CN111731962B - 一种用于门的开合故障检测方法及检测预警系统 - Google Patents

一种用于门的开合故障检测方法及检测预警系统 Download PDF

Info

Publication number
CN111731962B
CN111731962B CN202010609790.9A CN202010609790A CN111731962B CN 111731962 B CN111731962 B CN 111731962B CN 202010609790 A CN202010609790 A CN 202010609790A CN 111731962 B CN111731962 B CN 111731962B
Authority
CN
China
Prior art keywords
door
time
opening
closing
information
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.)
Active
Application number
CN202010609790.9A
Other languages
English (en)
Other versions
CN111731962A (zh
Inventor
丁蕾
周强
施行
王超
吴磊磊
蔡巍伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Xinzailing Technology Co ltd
Original Assignee
Zhejiang Xinzailing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Xinzailing Technology Co ltd filed Critical Zhejiang Xinzailing Technology Co ltd
Priority to CN202010609790.9A priority Critical patent/CN111731962B/zh
Publication of CN111731962A publication Critical patent/CN111731962A/zh
Application granted granted Critical
Publication of CN111731962B publication Critical patent/CN111731962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0018—Devices monitoring the operating condition of the elevator system
    • B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0037—Performance analysers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种用于门的开合故障检测方法及检测预警系统,其中，方法，包括：S1.提取门上的目标特征所在的目标区域，并基于所述目标区域生成目标模板；S2.获取所述门在开合过程中的位置图像并基于所述目标模板，获取所述门上的所述目标特征在开合过程中的位置信息并构建所述门的运行轨迹；S3.基于所述运行轨迹对所述门进行开合故障检测。该检测方案基于视觉传感器采集的电梯场景的图像数据，在设备端进行视觉分析，实时输出门运行轨迹，并基于运行轨迹进行门异常实时检测，充分保障电梯安全和乘客乘梯安全。

