CN109795942A - 扶梯控制系统、扶梯监控装置及其智能监控方法 - Google Patents
扶梯控制系统、扶梯监控装置及其智能监控方法 Download PDFInfo
- Publication number
- CN109795942A CN109795942A CN201910044340.7A CN201910044340A CN109795942A CN 109795942 A CN109795942 A CN 109795942A CN 201910044340 A CN201910044340 A CN 201910044340A CN 109795942 A CN109795942 A CN 109795942A
- Authority
- CN
- China
- Prior art keywords
- staircase
- event
- processing module
- logic processing
- artificial intelligence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明公开了扶梯控制系统、扶梯监控装置及其智能监控方法,涉及扶梯安全技术领域,所述装置包括:主控芯片、人工智能芯片和逻辑处理模块;所述方法包括:所述主控芯片对扶梯监控图像进行预处理,得到图像数据;所述人工智能芯片向所述主控芯片获取所述图像数据,对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别,以及将识别到的事件发送至所述逻辑处理模块;所述逻辑处理模块接收所述人工智能芯片发送的所有事件,以及按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。采用上述技术方案可提高扶梯监控的智能化程度与乘梯的安全性。
Description
技术领域
本发明涉及扶梯安全技术领域,特别是涉及扶梯控制系统、扶梯监控装置及其智能监控方法。
背景技术
扶梯,又称自动扶梯,其作为隔层代步器械,在地铁、商场、高铁等场所中的应用非常广泛。然而,在享受便利的同时,行人搭乘扶梯也存在着安全隐患,例如,乘梯人员摔倒后被运行中的扶梯夹伤的事故时有发生。当扶梯事故发生时,需要现场人员迅速作出应急处理措施。由于依赖于人力,该应急处理措施无法得到可靠地实施,乘梯安全性较低。
发明内容
基于此,有必要提供一种扶梯控制系统、扶梯监控装置及其智能监控方法,可提高扶梯监控的智能化程度与乘梯的安全性。
一方面,本发明提供一种扶梯监控装置的智能监控方法,所述装置包括:主控芯片、人工智能芯片和逻辑处理模块;
所述方法包括:
所述主控芯片对扶梯监控图像进行预处理,得到图像数据;
所述人工智能芯片向所述主控芯片获取所述图像数据;
所述人工智能芯片对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别;
所述人工智能芯片将识别到的事件发送至所述逻辑处理模块;
所述逻辑处理模块接收所述人工智能芯片发送的所有事件;
所述逻辑处理模块按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。
在一种可选的实施方式中,所述装置还包括多个摄像头;
所述方法还包括:
在所述主控芯片对所述扶梯监控图像进行预处理之前,所述摄像头采集所述扶梯监控图像;
则所述逻辑处理模块按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作,包括:
所述逻辑处理模块将接收到的所有事件中对应于不同摄像头的相同事件进行合并,得到合并结果;
所述逻辑处理模块根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作。
在一种可选的实施方式中,所述主控芯片对扶梯监控图像进行预处理,以得到图像数据,包括:
所述主控芯片根据预设的采集周期对所述多个摄像头在所述采集周期内所采集的所述扶梯监控图像进行预处理,以得到所述图像数据;
则所述逻辑处理模块根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作,包括:
所述逻辑处理模块对预设时段内的所述合并结果中的事件进行去重处理,得到去重处理后的事件;所述预设时段大于所述采集周期;
所述逻辑处理模块根据所述优先级顺序执行与所述去重处理后的事件相应的扶梯安全应急动作。
在一种可选的实施方式中,所述人工智能芯片对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别,包括:
所述人工智能芯片根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向;
所述人工智能芯片根据所述乘梯人员相对扶梯的运动方向生成所述逆行事件的识别结果。
在一种可选的实施方式中,所述优先级顺序为:所述跌倒事件的优先级高于所述逆行事件;所述逆行事件的优先级高于所述物品体积超标事件;所述物品体积超标事件包括行李体积超标事件和婴儿车事件。
在一种可选的实施方式中,所述逻辑处理模块执行与所述跌倒事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制扶梯停止运行,并控制告警系统启动;
