CN108764260B - 一种基于支撑杆标识的人防门位置状态检测系统及方法 - Google Patents

Abstract

一种基于支撑杆标识的人防门位置状态检测系统及方法，系统包括：光路布局模块，设置有多个摄像机，对处涂覆有和摄像机有相同光谱特性的颜色涂料的支撑杆标识进行拍摄；数据采集模块，接收光路布局模块获取的视频图像；图像数据服务器，储存支撑杆标识原始和实时视频图像信息；智能分析模块，将图像数据服务器中存储的支撑杆标识原始和实时视频图像的信息转换为像素坐标标定信息，进行分析比对，确定人防门在像素坐标内的位置状态异常情况并转换为物理坐标内的真实位置状态异常情况；显示终端，对已确定的人防门的位置状态异常情况进行显示；利用电气主控箱的对设备工作状态的控制，可实时显示人防门状态方便运维人员了解人防门状态对其进行检修。

Description

一种基于支撑杆标识的人防门位置状态检测系统及方法

技术领域

本发明属于人防门技术领域，尤其是涉及一种人防门状态自动检测系统。

背景技术

人防门就是人民防护工程出入口的门，用来保护避难人群，阻隔毒气、爆破杀伤用的门。在和平时期处于长时间的打开状态。人防门走位超限指的是，人防门没有开到位，超过了人防门应该所处位置的极限。当人防门走位超限时，在某些情况下，会造成严重的安全的事故。例如安装在轨道旁边的地铁区间防护密闭隔断门的走位超限时，将处于轨道的上方位置，影响列车的安全运行。

为了避免人防门的走位超限，加固门的开启状态，部分大尺寸人防门在门上加装多个支撑杆，以便将门牢牢的固定在墙面上，实现长期的开启到位。特别是安装在地铁区间防护密闭隔断门，在列车高速运行情况下，活塞风将对门体先、后产生压力和吸力，在长期、频繁的正、负压交替作用下，必须要对门体的固定机构(支撑杆)特别关注。根据申请人的研究，当地铁列车最高运行速度为140km/h时，最大风速将达到17m/s，列车运行时所产生的活塞风风压施加到区间设备门扇上的正压值约为13.5KN(约13.6吨)，负压值约为70.2KN(7吨)。对于这种类似的人防门应用场景中，必须利用固定机构(支撑杆)让门保持良好的开关状态(尤其是打开状态)，否则将产生及其危险的重大安全事故。图1给出了人防门打开状态下通过固定机构固定的状态图。

根据对当前专利和文献查新表明，对大尺寸人防门的固定机构(支撑杆)的状态尚没有相关的自动检测技术来实现对支撑杆松动，掉落等事件实时智能检测；对具有支撑杆这类紧固件的大尺寸人防门的超限情况进行实时自动检测方式也没有相关文献和专利提出。支撑杆的掉落和人防门的超限越界检测主要是依靠巡检人员例行巡检时发现，这种方式不能实时发现问题，及时预警和报警。

因此如何设计一种可以实施监控人防门的支撑杆的偏移量情况，防止人防门走位超限、提高安全性的人防门检测系统。成为本领域技术人员研究的课题。

发明内容

有鉴于此，本发明旨在提供一种人防门走位超限状态检测系统，以便实时检测人防门的状态，提前预防人防门走位超限，提高安全性和维护的便捷性。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于支撑杆标识的人防门位置状态检测系统，其特征在于，包括：

光路布局模块，设置有多个摄像机，每个摄像机对准一个所述的支撑杆标识，并获得对应支撑杆标识的视频图像，支撑杆标识为在支撑杆上靠近紧固件附近位置处涂覆和摄像机有相同光谱特性的颜色涂料；

数据采集模块，用于接收所述光路布局模块获取的视频图像；

图像数据服务器，用于储存支撑杆标识的原始和实时视频图像信息；

智能分析模块，将所述图像数据服务器中存储的支撑杆原始和实时视频图像的信息转换为像素坐标定位信息，进行分析比对，确定人防门在像素坐标内的位置状态异常情况，并转换为物理坐标内的真实位置状态异常情况；

