CN111986253B - 电梯拥挤程度的检测方法、装置、设备及存储介质 - Google Patents
电梯拥挤程度的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111986253B CN111986253B CN202010850886.4A CN202010850886A CN111986253B CN 111986253 B CN111986253 B CN 111986253B CN 202010850886 A CN202010850886 A CN 202010850886A CN 111986253 B CN111986253 B CN 111986253B
- Authority
- CN
- China
- Prior art keywords
- point
- image data
- pixel
- car
- area
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明公开了一种电梯拥挤程度的检测方法、装置、设备及存储介质。一种电梯拥挤程度的检测方法包括:在电梯处于载客状态下,对电梯的轿厢采集第二图像数据,第二图像数据中的每个第二像素点具有第二深度值;对比第二图像数据与第一图像数据之间在深度上的差异、以从第二像素点中确定代表乘梯对象的目标点,第一图像数据表征电梯处于空载状态时的深度;在第二图像数据中,根据目标点的第二深度值计算目标点投影至轿厢的地面上时的区域,作为投影区域;计算投影区域占轿厢的地面的比值,获得轿厢内的拥挤程度。将目标点所占用的像素面积投影到轿厢的地面上,获得目标点在轿厢的地面上的投影区域,有效的提高轿厢的拥挤程度的计算结果可靠性。
Description
技术领域
本发明实施例涉及电梯技术,尤其涉及一种电梯拥挤程度的检测方法、装置、设备及存储介质。
背景技术
随着高层建筑的水平不断发展,电梯已成为人们必不可少的垂直交通工具,与此同时,人们对电梯的运行效率和舒适度的要求越来越高。对于电梯运行效率最优化而言,电梯是否满载是一项关键指标。
现有的电梯通过在轿厢的顶部设置的摄像头采集电梯的轿厢内部的图像数据,通过对图像数据的处理判断乘梯对象所占的空间与轿厢的地面的比例,从而获取电梯的拥挤情况。
如图1所示,图中11为乘梯对象所实际占用的面积,12为上述方式计算得到的占用面积。采用上述方式判断电梯的拥挤情况,由于摄像头13的拍摄角度与乘梯对象14的位置差异,使得乘梯对象14遮挡超过自身实际占用的面积的像素点,造成计算结果的误差,使得计算结果失真,获得的拥挤情况与实际不符。
发明内容
本发明提供一种电梯拥挤程度的检测方法、装置、设备及存储介质,以实现对电梯的拥挤程度的低失真获取。
第一方面,本发明实施例提供了一种电梯拥挤程度的检测方法,包括:
在电梯处于载客状态下,对所述电梯的轿厢采集第二图像数据,所述第二图像数据中的每个第二像素点具有第二深度值;
对比所述第二图像数据与第一图像数据之间在深度上的差异、以从所述第二像素点中确定代表乘梯对象的目标点,所述第一图像数据表征所述电梯处于空载状态时的深度;
在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域;
计算所述投影区域占所述轿厢的地面的比值,获得所述轿厢内的拥挤程度。
可选的,在所述对所述电梯的轿厢采集第二图像数据之前,还包括:
在电梯处于空载状态下,对所述电梯的轿厢采集第一图像数据,所述第一图像数据中的每个第一像素点具有第一深度值;
在所述第一图像数据中识别所述轿厢的地面;
确定落入所述轿厢的地面内的所述第一像素点,作为地面点;
获取所述地面点在所述第一图像数据中所占的像素面积;
将位于所述第一图像数据上的所述像素面积转换为水平面上的参考面积。
可选的,所述在所述第一图像数据中识别所述轿厢的地面,包括:
在所述第一图像数据内查找参考点,所述参考点的所述第一深度值大于与所述参考点相邻的所述第一像素点的所述第一深度值;
将各个所述参考点连成一个封闭的区域,以确定所述轿厢的地面。
可选的,所述参考点包括第一参考点、第二参考点、第三参考点和第四参考点;
所述将各个所述参考点连成一个封闭的区域,以确定所述轿厢的地面,包括:
分别获取所述第一参考点与所述第二参考点、所述第三参考点、所述第四参考点的距离;
确定与所述第一参考点距离最近的两个所述参考点为所述第一参考点的相邻点,距离最远的所述参考点为所述第一参考点的对角点;
连接所述第一参考点与所述相邻点、连接所述对角点与所述相邻点,确定连线内的区域为所述轿厢的地面。
可选的,所述获取所述地面点在所述第一图像数据中所占的像素面积,包括:
以所述地面点对应的所述第一深度值为球体的半径、计算所述球体的表面积;
根据所述表面积、所述第一像素点的数量和深度摄像头的视场角计算单个所述第一像素点所占的所述表面积大小,获得所述地面点对应的像素面积,所述深度摄像头用于采集所述第一图像数据。
可选的,所述将位于所述第一图像数据上的所述像素面积转换为水平面上的参考面积,包括:
获取所述像素点与深度摄像头的连线和深度摄像头正对方向所成的第一夹角,所述深度摄像头用于采集所述第一图像数据;
计算所述像素面积与所述第一夹角的余弦值之间的比值,获得所述地面点在水平面上的参考面积。
可选的,所述对比所述第二图像数据与第一图像数据之间在深度上的差异、以从所述第二像素点中确定代表乘梯对象的目标点,包括:
获取第一图像数据,所述第一图像数据中的每个第一像素点具有第一深度值;
针对同一位置,若所述第二像素点的第二深度值比所述第一像素点的第一深度值小,则确定所述第二像素点为代表乘梯对象的初始点;
获取所述初始点在所述轿厢的地面上的投影位置;
删除投影位置重叠的初始点;
将剩余的初始点设置为目标点。
可选的,所述删除投影位置重叠的初始点,包括:
分别获取第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围,所述第一初始点与所述第二初始点相邻;
若所述第一坐标范围与所述第二坐标范围相互重合,则剔除两个所述初始点中的一个所述初始点。
可选的,所述删除投影位置重叠的初始点,包括:
分别获取第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围,所述第三初始点与所述第四初始点相邻;
若所述第三坐标范围与所述第四坐标范围相互重合,则剔除两个所述初始点中的一个所述初始点。
可选的,所述在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域,包括:
将所述目标点对应的第二深度值作为球体的半径,计算所述球体的表面积;
根据所述表面积、所述第二像素点的数量和深度摄像头的视场角计算单个所述第二像素点所占的所述表面积大小,获得所述目标点对应的像素面积;
