CN110642109B - 升降设备的振动检测方法、装置、服务器及存储介质 - Google Patents

Abstract

本申请提供了一种升降设备的振动检测方法、装置、服务器及计算机存储介质，通过获取包含所述升降设备的视频数据；对所述视频数据进行分析处理得到所述升降设备的振动数据；根据所述升降设备的振动数据判断所述升降设备是否工作异常；若是，生成紧急提示信息并发送至维修终端。采用多种算法对视频数据进行处理，可以减少人工检测的负担，并且可以对升降设备进行实时检测，并及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

Description

升降设备的振动检测方法、装置、服务器及存储介质

技术领域

本申请涉及视频识别技术领域，特别是一种升降设备的振动检测方法、装置、服务器及计算机存储介质。

背景技术

随着技术的发展，升降式电梯已经成为了社会中不可或缺的基础设施，电梯需要依靠卷扬机和钢丝绳等结构才能运行。保障电梯安全十分重要，目前的常用方式是定期派专业人员对电梯进行检查维护，但有时电梯会在一个检查周期内发生故障，举例来说，承载电梯的一根钢丝绳可能在专业人员检查维护后的第二天就出现断裂趋势，这时往往不能及时对电梯的钢丝绳和卷扬机等结构进行检测并抢修，大大增加了电梯故障导致安全隐患的概率。

发明内容

基于上述问题，本申请提供了一种升降设备的振动检测方法、装置、服务器及存储介质，可以减少人工检测的负担，并且可以对升降设备进行实时检测，大大减少电梯故障导致安全隐患的概率。

本申请实施例第一方面提供了一种升降设备的振动检测方法，所述方法包括：

获取包含所述升降设备的视频数据，所述视频数据包括视频帧数据；

提取所述视频帧数据中的各像素点的亮度信息；

对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位；

根据所述升降设备的振动数据判断所述升降设备是否工作异常；

若是，生成紧急提示信息并发送至维修终端。

本申请实施例第二方面提供了一种用于升降设备的振动检测装置，所述振动检测装置包括：

数据获取单元，用于获取包含所述升降设备的视频数据；

亮度提取单元，用于提取所述视频帧数据中的各像素点的亮度信息；

亮度处理单元，用于对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

放大处理单元，用于采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

振动获取单元，用于对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位；

状态判断单元，用于根据所述升降设备的振动数据判断所述升降设备是否工作异常；

提示发送单元，用于在所述升降设备工作异常时，生成紧急提示信息并发送至维修终端。

本申请实施例第三方面提供了一种服务器，所述服务器包括处理器、通信接口和存储器，所述处理器、通信接口和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面所描述的方法。

本申请实施例第四方面提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面所描述的方法。

通过实施上述申请实施例，可以得到以下有益效果：

上述升降设备的振动检测方法、装置、服务器及计算机存储介质，通过获取包含所述升降设备的视频数据；对所述视频数据进行分析处理得到所述升降设备的振动数据；根据所述升降设备的振动数据判断所述升降设备是否工作异常；若是，生成紧急提示信息并发送至维修终端。采用多种算法对视频数据进行处理，可以减少人工检测的负担，并且可以对升降设备进行实时检测，并及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中振动检测方法的系统构架图；

图2是本申请实施例中振动检测方法的应用场景图；

图3为本申请实施例中一种振动检测方法的流程示意图；

图4为本申请实施例中步骤302的流程示意图

图5为本申请实施例中另一种振动检测方法的流程示意图；

图6为本申请实施例中一种振动检测装置的结构示意图；

图7为本申请实施例中另一种振动检测装置的结构示意图；

图8为本申请实施例中一种服务器的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

下面结合图1对本申请实施例中升降设备的振动检测方法的系统架构作详细说明，图1为本申请实施例中振动检测方法的系统构架图，具体包括摄像头110、服务器120、维修终端130，上述摄像头110可以是多个具备夜间摄像功能的摄像头，分散在升降设备的运行空间中，从各个方位都可以拍摄到上述升降设备，上述摄像头110可以自动变焦也可以远程控制，并实时将拍摄到视频数据上传至服务器120；上述服务器120可以获取到上述摄像头110拍摄到的视频数据并进行振动检测，远程实时判断上述升降设备是否工作异常，并连接维修终端130以便在上述升降设备出现异常时向上述维修终端130发送提示信息。上述维修终端130为负责对上述升降设备进行维修的组织或个人的终端，上述维修终端130可以包括但不限于手机、电脑、平板电脑等具有通信连接功能的智能设备。