Description

一种用于门的开合故障检测方法及检测预警系统
技术领域
本发明涉及电梯安全技术领域，尤其涉及一种用于门的开合故障检测方法及检测预警系统。
背景技术
电梯是一种非常普及的公共设施，广泛应用在商场、办公区、居民区等场景，给人们的日常生活带来了非常大的便捷，然而由于使用不正确、维保不及时等因素的影响，电梯偶尔会出现故障。门故障是电梯诸多故障中发生频率最高的故障，门故障的种类也比较多，其在运行过程中突然开门可能导致乘客跌落事件发生，不能正常开门又可能导致困人事件发生，因此进行门故障检测和预警对保障电梯安全非常重要。
随着城市化进程的加快，高层楼宇成为人们工作和生活的主要场所，电梯作为垂直出行的交通工具在人们的日常出行活动中变得越来越重要，与此同时电梯安全问题逐渐凸显，杭州市市场监管局在发布的2019年电梯安全状况信息中指出，导致电梯故障原因的前三个因素分别是人为原因故障(30.79％)、门系统故障(19.83％)和外部原因故障(16.56％),可见门故障是除人为故障以外的最严重的故障因素，进行电梯门故障的检测与预警对提升电梯整体安全有着非常重要的意义。
在现有技术中，为了保障乘客的生命安全，在电梯加装了视频监控设施，并基于电梯内加装的监控设施进行门开关状态检测、困人检测、电瓶车入梯检测等，但这些产品多数都是事后处置，无法事先进行故障预警，防患于未然。
发明内容
本发明的目的在于提供一种用于门的开合故障检测方法及检测预警系统，解决电梯故障发现不及时的问题。
为实现上述发明目的，本发明提供一种用于门的开合故障检测方法，包括以下步骤：
S1.提取门上的目标特征所在的目标区域，并基于所述目标区域生成目标模板；
S2.获取所述门在开合过程中的位置图像并基于所述目标模板，获取所述门上的所述目标特征在开合过程中的位置信息并构建所述门的运行轨迹；
S3.基于所述运行轨迹对所述门进行开合故障检测。
根据本发明的一个方面，步骤S1中，包括：
S11.获取所述门在关闭状态下包含所述门的区域图像；
S12.基于所述区域图像提取所述区域图像中包含所述目标特征的所述目标区域；
S13.对所述目标区域的所述目标特征进行特征提取，并将所述目标特征作为目标模板进行注册，生成所述目标模板。
根据本发明的一个方面，步骤S13中，包括：
S131.扣取所述目标区域的图像数据；
S132.对所述图像数据进行分块处理获取多个数据块；
S133.将每个数据块划分为多个数据单元，并计算每个所述数据单元的图像均值；
S134.基于所述图像均值获取每个所述数据块的数据块特征值；
S135.将多个所述数据块特征值依次串联构成所述目标模板。
根据本发明的一个方面，步骤S134中，包括：
S1341.以处于所述数据块中心位置的所述数据单元的图像均值为比较阈值，将周围所述数据单元的图像均值与所述比较阈值相比较，若大于所述比较阈值则标记为1，否则标记为0；
S1342.按照预设规则将步骤S1341中所获得的标记串联构成二进制编码作为所述数据块特征值。
根据本发明的一个方面，步骤S2中，获取所述门上的所述目标特征在开合过程中的位置信息的步骤中，包括：
S21.按照预设规则逐像素在所述位置图像上扣取和所述目标模板相同图像尺寸的第一图像数据；
S22.基于所述第一图像数据获取待匹配特征值；
S23.基于所述待匹配特征值和所述目标模板进行相似度计算，获取相似度最大的所述第一图像数据在所述位置图像中的位置为所述目标模板的匹配位置并获取其位置信息；
S24.重复步骤S21至S23获取所述门在开合过程中的所有所述位置信息，基于所述位置信息生成所述运行轨迹。
根据本发明的一个方面，步骤S22中，包括：
S221.对所述第一图像数据进行分块处理获取多个第一数据块；
S222.将每个第一数据块划分为多个第一数据单元，并计算每个所述第一数据单元的第一图像均值；
S223.基于所述第一图像均值获取每个所述第一数据块的第一数据块特征值，其中，所述第一数据块特征值与所述数据块特征值的格式一致；
S224.将多个所述第一数据块特征值依次串联构成所述待匹配特征值。
根据本发明的一个方面，步骤S223中，包括：
S2231.以处于所述第一数据块中心位置的所述第一数据单元的第一图像均值为第一比较阈值，将周围所述第一数据单元的第一图像均值与所述第一比较阈值相比较，若大于所述第一比较阈值则标记为1，否则标记为0；
S2232.按照预设规则将步骤S2231中所获得的标记串联构成二进制编码作为所述第一数据块特征值。
根据本发明的一个方面，步骤S23中，所述位置信息包括所述目标模板在所述位置图像上的匹配位置的时刻信息和坐标信息；
所述坐标信息包含有所述匹配位置的坐标值。
根据本发明的一个方面，所述位置信息表示为：(t，p)；其中，t为时刻信息；p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值。
根据本发明的一个方面，步骤S24中，基于所述位置信息生成所述运行轨迹的步骤中包括：
S241.基于所述位置信息获取所述目标模板所对应的目标特征在所述位置图像上的目标特征信息；
S242.基于所述目标特征信息获取所述运行轨迹的起始时刻和结束时刻；
S243.基于所述起始时刻、所述结束时刻和所述位置信息构建所述运行轨迹。
根据本发明的一个方面，步骤S241中，所述目标特征信息表示为：(t，p，b)；其中，t为时刻信息；p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值；b表示当前帧的所述位置图像中是否存在所述目标特征。
根据本发明的一个方面，步骤S242中，基于所述目标特征信息获取所述运行轨迹的起始时刻和结束时刻的步骤中，包括：
