判断照明设备是否处于正常状态。

作为一个示例，前景特征提取模块223提取的照明状态前景特征包括照明设备的色彩和/或照明设备的光强度和/或监测区域的光强度，工况判断模块224基于照明设备的色彩和/或照明设备光强度和/或监测区域的光强度来判断照明设备是否正常。由于照明设备异常时，会相应地导致其色彩和/或光强度发生变化。因此，对应地，通过对其色彩和/或光强度的变化进行分析，也可以准确有效地体现出照明设备是否正常。此外，由于监测区域的光强度也会影响到照明设备有无开启必要或者其照明程度是否过度，因此也可以间接地体现出照明设备是否正常。

为便于理解照明设备的异常状态与色彩和/或光强度有关。如下列举出若干示例以供参考。

作为示例一，当处理装置220检测照明设备是否照明时，工况判断模块224可以基于照明设备的色彩和/或光强度来判断照明设备是否正常。这是因为若存在光照的颜色或存在非0的光强度，则可以判断出该照明设备处于照明状态。反之，若不存在光照的颜色或光强度为0，则可以判断出该照明设备处于非照明状态。若结合两者进行判断，则结果相应地更为准确，有利于避免误判断。

作为示例二，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于照明设备的光强度来判断照明设备是否正常。这是因为根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。

作为示例三，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于照明设备的光强度及色彩来判断照明设备是否正常。这是因为根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。而颜色的加入则能提高该判断的准确性，有利于避免误判断。

作为示例四，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于监测区域的光强度及色彩来判断照明设备是否正常。这是因为根据监测区域的光强度与正常情形的比较，则可以判断出对应监测区域的照明设备的照明亮度是否合适。

备选地，常规的乘客运输装置100可能在不同的位置布置有多组不同的照明设备。此时前景特征提取模块223提取的照明状态前景特征还包括照明设备的位置，以便能够基于位置的不同来识别出所需要监测的照明设备，并进行对应的照明状态是否异常的数据分析。此时工况判断模块224将基于照明设备的色彩、光强度及位置中的一个或多个和/或监测区域的光强度来判断照明设备是否正常。

为便于理解照明设备的异常状态与色彩、光强度及位置中的一个或多个有关。如下列举出若干示例以供参考。

作为示例一，当处理装置220检测照明设备是否照明时，工况判断模块224基于照明设备的位置以及色彩和/或光强度来判断照明设备是否正常。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，对于该照明设备，若其存在光照的颜色或存在非0的光强度，则可以判断出该照明设备处于照明状态。反之，若不存在光照的颜色或光强度为0，则可以判断出该照明设备处于非照明状态。若结合两者进行判断，则结果相应地更为准确，有利于避免误判断。

作为示例二，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于照明设备的光强度及位置来判断照明设备是否正常。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。

作为示例三，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于照明设备的光强度、色彩及位置来判断照明设备是否正常。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。而颜色的加入则能提高该判断的准确性，有利于避免误判断。

作为示例四，当处理装置220检测照明设备的照明亮度是否合适时，工况判断模块224基于照明设备的位置及监测区域的光强度来判断照明设备是否正常。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的环境光强度与正常情形之间的对比，则可以判断出该照明设备的照明亮度是否合适。

为从各个方面加强及改善前述实施例的各种效果，在此还提供基于前述实施例的若干改进与变型。

例如，前述的工况判断模块224还被配置为，基于前景对象的照明状态前景特征判断特定的照明设备是否正常，如果判断为“是”，放弃基于当前处理的图像数据对照明设备是否处于正常状态的判断或放弃当前处理的图像数据对应的照明设备是否处于正常状态的判断结果。

再如，前述的工况判断模块224还被配置为，在至少连续两幅的图像数据的判断结果为照明设备处于同一非正常状态时，确定照明设备处于该非正常状态。通过多次监测，在获取相同的判断结果后才将照明设备判定为处于非正常状态。如此提高判断的准确性，降低误判率。