获取所述目标点与所述深度摄像头的连线和深度摄像头正对方向所成的第二夹角;
计算所述像素面积与所述第二夹角的余弦值之间的乘积,获得所述目标点在所述轿厢的地面上的投影区域。
第二方面,本发明实施例还提供了一种电梯拥挤程度的检测装置,包括:
数据获取模块,用于在电梯处于载客状态下,对所述电梯的轿厢采集第二图像数据,所述第二图像数据中的每个第二像素点具有第二深度值;
目标点确定模块,用于对比所述第二图像数据与第一图像数据之间在深度上的差异、以从所述第二像素点中确定代表乘梯对象的目标点,所述第一图像数据表征所述电梯处于空载状态时的深度;
第一计算模块,用于在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域;
第二计算模块,用于计算所述投影区域占所述轿厢的地面的比值,获得所述轿厢内的拥挤程度。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的电梯拥挤程度的检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的电梯拥挤程度的检测方法。
本发明通过对比载客状态下与空载状态下的轿厢的图像数据的深度值,可根据像素点的深度值变化实现对乘梯对象的识别,相对于图像识别的方式可有效的减少乘梯对象识别的计算量,提高乘梯对象的识别精度;通过投影的方式将目标点所覆盖的区域投影到轿厢的地面上,获得目标点在轿厢的地面上的投影区域,可有效的避免位于同一竖直方向上的目标点的重复计算所带来的计算误差,使得计算出来的目标点的投影区域更为接近乘梯对象的实际占用面积,提高计算结果的可靠性;通过计算目标点在轿厢的地面上的投影区域占轿厢的地面的面积的比值,可获得乘梯对象对轿厢的地面的占用率,从而直观获得轿厢的实际使用情况,有效的实现轿厢的拥挤程度的计算。
附图说明
图1为现有技术深度摄像头采集状态示意图;
图2是本发明实施例一中的电梯拥挤程度的检测方法的流程图;
图3a是本发明实施例二中的电梯拥挤程度的检测方法的流程图;
图3b是本发明实施例二中提供的深度摄像头的拍摄角度示意图;
图4是本发明实施例三中的电梯拥挤程度的检测装置的结构。
图5是本发明实施例四中的电梯拥挤程度的检测设备的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2为本发明实施例一提供的电梯拥挤程度的检测方法的流程图,本实施例可适用于采用深度摄像头对电梯的拥挤情况进行获取的情况,该方法可以由电梯拥挤程度的检测装置来执行,具体包括如下步骤:
步骤110、在电梯处于载客状态下,对电梯的轿厢采集第二图像数据,第二图像数据中的每个第二像素点具有第二深度值。
深度摄像头(又称之为深度相机),通过深度摄像头能检测出拍摄空间的距离信息。普通的摄像头仅能记录摄像头视野内的图像。而深度摄像头则可以准确的获取图像中每个像素点与摄像头的距离,这样加上该点在二维图像中的(x,y)坐标,就能获取图像中每个点的三维空间坐标。通过三维坐标就能还原真实场景,实现场景建模等应用。
在本实施例中,以深度摄像头设置在电梯的轿厢顶部的中间位置为例进行说明。深度摄像头用于采集轿厢内的带深度值的图像数据,即在本实施例中所述的第一图像数据和第二图像数据,也就是说,在本实施例中的第一图像数据和第二图像数据均包括轿厢内部的带深度值的图像数据。其中,深度值指的是深度摄像头与图像数据中各个像素点的距离值,对于第二图像数据而言,第二图像数据中的每个第二像素点具有第二深度值。
在本实施例中,第二图像数据是电梯在载客状态下利用深度摄像头拍摄的带深度值的图像数据。载客状态指的是电梯正常运行的状态,乘梯者、宠物和物体可借由电梯到达指定的楼层。
步骤120、对比第二图像数据与第一图像数据之间在深度上的差异、以从第二像素点中确定代表乘梯对象的目标点,第一图像数据表征电梯处于空载状态时的深度。
在本实施例中,第一图像数据指的是在电梯处于空载状态下所采集到的轿厢内的图像数据,第一图像数据中包括电梯处于空载状态下的带深度值的图像数据。也就是说,第一图像数据是电梯内没有乘梯者和货物的情况下的带深度值的图像数据。乘梯对象可以是指乘梯者、宠物或者是在其他在电梯内的货物等。
在本实施例中,对比第二图像数据与第一图像数据之间在深度上的差异,指的是对比电梯在载客状态下相对空载状态下的像素点的深度变化,从而判别出像素点的深度发生变化的第二像素点,即第二像素点中代表乘梯对象的像素点,实现对乘梯对象的所占的空间确定。
当电梯处于载客状态下时,由于电梯的轿厢内部存在乘梯对象,使得对应乘梯对象的位置的像素点的深度发生变化,因此可通过比较电梯载客状态下与空载状态下的图像数据的深度变化确定代表乘梯对象的目标点,从而确定乘梯对象所占的位置。
步骤130、在第二图像数据中,根据目标点的第二深度值计算目标点投影至轿厢的地面上时的区域,作为投影区域。
在本实施例中,根据第二图像数据中目标点的第二深度值计算目标点的占用面积,然后投影至轿厢的地面上,从而获得投影区域,即乘梯对象在轿厢的地面上所占的面积大小。
进一步的,由于深度摄像头的视场是一个棱锥,每个像素点所覆盖的面积随着与深度摄像头距离的加长而增大,图像数据中的像素点在与深度摄像头的距离不同时,像素点对应的实际面积的大小是变化的。即,在图像数据中不同的像素点由于其深度不同,其实际所代表的面积大小也是不相同的。
而在本实施例中,可通过采用目标点的第二深度值准确的计算得到目标点在对应深度下所覆盖面积的大小,然后再投影至轿厢的地面上,从而可有效的得到目标点在轿厢的地面上所实际占用的面积,而所有的目标点所占用的面积的总和即为投影区域的面积总和。
步骤140、计算投影区域占轿厢的地面的比值,获得轿厢内的拥挤程度。
通过计算投影面积与轿厢的地面的面积的比值,可得到投影面积占轿厢的地面的比例,从而得到轿厢内的空间占用率,即可表征电梯的拥挤程度。
在本实施例中所提供的电梯拥挤程度的检测方法通过对比载客状态下与空载状态下的轿厢的图像数据的深度值,可根据像素点的深度值变化实现对乘梯对象的识别,相对于图像识别的方式可有效的减少乘梯对象识别的计算量,提高乘梯对象的识别精度;将目标点的第二深度值作为球体的半径,利用球体表面积计算公式,进而可获得单个目标点在空间中所覆盖的图像的面积,实现对每个目标点的覆盖面积的准确计算,保证计算结果的精度;通过投影的方式将目标点所覆盖的区域投影到轿厢的地面上,获得目标点在轿厢的地面上的投影区域,可有效的避免位于同一竖直方向上的目标点的重复计算所带来的计算误差,使得计算出来的目标点的投影区域更为接近乘梯对象的实际占用面积,提高计算结果的可靠性;通过计算目标点在轿厢的地面上的投影区域占轿厢的地面的面积的比值,可获得乘梯对象对轿厢的地面的占用率,从而直观获得轿厢的实际使用情况,有效的实现轿厢的拥挤程度的计算。