可选的，上述维修终端130可以与上述服务器120双向交互，上述维修终端130可以向上述服务器120发送维修完成信息或者反馈上述服务器120对上述升降设备的状态判断错误的反馈信息。

为更清楚地说明上述系统架构，结合图2对本申请实施例的实际的应用场景做详细说明，图2为本申请实施例中振动检测方法的应用场景图，应用场景为电梯，电梯一般包括轿厢体、牵引绳、轴承系统，在本申请实施例中，上述轴承系统包括提供电梯运行动力的卷扬机，在图中并未示出；上述轿厢体通过牵引绳在电梯中做垂直的往复运动，视频采集设备可以设置在电梯井的各个区域，以便获得无死角的轿厢体和牵引绳的视频数据，上述视频采集设备可以包括具有夜视功能的摄像头阵列和通信单元，通信单元用于将采集到的视频数据发送至服务器，上述服务器内置训练好的状态判断模型可以根据上述视频数据判断上述电梯是否工作异常，举例来说，若牵引绳本来有四根，在断了一根后会产生异常的振动数据，服务器可以根据振动数据发现上述电梯的异常，并将异常信息发送至维修终端以使维修人员前去进行维修。

通过上述系统架构，可以减少人工检测的负担，并且可以对升降设备进行实时检测，并及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

下面结合图3对本申请实施例中一种升降设备的振动检测方法作详细说明，图3为本申请实施例中一种振动检测方法的流程示意图，具体包括以下步骤：

步骤301，服务器获取包含所述升降设备的视频数据。

其中，上述升降设备包括轿厢体、牵引绳和卷扬机，服务器可以分别获取到包含所述升降设备的所述轿厢体和所述牵引绳的同一时段的视频帧数据，上述视频数据可以是针对上述升降设备的不同区域在同一时段拍摄的多个视频，服务器可以通过有线连接或者无线连接的方式获取包含所述升降设备的视频数据，需要说明的是，不同的升降设备可以具有不同形状不同大小的轿厢体，不同数量的牵引绳，不同功率的卷扬机，在此不做具体限定。

通过服务器获取包含所述升降设备的视频数据，可以通过视频检测的方法来检测升降设备的振动情况，可以减少人工检测的负担，并且可以对升降设备进行实时检测，并及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

步骤302，服务器对所述视频数据进行分析处理得到所述升降设备的振动数据。

其中，上述振动数据可以为经过计算后得到的数值，用于表示上述升降设备的振动情况，服务器对上述视频数据进行分析处理的步骤可以参见图4，图4为本申请实施例中步骤302的流程示意图，具体包括以下步骤：

步骤401，服务器获取所述视频数据中的牵引绳和所述轿厢体的视频帧数据。

其中，上述服务器可以将牵引绳和所述轿厢体的区域范围的视频数据按照帧进行拆分得到视频帧数据，需要说明的是，可以根据需要按照不同的设置对上述视频数据进行视频帧拆分，举例来说，可以设置为一秒一帧也可以设置为两秒一帧，并且可以设置拆分后的视频帧数据的分辨率高低，在此对拆分的设置不做具体限定。

通过服务器获取所述视频数据中的牵引绳和所述轿厢体的视频帧数据，可以更方便地对上述视频数据进行处理，提高处理的精度。

步骤402，服务器提取所述视频帧数据中的各像素点的亮度信息。

其中，服务器可以将上述视频帧数据由RGB颜色空间转换到YIQ颜色空间，上述YIQ是电视系统标准(National Television Standards Committee，NTSC)，Y是提供黑白电视及彩色电视的亮度信号(Luminance)，I代表In-phase，色彩从橙色到青色，Q代表Quadrature-phase，色彩从紫色到黄绿色，具体的，RGB和YIQ的转换关系为：

Y＝0.299*R+0.587*G+0.114*B；

I＝0.596*R–0.275*G–0.321*B；

Q＝0.212*R–0.523*G+0.311*B。

后续步骤都基于YIQ颜色空间的亮度信息进行运算，所以需要将上述视频帧数据中的各像素点的亮度信息和色度信息分离，提取出上述视频帧数据中的各像素点的亮度信息。

通过服务器提取所述视频帧数据中的各像素点的亮度信息，可以减少算法运算量，提高算法的运行速度。

步骤403，服务器对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据。

其中，服务器对上述亮度信息进行傅里叶变换，把时域的亮度变化转换为频域的相位变化，得到处理后的视频帧数据。

具体的，对多个YIQ图像中的Y通道图像进行傅里叶变换，得到上述升降设备在频域空间的多个Y通道图像；基于复数可操纵金子塔对多个Y通道图像进行空域分解，从而得到对应的多个第一子带图像集合。每个第一子带图像集合包括多个图像分辨率对应的多个子带图像，所述多个子带图像中任意两个子带图像的尺度和方向互不相同，且所述多个第一子带图像集合中的子带图像对应上述多个图像分辨率形成多个子带图像序列，每个子带图像序列中任意两个子带图像来自于不同的第一子带图像集合。