S2421.根据所述目标特征信息获取所述目标特征位置发生变化的时刻信息，并以该所述时刻信息的前一时刻信息作为所述起始时刻；
S2422.按照时序，根据所述目标特征信息获取所述目标特征的所述位置信息保持不变的时刻信息或所述目标特征在所述位置图像中消失的时刻信息，并将该所述时刻信息作为所述结束时刻。
根据本发明的一个方面，步骤S2422中，将该所述时刻信息作为所述结束时刻的步骤中，按照时序，继续获取该所述时刻信息后的多帧所述位置图像中的所述目标特征信息，并判断其包含的所述位置信息是否保持不变，若是，则将所述时刻信息作为所述结束时刻。
根据本发明的一个方面，步骤S243中，所述运行轨迹表示为：Trj＝[[(tr,pr),...,(tk,pk)],type]；
其中，(tr，pr)表示开始时刻的位置信息，(tk，pk)表示结束时刻的位置信息，type表示所述门的运动状态。
根据本发明的一个方面，步骤S3中，基于所述运行轨迹对所述门进行开合故障检测的步骤中，包括：
基于所述运行轨迹进行开门运行状态检测，若tk-tr的值在预设的开门时间范围以外，则判定当前所述门的开门时间异常；
基于所述运行轨迹进行关门运行状态检测，若tk-tr的值在预设的关门时间范围以外，则判定当前所述门的关门时间异常；
基于所述运行轨迹进行停门状态检测，若pk-pr的值小于设定值，则判定当前所述门的停门位置异常。
根据本发明的一个方面，还包括：
S4.将所述门的门信息上传至云端，其中，所述门信息包括：目标模板，所述门在开合过程中的位置图像，运行轨迹，对所述门进行开合故障检测的检测结果；
S5.基于所述门信息进行所述门的云端故障实时检测和实时预警分析。
根据本发明的一个方面，步骤S5中，包括：
S51.结合历史上报的所述门信息和当前上报的所述门信息进行实时故障检测与实时预警分析；
S52.根据所述门信息中的所述运行轨迹进行所述门的运行状态特征的提取；其中所述运行状态特征包括：最大开门速度、开门速度中值、最大关门速度、关门速度中值；
S53.将所述门信息和所述门的运行状态特征存入数据库。
根据本发明的一个方面，步骤S51中，包括：
S511.对所述门的开门时间异常或关门时间异常进行二次确认；
S512.对用于采集所述位置图像的视频采集装置和所述门上的所述目标特征之间相对位置的变化进行检测。
根据本发明的一个方面，步骤S511中，当连续n次上报开门时间异常或关门时间异常，则将这连续n次的开门时间或关门时间分别标记为c1，c2，…，cn，若其中任意两次开门时间或关门时间的时间差小于或等于预设阈值，则过滤这n次开门时间异常或关门时间异常，并重新计算所述门正常的开门平均时间或关门平均时间，将其下发并更新步骤S3中用于开合故障检测的开门时间范围或关门时间范围，否则，确认所述门发生开门或关门故障并预警。
根据本发明的一个方面，步骤S512中，结合历史上报的所述门信息中的运行轨迹和当前上报的所述门信息中的运行轨迹，若当前所述运行轨迹中所述位置信息发生位置偏移，则确认所述视频采集装置与所述目标特征之间的相对位置产生变化，并以当前所述运行轨迹进行更新。
根据本发明的一个方面，步骤S52中，包括：
S521.基于所述运行轨迹获取所述门的开门速度或关门速度公式：
Figure BDA0002560597490000061
其中，d(pk,pk-1)为运行轨迹中相邻两点的欧式距离；
S522.基于步骤S521中的开门速度或关门速度公式提取所述运行状态特征。
根据本发明的一个方面，还包括：
S6.基于所述门信息进行所述门的云端故障离线检测和离线预警分析。
根据本发明的一个方面，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的开门时间或关门时间，按照设定的第二时间间隔，将所述开门时间或所述关门时间划分成多个窗口，统计每个所述窗口内的平均时间；
若所述平均时间存在差异，且大于设定阈值，则判断在所述第一时间间隔内是否存在所述门的报警记录或开关门速度调整记录，若不存在，则发出预警。
根据本发明的一个方面，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的开门时间异常或关门时间异常，按照设定的第二时间间隔，将所述开门时间异常或关门时间异常划分成多个窗口，统计每个窗口内的开门时间异常或关门时间异常的次数；
若所述次数超出设定值，则发出预警。
根据本发明的一个方面，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的的运行状态特征，采用DBSCAN聚类算法，对所述运行状态特征进行聚类；
若出现偏离总体分布的孤立样本数且样本数超过设定阈值，则发出预警。
为实现上述发明目的，本发明提供一种用于开合故障检测方法的检测预警系统，包括：视频采集装置，与所述视频采集装置相连接的门运行轨迹分析单元，以及与所述门运行轨迹分析单元相连接的门异常检测单元；
所述视频采集装置用于采集所述门在开合过程中的位置图像；
所述门运行轨迹分析单元用于获取所述目标模板，并基于所述目标模板和所述位置图像构建所述运行轨迹；
所述门异常检测单元用于基于所述运行轨迹对所述门进行开合故障检测。
根据本发明的一个方面，还包括：与所述视频采集装置、所述门运行轨迹分析单元和所述门异常检测单元相连接的数据传输单元，与所述数据传输单元相连接的云端；
所述数据传输单元用于向所述云端上传门信息，其中，所述门信息包括：目标模板，所述门在开合过程中的位置图像，运行轨迹，对所述门进行开合故障检测的检测结果；
所述云端基于所述门信息进行所述门的云端故障实时检测和实时预警分析，以及基于所述门信息进行所述门的云端故障离线检测和离线预警分析。
根据本发明的一个方面，所述云端还包括：数据库；
所述数据库用于储存所述门信息，以及所述门的运行状态特征。
