CN113104687A - 基于计算机视觉识别判断电梯空间状态的方法及装置 - Google Patents
基于计算机视觉识别判断电梯空间状态的方法及装置 Download PDFInfo
- Publication number
- CN113104687A CN113104687A CN202110402401.XA CN202110402401A CN113104687A CN 113104687 A CN113104687 A CN 113104687A CN 202110402401 A CN202110402401 A CN 202110402401A CN 113104687 A CN113104687 A CN 113104687A
- Authority
- CN
- China
- Prior art keywords
- elevator
- image
- elevator car
- value
- pixel point
- 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.)
- Withdrawn
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/2408—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration where the allocation of a call to an elevator car is of importance, i.e. by means of a supervisory or group controller
- B66B1/2416—For single car elevator systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/24—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration
- B66B1/28—Control systems with regulation, i.e. with retroactive action, for influencing travelling speed, acceleration, or deceleration electrical
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B2201/00—Aspects of control systems of elevators
- B66B2201/20—Details of the evaluation method for the allocation of a call to an elevator car
- B66B2201/222—Taking into account the number of passengers present in the elevator car to be allocated
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于计算机视觉识别判断电梯空间状态的方法及装置，所述方法包括：控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；当n位用户进入电梯轿厢且K楼有用户按电梯按钮，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户；本发明的优点在于：提升电梯运行效率。
Description
技术领域
本发明涉及电梯空间状态判断领域，更具体涉及基于计算机视觉识别判断电梯空间状态的方法及装置。
背景技术
由于电梯在日常生活中会遇到比如图书馆闭馆时，商场开放时，电梯使用高峰期时，大量人员乘坐电梯离开图书馆，当电梯自上而下运行时，在某一楼层达到满员，继续向下层运行时，由于下层人员也按下电梯向下按键且并未知道电梯内部是否满员，所以电梯会在下方按下下行按键的楼层逐层停下。但下方楼层的待乘人员并不能进入电梯内部，故导致电梯下行速度减慢，极大的浪费了电梯的使用效率，电梯上行也会出现类似状况。
发明内容
本发明所要解决的技术问题在于现有技术电梯运行效率较低的问题。
本发明通过以下技术手段实现解决上述技术问题的：基于计算机视觉识别判断电梯空间状态的方法，所述方法包括：
步骤g：控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
步骤h：当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
本发明对电梯轿厢内视频图像进行预处理，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，在电梯轿厢已满的情况下，电梯将直接前往1楼运送用户，避免在中间楼层无效停靠，从而提升电梯的运行效率。
进一步地，所述预处理过程包括：
步骤a：采集电梯内的视频图像；
步骤b：对图像采用加权平均法对每个像素点进行灰度化处理；
步骤c：灰度化处理后的图像利用高斯滤波去除高斯噪声；