通过服务器对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据，可以将亮度变化转换为更适合算法计算的频域的相位变化，提高了算法的运行效率。

步骤404，服务器采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据。

其中，上述放大处理算法可以包括基于拉普拉斯视角的运动放大算法、基于欧拉运动调制的视频运动放大算法、基于复数相位的欧拉视频调制的视频运动放大算法和采用RIESZ金字塔的快速相位视频运动放大算法中的任一种运动放大算法。

具体的，上述基于拉普拉斯视角的运动放大算法为：

对视频帧数据中特征点进行识别，并对特征点的轨迹进行聚类，得到多组动作的聚类，然后，对每帧图像的每个像素点进行光流场插值运算，得到稠密的光流场。跟踪这些点随时间变化的运动轨迹，从而得到不同的动作层，对运动层进行纹理填充，将选定的动作层的运动幅度加大，最后得到放大后的视频帧数据。

具体的，上述基于欧拉运动调制的视频运动放大算法为：

将视频帧数据进行空域金字塔分解，得到不同空间分辨率的视频帧数据；对金字塔上不同尺度的视频帧数据进行时域带通滤波处理，筛选出若干频段；将上述若干频段进行线性放大，并重组得到放大后的视频帧数据。

具体的，上述基于复数相位的欧拉视频调制的视频运动放大算法为：

将视频帧数据进行复数可操纵金字塔空域分解，对金字塔上不同尺度的视频帧数据进行时域带通滤波处理，筛选出若干频段；将上述若干频段进行线性放大，并重组得到放大后的视频帧数据。该算法可以更加可控地分解视频帧数据，通过方向可控滤波器，视频帧数据可被分解为没有混叠现象的任意方向子带。由于复数视频帧金字塔的平移不变性，视频帧处理过程中的失真现象可以被有效减少。

具体的，上述采用RIESZ金字塔的快速相位视频运动放大算法为：

把上述基于欧拉运动调制的视频运动放大算法中空域分解步骤的金字塔改为采用RIESZ金字塔。可大大提高计算速度。

通过采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据，可以得到人眼无法识别图像，提高得到正确的升降设备的振动数据的概率。

在一个可选的实施例中，在进行放大处理之前，可以先按照预设的分区灰度值筛选策略从所述多个子带图像序列筛选出用于放大处理的至少一个子带图像序列；

其中，通过识别每个子带图像序列的每个像素内的灰度值，通过将每个子带图像序列中每个子带图像进行分区处理，确定分区后每个区域的像素点灰度值，从而筛选出用于放大处理的至少一个子带图像序列，这样可以提升对原始视频的处理效率，获得更准确的放大运动信息，也避免了对更高分辨率图像进行放大的需要增加的运算量。

其中，所述分区灰度值筛选策略可以基于所述每个子带图像序列的前景图像和后景图像的占比关系进行分区，还可以基于被检测产品的形状进行分区，例如被检测产品为圆形，可以从圆心开始，以不同半径的同心圆形状进行分区。

之后，通过对所述至少一个子带图像序列进行放大处理得到放大处理后的所述至少一个子带图像序列；

其中，对所述至少一个子带图像序列集合进行放大处理可以是根据每个图像序列中同一个像素点在不同时刻的灰度值差值进行放大，即放大某个像素点的灰度值变化频率。

具体实现中，还可以进行分区放大处理，通过识别前景图像和后景图像，对所述前景图像的像素点的灰度值差值进行放大，从而得到放大处理后的至少一个子带图像序列。

通过将所述放大处理后的所述至少一个子带图像序列和所述多个子带图像中除所述至少一个子带图像序列之外的子带图像序列进行融合处理，得到具有运动放大效果的目标视频，所述运动放大效果是指针对所述原始视频中所述被检测产品的发生往复运动的区域影像的放大处理。