则所述逻辑处理模块执行与所述逆行事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动;
则所述逻辑处理模块执行与所述物品体积超标事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动。
在一种可选的实施方式中,所述主控芯片对扶梯监控图像进行预处理,得到图像数据,包括:
所述主控芯片对所述扶梯监控图像进行几何失真校正,得到校正后的图像;
所述主控芯片对所述校正后的图像进行图像解码处理,得到所述图像数据。
又一方面,本发明还提供一种扶梯监控装置,该装置包括:主控芯片、人工智能芯片和逻辑处理模块;
所述主控芯片用于对扶梯监控图像进行预处理,以得到图像数据;
所述人工智能芯片用于向所述主控芯片获取所述图像数据;
所述人工智能芯片还用于对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别;
所述人工智能芯片还用于将识别到的事件发送至所述逻辑处理模块;
所述逻辑处理模块用于接收所述人工智能芯片发送的所有事件;
所述逻辑处理模块还用于按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。
在一种可选的实施方式中,所述装置还包括多个摄像头;
所述摄像头用于在所述主控芯片对所述扶梯监控图像进行预处理之前采集扶梯监控图像,并将所述扶梯监控图像传输至所述主控芯片。
又一方面,本发明还提供一种扶梯控制系统,所述系统包括:扶梯控制柜、告警系统、以及如上述任一实施例所述的扶梯监控装置;
所述扶梯监控装置还包括通信模块;
所述扶梯监控装置的逻辑处理模块通过所述通信模块与所述扶梯控制柜连接;
所述逻辑处理模块还通过所述通信模块与所述告警系统连接。
本发明提供的扶梯控制系统、扶梯监控装置及其智能监控方法,通过人工智能芯片识别图像数据中的物品体积超标事件、逆行事件和跌倒事件这三类事件,有效监控扶梯存在的安全隐患;通过逻辑处理模块按照优先级顺序响应这三类事件,利于快速响应安全隐患最大的事件,将危害降到最低;以及通过执行与事件相应的扶梯安全应急动作,从而有效地防止乘梯人员在事件发生后受伤,相比于现有技术,本发明实现了扶梯监控图像的智能分析,提高扶梯监控的智能化,有效提高乘梯的安全性。
附图说明
图1是本发明一实施方式中的扶梯控制系统的结构示意图;
图2是本发明一实施方式中的扶梯监控装置的结构示意图;
图3是本发明一实施方式中的扶梯监控装置的智能监控方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当元件被称与与另一个元件“连接”时,它可以直接与另一个元件连接或者也可以存在居中的元件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
请参阅图1,本实施例提供的扶梯控制系统1,其包括扶梯监控装置2、告警系统4和扶梯控制柜6。结合图2所示,扶梯监控装置2包括主控芯片21、人工智能(AI,ArtificialIntelligence)芯片23、摄像头25、逻辑处理模块27与通信模块29。摄像头25与主控芯片21连接,主控芯片21与人工智能芯片23连接,人工智能芯片23与逻辑处理模块27连接,逻辑处理模块27与通信模块29连接。
主控芯片21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
摄像头25用于采集所述扶梯监控图像。优选地,摄像头25采集扶梯入口处或扶梯出口处的扶梯监控图像。主控芯片21用于对扶梯监控图像进行预处理,得到图像数据。具体地,主控芯片21对扶梯监控图像进行几何失真校正,得到校正后的图像。图像像素坐标系(uOv坐标系)下的无畸变坐标(U,V),经过径向畸变和切向畸变后落在了uOv坐标系的(Ud,Vd)上。即真实图像imgR与畸变图像imgD之间的关系为:imgR(U,V)=imgD(Ud,Vd),找出所有的imgR(U,V),将(U,V)映射到(Ud,Vd)中,即组成图像像素坐标位置,以正常图像的坐标位置去求在畸变图像中的坐标位置,取出对应的像素值,从而取得校正后的图像。主控芯片21对所述校正后的图像进行图像解码处理,得到所述图像数据。
人工智能芯片23用于向主控芯片21获取图像数据。人工智能芯片23还用于对获取到的图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别。
具体地,人工智能芯片23基于深度学习图像处理的分析方式对获取到的图像数据进行物品体积超标事件识别、逆行事件识别和跌倒事件识别。进一步,人工智能芯片23根据预设的时间间隔对获取到的图像数据进行物品体积超标事件识别、逆行事件识别和跌倒事件识别。
可选的,人工智能芯片23对图像数据进行逆行事件识别时,人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向,以及根据所述乘梯人员相对扶梯的运动方向生成所述逆行事件的识别结果。
具体地,人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向,包括:人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员的运动方向;人工智能芯片23根据乘梯人员的运动方向及预先确定的扶梯的运行方向,确定乘梯人员相对扶梯的运动方向。其中,扶梯的运行方向可以是从上到下、从下到上或静止(扶梯停机时)。