又如，成像传感器210每隔预定时段后感测获取照明设备在预定时段内的图像数据供处理装置220进行数据处理。通过间断性地判断也可以在一定程度上实现同样的监测效果。例如在晚间时段，由于使用乘客运输装置100的用户相对更少。此时，采用较低频次的监测既节省了监测成本，又基本能达成相近的检测与安全防范效果。

进一步地，背景获取模块221被配置为，基于照明设备处于照明状态下感测的图像数据获取第一背景模型，或者基于照明设备处于非照明状态下感测的图像数据获取第二背景模型，或者基于照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组。背景模型的选取主要是为了在判断时提供一个相对的参照。例如，当基于照明设备处于照明状态下感测的图像数据获取第一背景模型时，若检测到的前景对象与其存在差别，则表明其未处于照明状态下，将其认定为可能存在异常。再如，当基于照明设备处于非照明状态下感测的图像数据获取第二背景模型，若检测到的前景对象与其存在差别，则表明其可能处于照明状态下，将其认定为可能正常。又如，当基于照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组时，则主要考虑到在不同的情形下需要照明设备应用不同的光强度。此时，可能基于实际情况设置N个第三背景模型，并共同构建成第三背景模型组。在判断过程中，将基于实际情形来具体判断使用第三背景模型组中的哪一个第三背景模型，并在检测到的前景对象与其存在差别时，则表明其可能处于非设定的照明光强度下，因此将其认定为可能存在异常。

此外，由于成像传感器210在一定的区域范围内具有更为准确的感测结果。因此，为提高检测的准确程度，可以沿乘客运输装置100的长度方向布置多个成像传感器210。

进一步地，监测系统还包括警报单元230，工况判断模块224在确定发生照明设备异常的情况下触发警报单元230工作。相应地，处理装置220还被配置为，在工况判断模块224确定照明设备处于非正常状态时触发输出信号至乘客运输装置100和/或楼宇的电梯维护中心。随后维护中心或维护人员将依据监测结果做出相应的处理措施，从而实现预防安全事故的发生。

进一步地，监测系统还包括学习模块225，学习模块225用于监测乘客运输装置100的在日常运行工况下的照明设备的照明状态前景特征，以用于更新背景获取模块221所获取的背景模型。由于在不同的地方，对于照明设备是否正常开闭及其照明强度是否正常具有不同的情景及不同的要求。此种布置将使得该检测系统能够根据实际要求快速地学习和设置背景模型，从而使得其对应用场所具有更好更快的适应性。

此外，前述实施例中虽然使用成像传感器210来采集图像数据。但本领域技术人员应当知道的是，其他能够采集图像数据的传感器同样可应用于此处。例如，作为一个示例，RGB-D传感器也可用作此处的传感器。具体而言，RGB-D传感器为一种将成像传感器210及深度感测传感器集成为一体的传感器，其除了能够提供图像数据外，在某些特定的情形下，还能够额外提供深度图数据来辅助对照明设备的监测。

另外，乘客运输装置100中通常存在多种照明设备，其可以为交通流向灯、梳齿灯、梯级灯、扶手灯及围栏灯中的一个或者任意组合。

此外，在此还提供一种乘客运输装置100照明设备的监测方法，以配合前述实施例中记载的照明设备的监测系统使用。参见图2及图3。该监测方法包括以下步骤：S100，图像获取步骤：对所述乘客运输装置100的照明设备进行感测以获取图像数据；S200，背景获取步骤：基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；S300，前景检测步骤：将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及S400，工况判断步骤：用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。本方法可以准确及时地识别照明设备因故为实现照明或者照明强度与预期存在偏差等问题，并发出警报使得监测中心或维护人员能够及时做出响应。

此外，为提高前述实施例中的监测方法的实用性或准确性，还参照图4及图5提供对其中各个步骤的若干改善或改型。

具体而言，当实施感测的前景图像数据中不存在乘客等干扰监测的对象时，则假设实时感测的图像数据与背景模型进行比对后处理结果为0时，则表明照明设备处于正常状态下。而若实施感测的前景图像数据中存在干扰因素时，则其与背景模型进行比对后将得到前景对象。因此，此时该监测方法还应包括：S310，前景特征提取步骤，用于根据照明设备从所述前景对象提取相应的照明状态前景特征；其中，在该监测方法的S400中，基于所述照明状态前景特征判断所述照明设备是否处于正常状态。