根据本发明的一种方案，该检测方案基于视觉传感器采集的电梯场景的图像数据，在设备端进行视觉分析，实时输出门运行轨迹，并基于运行轨迹进行门异常实时检测；与此同时通过数据传输模块将运行轨迹等信息上传到云端，在云端进行数据分析，进一步进行门故障检测与预警；根据故障类型以及严重程度进行相应告警和记录，能够做到门故障事前预警、事中控制、事后记录，充分保障电梯安全和乘客乘梯安全。
附图说明
图1示意性表示根据本发明的一种实施方式的开合故障检测方法的步骤框图；
图2示意性表示根据本发明的一种实施方式的开合故障检测方法的流程图；
图3示意性表示根据本发明的一种实施方式的检测预警系统的结构布置图；
图4示意性表示根据本发明的一种实施方式的门的图像；
图5示意性表示根据本发明的一种实施方式的目标区域的图像；
图6示意性表示根据本发明的一种实施方式的目标区域划分为多个数据块的图像；
图7示意性表示根据本发明的一种实施方式的数据块划分为多个数据单元的图像；
图8示意性表示根据本发明的一种实施方式的数据块划分为多个数据单元的图像；
图9示意性表示根据本发明的一种实施方式的数据块转换为二进制编码的流程图；
图10示意性表示根据本发明的一种实施方式的目标模板与位置图像逐像素匹配的流程图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，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。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
如图1所示，根据本发明的一种实施方式，本发明的一种用于门的开合故障检测方法，包括以下步骤：
S1.提取门上的目标特征所在的目标区域，并基于目标区域生成目标模板；
S2.获取门在开合过程中的位置图像并基于目标模板，获取门上的目标特征在开合过程中的位置信息并构建门的运行轨迹；
S3.基于运行轨迹对门进行开合故障检测。
结合图2、图3、图4和图5所示，根据本发明的一种实施方式，步骤S1中，包括：
S11.获取门在关闭状态下包含门的区域图像。在本实施方式中，视频采集装置1安装在具有门的位置(如电梯轿厢内、走廊等区域)，在视频采集装置1的视野范围内需要完全覆盖整个门，以及能够完全采集到门的开合运行过程。在本实施方式中，通过视频采集装置获取一张具有门且在门处于正常关闭状态下的区域图像(参见图4)。在本实施方式中，视频采集装置1包括但不限于普通监控相机、工业相机等的拍摄装置。通过上述设置，保证了视频采集装置能够全程获取门的开合过程图像，对保证本发明的检测准确度有利。
S12.基于区域图像提取区域图像中包含目标特征的目标区域。在本实施方式中，通过用户界面采用手动方式在所获得的区域图像中标记一个目标特征所在的区域为目标区域，参见图5所示。在本实施方式中，所选取的目标特征可以为门上张贴的标签、警示标志等显著的且易于识别的特征。需要注意的是，在获取门上目标区域的方式中还可采用自动采集的方式自主完成。通过上述设置，可以方便灵活的通过门上的显著特征执行本方案，这样对于不同的门而言，都可以采用门上原有的或为执行本方案所添加的显著特征来执行本方案，有效提高了本方案的适用性和灵活性。
S13.对目标区域的目标特征进行特征提取，并将目标特征作为目标模板进行注册，生成目标模板。
如图1所示，根据本发明的一种实施方式，步骤S13中，包括：
S131.扣取目标区域的图像数据。
S132.对图像数据进行分块处理获取多个数据，如图6所示，在本实施方式中，将步骤S131中扣取的目标区域的图像数据划分成2行2列的数据块。需要指出的是，对目标区域的图像数据进行划分的规则可以进行预设设置，且其划分数量或精度要求进行调整，例如可以划分为2行3列、3行3列等。
S133.将每个数据块划分为多个数据单元，并计算每个数据单元的图像均值，如图7所示，在本实施方式中，对每个数据块进一步划分成多个小块，即划分为多个数据单元。在本实施方式中，数据单元的个数为奇数或偶数个，如图7中所示，可将每个数据块划分为3*3个数据单元，并计算每个数据单元中的图像均值。当然，每个数据块还可划分为其它数量的数据单元(如3*4、4*4、5*5等)，可根据具体的需要进行调整。
S134.基于图像均值获取每个数据块的数据块特征值。结合图7和图8所示，在本实施方式中，包括：
S1341.以处于数据块中心位置的数据单元的图像均值为比较阈值，将周围数据单元的图像均值与比较阈值相比较，若大于比较阈值则标记为1，否则标记为0；具体的，以每个数据块划分为3*3个数据单元为例，将处于中心位置的数据单元的图像均值作为比较阈值，进而可以通过将相邻的8个数据单元的图像均值与其进行比较，如，处于中心位置的数据单元的图像均值为75，则其余数据单元的图像均值则与该图像均值进行比较可得出相应的标记值，如，80＞75，则将相对应的数据单元记为1，55＜75，则将相对应的数据单元记为0。
S1342.按照预设规则将步骤S1341中所获得的标记串联构成二进制编码作为数据块特征值。参见图8所示，在本实施方式中，将3*3邻域内的8个数据单元均与中间位置的数据单元比较完成后，按照顺时针(该串联方向是根据需要进行设定的，其还可以是逆时针方向，由下至上由右至左等方式进行串联)的方向依次将比较后所得的标记值进行串联，即可产生一8位的二进制编码，该二进制编码即为数据块特征值。
S135.将多个数据块特征值依次串联构成目标模板。如图9所示，在本实施方式中，将所有的数据块的数据块特征值按照预设的规则进行串联即可构成一个8*2*2＝32位的二进制编码，该二进制编码即为目标模板(或目标模板的特征值)。
