CN108569606B - 基于边框特征的施工电梯安全门转角识别方法 - Google Patents

Abstract

本发明公开了一种基于边框特征的施工电梯安全门转角识别方法，步骤包括：步骤1、提取电梯安全门的边框图像；步骤2、采用霍夫变换检测线段；步骤3、对边框线筛选，得到下边框线的A、B两点坐标；步骤4、利用端点求得电梯安全门的算法识别角；步骤5、设置安全门报警角γ_max，当电梯安全门的算法识别角α≥γ_max，说明电梯安全门目前处于未关闭状态，系统发出报警；当电梯安全门的算法识别角α≤γ_max，说明电梯安全门目前处于关闭状态，系统不报警。本发明方法的算法处理实时性好，可以较准确得识别电梯安全门的算法识别角，实现升降机电梯安全门的视频监控，避免由于电梯安全门未正常关闭导致的临边洞口安全事故。

Description

基于边框特征的施工电梯安全门转角识别方法

技术领域

本发明属于视觉识别技术领域，涉及一种基于边框特征的施工电梯安全门转角识别方法。

背景技术

施工升降机(又称施工电梯)是施工现场重要的垂直运输设备，它是通过轿厢沿垂直导架上下运动，将施工工作人员、建筑材料和工具运送到建筑物不同楼层。根据施工升降机工作原理，在施工电梯与建筑物之间有一个人员、货物进出升降机的临时施工电梯通道，见图1，这个通道开在建筑物中，形成一个临边洞口，是施工现场重要的危险源之一。为了避免施工电梯的临边洞口导致的人员物体坠落，施工现场会设置电梯安全门。目前，电梯安全门的控制完全由升降机司机负责，没有任何安全监控措施，难免出现操作失误、漏关、虚掩电梯安全门的情况，使得高空坠落的潜在风险非常大，因此对电梯安全门状态监测具有重要意义。

电梯安全门状态监测可以采用电子式监控，采用双稳态开关、安全触点、接近开关检测门状态。但在施工现场，纵列上施工升降机与电梯安全门之间是一对多模式，且施工现场电梯安全门数量大，使用频繁，电子监控成本较高；且电梯安全门暴露于室外，工作环境恶劣，又存在冲击，易对电路产生振动和磁场干扰，影响系统稳定性，可靠性差。

发明内容

本发明的目的是提供一种基于边框特征的施工电梯安全门转角识别方法，解决了现有技术电梯安全门的视频监控，图像稳定性差，由于电梯安全门未正常关闭容易导致临边洞口安全事故的问题。

本发明所采用的技术方案是，一种基于边框特征的施工电梯安全门转角识别方法，按照以下步骤实施：

步骤1、提取电梯安全门的边框图像；

步骤2、采用霍夫变换检测线段；

步骤3、对边框线筛选，得到下边框线的A、B两点坐标；

步骤4、利用端点求得电梯安全门的算法识别角；

得到下边框线的A、B两点坐标后，由式(1)求得不同旋转角度下电梯安全门下边框线的线段AB与初始位置下边框线的向量夹角θ，即得到电梯安全门的算法识别角α；

其中，AB_i是视觉图像中安全门下边框线段，AB₁是初始位置下边框线；

步骤5、电梯安全门的状态报警，

设置安全门报警角γ_max，当电梯安全门的算法识别角α≥γ_max，说明电梯安全门目前处于未关闭状态，系统发出报警；当电梯安全门的算法识别角α≤γ_max，说明电梯安全门目前处于关闭状态，系统不报警。

本发明的有益效果是，采用电梯安全门边框特征，实现监控电梯安全门的算法识别角的智能视觉识别，针对现场施工升降机与电梯安全门一对多的实际情况，采用1台摄像机监控一个纵列的电梯安全门，将摄像机安装在施工升降机上，随施工升降机移动监测对应电梯安全门状态；视觉监控不易受工作环境影响，能够更加经济的解决稳定性差的问题，本发明方法实现了对施工现场环境下，电梯安全门的算法识别角的视觉识别，图像识别算法速度快，满足现场监控要求。