可选的,人工智能芯片23对图像数据进行物品体积超标事件识别时,人工智能芯片23将图像数据输入至物品体积超标事件检测模型,得到物品体积超标事件的识别结果。其中,所述物品体积超标事件检测模型为通过人工智能芯片23采用多组带有物品体积超标事件标签的第一训练数据训练分类模型所生成;所述第一训练数据包括指定区域内乘梯人员所物品的图像特征参数。通过识别物品体积超标事件,可对体积超标物品进行识别,例如对大件行李和婴儿车进行识别,便于对携带体积超标物品的乘梯人员进行告警,以防止物品在扶梯运行过程中跌落而造成安全事故,从而进一步提高了乘梯的安全性。
在其他实施方式中,人工智能芯片23对图像数据进行物品体积超标事件识别时,人工智能芯片23识别所述图像数据中的物品对应的图形轮廓,并提取所述图形轮廓的特征参数;人工智能芯片23计算所述图形轮廓占所述扶梯监控图像的比例;人工智能芯片23将所述图形轮廓的特征参数与所述图形轮廓占所述扶梯监控图像的比例输入至物品体积超标事件检测模型,得到物品体积超标事件的识别结果。所述物品体积超标事件检测模型为通过人工智能芯片23采用多组图像训练数据训练分类模型所生成;所述图像训练数据包括体积超标物品对应的图形轮廓的特征参数、所述体积超标物品对应的图形轮廓占所述监控扶梯图像的比例、体积未超标物品对应的第二图形轮廓的特征参数及所述体积未超标物品对应的第二图形轮廓占所述监控扶梯图像的比例。其中,体积超标物品对应的图形轮廓为通过人工对体积超标的物体进行标记;体积未超标物品对应的图形轮廓为通过人工对体积未超标的物体进行标记。
进一步,分类模型为VGG(Visual Geometry Group,视觉几何组)模型、简化的VGG模型或LR(Logistic Regression,逻辑回归分析)模型。VGG模型为一种深度卷积神经网络模型。优选地,分类模型为简化的VGG模型。
可选的,人工智能芯片23对图像数据进行跌倒事件识别时,人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据提取乘梯人员的动作特征参数,以及将所述乘梯人员的动作特征参数输入至跌倒事件检测模型,得到所述跌倒事件的识别结果。其中,所述跌倒事件检测模型为通过所述人工智能芯片采用多组带有跌倒事件标签的第二训练数据训练分类模型所生成;所述第二训练数据包括乘梯人员跌倒的动作特征参数。
可选的,人工智能芯片23对图像数据进行跌倒事件识别时,人工智能芯片23根据人体头肩比例识别本次输入的所述图像数据中的乘梯人员以及上一次输入的所述图像数据中的同一乘梯人员;人工智能芯片23获取本次输入的所述图像数据中所述乘梯人员相对扶梯的纵向距离,作为第一纵向距离;人工智能芯片23获取上一次输入的所述图像数据中所述乘梯人员相对扶梯的纵向距离,作为第二纵向距离;人工智能芯片23根据所述第一纵向距离与所述第二纵向距离确定所述乘梯人员是否跌倒。通过监视乘梯人员相对扶梯的纵向距离来确定乘梯人员是否跌倒,而不是相对地面的纵向距离来确定乘梯人员是否跌倒,可将跌倒行为与逆行行为区别开来。
人工智能芯片23还用于将识别到的事件发送至逻辑处理模块27。人工智能芯片23将识别结果提交到逻辑处理模块27,识别结果包含人工智能芯片23识别到的事件,例如,逆行事件、跌倒事件和/或物品提交超标事件。
逻辑处理模块27可以由处理芯片、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等实现。
逻辑处理模块27用于接收人工智能芯片23发送的所有事件。逻辑处理模块27还用于按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。具体地,可根据事件的危险程度来设置优先级顺序。优选地,所述优先级顺序为:所述跌倒事件的优先级高于所述逆行事件;所述逆行事件的优先级高于所述物品体积超标事件。
逻辑处理模块27执行的与所述跌倒事件相应的扶梯安全应急动作具体为:逻辑处理模块27控制扶梯停止运行,并控制告警系统4启动。进一步,逻辑处理模块27通过扶梯控制柜6控制扶梯停止运行。
进一步,逻辑处理模块27通过通信模块29与告警系统4连接。逻辑处理模块27通过通信模块29与扶梯控制柜6连接。可选的,逻辑处理模块27以实时或定时的两种方式将控制信号发送到通信模块29。扶梯控制柜6为扶梯工作的控制中心。
可选的,告警系统4包括语音告警系统和/或灯光告警系统。在本实施例中,告警系统4为语音告警系统。逻辑处理模块27执行的与所述逆行事件相应的扶梯安全应急动作具体为:逻辑处理模块27控制告警系统启动。所述逻辑处理模块27执行的与所述物品体积超标事件相应的扶梯安全应急动作具体为:逻辑处理模块27控制告警系统启动。通过逻辑处理模块按照优先级顺序响应这三类事件,利于快速响应安全隐患最大的事件,将危害降到最低。通过对危害程度相对最大的跌倒事件发生时控制扶梯停止运行,防止乘梯人员在跌倒后被运行中的扶梯夹伤;通过启动告警系统,有利于乘梯的安全管理;通过对不同事件执行不同扶梯安全应急动作,提高扶梯监控系统的灵活性。
进一步,摄像头25包括摄像头251和摄像头252。需要说明的是,在本实例中,摄像头的数量仅为示例,在其他实施方式中,摄像头的数量为至少一个。