具体的，在一个可能的示例中，所述按照预设的分区灰度值筛选策略从所述多个子带图像序列筛选出用于放大处理的至少一个子带图像序列，包括：确定所述多个子带图像序列的前景图像和后景图像，所述前景图像包含所述被检测产品的发生往复运动的区域影像，所述后景图像为除所述被检测产品的影像之外的影像；确定所述前景图像在子带图像中的面积占比；根据所面积占比和预设的分区计算公式确定所述前景图像的子分区数量，并按照所述子分区数量划分所述前景图像为多个前景子分区；针对每个子带图像序列，执行以下操作(1)-(6)以得到所述每个子带图像序列的灰度值变化频率：(1)确定当前处理的子带图像序列中每个子带图像的每个前景子分区的被测像素点；(2)根据每个被测像素点在当前子带图像序列包含的多个子带图像的灰度值生成每个被测像素点的灰度值时域变化波形图；(3)针对所述每个前景子分区执行如下(a)(b)(c)操作：(a)根据当前处理的前景子分区包含的多个被测像素点的灰度值时域变化波形图，确定所述当前处理的前景子分区是否包含灰度值周期性变化的被测像素点；(b)若是，则标记所述当前处理的前景子分区为被选择的前景子分区；(c)若否，则标记所述当前处理的前景子分区为未被选择的前景子分区；(4)针对标记后的被选择的多个前景子分区，按照区域关联性将具有相邻关系的前景子分区拼接为振动参考区域；(5)确定所述振动参考区域中多个像素点中灰度值发生周期性变化的多个参考像素点，以及确定每个参考像素点的灰度值变化频率；(6)加权计算所述振动参考区域中所述多个参考像素点的灰度值变化频率，得到所述当前处理的子带图像序列的灰度值变化频率；根据所述每个子带图像序列的灰度值变化频率筛选出符合预设参考振动频率的至少一个子带图像序列。

其中，所述确定所述多个子带图像序列的前景图像和后景图像可以根据所述多个子带图像序列中每个图像的像素点灰度值进行确定；还可以根据所述多个子带图像序列确定在所述原始视频中处于相对静止状态的参考特征点进行确定。其次，根据所述多个子带图像序列中的每个子带图像及每个子带图像的前景图像确定所述前景图像在子带图像的面积占比，以及根据所述面积占比和预设的计算公式计算得到每个前景图像的前景子分区数量，其中，所述前景图像的面积占比越大，所述前景子分区的数量越多。

具体实现中，得到所述多个前景子分区后，根据预设策略确定所述每个前景子分区的被测像素点，根据子带图像序列中每个子带图像的某个待测像素点的灰度值变化生成一个像素点的灰度值时域变化波形图。

所述根据当前处理的前景子分区包含的多个被测像素点的灰度值时域变化波形图，确定所述当前处理的前景子分区是否包含灰度值周期性变化的被测像素点，确定所述灰度值时域变化波形图存在周期性波动的波形时，确定该像素点的灰度值为周期性变化，则选择该像素点所在的前景子分区，并进行标记；将被标记的多个前景子分区根据区域关联性或图像色彩空间关联性进行拼接，得到振动参考区域。根据所述参考振动区域的像素点的灰度值变化确定所述参考振动区域中呈周期变化的多个像素点，根据公式计算每个参考像素点的灰度值变化频率，例如：H_t1代表了t1时刻的某个像素点灰度值，H_t2代表了t2时刻的该点的灰度值，该点的灰度值变化频率为

对所述参考振动区域的多个像素点的灰度值变化频率进行加权计算，例如，所述参考振动区域的灰度值变化频率

然后根据所述灰度值变化频率H确定所述当前处理的子带图像序列的灰度值变化频率；进而筛选得到符合预设参考振动频率的至少一个子带图像序列。或者在将至少一个子带图像序列中的不同时间跨度的所述灰度值变化频率H相加，得到多个不同的变化频率值，从所述多个不同的变化频率值中选择符合预设参考振动频率，确定符合预设参考振动频率的至少一个子带图像序列。

具体实现中，还可以进一步将被检测产品的原始视频分为多个子带图像序列，将多个图像序列分为多个图像分组，再确定处每个分组的像素点的灰度值，根据像素点的灰度值变化确定至少一个子带图像序列，进行放大处理。

可见，本示例中，能够基于子带图像序列中前景图像的面积占比确定检测像素点灰度值的图像区域，以提升对原始视频的处理效率，也避免了对更高分辨率图像进行放大的需要增加的运算量。