作为一个示例，在该监测方法的S310中，提取的照明状态前景特征包括照明设备的色彩和/或照明设备的光强度和/或监测区域的光强度；在该监测方法的S400中，基于所述照明设备的色彩和/或照明设备光强度和/或监测区域的光强度来判断所述照明设备是否正常。由于照明设备异常时，会相应地导致其色彩和/或光强度发生变化。因此，对应地，通过对其色彩和/或光强度的变化进行分析，也可以准确有效地体现出照明设备是否正常。此外，由于监测区域的光强度也会影响到照明设备有无开启必要或者其照明程度是否过度，因此也可以间接地体现出照明设备是否正常。

为便于理解照明设备的异常状态与色彩和/或光强度有关。如下列举出若干检测示例以供参考。

作为示例一，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备是否照明时，基于所述照明设备的色彩和/或光强度来判断所述照明设备是否处于正常状态。这是因为若存在光照的颜色或存在非0的光强度，则可以判断出该照明设备处于照明状态。反之，若不存在光照的颜色或光强度为0，则可以判断出该照明设备处于非照明状态。若结合两者进行判断，则结果相应地更为准确，有利于避免误判断。

作为示例二，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度来判断所述照明设备是否处于正常状态。这是因为根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。

作为示例三，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度及色彩来判断所述照明设备是否处于正常状态。这是因为根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。而颜色的加入则能提高该判断的准确性，有利于避免误判断。

作为示例四，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于监测区域的光强度及色彩来判断照明设备是否处于正常状态。这是因为根据监测区域的光强度与正常情形的比较，则可以判断出对应监测区域的照明设备的照明亮度是否合适。

备选地，常规的乘客运输装置100可能在不同的位置布置有多组不同的照明设备。此时，在该监测方法的S310中，提取的照明状态前景特征还包括照明设备的位置，以便能够基于位置的不同来识别出所需要监测的照明设备，并进行对应的照明状态是否异常的数据分析。因此，相应地，在该监测方法的S400中，也应基于所述照明设备的色彩、光强度及位置中的一个或多个和/或监测区域的光强度来判断所述照明设备是否处于正常状态。

为便于理解照明设备的异常状态与色彩、光强度及位置中的一个或多个有关。如下列举出若干检测示例以供参考。

作为示例一，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备是否照明时，基于所述照明设备的位置以及色彩和/或光强度来判断所述照明设备是否处于正常状态。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，对于该照明设备，若其存在光照的颜色或存在非0的光强度，则可以判断出该照明设备处于照明状态。反之，若不存在光照的颜色或光强度为0，则可以判断出该照明设备处于非照明状态。若结合两者进行判断，则结果相应地更为准确，有利于避免误判断。

作为示例二，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度及位置来判断所述照明设备是否处于正常状态。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。

作为示例三，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度、色彩及位置来判断所述照明设备是否处于正常状态。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的光强度与环境光强度之间的对比，则可以判断出该照明设备的照明亮度是否合适。而颜色的加入则能提高该判断的准确性，有利于避免误判断。

作为示例四，在该监测方法的S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于照明设备的位置及监测区域的光强度来判断照明设备是否处于正常状态。这是因为当通过位置数据来识别到所需要进行数据分析的照明设备后，根据实时感测的环境光强度与正常情形之间的对比，则可以判断出该照明设备的照明亮度是否合适。

为从各个方面加强及改善前述实施例中方法的各种效果，在此还提供基于前述实施例的若干方法改进与方法变型。

例如，该监测方法的S400还包括，基于前景对象的照明状态前景特征判断特定的照明设备是否正常，如果判断为“是”，放弃基于当前处理的所述图像数据对所述照明设备是否处于正常状态的判断或放弃当前处理的所述图像数据对应的所述照明设备是否处于正常状态的判断结果。