实施例二
本发明实施例二提供了另一种电梯拥挤程度的检测方法,图3a为本发明实施例二提供的电梯拥挤程度的检测方法的流程图,图3b为本发明实施例二提供的深度摄像头的拍摄角度示意图,该实施例为在上述实施例一的基础上进行细化,详细描述了数据处理过程,如图3a所示,该方法包括:
步骤201、在电梯处于空载状态下,对电梯的轿厢采集第一图像数据,第一图像数据中的每个第一像素点具有第一深度值。
在电梯处于空载状态下,通过电梯的轿厢内部设置的深度摄像头采集轿厢内部的图像数据,作为第一图像数据,其中,第一图像数据中包含对应每个第一像素点的第一深度值。
步骤202、根据第一图像数据获取轿厢的地面的参考面积。
在本实施例中,通过对第一图像数据的识别处理,可实现对轿厢的地面的确定。通过第一图像数据中的第一像素点和第一深度值,可根据球体的表面积计算公式计算获得第一像素点在空间中所覆盖的面积,然后可通过换算得到轿厢的地面在水平面上的实际面积。
在本发明的一种可选实施例中,步骤202包括:
步骤2021、在第一图像数据中识别轿厢的地面;
在利用深度摄像头采集轿厢内部的图像数据时,深度摄像头的采集区域大于轿厢的地面区域,即,深度摄像头还会把轿厢的壁面部分的数据采集到图像数据中。因此,在本实施例,在对轿厢的地面的参考面积计算之前需要先确定在第一图像数据中代表轿厢的地面的第一像素点,然后再通过计算获得轿厢的地面的实际面积。
在一个具体的实施例中,步骤221包括:
步骤20211、在第一图像数据内查找参考点,参考点的第一深度值大于与参考点相邻的第一像素点的第一深度值。
电梯的轿厢由于存在角落点,角落点与深度摄像头的距离相对角落点周围的地面和壁面与深度摄像头的距离要大,因此,可利用该特性在第一图像中查找到第一深度值大于与其相邻的第一像素点的第一深度值的参考点,即为该电梯的角落点。
在其他实施例中,还可以计算第一像素点若干相邻的第一像素点的第一深度值的均值作为该第一像素点的第一深度值,以此减少由于采集过程中出现的误差所带来的干扰。
具体的,例如将3*3、5*5、7*7范围内的第一像素点的第一深度值进行均值计算,计算结果作为中心点的第一深度值,再以计算过后的第一深度值确定属于角落点的参考点。
步骤20212、将各个参考点连成一个封闭的区域,以确定轿厢的地面。
在确定轿厢地面的参考点之后,即确定角落点后,可通过将参考点进行连线,确定由连线封闭的区域,最终确定轿厢的地面。在将参考点连线时,需要确保每个参考点都被连到,而且每个参考点所连接的线有且仅有两条,另外,还需保证参考点没有被孤立在封闭成的区域内。
在一个具体的实施例中,参考点的数量为4个,包括第一参考点、第二参考点、第三参考点和第四参考点;
将各个参考点连成一个封闭的区域,以确定轿厢的地面,包括:
分别获取第一参考点与第二参考点、第三参考点、第四参考点的距离;
确定与第一参考点距离最近的两个参考点为第一参考点的相邻点,距离最远的参考点为第一参考点的对角点;
连接第一参考点与相邻点、连接对角点与相邻点,确定连线内的区域为轿厢的地面。
在本实施例中,获取参考点之间的距离,确定距离第一参考点最近的两个参考点为第一参考点的相邻点,距离最远的为对角点。进而确定第一参考点、第二参考点、第三参考点和第四参考点在四边形内的位置关系,最终确定轿厢的地面。
进一步,在确定了第一参考点、第二参考点、第三参考点和第四参考点的位置关系后,可确定轿厢的地面的边界,然后通过向量叉乘法等方式判断第一图像数据中的第一像素点是否落入到轿厢的地面范围内,即判断第一像素点是否是轿厢的地面,从而进一步的计算获得轿厢的地面的大小。
在其他实施例中,参考点的数量可能多于4个,在此时,可通过计算剔除多余的参考点,使得最终仅保留4个参考点。需要注意的是,上述剔除多余参考点使其最终仅剩4个参考点的情况针对的是轿厢内部的空间为四边形的情况,通常是由于轿门设置于轿厢之外,使得轿厢内壁与轿门之间存在错位,在对应轿门的位置形成凸出于轿厢内部空间的狭长地带。实际在电梯运行过程中,该狭长地带的空间较小,并不影响轿厢的搭载量,因此,在本实施例中将该部分空间进行剔除,仅计算轿厢内部的矩形区域部分,从而有效的降低计算量。
步骤2022、确定落入轿厢的地面内的第一像素点,作为地面点。
在第一图像数据中确定了属于轿厢的地面的区域后,可向量叉乘法、面积法、射线法或夹角法等方式计算第一图像数据中的第一像素点是否落入到轿厢的地面范围内,从而确定第一像素点是否属于地面点。
步骤2023、获取地面点在第一图像数据中所占的像素面积。
在本实施例中,根据深度摄像头拍摄到的第一图像数据中第一深度值可以计算出每个像素点对应的像素面积。这里的像素面积指的是第一像素点所遮盖的面积。第一像素点的像素面积的计算通过以第一像素点的第一深度值为球体的半径,计算球体的表面积,然后根据深度摄像头的视场角和第一像素点的数量计算单个像素点在球体的表面所占的面积,即可得到步骤2023中所述的地面点在第一图像数据中所占的像素面积,通过对单个地面点的像素面积计算,可实现对轿厢的每个地面点的面积的准确计算,保证轿厢的地面的面积计算的精准性。
具体的,步骤2023包括:
步骤20231、以地面点对应的第一深度值为球体的半径、计算球体的表面积。
在本实施例中,由于深度摄像头采集到的同一深度的像素点位于同一个球面上,即深度摄像头拍摄的同一深度的像素点属于在以深度摄像头为球心,以深度为半径的球体的表面上,对应深度的像素点所覆盖的面积为球体的表面的一部分。因此,在步骤20231中以地面点对应的第一深度值为球体的半径计算球体的表面积。
步骤20232、根据表面积、第一像素点的数量和深度摄像头的视场角计算单个第一像素点所占的表面积大小,获得地面点对应的像素面积,深度摄像头用于采集第一图像数据。
在本实施例中,由于深度摄像头的视场角有限,仅能够采集到视场角内的像素点信息。因此,在计算单个第一像素点所占的表面积大小时,首先需要计算深度摄像头的视场角占球体的表面积的比例,然后再与第一像素点的数量求比,然后即可获得单个像素点所占的表面积的大小。最后将计算获得的地面点的表面积大小累加即可获得地面点的像素面积大小。
在一个具体的实施例中,假设深度摄像头拍摄的图像数据包括m*n个像素点,深度摄像头的视场角为α*β,像素点与深度摄像头的距离为d,则单个像素点的像素面积S大小可按照以下公式计算:
步骤2024、将位于第一图像数据上的像素面积转换为水平面上的参考面积。
在本实施例中,在步骤223中计算得到的像素面积为在空间内单个地面点所遮挡的面积大小,其与水平面并未处于同一平面上,并不等于地面点的实际面积,因此需要经过转换将地面点在空间状态下的像素面积转换为水平面上的参考面积,以使地面点位于同一平面上,便于后续步骤中进行比较。
具体的,步骤2024、包括:
步骤20241、获取像素点与深度摄像头的连线和深度摄像头正对方向所成的第一夹角,深度摄像头用于采集第一图像数据;
在本实施例中,如图1所示,由于像素点并不是处于深度摄像头正对的位置,因此,像素点与深度摄像头的正对方向存在第一夹角,也正由于像素点并不是全部都与深度摄像头正对,才会造成采用现有技术中的检测方法进行检测时,乘梯对象所遮挡的面积大于实际占用面积的情况。
步骤20242、计算像素面积与第一夹角的余弦值之间的比值,获得地面点在水平面上的参考面积。
如图3b所示,图中S1为地面点的像素面积,S’为地面点在水平面上的参考面积,θ为像素点与深度摄像头的连线和深度摄像头正对方向所成的第一夹角。由图3b中关系可知地面点的像素面积与参考面积存在以下关系:
步骤203、在电梯处于载客状态下,对电梯的轿厢采集第二图像数据,第二图像数据中的每个第二像素点具有第二深度值。
在本实施例中,对于第二图像数据的采集与实施例一中步骤110中相同,具体的实现方式可参考实施例一中对应部分内容,在此不再详述。
步骤204、针对同一位置,若第二像素点的第二深度值比第一像素点的第一深度值小,则确定第二像素点为代表乘梯对象的初始点。
在本实施例中,同一位置指的是位于第一图像数据和第二图像数据中同一个像素位置。当电梯处于载客状态下时,由于电梯的轿厢内部存在乘梯对象,使得对应乘梯对象的位置的像素点的深度发生变化,因此可通过比较电梯载客状态下与空载状态下的第一图像数据的第一像素点的第一深度值的变化确定代表乘梯对象的初始点。根据同一像素点位置的深度值变化确定是否为代表乘梯对象的初始点,相对图像识别处理方式而言,可有效的提高识别的准确率,保证对乘梯对象的识别效果。
步骤205、获取初始点在轿厢的地面上的投影位置;
在本实施例中,由于乘梯对象为立体对象,深度摄像头在对乘梯对象进行拍摄采集第二图像数据时,乘梯对象靠近深度摄像头的位置均会被深度摄像头所拍摄到,而这些被拍摄到的位置可能是乘梯对象在同一竖直方向上的特征,而该部分特征实际占用轿厢的地面的位置是属于重叠状态。因此在步骤205中,通过将采集到的代表乘梯对象的初始点投影到轿厢的地面上,可进一步的判断初始点在轿厢的地面上所占用的位置,进而去除重复计算所带来的占用面积计算误差。
步骤206、删除投影位置重叠的初始点;
在本实施例中,由于乘梯对象为立体对象,深度摄像头在对乘梯对象进行拍摄采集第二图像数据时,乘梯对象靠近深度摄像头的位置均会被深度摄像头所拍摄到,而这些被拍摄到的位置可能是乘梯对象在同一竖直方向上的特征,而该部分特征实际占用轿厢的地面的位置是属于重叠状态。因此,需要去除处于重叠状态的初始点,以减少初始点的重叠,进而确保剩余的初始点在轿厢的地面上所占的面积更接近于乘梯对象的实际面积。
具体的,步骤206包括:
步骤2061、分别获取第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围,第一初始点与第二初始点相邻;
在本实施例中,对于第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围的获取,首先需要将第一初始点和第二初始点投影至轿厢的地面所处的平面上,然后计算第一初始点、第二初始点的中心点位置,然后通过偏移计算获得在X方向上的第一坐标范围和第二坐标范围。即,在对于第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围的获取时,需要将第一初始点和第二初始点投影至轿厢的地面上,使第一初始点和第二初始点位于同一平面上进行比较。
步骤2062、若第一坐标范围与第二坐标范围相互重合,则剔除两个初始点中的一个初始点。
在本实施例中,对应重叠的第一初始点和第二初始点的剔除并没有特别的规定,即,当判定第一初始点与第二初始点重合时,可剔除第一初始点,也可以是剔除第二初始点,只要最终剩下的初始点没有发生重合现象即可,即保证最终计算获得的乘梯对象的投影面积的可靠性。
在其他实施例中,还包括在Y方向上判断初始点是否重合,具体的,步骤206还可以包括:
步骤2061’、分别获取第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围,第三初始点与第四初始点相邻;
在本实施例中,对于第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围的获取,首先需要将第三初始点和第四初始点投影至轿厢的地面所处的平面上,然后计算第三初始点、第四初始点的中心点位置,然后通过偏移计算获得在Y方向上的第三坐标范围和第四坐标范围。即,在对于第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围的获取时,需要将第三初始点和第四初始点投影至轿厢的地面上,使第三初始点和第四初始点位于同一平面上进行比较。
步骤2062’、若第三坐标范围与第四坐标范围相互重合,则剔除两个初始点中的一个初始点。
在本实施例中,对应重叠的第三初始点和第四初始点的剔除并没有特别的规定,即,当判定第三初始点与第四初始点重合时,可剔除第三初始点,也可以是剔除第四初始点,只要最终剩下的初始点没有发生重合现象即可,即保证最终计算获得的乘梯对象的投影面积的可靠性。
像素点的数量由深度摄像头所决定,每个像素点将覆盖一定范围的图像,在XY坐标系中单个像素点为多边形结构存在,在X方向和Y方向上均占据了一定的范围,即本实施例中X方向上的第一坐标范围和第二坐标范围和Y方向上的第三坐标范围和第四坐标范围。
步骤207、将剩余的初始点设置为目标点。
在本实施例中,将去除重合的初始点后设置为目标点,可避免由于目标点相互重合所造成的计算获得的目标点占用的面积大于实际面积的情况,进一步的保证计算获得的面积更接近实际面积。
步骤208、根据目标点对应的第二深度值,获得目标点对应的像素面积;
在本实施例中,根据深度摄像头拍摄到的第二图像数据中第二深度值可以计算出每个目标点对应的像素面积。这里的像素面积指的是目标点所遮盖的面积。目标点的像素面积的计算通过以目标点的第二深度值为球体的半径,计算球体的表面积,然后根据深度摄像头的视场角和目标点的数量计算单个像素点在球体的表面所占的面积,即可得到步骤208中所述的目标点的像素面积。
步骤2081、将目标点对应的第二深度值作为球体的半径,计算球体的表面积;
在本实施例中,由于深度摄像头采集到的同一深度的像素点位于同一个球面上,即深度摄像头拍摄的同一深度的像素点属于在以深度摄像头为球心,以深度为半径的球体的表面上,对应深度的像素点所覆盖的面积为球体的表面的一部分。因此,在步骤2081中以目标点对应的第二深度值为球体的半径计算球体的表面积。
步骤2082、根据表面积、第二像素点的数量和深度摄像头的视场角计算单个第二像素点所占的表面积大小,获得目标点对应的像素面积;