在一个可能的示例中，所述预设计算公式为：

其中，x为面积占比，y为子分区数量，x大于0且小于或等于1。

其中，所述预设公式的系数和底数可以根据所述子带图像的大小进行调整。

举例来说，当所述面积占比为50％时，所述分区数量为

结果可以采取四舍五入取整数。

可见，本示例中，通过所述前景图像的占比面积和所述预设计算公式得到前景子分区我的数量，对所述前景图像进行分区处理，避免了对后景图像的像素点处理的运算量，提升图像处理效率。

在一个可能的示例中，所述确定当前处理的子带图像序列中每个子带图像的每个前景子分区的被测像素点包括以下至少一种：所述每个前景子分区的边缘像素点；所述每个前景子分区的中间区域的像素点；所述每个前景子分区的随机筛选出来的多个像素点。

其中，所述确定待测像素点选择每个前景子分区的边缘像素点，所述边缘像素点可以每个前景子分区边缘的全部像素点，或者边缘的部分像素点；所述确定待测像素点选择每个前景子分区的中间区域的像素点，可以是所述每个子分区的中间一点，也可以是每个子分区中间预设区域的像素点；或者是所述每个前景子分区的随机筛选出来的多个像素点，所述多个像素点是在所述前景子分区均匀分布的多个像素点。

可见，本示例中，通过被检测产品的前景图像进行分区处理，采用多种方式确定所述每个子分区的像素点，再根据待测像素点的灰度值变化筛选出符合产品参考振动频率的图像序列，实现了多种方式确认像素点，提高数据处理效率。

步骤405，服务器对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据。

其中，上述相位相关计算帧序列采用相位相关算法计算帧序列间的交叉互功率谱。相位相关算法采用如下的公式计算交叉互功率谱。

上式中，F_a为a帧图像的傅立叶变换，

为b帧图像的傅里叶变换的共轭信号，除式的下边为两个傅里叶变换的信号的相关积的模。R为本步骤的计算结果交叉互功率谱，上述交叉互功率谱包含频域噪音；之后可以采用自适应滤波器组来重建运动信号，根据R的相关峰的位置自适应选择滤波器组进行滤波，滤波之后再进行反傅里叶变换，然后进行相位比较，此时会采用滑窗的自适应匹配方法来估计和提取振动参数，得到滤除频域噪音后的交叉互功率谱R′；再对上述交叉互功率谱R′进行反傅立叶变换，逐相位比较，便可得到视频中像素的振动数据。运算公式如下：

r＝F^-1{R'}

上式中，F^-1{R'}表示对交叉互功率谱进行反傅里叶变换，得到的r就是上述升降设备的振动数据。

通过服务器对所述视频数据进行分析处理得到所述升降设备的振动数据，可以确定将上述升降设备的工作状态以振动数据的方式进行量化，服务器可以对上述升降设备的振动进行更准确的检测。

步骤303，服务器根据所述升降设备的振动数据判断所述升降设备是否工作异常。

其中，服务器可以获取上述升降设备的设备参数，根据上述升降设备的设备参数和上述振动数据建立状态判断模型，上述状态判断模型用于根据上述升降设备的振动数据判断上述升降设备的工作状态，上述升降设备的工作状态包括正常状态和异常状态。

其中，上述设备参数可以包括上述升降设备的运行速度范围、运行路径、最大可承重量等，上述状态判断模型可以是经过大量振动数据进行训练后得到的可投入使用的状态判断模型，上述状态判断模型可以包含多种状态判断模式，并且可以根据不同的升降设备切换对应的状态判断模式进行状态判断。

可选的，上述服务器可以获取上述升降设备当前的运动状态数据，上述运动状态数据包括悬停状态和运行状态；将上述运动状态数据和上述振动数据输入状态判断模型判断上述升降设备是否工作异常，上述状态判断模型包括悬停判断模块和运行判断模块。

具体的，当上述运动状态为悬停状态时，通过上述悬停判断模块判断上述牵引绳和上述轿厢体的振动幅度、振动频率以及振动相位等是否超过悬停振动阈值，上述悬停振动阈值可以包括悬停振动幅度阈值、悬停振动频率阈值、悬停振动相位阈值等；

当上述运动状态为悬停状态时，通过上述悬停判断模块判断上述牵引绳和上述轿厢体的振动幅度、振动频率以及振动相位等是否超过悬停振动阈值，上述悬停振动阈值可以包括悬停振动幅度阈值、悬停振动频率阈值、悬停振动相位阈值等；