通过上述设置，实现了对本方案中的目标特征的阈值化，并使目标特征的图像数据简化为了一连串的二进制编码，这样在与门的位置图像进行实时匹配的过程中，仅需要二进制编码进行匹配即可，极大的减小了采用原本的图像数据进行匹配的工作量，有效提高了匹配过程的速度和效率，非常有利于进行实时匹配。此外，由于二进制编码是有周围数据块和中间数据块的图像数据的通过阈值化处理所获得，进而目标特征的边界会更为显著。因此，通过二进制编码匹配的过程中，不仅速度快，而且具有更高的匹配精度。
如图10所示，根据本发明的一种实施方式，步骤S2中，获取门上的目标特征在开合过程中的位置信息的步骤中，包括：
S21.按照预设规则逐像素在位置图像上扣取和目标模板相同图像尺寸的第一图像数据。参见图10所示，按照从左至右，由上至下逐像素的在带匹配图像(即视频采集装置获取的门的位置图像)上扣取和目标模板相同图像尺寸(即步骤S131中扣取的目标区域的图像尺寸)的第一图像数据。
S22.基于第一图像数据获取待匹配特征值；在本实施方式中，包括：
S221.对第一图像数据进行分块处理获取多个第一数据块；参见步骤S132，以相同的方式对第一图像数据划分成2行2列的第一数据块。
S222.将每个第一数据块划分为多个第一数据单元，并计算每个第一数据单元的第一图像均值；参见步骤S133，以相同的方式将第一数据块划分为3*3个第一数据单元，并计算每个第一数据单元的第一图像均值。
S223.基于第一图像均值获取每个第一数据块的第一数据块特征值，其中，第一数据块特征值与数据块特征值的格式一致。在本实施方式中，包括：
S2231.以处于第一数据块中心位置的第一数据单元的第一图像均值为第一比较阈值，将周围所述第一数据单元的第一图像均值与第一比较阈值相比较，若大于所述第一比较阈值则标记为1，否则标记为0；参见步骤S1341，采用相同的方式对第一数据块进行标记。
S2232.按照预设规则将步骤S2231中所获得的标记串联构成二进制编码作为第一数据块特征值。参见步骤S1342，采用与之相同的方式获取第一数据块特征值。
S224.将多个第一数据块特征值依次串联构成所述待匹配特征值。参见步骤S135，采用相同的方式将所有第一数据块特征值进行串联构成第一图像数据的待匹配特征值。
S23.基于待匹配特征值和目标模板进行相似度计算，获取相似度最大的第一图像数据在位置图像中的位置为目标模板的匹配位置并获取其位置信息。在本实施方式中，使用汉明距离进行滑动窗口图像特征(即第一图像数据的待匹配特征值)和目标模板(或目标模板的特征值)进行相似度计算，最后取相似度最大的位置作为目标模板所对应的目标特征在视频采集装置获取的门的位置图像中的位置。需要指出的是，汉明距离为在一个码组集合中，任意两个码字之间对应位上码元取值不同的位的数目定义为这两个码字之间的汉明距离，汉明距离越小说明两个码字相似度越大。
在本实施方式中，位置信息包括目标模板在位置图像上的匹配位置的时刻信息和坐标信息。在本实施方式中，坐标信息包含有匹配位置的坐标值。可以理解的，当获取目标模板在位置图像上的匹配位置时，也意味着该匹配位置即为目标特征在位置图像上的坐标位置。
在本实施方式中，位置信息表示为：(t，p)；其中，t为时刻信息；p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值。
S24.重复步骤S21至S23获取门在开合过程中的所有位置信息，基于位置信息生成运行轨迹。在本实施方式中，包括：
S241.基于位置信息获取目标模板所对应的目标特征在位置图像(即视频采集装置获取的门的位置图像)上的目标特征信息；在本实施方式中，目标特征信息表示为：(t，p，b)；其中，t为时刻信息；p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值；b表示当前帧的位置图像中是否存在该目标特征。
S242.基于目标特征信息获取运行轨迹的起始时刻和结束时刻；在本实施方式中，包括：
S2421.根据目标特征信息获取目标特征位置发生变化的时刻信息，并以该时刻信息的前一时刻信息作为起始时刻；
S2422.按照时序，根据目标特征信息获取目标特征的位置信息保持不变的时刻信息或目标特征在位置图像中消失的时刻信息，并将该时刻信息作为结束时刻。
在本实施方式中，将该时刻信息作为结束时刻的步骤中，按照时序，继续获取该时刻信息后的多帧位置图像中的目标特征信息，并判断其包含的位置信息是否保持不变，若是，则将时刻信息作为结束时刻。
具体的，为方便对步骤S242的理解，对其作进一步解释如下：
目标特征信息(t，p，b)包含时间戳t、标签位置p和当前帧是否检测到标签b。若t1、t2、tr时刻坐标信息p一直未发生变化，tr+1时刻坐标信息p开始发生变化，直到tk时刻坐标信息p保持不变或目标未出现b＝0，且坐标信息保持不变维持了s帧到tk+s时刻，则将tr作为起始时刻，将tk时刻作为结束时刻。
S243.基于起始时刻、结束时刻和位置信息构建运行轨迹。在本实施方式中，运行轨迹表示为：Trj＝[[(tr,pr),...,(tk,pk)],type]；
其中，(tr，pr)表示开始时刻的位置信息，(tk，pk)表示结束时刻的位置信息，type表示所述门的运动状态，在本实施方式中，type的定义如下；
Figure BDA0002560597490000131
通过上述设置，采用逐像素在获取的门的位置图像上进行目标特征的匹配，这样可以准确的获取门上目标特征的具体位置，这样在对提高门的整个开门过程或关门过程的运行轨迹的准确度更为有利，进而对后续准确获取开合故障检测的检测结果有益。
根据本发明的一种实施方式，步骤S3中，基于运行轨迹对门进行开合故障检测的步骤中，包括：
基于运行轨迹Trj＝[[(tr,pr),...,(tk,pk)],type]进行开门运行状态检测，即type为开门运行，若tk-tr的值在预设的开门时间范围以外，则判定当前门的开门时间异常；