附图说明

图1是本发明方法中监控摄像机安装位置示意图；

图2是本发明方法中摄像机光轴线垂直与电梯安全门的算法识别角轴线；

图3是本发明方法中的不同旋转角度门边框特征示意图；

图4是本发明方法中的ρ-θ平面边缘线θ值示意图；

图5是本发明方法通过滤波提取的电梯安全门边框线灰度图；

图6是本发明方法霍夫变换得到的升降机电梯安全门不同角度下的门边框连线。

图中，1.摄像机，2.电梯安全门，3.升降机标准节，4.升降机轿厢。

具体实施方式

下面结合附图和具体实施方式对本发明的算法进行详细说明。

参照图1，是视觉监控系统的摄像机安装位置。根据施工升降机工作原理，为了实现电梯安全门2一对多的视觉识别，摄像机1安装在升降机轿厢4的外侧，正对电梯安全门2，升降机轿厢4通过升降机标准节3上下移动，即摄像机1随升降机一体上下运动。考虑视场利用效率，即尽量让整个监控区域布满摄像机视场，或尽可能让监控区域覆盖大部分视场，减少图像冗余信息，摄像1机应该安装在水平方向的中线上，避免监控区域图像的边缘效应问题。

图2是基于上述安装方式，摄像机1的光轴线垂直于电梯安全门2的回转轴线，在这种安装方式下，由于透视变换，电梯安全门2的旋转角度不能简单处理为平面问题，该旋转角度的机器视觉测量是一个技术难题。

参照图3，为电梯安全门旋转到不同开度下门边框图像。图中AB₁C₁D是电梯安全门不发生旋转初始位置的图像矩形边框；AB₂C₂D、AB₃C₃D以及AB₄C₄D分别为不同开度下的边框，由图3可见，电梯安全门实际的任意旋转角度γ可通过计算视觉图像中安全门下边框线段AB_i与初始位置下边框线AB₁的算法识别角α得到；视频图像中电梯安全门不同位置图像中下边框线AB_i相对AB₁的算法识别角α的计算为：

基于上述的工作原理，本发明的方法，按照以下步骤实施：

步骤1、提取电梯安全门的边框图像

1.1)生成电梯安全门的灰度图像，

待检测图像为已经截取的电梯安全门，像素大小为120*160的RGB彩色图像，将RGB彩色图像转换为灰度图像，表达式如下：

I(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j) (2)

式(2)中，R(i,j)、G(i,j)、B(i,j)分别为彩色图像红、绿、蓝三个彩色通道分量，每个均为120*160大小的矩阵，乘以相应系数之后，三个矩阵插值成一个120*160的电梯安全门灰度矩阵I(i,j)；

1.2)采用滤波器算法提取电梯安全门的边框图像，

用Roberts算子对得到的电梯安全门灰度矩阵I(i,j)加权，像素点中心灰度加权值为：

Roberts算子的2×2窗口函数表达式为：

用灰度加权公式求解窗口函数划过的加权灰度值代替窗口中心灰度值，最终得到新的灰度矩阵I_new(i,j)，判断灰度矩阵I_new(i,j)上每个位置的值与预设阈值T大小，大于阈值T的部分置为1，反之置为0，得到一个120*160的二值矩阵，又称为电梯安全门边框梯度的二值图像，即为边框检测的图像。

步骤2、采用霍夫变换(Hough)检测线段，

霍夫变化算法是将二值化图像映射到霍夫空间，然后取局部极大值，设定阈值，过滤干扰直线。

本步骤的算法输入像素大小为120*160的二值矩阵，令二值矩阵中的坐标A(i,j)的单元位置累加器值为A(i,j)，设A(i,j)初始值为零；遍历图像二值矩阵上所有非零点(非背景点)(x_i,y_i)，通过公式x_icosθ+y_isinθ＝ρ解出相应ρ值，将得到的ρ值四舍五入为最接近ρ轴上的允许单元值，相应累加器增加一个量；该值即对应ρ-θ空间坐标(ρ_i,θ_j)的单元值，经过上述过程，完成霍夫空间的映射。

本步骤是要检测门边框的4条线段，因此取前4个累加值最大的图像霍夫空间位置(ρ,θ)，并找出该4个位置方向上所有非零点，分别求每个方向上两两非零点之间的距离，找出距离小于设定值20的两点之间的线段，并合并为一条线段，合并后线段长度若小于给定值100，则认为这些点为干扰，舍弃这些点连接的线段；直到找到4个方向上非零点连接距离大于100，即认为是电梯安全门的边框线。