在本实施例中,由于深度摄像头的视场角有限,仅能够采集到视场角内的像素点信息。因此,在计算单个第二像素点所占的表面积大小时,首先需要计算深度摄像头的视场角占球体的表面积的比例,然后再与第二像素点的数量求比,然后即可获得单个目标点所占的表面积的大小。最后将计算获得的目标点的表面积大小累加即可获得目标点的像素面积大小。
进一步,对于单个目标点的表面积大小的计算可参考公式(1)中公式进行计算。
步骤209、根据目标点的像素面积获得目标点在轿厢的地面上的投影区域。
在本实施例中,在步骤208中计算得到的像素面积为在空间内单个目标点所遮挡的面积大小,其与水平面并未处于同一平面上,并不等于目标点的实际面积,因此需要经过转换将目标点在空间状态下的像素面积转换为水平面上的投影面积,以使目标点与参考的地面点位于同一平面上,保证目标点的投影区域处于轿厢的地面上,保证数据之间的可比性。
具体的,步骤209包括:
步骤2091、获取目标点与深度摄像头的连线和深度摄像头正对方向所成的第二夹角。
在本实施例中,如图1所示,由于像素点并不是处于深度摄像头正对的位置,因此,像素点与深度摄像头的正对方向存在第二夹角。
步骤2092、计算像素面积与第二夹角的余弦值的乘积,获得目标点在轿厢的地面上的投影区域。
如图3b所示,图中S2为目标点的像素面积,S″为地面点在水平面上的参考面积,θ为像素点与深度摄像头的连线和深度摄像头正对方向所成的第二夹角。由图3b中关系可知目标点的像素面积与投影区域存在以下关系:
S″=S2cosθ (3)
步骤210、计算投影区域占轿厢的地面的比值,获得轿厢内的拥挤程度。
通过计算投影区域与轿厢的地面的面积的比值,可得到投影面积占轿厢的地面的比例,即在轿厢内乘梯对象所占的空间与轿厢的地面的比例,从而得到轿厢内的空间占用率,即可表征电梯的拥挤程度。
在一个具体的实施例中,深度摄像头拍摄的照片具有m行、n列个像素点,深度摄像头与图像数据的中心点(m/2,n/2)正对设置,深度摄像头的视场角为α*β,像素点与深度摄像头的距离为d。假设第一初始点的像素坐标为(a,b),则第一初始点与中心点之间的在X方向上的夹角θ1可通过以下公式(4)计算获得:
第一初始点与中心点之间的在Y方向上的夹角θ2可通过以下公式(5)计算获得:
第一初始点与中心点之间的在空间中的夹角θ(a,b)可通过以下公式(5)计算获得:
第一初始点在地面上的投影点与中心点在X方向上的距离lx(a,b)与第一初始点与深度摄像头的距离成正弦关系,则第一初始点在地面上的投影点与中心点在X方向上的距离lx(a,b)可通过以下公式(6)计算:
第一初始点在地面上的投影点与中心点在Y方向上的距离ly(a,b)与第一初始点与深度摄像头的距离成正弦关系,则第一初始点在地面上的投影点与中心点在X方向上的距离ly(a,b)可通过以下公式(7)计算:
通过上述公式(6)、(7)可分别计算获得第一初始点在轿厢的地面上距离轿厢的地面的中心点在X方向和Y方向上的距离值lx(a,b)、ly(a,b)。
同理,可通过上述公式(4)、(5)、(6)、(7)计算得到邻近的第二初始点的在轿厢的地面上距离轿厢的地面的中心点在X方向和Y方向上的距离值
结合上述公式(3)可知第一初始点在轿厢的地面上的面积S″,结合第一初始点在轿厢的地面上距离轿厢的地面的中心点在X方向和Y方向上的距离值lx(a,b)、ly(a,b),可获得第一初始点在轿厢的地面上距离轿厢的地面的中心点在X方向和Y方向上的第一坐标范围和第三坐标范围:
第二初始点在轿厢的地面上距离轿厢的地面的中心点在X方向和Y方向上的第二坐标范围和第四坐标范围:
此时,可比较X方向或Y方向上的第一初始点和第二初始点的占用的面积是否有重叠,若发生重叠则存在以下情况:
lxmax(a,b)>la+1min(a+1,b)
或
lymax(a,b)>la+1min(a+1,b)
此时可剔除第一初始点或第二初始点,进而获得没有重叠的目标点。
实施例三
图4为本发明实施例三提供的一种电梯拥挤程度的检测装置的结构图,该装置可以执行上述实施例所述的电梯拥挤程度的检测方法,具体的,该装置包括:
数据获取模块301,用于在电梯处于载客状态下,对电梯的轿厢采集第二图像数据,第二图像数据中的每个第二像素点具有第二深度值;
目标点确定模块302,用于对比第二图像数据与第一图像数据之间在深度上的差异、以从第二像素点中确定代表乘梯对象的目标点,第一图像数据表征电梯处于空载状态时的深度;
第一计算模块303,用于在第二图像数据中,根据目标点的第二深度值计算目标点投影至轿厢的地面上时的区域,作为投影区域;
第二计算模块304,用于计算投影区域占轿厢的地面的比值,获得轿厢内的拥挤程度。
在本实施例中,还包括:
图像数据获取单元,用于在电梯处于空载状态下,对电梯的轿厢采集第一图像数据,第一图像数据中的每个第一像素点具有第一深度值
地面识别单元,用于在第一图像数据中识别轿厢的地面;
地面点确定单元,用于确定落入轿厢的地面内的第一像素点,作为地面点;
地面点像素面积获取单元,用于获取地面点在第一图像数据中所占的像素面积;
转换单元,用于将位于第一图像数据上的像素面积转换为水平面上的参考面积。
地面识别单元包括:
参考点查找组件,用于在第一图像数据内查找参考点,参考点的第一深度值大于与参考点相邻的第一像素点的第一深度值;
地面确定组件,将各个参考点连成一个封闭的区域,以确定轿厢的地面。
地面点像素面积获取单元包括:
表面积计算组件,用于以地面点对应的第一深度值为球体的半径、计算球体的表面积;像素面积计算组件,用于根据表面积、第一像素点的数量和深度摄像头的视场角计算单个第一像素点所占的表面积大小,获得地面点对应的像素面积,深度摄像头用于采集第一图像数据。
转换单元包括:
第一夹角获取组件,用于获取像素点与深度摄像头的连线和深度摄像头正对方向所成的第一夹角,深度摄像头用于采集第一图像数据;
参考面积计算组件,用于计算像素面积与第一夹角的余弦值之间的比值,获得地面点在水平面上的参考面积。
目标点确定模块302包括:
初始点确定单元,用于针对同一位置,若第二像素点的第二深度值比第一像素点的第一深度值小,则确定第二像素点为代表乘梯对象的初始点;
投影位置获取单元,用于获取初始点在轿厢的地面上的投影位置;
剔除单元,用于删除投影位置重叠的初始点;
目标点确定单元,用于将剩余的初始点设置为目标点。
剔除单元包括:
X方向坐标范围获取组件,用于分别获取第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围,第一初始点与第二初始点相邻;
Y方向坐标范围获取组件,用于分别获取第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围,第三初始点与第四初始点相邻;
剔除组件,用于在第一坐标范围与第二坐标范围相互重合时,剔除两个初始点中的一个初始点,