若上述振动幅度、振动频率以及振动相位中的任一项超过悬停振动阈值，则确定上述升降设备工作异常。

其中，上述悬停振动阈值和运行振动阈值之间可以基于运动状态来表现差异，举例来说，在升降设备处于悬停状态时，应该将垂直方向的运行振动幅度阈值设定得比较低，因为升降设备此时排除了运行时的垂直方向的振动干扰，如果在垂直方向上有较大的振动幅度，则说明其发生异常的概率较大；在上述升降设备处于运行状态时，应当将各项运行振动阈值设定得较高，因为此时由于运行中本来就存在振动，所以将各项运行振动阈值设定得较高可以降低误判断的概率，悬停振动阈值和运行振动阈值的具体数值在此不做具体限定。

上述状态判断模型可以判断上述升降设备是否工作异常，若是，则执行步骤304；若工作正常，继续执行上述获取包含所述升降设备的视频数据的步骤。

步骤304，服务器生成紧急提示信息并发送至维修终端。

其中，上述维修终端为负责维修上述升降设备的维修人员或组织对应的终端，可选的，上述服务器可以根据升降设备的位置筛选出最近的维修终端并通过无线传输将紧急提示信息发送至上述最近的维修终端。

通过服务器生成紧急提示信息并发送至维修终端，可以减少人工检测的负担，并且可以对升降设备进行实时检测，及时通知相关维修人员，大大减少电梯故障导致安全隐患的概率。

下面结合图5对本申请实施例中另一种振动检测方法作详细说明，图5为本申请实施例中另一种振动检测方法的流程示意图，具体包括以下步骤：

步骤501，服务器获取包含所述升降设备的视频数据。

步骤502，服务器对所述视频数据进行分析处理得到所述升降设备的振动数据。

步骤503，服务器根据所述升降设备的振动数据判断所述升降设备是否工作异常。

其中，当判断上述升降设备工作异常时，执行步骤504；当判断上述升降设备工作正常时，重新执行获取包含所述升降设备的视频数据的步骤。

步骤504，服务器根据状态判断模型判断所述升降设备的异常状态类型。

其中，上述异常状态类型包括故障状态和危险状态，上述故障状态可以包括升降设备速度异常、牵引绳断裂、升降设备异常晃动等，上述危险状态可以包括牵引绳磨损形变、卷扬机功率异常、牵引绳摩擦阻力过大等，在此不做具体限定，服务器可以根据状态判断模型判断上述升降设备可能处于哪一种或哪几种异常状态。

通过服务器根据状态判断模型判断所述升降设备的异常状态类型，可以利用大数据建立的模型更准确地判断上述升降设备处于哪种异常状态，可以减少人工检测的负担，大大减少电梯故障导致安全隐患的概率。

步骤505，服务器生成紧急提示信息并发送至维修终端。

其中，上述紧急提示信息可以包括异常状态标识、升降设备的位置信息和备选维修方案，异常状态标识可以包括故障状态标识和危险状态标识，上述备选维修方案可以是与判断结果对应的一个或者多个备选维修方案，用于为维修人员提供参考。

通过服务器生成紧急提示信息并发送至维修终端，可以减少人工检测的负担，并且可以对升降设备进行实时检测，并及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

可选的，步骤506，服务器获取所述维修终端的反馈信息。

其中，上述反馈信息可以为上述升降设备的实际状态信息，服务器可以根据上述实际状态信息判断之前的状态判断结果是否有误，若判断出现错误，则对上述状态判断模型进行修正，若判断无误，则继续采用上述状态判断模型进行判断。

通过服务器获取所述维修终端的反馈信息，可以使上述状态判断模型不断进化完善，更好地根据振动数据判断升降设备的工作状态，及时预测升降设备可能产生的故障，大大减少了升降设备故障导致安全隐患的概率。

可选的，轿厢体内可以设置摄像头和麦克风，服务器可以调用轿厢体内的监控视频判断是否是人为的危险动作导致振动异常，人为的危险动作可以包括跳动等会引起轿厢体振动的动作，若为人为导致的异常振动，则还可以将紧急提示信息发送至上述轿厢体，以语音提示上述轿厢体内的人员停止危险行为。