再如，该监测方法的S400还包括，在至少连续两幅的所述图像数据的判断结果为所述照明设备处于同一非正常状态时，确定所述照明设备处于该非正常状态。通过多次监测，在获取相同的判断结果后才将照明设备判定为处于非正常状态。如此提高判断的准确性，降低误判率。

又如，该监测方法的S100还包括，每隔预定时段后感测获取所述照明设备在预定时段内的图像数据供所述处理装置220进行数据处理。通过间断性地判断也可以在一定程度上实现同样的监测效果。例如在晚间时段，由于使用乘客运输装置100的用户相对更少。此时，采用较低频次的监测既节省了监测成本，又基本能达成相近的检测与安全防范效果。

进一步地，该监测方法的S200还包括，基于所述照明设备处于照明状态下感测的图像数据获取第一背景模型，或者基于所述照明设备处于非照明状态下感测的图像数据获取第二背景模型，或者基于所述照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组。例如，当基于照明设备处于照明状态下感测的图像数据获取第一背景模型时，若检测到的前景对象与其存在差别，则表明其未处于照明状态下，将其认定为可能存在异常。再如，当基于照明设备处于非照明状态下感测的图像数据获取第二背景模型，若检测到的前景对象与其存在差别，则表明其可能处于照明状态下，将其认定为可能正常。又如，当基于照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组时，则主要考虑到在不同的情形下需要照明设备应用不同的光强度。此时，可能基于实际情况设置N个第三背景模型，并共同构建成第三背景模型组。在判断过程中，将基于实际情形来具体判断使用第三背景模型组中的哪一个第三背景模型，并在检测到的前景对象与其存在差别时，则表明其可能处于非设定的照明光强度下，因此将其认定为可能存在异常。

进一步地，该监测方法还包括S500，示警步骤，当基于S400确定发生照明设备异常的情况下触发警报单元230工作，以便维护中心或维护人员依据监测结果做出相应的处理措施，从而实现预防安全事故的发生。

进一步地，该监测方法还包括S600，学习步骤，监测所述乘客运输装置100的在日常运行工况下的照明设备的照明状态前景特征，以用于更新S200所获取的背景模型。

另外，在本发明的构想下，还提供一种乘客运输装置100的实施例。其可以应用任意前述实施例中提及的检测系统，因而也具有相应的优势。且其同样可以适用任意前述实施例中提及的检测方法，由此来进一步改善检测系统的效果。

需要说明的是，本文公开和描绘的元件（包括附图中的流程图和方块图）意指元件之间的逻辑边界。然而，根据软件或硬件工程实践，描绘的元件及其功能可通过计算机可执行介质在机器上执行，计算机可执行介质具有能够执行存储在其上的程序指令的处理器，所述程序指令作为单片软件结构、作为独立软件模块或作为使用外部程序、代码、服务等的模块，或这些的任何组合，且全部这些执行方案可落入本公开的范围内。

虽然不同非限制性实施方案具有特定说明的组件，但本发明的实施方案不限于这些特定组合。可能使用来自任何非限制性实施方案的组件或特征中的一些与来自任何其它非限制性实施方案的特征或组件组合。

虽然示出、公开和要求了特定步骤顺序，但应了解步骤可以任何次序实施、分离或组合，除非另外指明，且仍将受益于本公开。

前述描述是示例性的而非定义成受限于其内。本文公开了各种非限制性实施方案，然而，本领域的一般技术人员将意识到根据上述教示，各种修改和变更将落入附属权利要求的范围内。因此，将了解在附属权利要求的范围内，可实行除了特定公开之外的公开内容。由于这个原因，应研读附属权利要求来确定真实范围和内容。

Claims (41)