或,在第三坐标范围与第四坐标范围相互重合时,剔除两个初始点中的一个初始点。
第一计算模块303包括:
表面积计算单元,用于将目标点对应的第二深度值作为球体的半径,计算球体的表面积;
像素面积计算单元,用于根据表面积、第二像素点的数量和深度摄像头的视场角计算单个第二像素点所占的表面积大小,获得目标点对应的像素面积;
第二夹角获取单元,用于获取目标点与深度摄像头的连线和深度摄像头正对方向所成的第二夹角;
投影区计算单元,用于计算像素面积与第二夹角的余弦值之间的乘积,获得目标点在轿厢的地面上的投影区域。
本发明实施例所提供的电梯拥挤程度的检测装置可执行本发明任意实施例所提供的电梯拥挤程度的检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的电梯拥挤程度的检测设备的结构图,如图5所示,该设备包括处理器410、存储器420、输入装置430和输出装置440;设备中处理器410的数量可以是一个或多个,图5中以一个处理器410为例;设备/终端/服务器中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器510作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的电梯拥挤程度的检测方法对应的程序指令/模块(例如,电梯拥挤程度的检测装置中的数据获取模块301、目标点确定模块302、第一计算模块303、第二计算模块304)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的电梯拥挤程度的检测方法。
存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收深度摄像头采集的图像数据。输出装置440可用于输出结算结果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,其上存储有计算机程序,该程序被处理器执行时实现一种电梯拥挤程度的检测方法,该方法包括:
在电梯处于载客状态下,对电梯的轿厢采集第二图像数据,第二图像数据中的每个第二像素点具有第二深度值;
对比第二图像数据与第一图像数据之间在深度上的差异、以从第二像素点中确定代表乘梯对象的目标点,第一图像数据表征电梯处于空载状态时的深度;
在第二图像数据中,根据目标点的第二深度值计算目标点投影至轿厢的地面上时的区域,作为投影区域;
计算投影区域占轿厢的地面的比值,获得轿厢内的拥挤程度。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的电梯拥挤程度的检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所述的方法。
值得注意的是,上述电梯拥挤程度的检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种电梯拥挤程度的检测方法,其特征在于,包括:
在电梯处于载客状态下,对所述电梯的轿厢采集第二图像数据,所述第二图像数据中的每个第二像素点具有第二深度值;
对比所述第二图像数据与第一图像数据之间在深度上的差异,以从所述第二像素点中确定代表乘梯对象的目标点,所述第一图像数据表征所述电梯处于空载状态时的深度;
在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域;
计算所述投影区域占所述轿厢的地面的比值,获得所述轿厢内的拥挤程度;
所述在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域,包括:
将所述目标点对应的第二深度值作为球体的半径,计算所述球体的表面积;
根据所述表面积、所述第二像素点的数量和深度摄像头的视场角计算单个所述第二像素点所占的所述表面积大小,获得所述目标点对应的像素面积;
获取所述目标点与所述深度摄像头的连线和深度摄像头正对方向所成的第二夹角;
计算所述像素面积与所述第二夹角的余弦值之间的乘积,获得所述目标点在所述轿厢的地面上的投影区域。
2.根据权利要求1所述的电梯拥挤程度的检测方法,其特征在于,在所述对所述电梯的轿厢采集第二图像数据之前,还包括:
在电梯处于空载状态下,对所述电梯的轿厢采集第一图像数据,所述第一图像数据中的每个第一像素点具有第一深度值;
在所述第一图像数据中识别所述轿厢的地面;
确定落入所述轿厢的地面内的所述第一像素点,作为地面点;
获取所述地面点在所述第一图像数据中所占的像素面积;
将位于所述第一图像数据上的所述像素面积转换为水平面上的参考面积。
3.根据权利要求2所述的电梯拥挤程度的检测方法,其特征在于,所述在所述第一图像数据中识别所述轿厢的地面,包括:
在所述第一图像数据内查找参考点,所述参考点的所述第一深度值大于与所述参考点相邻的所述第一像素点的所述第一深度值;
将各个所述参考点连成一个封闭的区域,以确定所述轿厢的地面。
4.根据权利要求3所述的电梯拥挤程度的检测方法,其特征在于,所述参考点包括第一参考点、第二参考点、第三参考点和第四参考点;
所述将各个所述参考点连成一个封闭的区域,以确定所述轿厢的地面,包括:
分别获取所述第一参考点与所述第二参考点、所述第三参考点、所述第四参考点的距离;
确定与所述第一参考点距离最近的两个所述参考点为所述第一参考点的相邻点,距离最远的所述参考点为所述第一参考点的对角点;
连接所述第一参考点与所述相邻点、连接所述对角点与所述相邻点,确定连线内的区域为所述轿厢的地面。
5.根据权利要求2所述的电梯拥挤程度的检测方法,其特征在于,所述获取所述地面点在所述第一图像数据中所占的像素面积,包括:
以所述地面点对应的所述第一深度值为球体的半径、计算所述球体的表面积;
根据所述表面积、所述第一像素点的数量和深度摄像头的视场角计算单个所述第一像素点所占的所述表面积大小,获得所述地面点对应的像素面积,所述深度摄像头用于采集所述第一图像数据。
6.根据权利要求2所述的电梯拥挤程度的检测方法,其特征在于,所述将位于所述第一图像数据上的所述像素面积转换为水平面上的参考面积,包括:
获取所述像素点与深度摄像头的连线和深度摄像头正对方向所成的第一夹角,所述深度摄像头用于采集所述第一图像数据;
计算所述像素面积与所述第一夹角的余弦值之间的比值,获得所述地面点在水平面上的参考面积。
7.根据权利要求1所述的电梯拥挤程度的检测方法,其特征在于,所述对比所述第二图像数据与第一图像数据之间在深度上的差异,以从所述第二像素点中确定代表乘梯对象的目标点,包括:
获取第一图像数据,所述第一图像数据中的每个第一像素点具有第一深度值;
针对同一位置,若所述第二像素点的第二深度值比所述第一像素点的第一深度值小,则确定所述第二像素点为代表乘梯对象的初始点;