则逻辑处理模块27按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作时,将接收到的所有事件中对应于不同摄像头的相同事件进行合并,得到合并结果,并根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作。例如,将摄像头251与摄像头252设置于扶梯现场环境中的不同位置,对于摄像头251所采集的扶梯监控图像,若人工智能芯片23识别到的事件包括跌倒事件和物品体积超标事件,而对于同一时间摄像头252所采集的扶梯监控图像,若人工智能芯片识别到的事件包括跌倒事件,则将对应于摄像头251与摄像头252的相同事件,即跌倒事件进行合并,得到的合并结果包括跌倒事件和物品体积超标事件,逻辑处理模块27根据跌倒事件与物品体积超标事件的优先级顺序执行相应的扶梯安全应急动作。通过将接收到的所有事件中对应于不同摄像头的相同事件进行合并,防止扶梯对同一时刻的同一事件进行重复响应,可提高监控系统的响应时间,进一步提高乘梯的安全性。
进一步,主控芯片21对扶梯监控图像进行预处理时,根据预设的采集周期对所述多个摄像头在所述采集周期内所采集的所述扶梯监控图像进行预处理,以得到所述图像数据。则逻辑处理模块27根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作时,对预设时段内的所述合并结果中的事件进行去重处理,得到去重处理后的事件,并根据所述优先级顺序执行与所述去重处理后的事件相应的扶梯安全应急动作。其中,所述预设时段大于所述采集周期。例如,采集周期为1秒,预设时段为10秒,在预设时段内,若人工智能芯片23对于主控芯片21每隔1秒所采集的扶梯监控图像识别到的事件中都包含逆行事件,则将逆行事件进行去重处理,则逻辑处理模块27对预设时段内的一个逆行事件进行上报,从而防止频繁重复上报,减少通讯资源的浪费,进一步提高响应时间,提高乘梯的安全性。
进一步,通信模块可以是CAN总线通信模块、以太网通信模块、无线通信模块、RS485通信模块中的一种或多种。无线通信模块包括WiFi、蓝牙或ZigBee等基于无线通信协议的通信模块。
本领域技术人员可以理解,所述扶梯监控装置的结构示意图仅仅是扶梯监控装置的示例,并不构成对扶梯监控装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,在一些实施方式中,所述扶梯监控装置还可以包括存储器、掉电保护电路和网络接入设备等。存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例提供的扶梯监控系统及扶梯监控装置通过人工智能芯片识别图像数据中的物品体积超标事件、逆行事件和跌倒事件这三类事件,有效监控扶梯存在的安全隐患;通过采用人工智能芯片,提高响应速度,进一步提高乘梯的安全性。通过逻辑处理模块按照优先级顺序响应这三类事件,利于快速响应安全隐患最大的事件,将危害降到最低;以及通过执行与事件相应的扶梯安全应急动作,从而有效地防止乘梯人员在事件发生后受伤,相比于现有技术,本发明实现了扶梯监控图像的智能分析,提高扶梯监控的智能化,有效提高乘梯的安全性。
请参阅图2,是本发明一实施方式中的扶梯监控装置的扶梯监控方法的流程示意图。该装置包括如上述任一实施例所述的主控芯片21、人工智能芯片23和逻辑处理模块27,本实施例提供的扶梯监控方法包括:
步骤S110、主控芯片对扶梯监控图像进行预处理,得到图像数据;
步骤S120、人工智能芯片向主控芯片获取图像数据;
步骤S130、人工智能芯片对获取到的图像数据分别进行携带物品体积超标事件识别、逆行事件识别和跌倒事件识别;
步骤S140、人工智能芯片将识别到的事件发送至逻辑处理模块;
步骤S150、逻辑处理模块接收人工智能芯片发送的所有事件;
步骤S160、逻辑处理模块按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。
即通过人工智能芯片识别图像数据中的物品体积超标事件、逆行事件和跌倒事件这三类事件,有效监控扶梯存在的安全隐患;通过采用人工智能芯片,提高响应速度,进一步提高乘梯的安全性。通过逻辑处理模块按照优先级顺序响应这三类事件,利于快速响应安全隐患最大的事件,将危害降到最低;以及通过执行与事件相应的扶梯安全应急动作,从而有效地防止乘梯人员在事件发生后受伤,相比于现有技术,本发明实现了扶梯监控图像的智能分析,提高扶梯监控的智能化,有效提高乘梯的安全性。
进一步,所述装置还包括多个如上述任一实施例所述的摄像头25;
所述方法还包括:
步骤S100,在主控芯片对扶梯监控图像进行预处理之前,摄像头采集所述扶梯监控图像;
则步骤S160包括:
步骤S1601,逻辑处理模块将接收到的所有事件中对应于不同摄像头的相同事件进行合并,得到合并结果;
步骤S1602,逻辑处理模块根据优先级顺序执行与合并结果中的事件相应的扶梯安全应急动作。
通过将接收到的所有事件中对应于不同摄像头的相同事件进行合并,防止扶梯对同一时刻的同一事件进行重复响应,可提高监控系统的响应时间,进一步提高乘梯的安全性。
进一步,步骤S110包括:
步骤S1101、主控芯片根据预设的采集周期对多个摄像头在采集周期内所采集的扶梯监控图像进行预处理,得到所述图像数据;
