CN109727426A - 一种机械式车库人员误入监测识别预警系统及检测方法 - Google Patents

Abstract

本发明公开了一种机械式车库人员误入监测识别预警系统及检测方法，该预警系统，包括用于人员监测识别的摄像机、黄色警戒线、RS485通讯总线和至少一个声光报警器，黄色警戒线与停车位入口处的边界线平行，且二者间距为1m，黄色警戒线与停车位入口处的边界线及停车位两侧的直线构成人员误入监测区域；摄像机通过RS485总线与声光报警器连接，摄像机内部集成了控制器，摄像机能够拍摄整个人员误入监测区域。在人员即将进入车库时发出报警信号，通过RS485总线启动声光报警器，对即将进入车库的人员进行声光报警和语音提示，以提高人员的自我安全保护意识，从根源上避免人员误入车库事故发生，提高机械式车库的本质安全水平。

Description

一种机械式车库人员误入监测识别预警系统及检测方法

技术领域

本发明属于机械式停车设备技术领域，具体涉及一种机械式车库人员误入监测识别预警系统及检测方法。

背景技术

随着机械式停车设备使用的普及，与之相关的事故也在增多，为了防止事故发生，设置了一些防护措施。机械式停车设备标准中虽然有人车误入检测装置的规定，但基本上为光束遮挡型，包括红外或激光扫描式，存在盲区或失效时间段问题，即在激光或红外光束扫描不到的区域存在检测盲区，即使有人员误入该区域，检测装置也无法检测出人员误入行为，而增加扫描光束数量会使检测装置成本明显增加，并且不能完全解决光束扫描盲区问题；二是如果人员是在车辆进出工作区时误入机械式停车设备，此时激光或红外光束被汽车遮挡，检测装置失效，也无法检测出汽车进出机械式停车设备这个时间段内的人员误入行为，存在失效时间段问题，这也是2017年12月江苏省人民医院立体车库一名女子低头看手机误入被撞伤事故的主要原因之一，该受害者在车辆开出时误入车库，此时车库卷帘门处的激光或红外检测系统被车辆遮挡未起作用，未能及时检测识别女子误入车库行为并制停车库，随着正常取车状态的升降台下到负一层，后被自动运行的车辆和搬运车辆的设备“撞伤”。

发明内容

本发明的目的在于提供一种机械式车库人员误入监测识别预警系统及检测方法，解决现有的机械式车库，采用光束遮挡型防人误入检测装置，存在盲区和失效时间段的技术问题。本发明为了解决上述技术问题，采用如下技术方案：

一种机械式车库人员误入监测识别预警系统，包括用于人员监测识别的摄像机、黄色警戒线、RS485通讯总线和至少一个声光报警器，所述黄色警戒线设置在停车位前方的地面上，黄色警戒线与停车位入口处的边界线平行，且二者间距为1m，黄色警戒线与停车位入口处的边界线及停车位两侧的直线构成人员误入监测区域；

所述摄像机通过RS485总线与声光报警器连接，摄像机内部集成了控制器，摄像机能够拍摄整个人员误入监测区域。

进一步改进，所述人员误入监测区域的两端各设置有一个人员监测识别摄像机，两摄像机均通过RS485总线与声光报警器连接。

进一步改进，对于并排设置有多个停车位的机械式车库，沿人员误入监测区域的长度方向每隔30m设置一个人员误入监测识别预警子模块，每个人员误入监测识别预警子模块包括两个摄像机和一个声光报警器，两个摄像机均通过 RS485总线与声光报警器连接，各个人员误入监测识别预警子模块相互独立。

进一步改进，所述摄像机内部集成了FPGA控制器，所述声光报警器的型号为YS-01X，采用120DB大分贝报警喇叭，高亮LED频闪发光，可定制报警语音，可受控于RS485通讯协议，摄像机的型号为Aptina公司的MT9V034，采用CMOS图像传感器，输出图像最大尺寸为752*480pixels，最大帧率为60fps，摄像机通过FMC接口与FPGA控制器连接，FPGA型号为EP2C70F672C8，FPGA 控制器包括CMOS视频采集模块、控制模块、Nios II处理器、AvalonBus总线、人体目标检测模块、检测算法接口、DMA控制器、ROM、片内并行存储器、 SDRAM存储控制模块、片外SDRAM、RS485接口和HDMI接口。

基于上述机械式车库人员误入监测识别预警系统的检测方法，包括如下步骤：

1)、系统上电，在FPGA控制器的Nios II处理器控制下，人体目标检测模块初始化，CMOS视频采集与控制模块自动配置与之连接的摄像机，人员监测识别摄像机实时对拍摄人员误入监测区域进行拍摄，并将拍摄的图片传送给FPGA 控制器；