显示终端，用于已确定人防门的位置状态异常情况进行显示；

电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。

还包括控制主机，所述控制主机和电气主控箱电连接，

所述控制主机通过电气主控箱：

开启关闭所述光路布局模块，或

启动所述智能分析模块的进行图像分析比对，或，

获取所述图像数据服务器中已储存的支撑杆原始视频图像的定位信息、或，获取所述智能分析模块确认的人防门的位置状态异常情况。

还包括远程控制中心，所述远程控制中心设置自动运维模块，所述控制主机和远程控制中心连接，所述远程控制中心通过控制主机获取、存储人防门位置状态异常情况，并将自动运维模块发送给控制主机。

一种基于支撑杆标识的人防门位置状态的检测方法，包括如下步骤：

S1：光路布局模块的摄像机获取支撑杆标识的图像；

S2：数据采集模块接收所述光路布局模块获取的视频图像,并传递给智能分析模块；

S3：智能分析模块，将所述数据采集模块采集到的支撑杆标识视频图像，进行转换，得到支撑杆标识的实时视频图像和原始视频图像的像素坐标位置定位信息；

S4，智能分析模块调取支撑杆标识的原始视频图像的定位信息，将支撑杆标识的实时定位像素坐标位置数据与原始视频图像的定位信息，进行图像分析比对，得出支撑杆的偏移量，由支撑杆的偏移量确定人防门的位置状态异常与否的情况；

S5：电气主控箱将人防门的位置状态异常状态在所述显示终端上显示出来；

步骤S3中实时视频图像和原始视频图像的像素坐标位置定位信息通过如下步骤得到：

S31：利用OpenCV中cvtColor函数，将支撑杆标识视频图像，从rgb空间转换到HSV颜色空间；

S32:利用支撑杆标识的颜色特征，将HSV颜色空间中的支撑杆标识图像，作为前景从图像中分割提取出来；

S33：基于分割出来的支撑杆标识部分，进行统计计算，计算出支撑杆标识的中心位置，得到支撑杆标识实时视频图像和原始视频图像的像素位置定位信息；

所述步骤S4中图像分析比对的步骤如下：

S41：利用步骤S3的方法对墙面像素位置定位信息进行检测：计算出支撑杆标识原始图像中紧固件在墙面安装位置处的像素位置定位信息；

S42：通过步骤S33得到的支撑杆标识实时视频图像和原始视频图像的像素位置定位信息和步骤S41确定的支撑杆墙面位置定位信息，计算出支撑杆标识实时视频图像和原始视频图像的相对像素距离；

S43：将步骤S42获得的相对像素距离，利用定位数据，利用双线性插值算法可计算出支撑杆标识中心与墙面之间的物理距离，其中，定位数据通过如下方法实现：将棋盘格放置在支撑杆标识中心位置和紧固件在墙面安装位置所在的平面，然后获取棋盘格图像；利用OpenCV计算棋盘格角点的像素位置，利用棋盘格每个格点的物理尺寸，任取棋盘格上的角点作为坐标系原点，建立棋盘格片面上的像素空间和物理空间之间的关系，该关系可用4阶多项式函数来描述：

假设图像中的像素坐标(x,y)对应的物理空间坐标为(u,v),则4阶的多项式函数为：

u＝A₀₀+A₀₁*y+A₀₂*y²+A₀₃*y³+A₀₄*y⁴+A₁₀*x+A₂₀*x²+A₃₀*x³+A₄₀*x⁴+A₁₁*x*y+A₁₂x*y²+A₁₃*x*y³+A₂₁*x²*y+A₂₂*x²*y²+A₃₁*x³*y¹

v＝B₀₀+B₀₁*y+B₀₂*y²+B₀₃*y³+B₀₄*y⁴+B₁₀*x+B₂₀*x²+B₃₀*x³+B₄₀*x⁴+B₁₁*x*y+B₁₂x*y²+B₁₃*x*y³+B₂₁*x²*y+B₂₂*x²*y²+B₃₁*x³*y¹