则步骤S1601包括:
步骤S16011、逻辑处理模块对预设时段内的合并结果中的事件进行去重处理,得到去重处理后的事件;预设时段大于采集周期;
步骤S16012、逻辑处理模块根据优先级顺序执行与所述去重处理后的事件相应的扶梯安全应急动作。
例如,采集周期为1秒,预设时段为10秒,在预设时段内,若人工智能芯片23对于主控芯片21每隔1秒所采集的扶梯监控图像识别到的事件中都包含逆行事件,则将逆行事件进行去重处理,则逻辑处理模块27对预设时段内的一个逆行事件进行上报,从而防止频繁重复上报,减少通讯资源的浪费,进一步提高响应时间,提高乘梯的安全性。
具体地,步骤S130包括:
步骤S1301、人工智能芯片根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向;
步骤S1302、人工智能芯片根据所述乘梯人员相对扶梯的运动方向生成所述逆行事件的识别结果。
具体地,人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向,包括:人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员的运动方向;人工智能芯片23根据乘梯人员的运动方向及预先确定的扶梯的运行方向,确定乘梯人员相对扶梯的运动方向。其中,扶梯的运行方向可以是从上到下、从下到上或静止(扶梯停机时)。
具体地,步骤S130还包括:
步骤S1304、人工智能芯片23将图像数据输入至物品体积超标事件检测模型,得到物品体积超标事件的识别结果。其中,所述物品体积超标事件检测模型为通过人工智能芯片23采用多组带有物品体积超标事件标签的第一训练数据训练分类模型所生成;所述第一训练数据包括指定区域内乘梯人员所物品的图像特征参数。
在其他实施方式中,人工智能芯片23对图像数据进行物品体积超标事件识别,包括人工智能芯片23识别所述图像数据中的物品对应的图形轮廓,并提取所述图形轮廓的特征参数;人工智能芯片23计算所述图形轮廓占所述扶梯监控图像的比例;人工智能芯片23将所述图形轮廓的特征参数与所述图形轮廓占所述扶梯监控图像的比例输入至物品体积超标事件检测模型,得到物品体积超标事件的识别结果。所述物品体积超标事件检测模型为通过人工智能芯片23采用多组图像训练数据训练分类模型所生成;所述图像训练数据包括体积超标物品对应的图形轮廓的特征参数、所述体积超标物品对应的图形轮廓占所述监控扶梯图像的比例、体积未超标物品对应的第二图形轮廓的特征参数及所述体积未超标物品对应的第二图形轮廓占所述监控扶梯图像的比例。其中,体积超标物品对应的图形轮廓为通过人工对体积超标的物体进行标记;体积未超标物品对应的图形轮廓为通过人工对体积未超标的物体进行标记。
通过识别物品体积超标事件,可对体积超标物品进行识别,例如对大件行李和婴儿车进行识别,便于对携带体积超标物品的乘梯人员进行告警,以防止物品在扶梯运行过程中跌落而造成安全事故,从而进一步提高了乘梯的安全性。
进一步,分类模型为VGG(Visual Geometry Group,视觉几何组)模型、简化的VGG模型或LR(Logistic Regression,逻辑回归分析)模型。VGG模型为一种深度卷积神经网络模型。优选地,分类模型为简化的VGG模型。
具体地,步骤S130还包括:
步骤S1306、人工智能芯片23根据本次输入的所述图像数据与上一次输入的所述图像数据提取乘梯人员的动作特征参数,以及将所述乘梯人员的动作特征参数输入至跌倒事件检测模型,得到所述跌倒事件的识别结果。其中,所述跌倒事件检测模型为通过所述人工智能芯片采用多组带有跌倒事件标签的第二训练数据训练分类模型所生成;所述第二训练数据包括乘梯人员跌倒的动作特征参数。
可选的,人工智能芯片23对图像数据进行跌倒事件识别,包括:人工智能芯片23根据人体头肩比例识别本次输入的所述图像数据中的乘梯人员以及上一次输入的所述图像数据中的同一乘梯人员;人工智能芯片23获取本次输入的所述图像数据中所述乘梯人员相对扶梯的纵向距离,作为第一纵向距离;人工智能芯片23获取上一次输入的所述图像数据中所述乘梯人员相对扶梯的纵向距离,作为第二纵向距离;人工智能芯片23根据所述第一纵向距离与所述第二纵向距离确定所述乘梯人员是否跌倒。通过监视乘梯人员相对扶梯的纵向距离来确定乘梯人员是否跌倒,而不是相对地面的纵向距离来确定乘梯人员是否跌倒,可将跌倒行为与逆行行为区别开来。
优选地,步骤S1301、步骤S1304和步骤S1306可以并行执行,以提高扶梯监控的响应速度,进一步提高乘梯的安全性。
具体地,可根据事件的危险程度来设置优先级顺序。进一步,所述优先级顺序为:所述跌倒事件的优先级高于所述逆行事件;所述逆行事件的优先级高于所述携带物品体积超标事件。
可选的,所述逻辑处理模块执行与所述跌倒事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制扶梯停止运行,并控制告警系统启动;
则所述逻辑处理模块执行与所述逆行事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动;
则所述逻辑处理模块执行与所述物品体积超标事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动。