2)、CMOS视频采集模块按640*480pixels大小依次采集从摄像机发来的各帧图片数据，同时发送给FPGA内部并行存储器和DMA控制器的读端口，在传输给FPGA内部存储器时自动灰度化，并且按特定顺序存储；另外同时将彩色图像信息传输给DMA控制器并在其控制下传输给SDRAM存储；

3)、FPGA内部存储器存入图片后，人体目标检测模块采用人体目标识算法对摄像机采集的图片进行检测，从图片存储器中取出对应位置的数据计算检测窗口的HOG特征向量，再调用存储在ROM中的SVM分类器对特征向量进行分类，实现滑动窗口的人体检测；

4)、检测到人体目标后，Nios II处理器发出报警信号给RS485接口，通过 RS485总线启动声光报警器，对即将进入车库的人员进行声光警示。

进一步改进，为方便系统调试，还可配置显示器，显示器通过HDMI接口与FPGA控制器连接，FPGA控制器将检测结果通过HDMI接口输出到显示器进行显示。人体目标检测模块将人体目标窗口的尺度信息和位置信息发送给Nios II 处理器，Nios II处理器在存储器中画出相应的方框，输出显示结果。

进一步改进，所述步骤2)中，采用方向梯度直方图(Histograms of OrientedGradients，HOG)特征结合线性支持向量机分类器(Support Vector Machine，SVM) 算法对人体目标进行检测识别，提取当前视频帧的HOG特征包括如下步骤：

2.1)、设定检测窗口，对采集的视频帧进行灰度变换处理；

2.2)、采用Gramma校正法对输入图像进行颜色空间的归一化；

2.3)、计算图像每个像素点的梯度；

2.4)、创建单元格，为每个单元格构建梯度方向直方图；

2.5)、将p*p个单元格组合成块(p≥2)，对块的方向梯度直方图(HOG) 进行归一化处理，以弱化光照的影响；

2.6)、收集检测窗口内所有块的HOG特征形成表示所述视频帧的HOG特征向量，供分类使用；

2.7)、采用包含不同种类的人体目标图片的INRIA数据集作为支持向量机 (SVM)训练学习的数据库，提取数据库正负样本的HOG特征及对应的标签(+1 或-1)，输入到支持向量机中进行训练学习，得到一个基于人体目标检测识别的分类器：具体实施时采用MATLAB的libsvm工具箱中的svmtrain函数对 INRIA的数据库进行训练，得到分类器的分类系数向量和分类阈值；

2.8)、利用该分类器对当前视频帧的特征向量进行分类识别，判定是否有人误入监测区域。

与现有技术相比，本发明的有益效果如下：

机械式车库人员误入监测识别预警系统，是专门针对人员误入车库这一危险举动而设计的一套能对误入车库行为作出声光警示的系统。该系统不影响车库原有声光信号，当检测到有人员进入黄色警戒线区域即将误入车库时，人员监测识别摄像机可以自动识别拍照并启动声光警示，引起即将误入车库人员的注意，使其退到黄线以外区域，可以减少不必要的人身伤亡，避免因人为因素造成不必要的安全事故，同时可以辅助车库管理人员完成设备日常看护管理，有效地节约了使用单位的管理成本。

附图说明

图1为本发明专利的结构示意图。

图2为控制器模块框图。

具体实施方式

为使本发明的目的和技术方案更加清楚，下面将结合本发明实施例对本发明的技术方案进行清楚、完整地描述。

实施例一：

如图1、2所示，一种机械式车库人员误入监测识别预警系统，包括用于人员监测识别的摄像机1、黄色警戒线2、RS485通讯总线4、两个声光报警器3 和一个显示器，所述黄色警戒线2设置在停车位前方的地面上，黄色警戒线2 与停车位入口处的边界线平行，且二者间距为1m，黄色警戒线2与停车位入口处的边界线及停车位两侧的直线构成人员误入监测区域5；两个摄像机1均通过 RS485总线4与声光报警器3连接。摄像机内部集成了控制器，摄像机1能够拍摄整个人员误入监测区域5。

在本实施例中，所述摄像机内部集成了FPGA控制器，所述声光报警器3 的型号为YS-01X，采用120DB大分贝报警喇叭，高亮LED频闪发光，可定制报警语音，可受控于RS485通讯协议，摄像机1的型号为Aptina公司的 MT9V034，采用CMOS图像传感器，输出图像最大尺寸为752*480pixels，最大帧率为60fps，摄像机1通过FMC接口与FPGA控制器连接，FPGA型号为 EP2C70F672C8，FPGA控制器包括CMOS视频采集模块、控制模块、Nios II处理器、AvalonBus总线、人体目标检测模块、检测算法接口、DMA控制器、ROM、片内并行存储器、SDRAM存储控制模块、片外SDRAM、RS485接口和HDMI 接口。