基于运行轨迹Trj＝[[(tr,pr),...,(tk,pk)],type]进行关门运行状态检测，即type为关门运行，若tk-tr的值在预设的关门时间范围以外，则判定当前门的关门时间异常；
基于运行轨迹Trj＝[[(tr,pr),...,(tk,pk)],type]进行停门状态检测，若pk-pr的值小于设定值，则判定当前门的停门位置异常。
结合图2和图3所示，根据本发明的一种实施方式，本发明的一种用于门的开合故障检测方法，还包括：
S4.将门的门信息上传至云端，其中，门信息包括：目标模板，门在开合过程中的位置图像，运行轨迹，对门进行开合故障检测的检测结果；
S5.基于门信息进行门的云端故障实时检测和实时预警分析。在本实施方式中，包括：
S51.结合历史上报的门信息和当前上报的门信息进行实时故障检测与实时预警分析；在本实施方式中，包括：
S511.对门的开门时间异常或关门时间异常进行二次确认；在本实施方式中，当连续n次上报开门时间异常或关门时间异常，则将这连续n次的开门时间或关门时间分别标记为c1，c2，…，cn，若其中任意两次开门时间或关门时间的时间差小于或等于预设阈值，则认为是维修人员调整电梯门开关速度导致，过滤这n次开门时间异常或关门时间异常，并重新计算门正常的开门平均时间或关门平均时间，将其下发并更新步骤S3中用于开合故障检测的开门时间范围或关门时间范围，否则，确认门发生开门或关门故障并预警。
S512.对用于采集位置图像的视频采集装置和门上的目标特征之间相对位置的变化进行检测。在本实施方式中，结合历史上报的门信息中的运行轨迹和当前上报的门信息中的运行轨迹，若当前运行轨迹中门的位置图像中的目标特征的位置信息较之前的运行轨迹发生位置偏移，则确认视频采集装置与目标特征之间的相对位置产生变化，并以当前运行轨迹进行更新历史存储的运行轨迹。
S52.根据门信息中的运行轨迹进行门的运行状态特征的提取；其中运行状态特征包括：最大开门速度、开门速度中值、最大关门速度、关门速度中值；在本实施方式中，包括：
S521.基于运行轨迹获取门的开门速度或关门速度公式：
Figure BDA0002560597490000151
其中，假设当前运行轨迹为Trj＝[[(t0,p0),...,(ti,pi)],type]，则k＝1,2，…i，d(pk,pk-1)为运行轨迹中相邻两点的欧式距离；
S522.基于步骤S521中的开门速度或关门速度公式提取运行状态特征。
S53.将门信息和门的运行状态特征存入数据库。
通过上述设置，在云端进行门的运行过程的二次确认，进一步保证了本发明的实时检测的准确性，对进一步保证门的正常运行有利。
结合图2和图3所示，根据本发明的一种实施方式，本发明的一种用于门的开合故障检测方法，还包括：
S6.基于门信息进行门的云端故障离线检测和离线预警分析。
根据本发明的一种实施方式，步骤S6中，每间隔一设定的第一时间间隔从数据库中拉取预设时长的开门时间或关门时间，按照设定的第二时间间隔，将开门时间或关门时间划分成多个窗口，统计每个窗口内的平均时间；
若平均时间存在差异，且大于设定阈值，则判断在第一时间间隔内是否存在门的报警记录或开关门速度调整记录，若不存在，则发出预警，提醒相关人员及时对电梯门进行维护。
如图1所示，根据本发明的另一种实施方式，步骤S6中，每间隔一设定的第一时间间隔从数据库中拉取预设时长的开门时间异常或关门时间异常，按照设定的第二时间间隔，将开门时间异常或关门时间异常划分成多个窗口，统计每个窗口内的开门时间异常或关门时间异常的次数；
若次数超出设定值，则发出预警，提醒相关人员及时对电梯门进行维护。
如图1所示，根据本发明的另一种实施方式，步骤S6中，每间隔一设定的第一时间间隔从数据库中拉取预设时长的的运行状态特征，采用DBSCAN聚类算法，对运行状态特征进行聚类；
若出现偏离总体分布的孤立样本数且样本数超过设定阈值，则发出预警，提醒相关人员及时对电梯门进行维护。
通过上述设置，通过云端的离线检测，这样实现了对门运行的历史回溯和整体监测，对进一步保证门的健康运行有利。
结合图2和图3所示，根据本发明的一种实施方式，本发明的一种用于开合故障检测方法的检测预警系统，包括：视频采集装置1，与视频采集装置1相连接的门运行轨迹分析单元2，以及与门运行轨迹分析单元2相连接的门异常检测单元3。在本实施方式中，视频采集装置1、门运行轨迹分析单元2和门异常检测单元3可集成的安装在与门相对的位置形成终端，实现在本地对门运行轨迹的分析和异常检测。在本实施方式中，视频采集装置1用于采集门在开合过程中的位置图像；门运行轨迹分析单元2用于获取目标模板，并基于目标模板和位置图像构建运行轨迹；门异常检测单元用于基于运行轨迹对门进行开合故障检测。其具体的工作过程如前所述，在此不再赘述。
结合图2和图3所示，根据本发明的一种实施方式，本发明的一种用于开合故障检测方法的检测预警系统，还包括：与视频采集装置1、门运行轨迹分析单元2和门异常检测单元3相连接的数据传输单元4，与数据传输单元4相连接的云端5。在本实施方式中，数据传输单元4用于向云端5上传门信息，其中，门信息包括：目标模板，门在开合过程中的位置图像，运行轨迹，对门进行开合故障检测的检测结果；云端5基于门信息进行门的云端故障实时检测和实时预警分析，以及基于门信息进行门的云端故障离线检测和离线预警分析。其具体的工作过程如前所述，在此不再赘述。
根据本发明的一种实施方式，云端还包括：数据库。在本实施方式中，数据库用于储存门信息，以及门的运行状态特征。
上述内容仅为本发明的具体方案的例子，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (24)