可选的，上述升降设备可以安装重力传感器，可以判断当前承重是否超过安全承重阈值，如载人电梯的安全承重阈值可以为1500kg，载物电梯的安全承重阈值可以为3000kg，一般当承重超过安全承重阈值时，电梯会自动报警提示超重，可以根据振动检测结果判断是否需要调整安全承重阈值的大小，如振动检测满足阈值调整条件，可以自动增加或降低上述安全承重阈值，上述阈值调整条件可以包括振动检测的结果，上述振动检测的结果可以为危险或者安全，当振动检测的结果为危险时，需要降低安全承重阈值，减少电梯的载重，当振动检测的结果为安全时，可以增加安全承重阈值，上述增加或降低安全承重阈值可以按照预设范围进行增加，上述预设范围可以根据情况自由设置，在此不做具体限定。可见，如此可以在保证升降设备安全性的同时提高其运行效率。

下面结合图6对本申请实施例中用于升降设备的振动检测装置600作详细说明，图6为本申请实施例中一种振动检测装置的结构示意图，具体包括以下单元：

数据获取单元610，用于获取包含所述升降设备的视频数据；

亮度提取单元620，用于提取所述视频帧数据中的各像素点的亮度信息；

亮度处理单元630，用于对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

放大处理单元640，用于采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

振动获取单元650，用于对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位；

状态判断单元660，用于根据所述升降设备的振动数据判断所述升降设备是否工作异常；

提示发送单元670，用于在所述升降设备工作异常时，生成紧急提示信息并发送至维修终端。

本申请实施例中相关单元的具体实施方式可以参见图3、图4中所描述的方法，在此不再赘述。

下面结合图7对本申请实施例中用于升降设备的另一种振动检测装置700作详细说明，图7为本申请实施例中另一种振动检测装置的结构示意图，具体包括以下单元：

数据获取单元710，用于获取包含所述升降设备的视频数据；

数据处理单元720，用于对所述视频数据进行分析得到所述升降设备的振动数据；

状态判断单元730，用于根据所述升降设备的振动数据判断所述升降设备是否工作异常；

提示发送单元740，用于在所述升降设备工作异常时，生成紧急提示信息并发送至维修终端。

本申请实施例中，所述升降设备包括轿厢体、牵引绳和卷扬机，数据获取单元710用于获取包含所述升降设备的视频数据，具体的：

分别获取包含所述升降设备的所述轿厢体和所述牵引绳的同一时段的视频帧数据。

本申请实施例中，数据处理单元720用于对所述视频数据进行分析得到所述升降设备的振动数据，具体的：

提取所述视频帧数据中的各像素点的亮度信息；

对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位。

进一步的，所述运动放大算法包括基于拉普拉斯视角的运动放大算法、基于欧拉运动调制的视频运动放大算法、基于复数相位的欧拉视频调制的视频运动放大算法和采用RIESZ金字塔的快速相位视频运动放大算法中的任一种运动放大算法。

本申请实施例中，状态判断单元730用于根据所述升降设备的振动数据判断所述升降设备是否工作异常，具体的：

获取所述升降设备当前的运动状态数据，所述运动状态数据包括悬停状态和运行状态；

将所述运动状态数据和所述振动数据输入状态判断模型判断所述升降设备是否工作异常，所述状态判断模型包括悬停判断模块和运行判断模块。

具体的，当所述运动状态为悬停状态时，通过所述悬停判断模块判断所述牵引绳和所述轿厢体的振动幅度、振动频率以及振动相位是否超过悬停振动阈值，所述悬停振动阈值包括悬停振动幅度阈值、悬停振动频率阈值、悬停振动相位阈值；

若所述振动幅度、振动频率以及振动相位中的任一项超过悬停振动阈值，则确定所述升降设备工作异常。

当所述运动状态为运行中状态时，通过所述运行判断模块判断所述牵引绳和所述轿厢体的振动幅度、振动频率以及振动相位是否超过运行振动阈值，所述运行振动阈值包括运行振动幅度阈值、运行振动频率阈值、运行振动相位阈值；

若所述振动幅度、振动频率以及振动相位中的任一项超过运行振动阈值，则确定所述升降设备工作异常。

本申请实施例中，还包括异常判断单元750，用于根据所述状态判断模型判断所述升降设备的异常状态类型，所述异常状态类型包括故障状态和危险状态。

本申请实施例中，提示发送单元740用于在所述升降设备工作异常时，生成紧急提示信息并发送至维修终端，具体的：

所述紧急提示信息包括异常状态标识、所述升降设备的位置信息和备选维修方案，所述异常状态标识包括故障状态标识和危险状态标识。

本申请实施例中，还包括反馈获取单元760，用于获取上述维修终端的反馈信息。

上述未详细说明的部分可以参见图3、图4、图5中所描述的方法，在此不再赘述。

下面结合图8对本申请实施例中的另一种服务器的结构作详细说明，图8为本申请实施例中另一种服务器的结构示意图。

如图8所示，该服务器800包括处理器801、通信接口802和存储器803，其中，服务器800还可以包括总线804。处理器801、通信接口802和存储器803可以通过总线804相互连接，总线804可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。总线804可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。所述存储器803用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述图3、图4、图5中所描述的全部或部分方法。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行图3、图4、图5中的全部或部分方法步骤。