步骤d：取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
步骤e：对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
步骤f：对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。
更进一步地，所述步骤b还包括：
坐标为(x，y)的像素点进行灰度化处理的公式为
Gray(x，y)＝0.299*Red(x，y)+0.587*Green(x，y)+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
更进一步地，所述步骤c还包括：
利用正态分布对每个进行高斯滤波，其中N维空间正态分布方程为
其中，r表示模糊半径也即坐标为(x，y)的像素点进行灰度化处理后的值，G(r)表示高斯滤波去除高斯噪声后的像素点的值，σ表示正态分布的标准偏差，e()表示以e为底的指数函数。
更进一步地，所述步骤d中采用cvAbsDiff()函数将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像。
更进一步地，所述步骤e还包括：采用THRESH_BINARY的阈值类型，将差分图像中大于阈值的像素点置255，其余像素点置0。
更进一步地，所述步骤f中对二值化图像进行膨胀处理是指将与物体接触的全部背景点合并到该物体中，使边界向外部扩张，所述物体是像素点为255的所有点围成的图形。
本发明还提供基于计算机视觉识别判断电梯空间状态的装置，所述装置包括：
控制模块，用于控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
判断模块，用于当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
进一步地，所述预处理过程包括：
采集模块，用于采集电梯内的视频图像；
灰度化模块，用于对图像采用加权平均法对每个像素点进行灰度化处理；
高斯滤波模块，用于灰度化处理后的图像利用高斯滤波去除高斯噪声；
差分模块，用于取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
二值化模块，用于对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
膨胀处理模块，用于对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。
更进一步地，所述灰度化模块还用于：
坐标为(x，y)的像素点进行灰度化处理的公式为
Gray(x，y)＝0.299*Red(x，y)+0.587*Green(x，y)+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
更进一步地，所述高斯滤波模块还用于：
利用正态分布对每个进行高斯滤波，其中N维空间正态分布方程为
其中，r表示模糊半径也即坐标为(x，y)的像素点进行灰度化处理后的值，G(r)表示高斯滤波去除高斯噪声后的像素点的值，σ表示正态分布的标准偏差，e()表示以e为底的指数函数。
更进一步地，所述差分模块中采用cvAbsDiff()函数将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像。
更进一步地，所述二值化模块还用于：采用THRESH_BINARY的阈值类型，将差分图像中大于阈值的像素点置255，其余像素点置0。
更进一步地，所述膨胀处理模块中对二值化图像进行膨胀处理是指将与物体接触的全部背景点合并到该物体中，使边界向外部扩张，所述物体是像素点为255的所有点围成的图形。
本发明的优点在于：本发明对电梯轿厢内视频图像进行预处理，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，在电梯轿厢已满的情况下，电梯将直接前往1楼运送用户，避免在中间楼层无效停靠，从而提升电梯的运行效率。
附图说明
图1为本发明实施例所提供的基于计算机视觉识别判断电梯空间状态的方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，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，都属于本发明保护的范围。
实施例1
为了解决传统电梯在使用需求人数过多的情况下电梯内部暂未超出荷载但已经满员超出容纳限制，电梯无效停留从而导致的电梯使用效率降低的问题，本项目充分利用电梯内部监控摄像头，通过视觉识别判断电梯是否出现超出容纳限制的情况从而决定电梯是否在有新请求的楼层停留。主要利用电梯监控摄像头，对电梯监控视频进行截取，并对截取的每一帧进行灰度化处理，以保留主要特征并减少数据量，然后进行高斯滤波模糊化处理，以过滤高斯噪声。选取电梯空载时的画面作为背景图像，将运行时的每一帧图像与背景图像进行差分处理得到差分图像，为突出显示图像前后差异以及方便后续的运算，对差分图像进行二值化处理，又为填充所识别的目标并考虑到人与人之间必要的距离，故对二值化图像进行膨胀处理，最后通过计算白色像素占比作为依据判断电梯轿厢内的拥挤程度。以下详细介绍本发明的技术方案，如图1所示，本发明提供基于计算机视觉识别判断电梯空间状态的方法，所述方法包括：