其中A₀₀，A₀₁，A₀₂，A₀₃，A₀₄，A₁₀，A₂₀，A₃₀，A₄₀，A₁₁，A₁₂，A₁₃，A₂₁，A₂₂，A₃₁,B₀₀，B₀₁，B₀₂，B₀₃，B₀₄，B₁₀，B₂₀，B₃₀，B₄₀，B₁₁，B₁₂，B₁₃，B₂₁，B₂₂,B₃₁为多项式函数系数；

S44：基于人防门支撑杆标识与墙面之间的物理距离，计算人防门的走位偏移量：假设人防门的走位偏移量为0时，人防门支撑杆标识与墙面之间的物理距离为X₀，则当支撑杆标识与墙面之间的物理距离为X时，人防门的走位偏移量为X-X₀，得出人防门走位偏移量。

还包括支撑杆走位分级预警步骤：

S45：人防门走位分级预警是基于人防门的走位偏移量实现预警计算；在计算中首先设置人防门在安全状态下的最大走位偏移量Th_Pos，假定人防门的走位偏移量为x＝X-X₀，其中，X₀为人防门的走位偏移量为0时，人防门支撑杆标识与墙面之间的物理距离，X为支撑杆标识与墙面之间的物理距离，人防门走位分级预警函数为f，f(x)＝(x/Th_Pos)*10，这样我们将基于偏移量的分级预警可分为0-10级，最高10级已经触发报警。

还包括支撑杆走位超限和支撑杆掉落报警步骤：

S46：如果x≥Th_Pos，则触发超限报警；如果没有检测到支撑杆标识，则输出支撑杆掉落并报警。

还包括智能运维步骤：

S6：将基于运维专家知识经验总结的运维方案录入到远程数据中心的数据库；

S7：基于步骤S5的人防门的位置状态异常状态检测的结果，调用S6存储的对应的运维方案。

所述运维方案中包括：异常状态人防门地点信息、备用产品查询、维修队伍的通知及去异常地点的最佳路线及维护措施。

相对于现有技术，本发明所述的一种人防门走位超限状态检测系统具有以下优势：

由于采用上述技术方案：本申请具有下列有益效果

(1)本发明的系统，集成收集了电气主控箱和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端等，通过电气主控箱控制摄像机、图像采集分析、智能分析模块等，将支撑杆的状态实时监控、采集和分析处理，给予显示，自动实现了支撑杆的位置偏移量检测继而确定人防门走位超限状态，实时显示人防门状态，方便运维人员了解人防门状态对其进行检修，确保了地铁轨道的安全，提高了工作效率；光路布局模块通过在支撑杆上涂覆和摄像机有相同光谱特性的颜色涂料，通过支撑杆标识相对于墙面的位移确定人防门的走位超限情况，定位更精准。

(2)同时，设置远程数据中心，将海量的支撑杆状态信息实时保存，达到数据备份作用，且通过电子监控和大数据分析方式，有助于实时得到支撑杆掉落状态和支撑杆的位置偏移量情况，并最终确定人防门走位超限状态。

(3)图像数据服务器具有储存多次视频图像的功能，为智能分析模块多次调用提供支持，且为人防门走位超限状态提供原始图像，为后期故障分析服务。

(4)智能分析模块具有自处理功能，首先将所述数据采集模块采集到的支撑杆标识视频图像，转换为视频图像像素坐标位置定位信息，并与墙面像素坐标定位信息进行比较，得到实时像素距离，再与原始视频图像的像素坐标位置定位信息与墙面像素坐标定位信息比较后得到的原始像素距离；得到两者的差值即相对像素距离，最终转化成物理分级数据指标，自动分析功能能够实现人防门支撑杆分级状态报警功能；这个过程海量数据实时传递、处理过程快捷高效。