可选的,告警系统包括语音告警系统和/或灯光告警系统。在本实施例中,告警系统为语音告警系统。通过逻辑处理模块按照优先级顺序响应这三类事件,利于快速响应安全隐患最大的事件,将危害降到最低。通过对危害程度相对最大的跌倒事件发生时控制扶梯停止运行,防止乘梯人员在跌倒后被运行中的扶梯夹伤;通过启动告警系统,有利于乘梯的安全管理;通过对不同事件执行不同扶梯安全应急动作,提高扶梯监控系统的灵活性。
进一步,步骤S110包括:
所述主控芯片对所述扶梯监控图像进行几何失真校正,得到校正后的图像;
所述主控芯片对所述校正后的图像进行图像解码处理,得到所述图像数据。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种扶梯监控装置的智能监控方法,其特征在于,所述装置包括:主控芯片、人工智能芯片和逻辑处理模块;
所述方法包括:
所述主控芯片对扶梯监控图像进行预处理,得到图像数据;
所述人工智能芯片向所述主控芯片获取所述图像数据;
所述人工智能芯片对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别;
所述人工智能芯片将识别到的事件发送至所述逻辑处理模块;
所述逻辑处理模块接收所述人工智能芯片发送的所有事件;
所述逻辑处理模块按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。
2.根据权利要求1所述的智能监控方法,其特征在于,所述装置还包括多个摄像头;
所述方法还包括:
在所述主控芯片对所述扶梯监控图像进行预处理之前,所述摄像头采集所述扶梯监控图像;
则所述逻辑处理模块按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作,包括:
所述逻辑处理模块将接收到的所有事件中对应于不同摄像头的相同事件进行合并,得到合并结果;
所述逻辑处理模块根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作。
3.根据权利要求2所述的智能监控方法,其特征在于,所述主控芯片对扶梯监控图像进行预处理,以得到图像数据,包括:
所述主控芯片根据预设的采集周期对所述多个摄像头在所述采集周期内所采集的所述扶梯监控图像进行预处理,以得到所述图像数据;
则所述逻辑处理模块根据所述优先级顺序执行与所述合并结果中的事件相应的扶梯安全应急动作,包括:
所述逻辑处理模块对预设时段内的所述合并结果中的事件进行去重处理,得到去重处理后的事件;所述预设时段大于所述采集周期;
所述逻辑处理模块根据所述优先级顺序执行与所述去重处理后的事件相应的扶梯安全应急动作。
4.根据权利要求1-3任一项所述的智能监控方法,其特征在于,所述人工智能芯片对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别,包括:
所述人工智能芯片根据本次输入的所述图像数据与上一次输入的所述图像数据确定乘梯人员相对扶梯的运动方向;
所述人工智能芯片根据所述乘梯人员相对扶梯的运动方向生成所述逆行事件的识别结果。
5.根据权利要求1-3任一项所述的智能监控方法,其特征在于,所述优先级顺序为:所述跌倒事件的优先级高于所述逆行事件;所述逆行事件的优先级高于所述物品体积超标事件。
6.根据权利要求5所述的智能监控方法,其特征在于,
所述逻辑处理模块执行与所述跌倒事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制扶梯停止运行,并控制告警系统启动;
则所述逻辑处理模块执行与所述逆行事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动;
则所述逻辑处理模块执行与所述物品体积超标事件相应的扶梯安全应急动作的具体步骤包括:
所述逻辑处理模块控制告警系统启动。
7.根据权利要求1所述的智能监控方法,其特征在于,所述主控芯片对扶梯监控图像进行预处理,得到图像数据,包括:
所述主控芯片对所述扶梯监控图像进行几何失真校正,得到校正后的图像;
所述主控芯片对所述校正后的图像进行图像解码处理,得到所述图像数据。
8.一种扶梯监控装置,其特征在于,包括:主控芯片、人工智能芯片和逻辑处理模块;
所述主控芯片用于对扶梯监控图像进行预处理,以得到图像数据;
所述人工智能芯片用于向所述主控芯片获取所述图像数据;
所述人工智能芯片还用于对获取到的所述图像数据分别进行物品体积超标事件识别、逆行事件识别和跌倒事件识别;
所述人工智能芯片还用于将识别到的事件发送至所述逻辑处理模块;
所述逻辑处理模块用于接收所述人工智能芯片发送的所有事件;
所述逻辑处理模块还用于按照预设的优先级顺序执行与接收到的各个事件相应的扶梯安全应急动作。
9.根据权利要求8所述的扶梯监控装置,其特征在于,所述装置还包括多个摄像头;
所述摄像头用于在所述主控芯片对所述扶梯监控图像进行预处理之前采集扶梯监控图像,并将所述扶梯监控图像传输至所述主控芯片。
10.一种扶梯控制系统,其特征在于,包括:扶梯控制柜、告警系统、以及如权利要求8或9所述的扶梯监控装置;
所述扶梯监控装置还包括通信模块;
所述扶梯监控装置的逻辑处理模块通过所述通信模块与所述扶梯控制柜连接;