1.一种用于门的开合故障检测方法，包括以下步骤：
S1.提取门上的目标特征所在的目标区域，并基于所述目标区域生成目标模板；
S2.获取所述门在开合过程中的位置图像并基于所述目标模板，获取所述门上的所述目标特征在开合过程中的位置信息并构建所述门的运行轨迹，具体包括：
S21.按照预设规则逐像素在所述位置图像上扣取和所述目标模板相同图像尺寸的第一图像数据；
S22.基于所述第一图像数据获取待匹配特征值；
S23.基于所述待匹配特征值和所述目标模板进行相似度计算，获取相似度最大的所述第一图像数据在所述位置图像中的位置为所述目标模板的匹配位置并获取其位置信息；
S24.重复步骤S21至S23获取所述门在开合过程中的所有所述位置信息，基于所述位置信息生成所述运行轨迹；
步骤S24中，基于所述位置信息生成所述运行轨迹的步骤中包括：
S241.基于所述位置信息获取所述目标模板所对应的目标特征在所述位置图像上的目标特征信息；
S242.基于所述目标特征信息获取所述运行轨迹的起始时刻和结束时刻；所述目标特征信息表示为：(t，p，b)；其中，p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值；b表示当前帧的所述位置图像中是否存在所述目标特征；
S243.基于所述起始时刻、所述结束时刻和所述位置信息构建所述运行轨迹；
S3.基于所述运行轨迹对所述门进行开合故障检测，具体包括：
基于所述运行轨迹进行开门运行状态检测，若tk-tr的值在预设的开门时间范围以外，则判定当前所述门的开门时间异常；
基于所述运行轨迹进行关门运行状态检测，若tk-tr的值在预设的关门时间范围以外，则判定当前所述门的关门时间异常；
基于所述运行轨迹进行停门状态检测，若pk-pr的值小于设定值，则判定当前所述门的停门位置异常；
其中，(tr，pr)表示开始时刻的位置信息，(tk，pk)表示结束时刻的位置信息，t为时刻信息，p为坐标信息，其表示为(x，y)。
2.根据权利要求1所述的开合故障检测方法，其特征在于，步骤S1中，包括：
S11.获取所述门在关闭状态下包含所述门的区域图像；
S12.基于所述区域图像提取所述区域图像中包含所述目标特征的所述目标区域；
S13.对所述目标区域的所述目标特征进行特征提取，并将所述目标特征作为目标模板进行注册，生成所述目标模板。
3.根据权利要求2所述的开合故障检测方法，其特征在于，步骤S13中，包括：
S131.扣取所述目标区域的图像数据；
S132.对所述图像数据进行分块处理获取多个数据块；
S133.将每个数据块划分为多个数据单元，并计算每个所述数据单元的图像均值；
S134.基于所述图像均值获取每个所述数据块的数据块特征值；
S135.将多个所述数据块特征值依次串联构成所述目标模板。
4.根据权利要求3所述的开合故障检测方法，其特征在于，步骤S134中，包括：
S1341.以处于所述数据块中心位置的所述数据单元的图像均值为比较阈值，将周围所述数据单元的图像均值与所述比较阈值相比较，若大于所述比较阈值则标记为1，否则标记为0；
S1342.按照预设规则将步骤S1341中所获得的标记串联构成二进制编码作为所述数据块特征值。
5.根据权利要求1所述的开合故障检测方法，其特征在于，步骤S22中，包括：
S221.对所述第一图像数据进行分块处理获取多个第一数据块；
S222.将每个第一数据块划分为多个第一数据单元，并计算每个所述第一数据单元的第一图像均值；
S223.基于所述第一图像均值获取每个所述第一数据块的第一数据块特征值，其中，所述第一数据块特征值与所述数据块特征值的格式一致；
S224.将多个所述第一数据块特征值依次串联构成所述待匹配特征值。
6.根据权利要求5所述的开合故障检测方法，其特征在于，步骤S223中，包括：
S2231.以处于所述第一数据块中心位置的所述第一数据单元的第一图像均值为第一比较阈值，将周围所述第一数据单元的第一图像均值与所述第一比较阈值相比较，若大于所述第一比较阈值则标记为1，否则标记为0；
S2232.按照预设规则将步骤S2231中所获得的标记串联构成二进制编码作为所述第一数据块特征值。
7.根据权利要求5或6所述的开合故障检测方法，其特征在于，步骤S23中，所述位置信息包括所述目标模板在所述位置图像上的匹配位置的时刻信息和坐标信息；
所述坐标信息包含有所述匹配位置的坐标值。
8.根据权利要求7所述的开合故障检测方法，其特征在于，所述位置信息表示为：(t，p)；其中，t为时刻信息；p为坐标信息，其表示为(x，y)，其中，x，y分别表示坐标值。
9.根据权利要求1所述的开合故障检测方法，其特征在于，步骤S242中，基于所述目标特征信息获取所述运行轨迹的起始时刻和结束时刻的步骤中，包括：
S2421.根据所述目标特征信息获取所述目标特征位置发生变化的时刻信息，并以该所述时刻信息的前一时刻信息作为所述起始时刻；
S2422.按照时序，根据所述目标特征信息获取所述目标特征的所述位置信息保持不变的时刻信息或所述目标特征在所述位置图像中消失的时刻信息，并将该所述时刻信息作为所述结束时刻。
10.根据权利要求9所述的开合故障检测方法，其特征在于，步骤S2422 中，将该所述时刻信息作为所述结束时刻的步骤中，按照时序，继续获取该所述时刻信息后的多帧所述位置图像中的所述目标特征信息，并判断其包含的所述位置信息是否保持不变，若是，则将所述时刻信息作为所述结束时刻。
11.根据权利要求10所述的开合故障检测方法，其特征在于，步骤S243中，所述运行轨迹表示为：Trj＝[[(tr,pr),...,(tk,pk)],type]；
其中，(tr，pr)表示开始时刻的位置信息，(tk，pk)表示结束时刻的位置信息，type表示所述门的运动状态。
12.根据权利要求1所述的开合故障检测方法，其特征在于，还包括：
S4.将所述门的门信息上传至云端，其中，所述门信息包括：目标模板，所述门在开合过程中的位置图像，运行轨迹，对所述门进行开合故障检测的检测结果；
S5.基于所述门信息进行所述门的云端故障实时检测和实时预警分析。
13.根据权利要求12所述的开合故障检测方法，其特征在于，步骤S5中，包括：
S51.结合历史上报的所述门信息和当前上报的所述门信息进行实时故障检测与实时预警分析；
S52.根据所述门信息中的所述运行轨迹进行所述门的运行状态特征的提取；其中所述运行状态特征包括：最大开门速度、开门速度中值、最大关门速度、关门速度中值；
S53.将所述门信息和所述门的运行状态特征存入数据库。
14.根据权利要求13所述的开合故障检测方法，其特征在于，步骤S51中，包括：
S511.对所述门的开门时间异常或关门时间异常进行二次确认；
S512.对用于采集所述位置图像的视频采集装置和所述门上的所述目标特征之间相对位置的变化进行检测。
15.根据权利要求14所述的开合故障检测方法，其特征在于，步骤S511中，当连续n次上报开门时间异常或关门时间异常，则将这连续n次的开门时间或关门时间分别标记为c1，c2，…，cn，若其中任意两次开门时间或关门时间的时间差小于或等于预设阈值，则过滤这n次开门时间异常或关门时间异常，并重新计算所述门正常的开门平均时间或关门平均时间，将其下发并更新步骤S3中用于开合故障检测的开门时间范围或关门时间范围，否则，确认所述门发生开门或关门故障并预警。
16.根据权利要求14或15所述的开合故障检测方法，其特征在于，步骤S512中，结合历史上报的所述门信息中的运行轨迹和当前上报的所述门信息中的运行轨迹，若当前所述运行轨迹中所述位置信息发生位置偏移，则确认所述视频采集装置与所述目标特征之间的相对位置产生变化，并以当前所述运行轨迹进行更新。
17.根据权利要求13所述的开合故障检测方法，其特征在于，步骤S52中，包括：
S521.基于所述运行轨迹获取所述门的开门速度或关门速度公式：
Figure FDA0003517253030000051
其中，d(pk,pk-1)为运行轨迹中相邻两点的欧式距离；
S522.基于步骤S521中的开门速度或关门速度公式提取所述运行状态特征。
18.根据权利要求13所述的开合故障检测方法，其特征在于，还包括：
S6.基于所述门信息进行所述门的云端故障离线检测和离线预警分析。
19.根据权利要求18所述的开合故障检测方法，其特征在于，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的开门时间或关门时间，按照设定的第二时间间隔，将所述开门时间或所述关门时间划分成多个窗口，统计每个所述窗口内的平均时间；
若所述平均时间存在差异，且大于设定阈值，则判断在所述第一时间间隔内是否存在所述门的报警记录或开关门速度调整记录，若不存在，则发出预警。
20.根据权利要求18所述的开合故障检测方法，其特征在于，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的开门时间异常或关门时间异常，按照设定的第二时间间隔，将所述开门时间异常或关门时间异常划分成多个窗口，统计每个窗口内的开门时间异常或关门时间异常的次数；
若所述次数超出设定值，则发出预警。
21.根据权利要求18所述的开合故障检测方法，其特征在于，步骤S6中，每间隔一设定的第一时间间隔从所述数据库中拉取预设时长的运行状态特征，采用DBSCAN聚类算法，对所述运行状态特征进行聚类；
若出现偏离总体分布的孤立样本数且样本数超过设定阈值，则发出预警。
22.一种用于权利要求1至21任一项所述的开合故障检测方法的检测预警系统，其特征在于，包括：视频采集装置，与所述视频采集装置相连接的门运行轨迹分析单元，以及与所述门运行轨迹分析单元相连接的门异常检测单元；
所述视频采集装置用于采集所述门在开合过程中的位置图像；
所述门运行轨迹分析单元用于获取所述目标模板，并基于所述目标模板和所述位置图像构建所述运行轨迹；
所述门异常检测单元用于基于所述运行轨迹对所述门进行开合故障检测。
23.根据权利要求22所述的检测预警系统，其特征在于，还包括：与所述视频采集装置、所述门运行轨迹分析单元和所述门异常检测单元相连接的数据传输单元，与所述数据传输单元相连接的云端；
所述数据传输单元用于向所述云端上传门信息，其中，所述门信息包括：目标模板，所述门在开合过程中的位置图像，运行轨迹，对所述门进行开合故障检测的检测结果；
所述云端基于所述门信息进行所述门的云端故障实时检测和实时预警分析，以及基于所述门信息进行所述门的云端故障离线检测和离线预警分析。
24.根据权利要求23所述的检测预警系统，其特征在于，所述云端还包括：数据库；
所述数据库用于储存所述门信息，以及所述门的运行状态特征。
CN202010609790.9A 2020-06-29 2020-06-29 一种用于门的开合故障检测方法及检测预警系统 Active CN111731962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010609790.9A CN111731962B (zh) 2020-06-29 2020-06-29 一种用于门的开合故障检测方法及检测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010609790.9A CN111731962B (zh) 2020-06-29 2020-06-29 一种用于门的开合故障检测方法及检测预警系统