(5)还设置有支撑杆偏移状态分十级预警，有助于分级解决对应问题，提高了适应性；同时预设了没有检测到支撑杆，或检测到支撑杆的偏移量超过给定的阈值，输出支撑杆掉落并报警，避免了重大安全事故。

(6)和远程控制中心联网，远程控制中心设置有基于人防门运维专家知识经验的运维系统，实现了自动提供人防门运维方案功能，具有一定的维护工作自动化功能、提高效率；同时远程数据中心具有远程操控发布指令、一对多的集成处理，提高了监控效率和远程指令能力，有助于系统性发现问题和解决相关安全问题。

(7)光路布局模块采用工业摄像机通过广角成像和短距离拍摄技术，实现近距离拍摄大范围图像，方便运维人员远程查看人防门支撑杆状态。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明的人防门在打开状态下通过固定机构固定的状态图。

图2是本发明人防门成像光路示意图。

图3示本发明检测系统的结构示意图。

图4为人防门状态检测的流程图。

图5为基于输入图像实现支撑杆定位的详细过程图。

图6为支撑杆在图像空间的偏移量计算流程图。

图7为标定计算原理图。

图8为标定计算流程图。

附图标记说明：

1:门，2：摄像机，3：补光单元，4：标识，5：紧固件，6：支撑杆。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

如图1-8所示，发明的内容(与权利要求书相呼应)

1系统组成

系统组成，包括光路布局模块，数据采集模块，智能分析模块，分级预警与报警模块，基于专家维护经验知识系统的智能运维模块。

1.1光路布局模块

将多个摄像机安装在人防门或墙体上，一个摄像机对准一个支撑杆6，保证支撑杆重要部分在视频图像中可见，可见的部分至少包括支撑杆6上的紧固件5和支撑杆识别标识4(为了后期在图像中识别方便，在支撑杆上涂和摄像机有相同光谱特性的颜色涂料，形成如图2所示的标识)；针对摄像机成像光谱特性，采用摄像机的相应光谱，选择补光灯对成像单元进行补光。

光路设计上，将摄像机对准支撑杆和支撑杆在墙上的紧固部位。

选用摄像机和镜头进行匹配实现广角成像和超短距离拍摄技术，实现近距离拍摄大范围图像；

本实施例中，摄像机中心和监控的支撑杆处于同一水平高度位置；保证摄像机能够拍摄到支撑杆识别标识和紧固件5。

1.2数据采集模块，用于接收所述光路布局模块获取的视频图像；

1.3图像数据服务器，用于储存支撑杆标识原始和实时视频图像信息；

1.4智能分析模块，将所述图像数据服务器中存储的支撑杆标识原始和实时视频图像的信息转换为像素坐标定位信息，进行分析比对，确定人防门在像素坐标内的位置状态异常情况并转换为物理坐标内的真实位置状态异常情况；

1.5显示终端，用于已确定人防门的位置状态异常情况进行显示；

1.6电气主控箱，分别和光路布局模块、数据采集模块、图像数据服务器、智能分析模块、显示终端电连接。

1.7控制主机，所述控制主机和电气主控箱电连接，

所述控制主机通过电气主控箱：

开启关闭所述光路布局模块的、或

启动所述智能分析模块的进行图像分析比对，或，

获取所述图像数据服务器中已储存的支撑杆原始视频图像的定位信息、或，获取所述智能分析模块确认的人防门的位置状态异常情况。

1.8远程控制中心，所述远程控制中心设置自动运维模块，所述控制主机和远程控制中心连接，所述远程控制中心通过控制主机获取、存储人防门位置状态异常情况，并将自动运维模块发送给控制主机。