获取所述初始点在所述轿厢的地面上的投影位置;
删除投影位置重叠的初始点;
将剩余的初始点设置为目标点。
8.根据权利要求7所述的电梯拥挤程度的检测方法,其特征在于,所述删除投影位置重叠的初始点,包括:
分别获取第一初始点、第二初始点在X方向上的第一坐标范围和第二坐标范围,所述第一初始点与所述第二初始点相邻;
若所述第一坐标范围与所述第二坐标范围相互重合,则剔除两个所述初始点中的一个所述初始点。
9.根据权利要求7所述的电梯拥挤程度的检测方法,其特征在于,所述删除投影位置重叠的初始点,包括:
分别获取第三初始点、第四初始点在Y方向上的第三坐标范围和第四坐标范围,所述第三初始点与所述第四初始点相邻;
若所述第三坐标范围与所述第四坐标范围相互重合,则剔除两个所述初始点中的一个所述初始点。
10.一种电梯拥挤程度的检测装置,其特征在于,包括:
数据获取模块,用于在电梯处于载客状态下,对所述电梯的轿厢采集第二图像数据,所述第二图像数据中的每个第二像素点具有第二深度值;
目标点确定模块,用于对比所述第二图像数据与第一图像数据之间在深度上的差异,以从所述第二像素点中确定代表乘梯对象的目标点,所述第一图像数据表征所述电梯处于空载状态时的深度;
第一计算模块,用于在所述第二图像数据中,根据所述目标点的第二深度值计算所述目标点投影至所述轿厢的地面上时的区域,作为投影区域;
第二计算模块,用于计算所述投影区域占所述轿厢的地面的比值,获得所述轿厢内的拥挤程度;
所述第一计算模块包括,表面积计算单元,用于将目标点对应的第二深度值作为球体的半径,计算球体的表面积;
像素面积计算单元,用于根据表面积、第二像素点的数量和深度摄像头的视场角计算单个第二像素点所占的表面积大小,获得目标点对应的像素面积;
第二夹角获取单元,用于获取目标点与深度摄像头的连线和深度摄像头正对方向所成的第二夹角;
投影区计算单元,用于计算像素面积与第二夹角的余弦值之间的乘积,获得目标点在轿厢的地面上的投影区域。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-9中任一所述的电梯拥挤程度的检测方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的电梯拥挤程度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850886.4A CN111986253B (zh) | 2020-08-21 | 2020-08-21 | 电梯拥挤程度的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850886.4A CN111986253B (zh) | 2020-08-21 | 2020-08-21 | 电梯拥挤程度的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986253A CN111986253A (zh) | 2020-11-24 |
CN111986253B true CN111986253B (zh) | 2023-09-15 |
Family
ID=73442436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010850886.4A Active CN111986253B (zh) | 2020-08-21 | 2020-08-21 | 电梯拥挤程度的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986253B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283328A (zh) * | 2021-05-19 | 2021-08-20 | 上海擎朗智能科技有限公司 | 移动设备进电梯的控制方法、装置及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011114370A1 (ja) * | 2010-03-17 | 2011-09-22 | 株式会社 日立製作所 | 省スペースエレベーター |
CN105677032A (zh) * | 2016-01-04 | 2016-06-15 | 广州华欣电子科技有限公司 | 基于深度传感设备的控制方法及装置 |
EP3075696A1 (en) * | 2015-04-03 | 2016-10-05 | Otis Elevator Company | Depth sensor based passenger sensing for passenger conveyance control |
CN107265213A (zh) * | 2016-03-30 | 2017-10-20 | 株式会社日立制作所 | 电梯装置和电梯控制方法 |
CN107416629A (zh) * | 2017-09-05 | 2017-12-01 | 广州日滨科技发展有限公司 | 电梯安全运行的控制方法和系统 |
CN108178031A (zh) * | 2017-12-12 | 2018-06-19 | 日立楼宇技术(广州)有限公司 | 电梯轿厢内的担架模式识别方法、装置以及系统 |
CN108629230A (zh) * | 2017-03-16 | 2018-10-09 | 杭州海康威视数字技术股份有限公司 | 一种人数统计方法及装置和电梯调度方法及系统 |
CN109353907A (zh) * | 2017-09-05 | 2019-02-19 | 日立楼宇技术(广州)有限公司 | 电梯运行的安全提示方法和系统 |
CN109858389A (zh) * | 2019-01-10 | 2019-06-07 | 浙江新再灵科技股份有限公司 | 基于深度学习的直梯人数统计方法及系统 |
CN111243230A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于两台深度相机的人体跌倒检测装置和方法 |
CN111369596A (zh) * | 2020-02-26 | 2020-07-03 | 华南理工大学 | 一种基于视频监控的手扶电梯客流量统计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233664B2 (en) * | 2008-11-12 | 2012-07-31 | Eastman Kodak Company | Determining relative depth of points in multiple videos |