1.一种乘客运输装置的监测系统，其特征在于，包括：

成像传感器，用于对所述乘客运输装置的照明设备进行感测以获取图像数据；

处理装置，用于对所述图像数据进行数据处理以监测所述照明设备是否处于正常状态，其被配置为包括：

背景获取模块，用于基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；

前景检测模块，用于将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及

工况判断模块，用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。

2.根据权利要求1所述的监测系统，其特征在于，所述处理装置还包括：

前景特征提取模块，用于从所述前景对象提取相应的照明状态前景特征；

其中，所述工况判断模块基于所述照明状态前景特征判断所述照明设备是否处于正常状态。

3.根据权利要求2所述的监测系统，其特征在于，所述前景特征提取模块提取的照明状态前景特征包括照明设备的色彩和/或光强度，和/或监测区域的光强度；所述工况判断模块基于所述照明设备的色彩和/或照明设备光强度和/或监测区域的光强度来判断所述照明设备是否正常。

4.根据权利要求3所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备是否照明时，所述工况判断模块基于所述照明设备的色彩和/或光强度来判断所述照明设备是否正常。

5.根据权利要求3所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述照明设备的光强度来判断所述照明设备是否正常。

6.根据权利要求3所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述照明设备的光强度及色彩来判断所述照明设备是否正常。

7.根据权利要求3所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述监测区域的光强度来判断所述照明设备是否正常。

8.根据权利要求3所述的监测系统，其特征在于，所述前景特征提取模块提取的照明状态前景特征还包括照明设备的位置，所述工况判断模块基于所述照明设备的色彩、光强度及位置中的一个或多个和/或监测区域的光强度来判断所述照明设备是否正常。

9.根据权利要求8所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备是否照明时，所述工况判断模块基于所述照明设备的位置以及色彩和/或光强度来判断所述照明设备是否正常。

10.根据权利要求8所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述照明设备的光强度及位置来判断所述照明设备是否正常。

11.根据权利要求8所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述照明设备的光强度、色彩及位置来判断所述照明设备是否正常。

12.根据权利要求8所述的监测系统，其特征在于，当所述处理装置被构造成检测所述照明设备的照明亮度是否合适时，所述工况判断模块基于所述照明设备的位置及监测区域的光强度来判断所述照明设备是否正常。

13.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述工况判断模块还被配置为，基于前景对象的照明状态前景特征判断特定的照明设备是否正常，如果判断为“是”，放弃基于当前处理的所述图像数据对所述照明设备是否处于正常状态的判断或放弃当前处理的所述图像数据对应的所述照明设备是否处于正常状态的判断结果。

14.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述工况判断模块还被配置为，在至少连续两幅的所述图像数据的判断结果为所述照明设备处于同一非正常状态时，确定所述照明设备处于该非正常状态。

15.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述成像传感器每隔预定时段后感测获取所述照明设备在预定时段内的图像数据供所述处理装置进行数据处理。

16.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述背景获取模块被配置为，基于所述照明设备处于照明状态下感测的图像数据获取第一背景模型，或者基于所述照明设备处于非照明状态下感测的图像数据获取第二背景模型，或者基于所述照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组。

17.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述成像传感器为多个，其沿所述乘客运输装置的长度方向布置。

18.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述监测系统还包括警报单元，所述工况判断模块在确定发生照明设备异常的情况下触发所述警报单元工作。

19.根据权利要求2至12任意一项所述的监测系统，其特征在于，所述监测系统还包括学习模块，所述学习模块用于监测所述乘客运输装置的在日常运行工况下的照明设备的照明状态前景特征，以用于更新背景获取模块所获取的背景模型。

20.根据权利要求1至12任意一项所述的监测系统，其特征在于，所述成像传感器集成设置在RGB-D传感器内，所述RGB-D传感器还包括深度感测传感器。

21.根据权利要求1至12任意一项所述的监测系统，其特征在于，所述处理装置还被配置为，在所述工况判断模块确定所述照明设备处于非正常状态时触发输出信号至所述乘客运输装置和/或楼宇的电梯维护中心以实现预防安全事故发生。