上述计算机可读存储介质可以是前述任一实施例上述的服务器的内部存储单元，例如服务器的硬盘或内存。上述计算机可读存储介质也可以是上述服务器的外部存储设备，例如上述服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，上述计算机可读存储介质还可以既包括上述服务器的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述服务器所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的服务器和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的服务器和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、终端或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

Claims (10)

1.一种升降设备的振动检测方法，其特征在于，所述方法包括：

获取包含所述升降设备的视频数据，所述视频数据包括视频帧数据；

提取所述视频帧数据中的各像素点的亮度信息；

对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位；

根据所述升降设备的振动数据判断所述升降设备是否工作异常；

若是，生成紧急提示信息并发送至维修终端。

2.根据权利要求1所述的方法，其特征在于，所述升降设备包括轿厢体、牵引绳和卷扬机，所述获取包含所述升降设备的视频数据，包括：

分别获取包含所述升降设备的所述轿厢体、所述牵引绳的同一时段的视频帧数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述升降设备的振动数据判断所述升降设备是否工作异常包括：

获取所述升降设备当前的运动状态数据，所述运动状态数据包括悬停状态和运行状态；

将所述运动状态数据和所述振动数据输入状态判断模型判断所述升降设备是否工作异常，所述状态判断模型包括悬停判断模块和运行判断模块。

4.根据权利要求3所述的方法，其特征在于，所述将所述运动状态数据和所述振动数据输入状态判断模型判断所述升降设备是否工作异常，包括：

当所述运动状态为悬停状态时，通过所述悬停判断模块判断所述牵引绳和所述轿厢体的振动幅度、振动频率以及振动相位是否超过悬停振动阈值，所述悬停振动阈值包括悬停振动幅度阈值、悬停振动频率阈值、悬停振动相位阈值；

若所述振动幅度、振动频率以及振动相位中的任一项超过悬停振动阈值，则确定所述升降设备工作异常。

5.根据权利要求3所述的方法，其特征在于，所述将所述运动状态数据和所述振动数据输入状态判断模型判断所述升降设备是否工作异常，包括：

当所述运动状态为运行中状态时，通过所述运行判断模块判断所述牵引绳和所述轿厢体的振动幅度、振动频率以及振动相位是否超过运行振动阈值，所述运行振动阈值包括运行振动幅度阈值、运行振动频率阈值、运行振动相位阈值；

若所述振动幅度、振动频率以及振动相位中的任一项超过运行振动阈值，则确定所述升降设备工作异常。

6.根据权利要求3所述的方法，其特征在于，所述生成紧急提示信息并发送至维修终端之前，所述方法还包括：

根据所述状态判断模型确定所述升降设备的异常状态类型，所述异常状态类型包括故障状态和危险状态。

7.根据权利要求6所述的方法，其特征在于，所述紧急提示信息包括异常状态标识、所述升降设备的位置信息和备选维修方案，所述异常状态标识包括故障状态标识和危险状态标识。

8.一种用于升降设备的振动检测装置，其特征在于，所述振动检测装置包括：

数据获取单元，用于获取包含所述升降设备的视频数据；

亮度提取单元，用于提取所述视频帧数据中的各像素点的亮度信息；

亮度处理单元，用于对所述视频帧数据中的各像素点的亮度信息进行傅里叶变换，得到处理后的视频帧数据；

放大处理单元，用于采用运动放大处理算法对所述处理后的视频帧数据进行运动放大处理，得到放大后的视频帧数据；

振动获取单元，用于对所述放大后的视频帧数据采用相位相关计算、插值滤波处理、反傅里叶变换后得到所述升降设备的振动数据，所述振动数据包括振动幅度、振动频率、振动相位；

状态判断单元，用于根据所述升降设备的振动数据判断所述升降设备是否工作异常；

提示发送单元，用于在所述升降设备工作异常时，生成紧急提示信息并发送至维修终端。

9.一种服务器，其特征在于，所述服务器包括处理器、通信接口和存储器，所述处理器、通信接口和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1～7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的方法。

Images