2智能分析计算

智能分析计算实现利用人防门支撑杆标识的视频图像和摄像机的定位信息进行图像分析，比对计算，最终得到人防门的数值化计算结果，为后续阶段的分级预警和报警提供数据支撑。

2.1人防门走位限界计算检测

该功能主要用于检测人防门的开关位置是否正常，特别是地铁的区间门，如果开启时的位置超限处在铁轨位置将影响列车的安全运行，将会造成重大的交通事故。

2.1.1支撑杆标识定位

支撑杆上面的标识代表的支撑杆的位置状态，通过计算支撑杆标识距离墙面的位置，可进行人防门的走位超限状态计算。图5为支撑杆标识定位算法的流程：

颜色空间转换:利用OpenCV中cvtColor函数可实现将图像从rgb空间转换到HSV颜色空间；

图像分割：利用支撑杆标识的颜色特征，对图像进行分割，将支撑杆的标识作为前景从图像中提取出来；

支撑杆标识中心定位：基于分割出来的支撑杆标识部分，进行统计计算，计算中心位置。

2.1.2人防门位移量计算

由于支撑杆安装在人防门上，人防门的走位位移量等同于支撑杆上的标识相对于墙面的位移量，人防门位移量计算功能就是实现支撑杆标识相对于墙面的物理距离的计算。人防门位移量计算流程如下(图6)：

墙面位置特征检测：在图像中实现紧固件在墙面安装位置处的像素特征位置计算；

相对像素距离计算：实现支撑杆标识中心位置和墙面交点位置之间的像素距离计算；

像物坐标转换：将上一模块的相对像素距离，利用定位数据，利用双线性插值算法可计算出支撑杆标识中心与墙面之间的物理距离。

人防门走位偏移量输出：基于人防门支撑杆标识与墙面之间的物理距离，计算人防门的走位偏移量。假设人防门的走位偏移量为0时，人防门支撑杆标识与墙面之间的物理距离为X₀，则当支撑杆标识与墙面之间的物理距离为x时，人防门的走位偏移量为X-X₀。

2.1.3定位数据计算原理

图7、8中像物关系F，指的是，根据棋盘格计算像素坐标到物理坐标之间的关系。

定位数据：将棋盘格放置在支撑杆标识中心位置和紧固件在墙面安装位置所在的平面，然后获取棋盘格图像。利用OpenCV(Open Source Computer Vision Library)计算棋盘格角点的像素位置，利用棋盘格每个格点的物理尺寸，任取棋盘格上的角点作为坐标系原点，建立棋盘格片面上的像素空间和物理空间之间的关系。该关系可用4阶多项式函数来描述。

假设图像中的像素坐标(x,y)对应的物理空间坐标为(u,v),则4阶的多项式函数为：

u＝A₀₀+A₀₁*y+A₀₂*y²+A₀₃*y³+A₀₄*y⁴+A₁₀*x+A₂₀*x²+A₃₀*x³+A₄₀*x⁴+A₁₁*x*y+A₁₂x*y²+A₁₃*x*y³+A₂₁*x²*y+A₂₂*x²*y²+A₃₁*x³*y¹

v＝B₀₀+B₀₁*y+B₀₂*y²+B₀₃*y³+B₀₄*y⁴+B₁₀*x+B₂₀*x²+B₃₀*x³+B₄₀*x⁴+B₁₁*x*y+B₁₂x*y²+B₁₃*x*y³+B₂₁*x²*y+B₂₂*x²*y²+B₃₁*x³*y¹

其中A₀₀，A₀₁，A₀₂，A₀₃，A₀₄，A₁₀，A₂₀，A₃₀，A₄₀，A₁₁，A₁₂，A₁₃，A₂₁，A₂₂，A₃₁,B₀₀，B₀₁，B₀₂，B₀₃，B₀₄，B₁₀，B₂₀，B₃₀，B₄₀，B₁₁，B₁₂，B₁₃，B₂₁，B₂₂,B₃₁为多项式函数系数。理论上，本发明中的4次多项式函数系数只需要15个不同像素点和物理空间对应坐标数据就可以完全计算出这30个系数。利用支撑杆标识数据的在图像中的像素坐标和物理坐标之间的关系，利用opencv中的角点识别算法可得到棋盘格中角点像素坐标和对应的物理坐标，利用最小二乘法可求解出所有的系数。