所述逻辑处理模块还通过所述通信模块与所述告警系统连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910044340.7A CN109795942A (zh) | 2019-01-17 | 2019-01-17 | 扶梯控制系统、扶梯监控装置及其智能监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910044340.7A CN109795942A (zh) | 2019-01-17 | 2019-01-17 | 扶梯控制系统、扶梯监控装置及其智能监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109795942A true CN109795942A (zh) | 2019-05-24 |
Family
ID=66559585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910044340.7A Pending CN109795942A (zh) | 2019-01-17 | 2019-01-17 | 扶梯控制系统、扶梯监控装置及其智能监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109795942A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110862005A (zh) * | 2019-11-11 | 2020-03-06 | 杭州欣禾工程管理咨询有限公司 | 一种基于物联网的商场用防逆行自动安全扶梯 |
CN113361351A (zh) * | 2021-05-27 | 2021-09-07 | 湖南信达通信息技术有限公司 | 一种基于图像识别的逆行判断方法及系统 |
GB2622198A (en) * | 2022-09-02 | 2024-03-13 | Hack Partners Ltd | System and method for managing incoming users of an escalator |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000211874A (ja) * | 1999-01-25 | 2000-08-02 | Hitachi Ltd | マンコンベアの制御装置 |
CN101434363A (zh) * | 2007-11-15 | 2009-05-20 | 株式会社日立制作所 | 自动扶梯的控制设备 |
CN101665210A (zh) * | 2008-09-03 | 2010-03-10 | 株式会社日立制作所 | 图像识别装置 |
CN103186772A (zh) * | 2013-01-30 | 2013-07-03 | 上海交大高新技术股份有限公司 | 集群构架下的人脸识别系统及方法 |
CN103848329A (zh) * | 2012-11-28 | 2014-06-11 | 上海三菱电梯有限公司 | 乘客输送装置通行区域的监视装置 |
CN105967038A (zh) * | 2016-06-13 | 2016-09-28 | 广州广日电梯工业有限公司 | 基于图像识别算法保护小孩安全的扶梯防护系统 |
CN107161840A (zh) * | 2017-07-24 | 2017-09-15 | 合肥星袖机械科技有限公司 | 一种基于图像分析安全实时监测型电动扶梯 |
CN107169049A (zh) * | 2017-04-25 | 2017-09-15 | 腾讯科技(深圳)有限公司 | 应用的标签信息生成方法及装置 |
CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
CN107835369A (zh) * | 2017-11-27 | 2018-03-23 | 努比亚技术有限公司 | 拍照控制方法、移动终端及计算机可读存储介质 |
CN208200104U (zh) * | 2018-04-28 | 2018-12-07 | 刘伟 | 一种基于图像识别的电动扶梯自动启停控制系统 |
-
2019
- 2019-01-17 CN CN201910044340.7A patent/CN109795942A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000211874A (ja) * | 1999-01-25 | 2000-08-02 | Hitachi Ltd | マンコンベアの制御装置 |
CN101434363A (zh) * | 2007-11-15 | 2009-05-20 | 株式会社日立制作所 | 自动扶梯的控制设备 |
CN101665210A (zh) * | 2008-09-03 | 2010-03-10 | 株式会社日立制作所 | 图像识别装置 |
CN103848329A (zh) * | 2012-11-28 | 2014-06-11 | 上海三菱电梯有限公司 | 乘客输送装置通行区域的监视装置 |
CN103186772A (zh) * | 2013-01-30 | 2013-07-03 | 上海交大高新技术股份有限公司 | 集群构架下的人脸识别系统及方法 |