22.根据权利要求1至12任意一项所述的监测系统，其特征在于，所述照明设备包括交通流向灯、梳齿灯、梯级灯、扶手灯及围栏灯中的一个或者任意组合。

23.一种用于乘客运输装置的监测方法，其特征在于，包括：

S100，图像获取步骤：对所述乘客运输装置的照明设备进行感测以获取图像数据；

S200，背景获取步骤：基于在所述照明设备处于正常状态或非正常状态下感测的图像数据获取背景模型；

S300，前景检测步骤：将实时感测的图像数据与所述背景模型进行比对以获得前景对象；以及

S400，工况判断步骤：用于至少基于所述前景对象进行数据处理以判断所述照明设备是否处于正常状态。

24.根据权利要求23所述的监测方法，其特征在于，还包括：

S310，前景特征提取步骤，用于根据照明设备从所述前景对象提取相应的照明状态前景特征；

其中，在S400中，基于所述照明状态前景特征判断所述照明设备是否处于正常状态。

25.根据权利要求24所述的监测方法，其特征在于，在S310中，提取的照明状态前景特征包括照明设备的色彩和/或光强度，和/或监测区域的光强度；在S400中，基于所述照明设备的色彩和/或照明设备光强度和/或监测区域的光强度来判断所述照明设备是否正常。

26.根据权利要求25所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备是否照明时，基于所述照明设备的色彩和/或光强度来判断所述照明设备是否处于正常状态。

27.根据权利要求25所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度来判断所述照明设备是否处于正常状态。

28.根据权利要求25所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度及色彩来判断所述照明设备是否处于正常状态。

29.根据权利要求25所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述监测区域的光强度来判断所述照明设备是否正常。

30.根据权利要求25所述的监测方法，其特征在于，在S310中，提取的照明状态前景特征还包括照明设备的位置；在S400中，基于所述照明设备的色彩、光强度及位置中的一个或多个和/或监测区域的光强度来判断所述照明设备是否处于正常状态。

31.根据权利要求30所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备是否照明时，基于所述前景对象的色彩及位置来判断所述照明设备是否处于正常状态；或者基于所述照明设备的位置以及色彩和/或光强度来判断所述照明设备是否处于正常状态。

32.根据权利要求30所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度及位置来判断所述照明设备是否处于正常状态。

33.根据权利要求30所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的光强度、色彩及位置来判断所述照明设备是否处于正常状态。

34.根据权利要求30所述的监测方法，其特征在于，在S400中，当判断所述照明设备是否处于正常状态为判断所述照明设备的照明亮度是否合适时，基于所述照明设备的位置及监测区域的光强度来判断所述照明设备是否正常。

35.根据权利要求24至34任意一项所述的监测方法，其特征在于，S400还包括，基于前景对象的照明状态前景特征判断特定的照明设备是否正常，如果判断为“是”，放弃基于当前处理的所述图像数据对所述照明设备是否处于正常状态的判断或放弃当前处理的所述图像数据对应的所述照明设备是否处于正常状态的判断结果。

36.根据权利要求24至34任意一项所述的监测方法，其特征在于，S400还包括，在至少连续两幅的所述图像数据的判断结果为所述照明设备处于同一非正常状态时，确定所述照明设备处于该非正常状态。

37.根据权利要求24至34任意一项所述的监测方法，其特征在于，S100还包括，每隔预定时段后感测获取所述照明设备在预定时段内的图像数据供所述处理装置进行数据处理。

38.根据权利要求24至34任意一项所述的监测方法，其特征在于，S200还包括，基于所述照明设备处于照明状态下感测的图像数据获取第一背景模型，或者基于所述照明设备处于非照明状态下感测的图像数据获取第二背景模型，或者基于所述照明设备处于多个特定光强度的照明状态下感测的图像数据获取第三背景模型组。

39.根据权利要求24至34任意一项所述的监测方法，其特征在于，还包括S500，示警步骤，当基于S400确定发生照明设备异常的情况下触发警报单元工作。

40.根据权利要求24至34任意一项所述的监测方法，其特征在于，还包括S600，学习步骤，监测所述乘客运输装置的在日常运行工况下的照明设备的照明状态前景特征，以用于更新S200所获取的背景模型。

41.一种乘客运输装置，其特征在于，包括如权利要求1至22中任意一项所述的监测系统。