对于位于棋盘格所在图像平面上物理尺寸计算如图7，利用棋盘格上像素点和物理坐标之间关系，利用常规的插值算法，可计算出物理尺寸。

2.1.4走位分级预警

人防门走位分级预警是基于人防门的走位偏移量实现预警计算。在计算中首先设置人防门在安全状态下的最大走位偏移量Th_Pos，假定人防门的走位偏移量为x，人防门走位分级预警函数为f，f(x)＝(x/Th_Pos)*10。这样我们将基于偏移量的分级预警可分为0-10级(0-1为1级，1-2为2级，2-3为3级，……9-10为10级)预警，最高10级已经触发报警。

2.1.5走位超限报警

基于人防门的走位偏移量x，在计算中首先设置人防门在安全状态下的最大走位偏移量Th_Pos。如果x≥Th_Pos，则触发报警。

3智能运维

智能运维是基于智能分析和事件分析的结果，结合人防门的运维专家知识经验自动给出运维方案。在系统中首先录入运维预案库，在预案库中，每级预警包含一个运维方案；每条报警包含一个运维方案。运维方案中包括：处理地点，地点的路线规划及处理措施。

4解决现有技术问题

人防门在和平时期基本上处于常开状态。在区间隔离处的人防门，开启状态是否到位，特别是地铁轨道附近的区间人防门的位置超限时会严重影响到列车的安全运行。对于人防区间门开关状态是否超越限界，本专利提出一种有效的解决系统。利用计算机视觉测量实现了带有支撑杆人防门的掉落状态分析；通过对支撑杆的标识位置检测，能准确计算人防门的走位距离，通过设置门限，能有效的计算出门是否越界超限越界。最后利用人防门的运维专家知识经验，实现了人防门的运维方案自动获取，解决了带支撑杆的人防门运维难题。

5、有益效果

(1)利用工业摄像机通过广角成像和短距离拍摄技术，实现近距离拍摄大范围图像，方便运维人员远程查看人防门支撑杆状态；

(2)通过计算机采集、存储人防门支撑杆图像，存储时间长，易追溯；

(3)利用计算机视觉技术，自动实现了支撑杆掉落状态和人防门走位超限状态分析；

(4)实现了人防门支撑杆状态和人防门走位超限分级预警和报警功能；

(5)基于人防门运维专家知识经验实现了自动提供人防门运维方案功能。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于支撑杆标识的人防门位置状态的检测方法，其特征在于：包括如下步骤：

S1：光路布局模块的摄像机获取支撑杆标识的图像；

S2：数据采集模块接收所述光路布局模块获取的视频图像,并传递给智能分析模块；

S3：智能分析模块，将所述数据采集模块采集到的支撑杆标识视频图像，进行转换，得到支撑杆标识的实时视频图像和原始视频图像的像素坐标位置定位信息；

S4，智能分析模块调取支撑杆标识的原始视频图像的定位信息，将支撑杆标识的实时定位像素坐标位置数据与原始视频图像的定位信息，进行图像分析比对，得出支撑杆的偏移量，由支撑杆的偏移量确定人防门的位置状态异常与否的情况；

S5：电气主控箱将人防门的位置状态异常状态在显示终端上显示出来；

其中，步骤S3中实时视频图像和原始视频图像的像素坐标位置定位信息通过如下步骤得到：

S31：利用OpenCV中cvtColor函数，将支撑杆标识视频图像，从rgb空间转换到HSV颜色空间；

S32:利用支撑杆标识的颜色特征，将HSV颜色空间中的支撑杆标识图像，作为前景从图像中分割提取出来；

S33：基于分割出来的支撑杆标识部分，进行统计计算，计算出支撑杆标识的中心位置，得到支撑杆标识实时视频图像和原始视频图像的像素位置定位信息；

所述步骤S4中图像分析比对的步骤如下：

S41：利用步骤S3的方法对墙面像素位置定位信息进行检测：计算出支撑杆标识原始图像中紧固件在墙面安装位置处的像素位置定位信息；

S42：通过步骤S33得到的支撑杆标识实时视频图像和原始视频图像的像素位置定位信息和步骤S41确定的支撑杆墙面位置定位信息，计算出支撑杆标识实时视频图像和原始视频图像的相对像素距离；