CN105967038A (zh) * | 2016-06-13 | 2016-09-28 | 广州广日电梯工业有限公司 | 基于图像识别算法保护小孩安全的扶梯防护系统 |
CN107662869A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 用于乘客运送装置的大数据分析处理系统和方法 |
CN107169049A (zh) * | 2017-04-25 | 2017-09-15 | 腾讯科技(深圳)有限公司 | 应用的标签信息生成方法及装置 |
CN107161840A (zh) * | 2017-07-24 | 2017-09-15 | 合肥星袖机械科技有限公司 | 一种基于图像分析安全实时监测型电动扶梯 |
CN107835369A (zh) * | 2017-11-27 | 2018-03-23 | 努比亚技术有限公司 | 拍照控制方法、移动终端及计算机可读存储介质 |
CN208200104U (zh) * | 2018-04-28 | 2018-12-07 | 刘伟 | 一种基于图像识别的电动扶梯自动启停控制系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110862005A (zh) * | 2019-11-11 | 2020-03-06 | 杭州欣禾工程管理咨询有限公司 | 一种基于物联网的商场用防逆行自动安全扶梯 |
CN113361351A (zh) * | 2021-05-27 | 2021-09-07 | 湖南信达通信息技术有限公司 | 一种基于图像识别的逆行判断方法及系统 |
GB2622198A (en) * | 2022-09-02 | 2024-03-13 | Hack Partners Ltd | System and method for managing incoming users of an escalator |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109795942A (zh) | 扶梯控制系统、扶梯监控装置及其智能监控方法 | |
WO2019153193A1 (zh) | 一种出租车运营监测方法、设备、存储介质和系统 | |
CN103839373B (zh) | 一种突发异常事件智能识别报警装置及报警系统 | |
CN106241584A (zh) | 一种基于扶梯安全的智能视频监控系统及方法 | |
CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
CN101655907B (zh) | 机车司机行车状态监控智能报警系统 | |
CN104809887B (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN106874863A (zh) | 基于深度卷积神经网络的车辆违停逆行检测方法 | |
CN107452104A (zh) | 一种基于智能监控的车辆卡口的车辆控制方法及系统 | |
CN105931303A (zh) | 一种铁路客运智能安全通行系统及通行方法 | |
DE112016002832T5 (de) | Sicherheitssysteme und -verfahren für autonome Fahrzeuge | |
CN108280435A (zh) | 一种基于人体姿态估计的旅客异常行为识别方法 | |
CN1495658A (zh) | 驾驶员面像识别报警装置与方法 | |
CN107818312A (zh) | 一种基于异常行为识别的嵌入式系统 | |
CN112489368A (zh) | 智能跌倒识别与检测报警方法及系统 | |
CN109583278A (zh) | 人脸识别报警的方法、装置、系统及计算机设备 | |
CN110188644A (zh) | 一种基于视觉分析的扶梯乘客危险行为监控系统及方法 | |
CN109191829A (zh) | 道路安全监控方法及系统、计算机可读存储介质 | |
CN110154757A (zh) | 公交车多方位安全驾驶保障方法 | |
CN104524772B (zh) | 一种过山车乘客状态实时检测方法 | |
CN103198296A (zh) | 一种基于贝叶斯惊奇度计算的视频异常行为检测方法及装置 | |
CN110188715A (zh) | 一种多帧检测投票的视频人脸活体检测方法 | |
EP1397268A1 (de) | Verfahren und vorrichtung zur erkennung des schläfrigkeitszustandes von führern bewegter objekte | |
CN113469654B (zh) | 一种基于智能算法融合的变电站多层次安全管控系统 | |
CN104881956A (zh) | 一种疲劳驾驶预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190524 |
|
RJ01 | Rejection of invention patent application after publication |