US8977026B2 (en) * | 2012-05-30 | 2015-03-10 | General Electric Company | Methods and systems for locating a region of interest in an object |
-
2020
- 2020-08-21 CN CN202010850886.4A patent/CN111986253B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011114370A1 (ja) * | 2010-03-17 | 2011-09-22 | 株式会社 日立製作所 | 省スペースエレベーター |
EP3075696A1 (en) * | 2015-04-03 | 2016-10-05 | Otis Elevator Company | Depth sensor based passenger sensing for passenger conveyance control |
CN105677032A (zh) * | 2016-01-04 | 2016-06-15 | 广州华欣电子科技有限公司 | 基于深度传感设备的控制方法及装置 |
CN107265213A (zh) * | 2016-03-30 | 2017-10-20 | 株式会社日立制作所 | 电梯装置和电梯控制方法 |
CN108629230A (zh) * | 2017-03-16 | 2018-10-09 | 杭州海康威视数字技术股份有限公司 | 一种人数统计方法及装置和电梯调度方法及系统 |
CN107416629A (zh) * | 2017-09-05 | 2017-12-01 | 广州日滨科技发展有限公司 | 电梯安全运行的控制方法和系统 |
CN109353907A (zh) * | 2017-09-05 | 2019-02-19 | 日立楼宇技术(广州)有限公司 | 电梯运行的安全提示方法和系统 |
CN108178031A (zh) * | 2017-12-12 | 2018-06-19 | 日立楼宇技术(广州)有限公司 | 电梯轿厢内的担架模式识别方法、装置以及系统 |
CN109858389A (zh) * | 2019-01-10 | 2019-06-07 | 浙江新再灵科技股份有限公司 | 基于深度学习的直梯人数统计方法及系统 |
CN111243230A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于两台深度相机的人体跌倒检测装置和方法 |
CN111369596A (zh) * | 2020-02-26 | 2020-07-03 | 华南理工大学 | 一种基于视频监控的手扶电梯客流量统计方法 |
Non-Patent Citations (3)
Title |
---|
一种电梯超载保护装置检测仪;庞涛;祝新伟;朱建新;陈建伟;;现代制造工程(第02期);146-149+155 * |
基于Adaboost和码本模型的手扶电梯出入口视频监控方法;杜启亮;黎浩正;田联房;;计算机应用(第09期);184-190 * |
基于视频监控的手扶电梯乘客异常行为识别;杜启亮;黄理广;田联房;黄迪臻;靳守杰;李淼;;华南理工大学学报(自然科学版)(第08期);14-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN111986253A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020215172A1 (zh) | 一种障碍物检测方法、设备、可移动平台及存储介质 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN108629230B (zh) | 一种人数统计方法及装置和电梯调度方法及系统 | |
EP3070430B1 (en) | Moving body position estimation device and moving body position estimation method | |
CN113874927A (zh) | 停车检测方法、系统、处理设备和存储介质 | |
JP6221390B2 (ja) | 画像処理装置、プログラム、および画像処理方法 | |
CN111222385A (zh) | 单车违停的检测方法及装置、共享单车及检测系统 | |
EP3593322B1 (en) | Method of detecting moving objects from a temporal sequence of images | |
CN107491738A (zh) | 停车位检测方法及系统、存储介质及电子设备 | |
CN111986253B (zh) | 电梯拥挤程度的检测方法、装置、设备及存储介质 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN112070870A (zh) | 点云地图评估方法、装置、计算机设备和存储介质 | |
CN115018903A (zh) | 一种堆场料堆体积计算方法及系统 | |
CN114179788A (zh) | 自动泊车方法、系统、计算机可读存储介质及车机端 | |
CN111273701A (zh) | 一种云台视觉控制系统以及控制方法 | |
CN110673607A (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
CN108460333B (zh) | 基于深度图的地面检测方法及装置 | |
KR102260556B1 (ko) | 전역 정보와 지역 정보 통합을 통한 딥러닝 기반 주차구획 검출 방법 및 장치 | |
CN116092035A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN115683109A (zh) | 基于cuda和三维栅格地图的视觉动态障碍物检测方法 | |
CN115049322A (zh) | 一种集装箱堆场的集装箱管理方法及系统 | |
CN116958195A (zh) | 物件追踪整合方法及整合装置 | |
CN113393423A (zh) | 一种基于点云的悬崖检测方法、装置及移动机器人 | |
CN112749577A (zh) | 一种停车位的检测方法及装置 | |
CN107843240B (zh) | 一种海岸带区域无人机影像同名点信息快速提取方法 |
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 |