Publications (2)

Publication Number Publication Date
CN111731962A CN111731962A (zh) 2020-10-02
CN111731962B true CN111731962B (zh) 2022-04-22

Family

ID=72653541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010609790.9A Active CN111731962B (zh) 2020-06-29 2020-06-29 一种用于门的开合故障检测方法及检测预警系统

Country Status (1)

Country Link
CN (1) CN111731962B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347862A (zh) * 2020-10-20 2021-02-09 浙江新再灵科技股份有限公司 一种基于机器视觉的电梯门故障实时检测方法
CN112465860B (zh) * 2020-11-17 2024-05-31 浙江新再灵科技股份有限公司 一种用于门的运行状态检查方法及检查设备
CN114619482B (zh) * 2020-12-10 2024-08-20 合肥欣奕华智能机器股份有限公司 机器人故障预测方法、故障预测系统及故障预测设备
CN112723069B (zh) * 2020-12-16 2023-06-09 长沙慧联智能科技有限公司 基于tof视觉检测的电梯门运行状态监测方法及系统
CN112801072B (zh) * 2021-04-14 2021-11-02 浙江大学 一种基于计算机视觉的电梯非平层开门故障识别装置及方法
CN113104046B (zh) * 2021-04-28 2022-11-11 中国第一汽车股份有限公司 一种基于云服务器的开门预警方法及装置
CN113159001B (zh) * 2021-05-26 2024-09-06 国网信息通信产业集团有限公司 一种图像检测方法、系统、存储介质及电子设备
CN117576491B (zh) * 2024-01-17 2024-04-26 浙江新再灵科技股份有限公司 电梯门故障检测方法、电梯门故障发生率预测方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105800434B (zh) * 2016-05-31 2018-08-07 广州广日电梯工业有限公司 开关门异常的变频检测系统及方法
CN107298354B (zh) * 2017-07-13 2019-03-19 日立楼宇技术（广州）有限公司 电梯门机监测方法、装置、系统和计算机可读介质、设备
CN109896386B (zh) * 2019-03-08 2020-12-01 浙江新再灵科技股份有限公司 一种基于计算机视觉技术的电梯门反复开关的检测方法及系统
CN110143504A (zh) * 2019-04-09 2019-08-20 广东碧桂园物业服务股份有限公司 一种基于故障预警机制的电梯救援通道
CN111126300B (zh) * 2019-12-25 2023-09-08 成都极米科技股份有限公司 一种人体图像检测方法、装置和电子设备及可读存储介质

Also Published As

Publication number Publication date
CN111731962A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111731962B (zh) 一种用于门的开合故障检测方法及检测预警系统
CN112347873B (zh) 梯控方法
CN107679471B (zh) 基于视频监控平台的室内人员空岗检测方法
CN109867186B (zh) 一种基于智能视频分析技术的电梯困人检测方法及系统
CN110363742B (zh) 一种基于cnn和图像处理的转辙机缺口检测方法
CN114900669A (zh) 场景监测方法、装置、电子设备及存储介质
CN104156819B (zh) 一种重要岗位不安全行为自动观察纠偏方法及装置
CN108446864A (zh) 基于大数据分析的轨道交通设备的故障预警系统及方法
CN112290546B (zh) 一种基于人机共融的变电站一次设备故障判别方法
CN113159393A (zh) 客运站大客流感知预警方法、装置、电子设备和存储介质
CN110481606B (zh) 基于视觉识别技术的地铁客流引导系统及方法
CN113628432B (zh) 地铁人流限流的智能预警系统
CN109919066B (zh) 一种检测轨道交通车厢内乘客密度异常的方法和装置
CN111731960B (zh) 电梯门开关状态检测方法
CN111476979A (zh) 一种基于多模型分析的智能安保维稳方法及系统
CN112560650A (zh) 一种电梯门标签提取及监控画面异常检测方法
CN115146726A (zh) 一种基于机器学习的智能运维中kpi异常预警方法
CN114436087B (zh) 基于深度学习的电梯乘客扒门检测方法及系统
CN117994863B (zh) 一种人体行为识别方法及其识别系统
CN114913968A (zh) 一种基于人工智能的医疗设备状态监控系统及方法
CN111780809B (zh) 轨道车辆零部件温度和振动监测预警方法及其系统
CN117935452A (zh) 一种基于视觉多模态分析的车间安防系统和方法
CN116503809A (zh) 一种智慧工厂行为穿戴误告警过滤的后处理方法
CN113111701B (zh) 一种基于智能识别的充电站电动地锁状态监测方法及系统
CN111960207B (zh) 基于多元分析的电梯运行环境异常检测方法及检测系统

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
GR01 Patent grant
GR01 Patent grant