步骤3、对边框线筛选，

经过上述霍夫线段连接后，得到ρ-θ空间电梯安全门的边框线，见图4，其中四边形ABCD是电梯安全门的边框线，本步骤是要获取电梯安全门边框线的下边框线(线段AB)的角度特征，需要剔除图中无用的线段；

利用图像投影的关系，线段AD、BC与θ轴平行，电梯安全门在任意旋转角度下，图像中线段AD与线段BC的平行关系都成立，则有θ_AD＝θ_BC＝0°；图像中线段AB、线段CD与θ轴有夹角，且随电梯安全门的算法识别角发生线性变化，根据图像的投影关系以及运动特点有AB、CD与θ轴的夹角θ_DC≥90°；θ_AB≤90°，电梯安全门旋转角度越大θ_DC会越来越大，而θ_AB会越来越小。

为了从上述所有线段中准确提取边框线的线段AB，利用边框线与θ轴的夹角范围，剔除图像中竖直边框的线段AD、线段BC，及角度小于90度的线段CD；根据电梯安全门的角度，在此设定下边框的线段AB与θ轴的夹角范围为5°≤θ_AB≤90°，经过约束条件提纯，最终得到下边框线的线段AB以及A、B两点坐标。

步骤4、利用端点求得电梯安全门的算法识别角

得到下边框线的A、B两点坐标后，由式(1)求得不同旋转角度下电梯安全门下边框线的线段AB与初始位置下边框线的向量夹角θ，即得到电梯安全门的算法识别角α。

步骤5、电梯安全门的状态报警

根据步骤4得到的电梯安全门的算法识别角α，来判断电梯安全门目前的状态，根据现场情况，设置安全门报警角γ_max，

当电梯安全门的算法识别角α≥γ_max，说明电梯安全门目前处于未关闭状态，系统发出报警；当电梯安全门的算法识别角α≤γ_max，说明电梯安全门目前处于关闭状态，系统不报警。

实施例

某施工现场，采用单目广角彩色摄像机对升降机电梯安全门进行视觉监控。摄像机每秒30帧；镜头参数为：焦距f为1.5mm，规格为1/3inch，光圈F1.6，视角为120度，百万像素。

图5为现场常用的电梯安全门经滤波提取的电梯安全门灰度图，图6为电梯安全门每转5度，采用霍夫变换得到的电梯安全门不同角度下的边框连线，通过边框线筛选、端点求解，得到本发明视觉识别算法的电梯安全门算法识别角α。表1为算法识别角α与电梯安全门的算法识别角γ的比较。

表1、识别转角α与真实转角γ比较(单位：度)

安全门转角γ	5	10	15	20	25	30	35	40	45
										算法识别角α	1	1	4	8	12	15	20	26	31
安全门转角γ	50	55	60	65	70	75	80	85	90
										算法识别角α	33	39	44	49	54	58	58	58	58

由此可见，当电梯安全门的算法识别角在[10,75]度时，本发明方法得到的算法识别角α与电梯安全门的真实转角γ值存在线性关系，即电梯安全门在[10,75]度转角范围内，能够通过本发明方法更加准确地估计出来。同时，本发明方法的识别算法平均耗时400ms，满足施工现场的应用。

Claims (1)

1.一种基于边框特征的施工电梯安全门转角识别方法，将摄像机(1)安装在升降机轿厢(4)的外侧，正对电梯安全门(2)，升降机轿厢(4)通过升降机标准节(3)上下移动，即摄像机(1)随升降机一体上下运动，实现电梯安全门(2)一对多的视觉识别，

其特征在于，按照以下步骤实施：

步骤1、提取电梯安全门的边框图像，具体步骤是：

1.1)生成电梯安全门的灰度图像，

待检测图像为已经截取的电梯安全门，像素大小为120*160的RGB彩色图像，将RGB彩色图像转换为灰度图像，表达式如下：

I(i,j)＝0.299*R(i,j)+0.587*G(i,j)+0.114*B(i,j) (2)