通过在摄像机嵌入了人体图像识别算法对进入黄色警戒线区域(5)的人员进行自动检测识别，在人员即将进入车库时发出报警信号，通过RS485总线启动声光报警器(3)，对即将进入车库的人员进行声光报警和语音提示，以提高人员的自我安全保护意识，从根源上避免人员误入车库事故发生，提高机械式车库的本质安全水平。

实施例二：

在本实施例中，对于并排设置有多个停车位的机械式车库，沿人员误入监测区域5的长度方向每隔30m设置一个人员误入监测识别预警子模块，每个人员误入监测识别预警子模块包括两个摄像机1和一个声光报警器3，两个摄像机1 均通过RS485总线4与声光报警器3连接，各个人员误入监测识别预警子模块相互独立。

其他部分与实施例一中相同。

实施例三：

基于机械式车库人员误入监测识别预警系统的检测方法，包括如下步骤：

1)、系统上电，在FPGA控制器的Nios II处理器控制下，人体目标检测模块初始化，CMOS视频采集与控制模块自动配置与之连接的摄像机，人员监测识别摄像机实时对拍摄人员误入监测区域进行拍摄，并将拍摄的图片传送给FPGA 控制器；

2)、CMOS视频采集模块按640*480pixels大小依次采集从摄像机发来的各帧图片数据，同时发送给FPGA内部并行存储器和DMA控制器的读端口，在传输给FPGA内部存储器时自动灰度化，并且按特定顺序存储；另外同时将彩色图像信息传输给DMA控制器并在其控制下传输给SDRAM存储；

3)、FPGA内部存储器存入图片后，人体目标检测模块采用人体目标识算法对摄像机采集的图片进行检测，从图片存储器中取出对应位置的数据计算检测窗口的HOG特征向量，再调用存储在ROM中的SVM分类器对特征向量进行分类，实现滑动窗口的人体检测；

4)、检测到人体目标后，Nios II处理器发出报警信号给RS485接口，通过 RS485总线启动声光报警器，对即将进入车库的人员进行声光警示。为方便系统调试，还可配置显示器，显示器通过HDMI接口与FPGA控制器连接，FPGA控制器将检测结果通过HDMI接口输出到显示器进行显示。人体目标检测模块将人体目标窗口的尺度信息和位置信息发送给NiosII处理器，Nios II处理器在存储器中画出相应的方框，输出显示结果。

在本实施例中，所述步骤2)中，采用方向梯度直方图(HOG)特征结合线性支持向量机分类器(SVM)算法对人体目标进行检测识别，提取当前视频帧的HOG特征包括如下步骤：

2.1)、设定检测窗口，对采集的视频帧进行灰度变换处理；

2.2)、采用Gramma校正法对输入图像进行颜色空间的归一化；

2.3)、计算图像每个像素点的梯度；

2.4)、创建单元格，为每个单元格构建梯度方向直方图；

2.5)、将p*p个单元格组合成块(p≥2)，对块的方向梯度直方图(HOG) 进行归一化处理，以弱化光照的影响；

2.6)、收集检测窗口内所有块的HOG特征形成表示所述视频帧的HOG特征向量，供分类使用；

2.7)、采用包含不同种类的人体目标图片的INRIA数据集作为支持向量机 (SVM)训练学习的数据库，提取数据库正负样本的HOG特征及对应的标签(+1 或-1)，输入到支持向量机中进行训练学习，得到一个基于人体目标检测识别的分类器：具体实施时采用MATLAB的libsvm工具箱中的svmtrain函数对 INRIA的数据库进行训练，得到分类器的分类系数向量和分类阈值；

2.8)、利用该分类器对当前视频帧的特征向量进行分类识别，判定是否有人误入监测区域。

本发明中未做特别说明的均为现有技术或者通过现有技术即可实现，而且本发明中所述具体实施案例仅为本发明的较佳实施案例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应作为本发明的技术范畴。

Claims (7)

1.一种机械式车库人员误入监测识别预警系统，其特征在于，包括用于人员监测识别的摄像机(1)、黄色警戒线(2)、RS485通讯总线(4)和至少一个声光报警器(3)，所述黄色警戒线(2)设置在停车位前方的地面上，黄色警戒线(2)与停车位入口处的边界线平行，且二者间距为1m，黄色警戒线(2)与停车位入口处的边界线及停车位两侧的直线构成人员误入监测区域(5)；