S43：将步骤S42获得的相对像素距离，利用定位数据，利用插值算法可计算出支撑杆标识中心与墙面之间的物理距离；其中，定位数据通过如下方法实现：将棋盘格放置在支撑杆标识中心位置和紧固件在墙面安装位置所在的平面，然后获取棋盘格图像，利用OpenCV计算棋盘格角点的像素位置，利用棋盘格每个格点的物理尺寸，任取棋盘格上的角点作为坐标系原点，建立棋盘格片面上的像素空间和物理空间之间的关系，该关系可用4阶多项式函数来描述：

假设图像中的像素坐标(x,y)对应的物理空间坐标为(u,v),则4阶的多项式函数为：

u＝A₀₀+A₀₁*y+A₀₂*y²+A₀₃*y³+A₀₄*y⁴+A₁₀*x+A₂₀*x²+A₃₀*x³+A₄₀*x⁴+A₁₁*x*y+A₁₂x*y²+A₁₃*x*y³+A₂₁*x²*y+A₂₂*x²*y²+A₃₁*x³*y¹

v＝B₀₀+B₀₁*y+B₀₂*y²+B₀₃*y³+B₀₄*y⁴+B₁₀*x+B₂₀*x²+B₃₀*x³+B₄₀*x⁴+B₁₁*x*y+B₁₂x*y²+B₁₃*x*y³+B₂₁*x²*y+B₂₂*x²*y²+B₃₁*x³*y¹

其中A₀₀，A₀₁，A₀₂，A₀₃，A₀₄，A₁₀，A₂₀，A₃₀，A₄₀，A₁₁，A₁₂，A₁₃，A₂₁，A₂₂，A₃₁,B₀₀，B₀₁，B₀₂，B₀₃，B₀₄，B₁₀，B₂₀，B₃₀，B₄₀，B₁₁，B₁₂，B₁₃，B₂₁，B₂₂,B₃₁为多项式函数系数；

S44：基于人防门支撑杆标识与墙面之间的物理距离，计算人防门的走位偏移量：假设人防门的走位偏移量为0时，人防门支撑杆标识与墙面之间的物理距离为X₀，则当支撑杆标识与墙面之间的物理距离为X时，人防门的走位偏移量为X-X₀，得出人防门走位偏移量。

2.根据权利要求1所述的基于支撑杆标识的人防门位置状态的检测方法，其特征在于：还包括支撑杆走位分级预警步骤：

S45：人防门走位分级预警是基于人防门的走位偏移量实现预警计算；在计算中首先设置人防门在安全状态下的最大走位偏移量Th_Pos，假定人防门的走位偏移量为x＝X-X₀，其中，X₀为人防门的走位偏移量为0时，人防门支撑杆标识与墙面之间的物理距离，X为支撑杆标识与墙面之间的物理距离，人防门走位分级预警函数为f，f(x)＝(x/Th_Pos)*10，这样我们将基于偏移量的分级预警可分为0-10级，最高10级已经触发报警。

3.根据权利要求2中所述的基于支撑杆标识的人防门位置状态的检测方法，其特征在于：还包括支撑杆走位超限和支撑杆掉落报警步骤：

S46：如果x≥Th_Pos，则触发超限报警；如果没有检测到支撑杆标识，则输出支撑杆掉落并报警。

4.根据权利要求2或3中所述的基于支撑杆标识的人防门位置状态的检测方法，其特征在于：还包括智能运维步骤：

S6：将基于运维专家知识经验总结的运维方案录入到远程数据中心的数据库；

S7：基于步骤S5的人防门的位置状态异常状态检测的结果，调用S6存储的对应的运维方案。

5.根据权利要求4中所述的基于支撑杆标识的人防门位置状态的检测方法，其特征在于：所述运维方案中包括：异常状态人防门地点信息、备用产品查询、维修队伍的通知及去异常地点的最佳路线及维护措施。

Images