式(2)中，R(i,j)、G(i,j)、B(i,j)分别为RGB彩色图像中红、绿、蓝三个彩色通道分量，每个均为120*160大小的矩阵，乘以相应系数之后，三个矩阵插值成一个120*160的电梯安全门的灰度矩阵I(i,j)；

1.2)采用滤波器算法提取电梯安全门的边框图像，

用Roberts算子对得到的电梯安全门的灰度矩阵I(i,j)加权，I(i,j)中每个像素点灰度加权值为：

式中P(i,j)为电梯安全门的灰度矩阵I(i,j)的像素点；

Roberts算子的2×2窗口函数表达式为：

用灰度加权公式(3)求窗口函数(4)划过的电梯安全门的灰度矩阵I(i,j)的像素点灰度加权值，最终得到新灰度矩阵I_new(i,j)，判断该新灰度矩阵I_new(i,j)上每个位置的值与预设阈值T大小，大于预设阈值T的部分置为1，反之置为0，得到一个120*160的二值矩阵，即为电梯安全门的边框图像；

步骤2、采用霍夫变换检测电梯安全门的边框线，具体步骤是：

算法输入像素大小为120*160的二值矩阵，令该二值矩阵中坐标为(i,j)的单元位置累加器值为A(i,j)，设A(i,j)初始值为零；遍历该二值矩阵上所有非零点(x_i,y_i)，通过公式x_icosθ+y_isinθ＝ρ解出整数θ值对应ρ值，将得到的ρ值四舍五入为最接近的整数值，然后将非零点(x_i,y_i)对应的单元位置(i,j)的单元位置累加器值A(i,j)加1；最终得到的单元位置累加器值A(i,j)即对应霍夫空间坐标(ρ_i,θ_j)的值，经过上述过程，完成霍夫空间的映射；

取单元位置累加器值A(i,j)中最大的前4个值对应的霍夫空间位置(ρ,θ)，找出该4个霍夫空间位置上所有非零点，分别求每个位置上两两非零点之间的距离，找出距离小于20的两点之间的线段，并合并为一条线段，合并后线段长度若小于100，则认为这些非零点为干扰，舍弃这些点连接的线段；直到找到4个位置上非零点连接距离大于100，即认为是电梯安全门的边框线；

步骤3、对电梯安全门的边框线进行筛选，得到电梯安全门的边框线AB的A、B两点坐标，具体步骤是：

利用图像投影的关系，电梯安全门的边框线AD、BC与θ轴平行，电梯安全门在任意旋转角度下，电梯安全门的边框线AD与BC的平行关系都成立，则有θ_AD＝θ_BC＝0°；电梯安全门的边框线AB、CD与θ轴有夹角，根据图像的投影关系以及运动特点有边框线AB与θ轴的夹角θ_AB≤90°，边框线CD与θ轴的夹角θ_DC≥90°，电梯安全门旋转角度越大θ_DC会越来越大，而θ_AB会越来越小，

为了准确提取电梯安全门的边框线AB，利用电梯安全门的边框线与θ轴的夹角范围，剔除竖直的电梯安全门的边框线AD、BC，及与θ轴夹角小于90度的电梯安全门的边框线CD；

根据电梯安全门的工作，电梯安全门的边框线AB与θ轴的夹角范围为5°≤θ_AB≤90°，经过约束条件提纯，得到电梯安全门的边框线AB以及A、B两点坐标；

步骤4、利用边框线AB的端点A,B求得电梯安全门的算法识别角α；

得到电梯安全门的边框线AB的端点A、B坐标后，由式(1)求得电梯安全门在不同旋转角度下，电梯安全门的边框线AB与θ轴的夹角，即电梯安全门的算法识别角α；

其中，AB_i是当前图像中电梯安全门的边框线AB，AB₁是电梯安全门转角0度时图像中电梯安全门的边框线AB；

步骤5、电梯安全门的状态报警，

设置电梯安全门报警角为γ_max，当电梯安全门的算法识别角α≥γ_max，说明电梯安全门目前处于未关闭状态，系统发出报警；当电梯安全门的算法识别角α≤γ_max，说明电梯安全门目前处于关闭状态，系统不报警。

Images