所述摄像机(1)通过RS485总线(4)与声光报警器(3)连接，摄像机内部集成了控制器，摄像机(1)能够拍摄整个人员误入监测区域(5)。

2.根据权利要求1所述的机械式车库人员误入监测识别预警系统，其特征在于，所述人员误入监测区域(5)的两端各设置有一个摄像机(1)，两摄像机(1)均通过RS485总线(4)与声光报警器(3)连接。

3.根据权利要求1所述的机械式车库人员误入监测识别预警系统，其特征在于，对于并排设置有多个停车位的机械式车库，沿人员误入监测区域(5)的长度方向每隔30m设置一个人员误入监测识别预警子模块，每个人员误入监测识别预警子模块包括两个摄像机(1)和一个声光报警器(3)，两个摄像机(1)均通过RS485总线(4)与声光报警器(3)连接，各个人员误入监测识别预警子模块相互独立。

4.根据权利要求1-3中任一项所述的机械式车库人员误入监测识别预警系统，其特征在于，所述摄像机内部集成了FPGA控制器；所述声光报警器(3)的型号为YS-01X，控于RS485通讯协议；摄像机(1)的型号为Aptina公司的MT9V034，采用CMOS图像传感器，输出图像最大尺寸为752*480pixels，最大帧率为60fps，摄像机(1)通过FMC接口与FPGA控制器连接，FPGA型号为EP2C70F672C8，FPGA控制器包括CMOS视频采集模块、控制模块、Nios II处理器、Avalon Bus总线、人体目标检测模块、检测算法接口、DMA控制器、ROM、片内并行存储器、SDRAM存储控制模块、片外SDRAM、RS485接口和HDMI接口。

5.基于权利要求1-4中任一项所述机械式车库人员误入监测识别预警系统的检测方法，其特征在于，包括如下步骤：

1)、系统上电，在FPGA控制器的Nios II处理器控制下，人体目标检测模块初始化，CMOS视频采集与控制模块自动配置与之连接的摄像机(1)，人员监测识别摄像机实时对拍摄人员误入监测区域(5)进行拍摄，并将拍摄的图片传送给FPGA控制器；

2)、CMOS视频采集模块按640*480pixels大小依次采集从摄像机(1)发来的各帧图片数据，同时发送给FPGA内部并行存储器和DMA控制器的读端口，在传输给FPGA内部存储器时自动灰度化，并且按特定顺序存储；另外同时将彩色图像信息传输给DMA控制器并在其控制下传输给SDRAM存储；

3)、FPGA内部存储器存入图片后，人体目标检测模块采用人体目标识算法对摄像机采集的图片进行检测，从图片存储器中取出对应位置的数据计算检测窗口的HOG特征向量，再调用存储在ROM中的SVM分类器对特征向量进行分类，实现滑动窗口的人体检测；

4)、检测到人体目标后，Nios II处理器发出报警信号给RS485接口，通过RS485总线启动声光报警器(3)，对即将进入车库的人员进行声光警示。

6.根据权利要求5所述的检测方法，其特征在于，还可配置显示器，显示器通过HDMI接口与FPGA控制器连接，FPGA控制器将检测结果通过HDMI接口输出到显示器进行显示。

7.根据权利要求6所述的检测方法，其特征在于，所述步骤2)中，采用方向梯度直方图(Histograms of Oriented Gradients，HOG)特征结合线性支持向量机分类器(SupportVector Machine，SVM)算法对人体目标进行检测识别，提取当前视频帧的HOG特征，包括如下步骤：

2.1)设定检测窗口，对采集的视频帧进行灰度变换处理；

2.2)采用Gramma校正法对输入图像进行颜色空间的归一化；

2.3)计算图像每个像素点的梯度；

2.4)创建单元格，为每个单元格构建梯度方向直方图；

2.5)将p*p个单元格组合成块(p≥2)，对块的方向梯度直方图(HOG)进行归一化处理，以弱化光照的影响；

2.6)收集检测窗口内所有块的HOG特征形成表示所述视频帧的HOG特征向量，供分类使用；

2.7)采用包含不同种类的人体目标图片的INRIA数据集作为支持向量机(SVM)训练学习的数据库，提取数据库正负样本的HOG特征及对应的标签(+1或-1)，输入到支持向量机中进行训练学习，得到一个基于人体目标检测识别的分类器：具体实施时采用MATLAB的libsvm工具箱中的svmtrain函数对INRIA的数据库进行训练，得到分类器的分类系数向量和分类阈值；

2.8)利用该分类器对当前视频帧的特征向量进行分类识别，判定是否有人误入监测区域。