步骤a：采集电梯内的视频图像；
步骤b：对图像采用加权平均法对每个像素点进行灰度化处理；
具体过程为：在RGB模型中，彩色图像包括R、G、B三个分量，分别显示出红绿蓝等各种颜色，为了方便描述RGB颜色模型，在计算机中约束了每个通道由暗到亮的范围是0～255。一幅彩色图像，其实就是由三幅单通道的图像叠加而成，而当R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255，像素值最大为255(表示白色)，像素值最小为0(表示黑色)。灰度图像中每个像素仅具有一种样本颜色，其灰度是位于黑色与白色之间的多级色彩深度。灰度化处理的方法较多，有最大值法、平均值法、加权平均法等，而由于人眼对RGB颜色的敏感度不同，RGB值与物理功率并非简单的线性关系，最大值法整体亮度过高，而平均值法深浅的层次感较弱，采用加权平均法所得的灰度化图像人眼观察更为自然，加权平均法对人眼敏感的绿色取较高权值，对不太敏感的蓝色取较低权值。处理三个通道的数据是较为复杂的，对电梯监控视频进行灰度化处理，将每个像素点的RGB值统一成同一个值，将图像由三通道转化为单通道，既可以减少后续数据处理的复杂程度，简化数据运算的过程，又能保留原图像的重要特征，为之后的图像识别分析做准备。灰度化处理的公式为Gray(x，y)＝0.299*Red(x，y)+0.587*Green(x，y)+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
步骤c：灰度化处理后的图像利用高斯滤波去除高斯噪声；
滤波可分为均值滤波、中值滤波以及高斯滤波等。均值滤波就是将卷积核和图像对应位置相乘的结果取平均值赋给中心锚点的过程。中值滤波就是卷积核锚点对应的像素值用周边的元素的排序的中间值替代的过程，能很好地保护边缘信息高斯滤波就是将卷积核按照高斯分布变成一定的权重值，最后将权重值和像素值相乘结果的和来替代锚点像素值的过程。高斯滤波中，离锚点越远的地方权重分配越低。通过对比可以知道，高斯滤波相较于均值滤波能够很好地去除高斯噪声，使图像变得平滑，是一项简单且使用频率很高的图像处理方法。高斯模糊有很好的特性，如没有明显的边界，这样就不会在滤波图像中形成震荡。本发明利用正态分布对每个进行高斯滤波，其中N维空间正态分布方程为
其中，r表示模糊半径也即坐标为(x，y)的像素点进行灰度化处理后的值，G(r)表示高斯滤波去除高斯噪声后的像素点的值，σ表示正态分布的标准偏差，e()表示以e为底的指数函数。
步骤d：取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
差分意为相减，图像差分是对目标场景的两幅图像进行对应位置的像素值相减操作，削弱图像的显示部分，突出图像的变化部分，所得到的图像称为差分图像，能够很好地检测出目标的轮廓，对目标进行跟踪分割。
差分图像就是目标场景在连续时间点图像相减所构成的图像，广义的差分图像定义为目标场景在时间点tk和tk+L所成图像的差别。差分图像是由目标场景在相邻时间点的图像相减得到的，从而能够得到目标场景随时间的变换。
本发明采用当前图像与固定背景图像之间进行差分的方式，取电梯空载时的电梯轿厢图像作为背景图像，再通过对电梯监控视频截取的图像与背景图像进行相减取绝对值获得差分图像，从而可以直观显示轿厢内部空间变化的信息。
opencv中与差分相关的函数有二：一个是cvSub()函数，一个是cvAbsDiff()函数。cvSub()函数是直接将两者的像素值相减，差值小于零的归一到零处理，没有取差的绝对值。cvAbsDiff()函数计算了两幅图像中差的绝对值。为更突出显示电梯图像与背景图像的区别，本发明选用cvAbsDiff()函数。
步骤e：对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
图像二值化(Image Binarization)是将图像上的像素点的灰度值设置为0或255，将整个图像呈现出明显的黑白效果的过程。将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像进一步变得简单，减小了数据量，并且使感兴趣的目标与背景分离，能凸显出目标的轮廓，有利于图像的进一步处理与分析。opencv中的Threshold函数，通过阈值的不断调整以达到不同环境条件下电梯轿厢拥挤程度的最佳评价效果。本发明采用THRESH_BINARY的阈值类型，大于阈值的部分则置255，即与背景图像差异较大的部分用白色显著地表示，其余像素值置0，用黑色作为背景。
步骤f：对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。膨胀算法能够很好地将目标边缘以及内部的孔洞填掉，从而能够使检测出的目标更完整，并且由于电梯轿厢人与人之间需要保持一定的舒适距离，故对二值化后的差分图像进行膨胀处理，可以将检测的目标适当扩大，从而将舒适距离包含其中。
步骤g：控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
步骤h：当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
通过以上技术方案，本发明的设计意义在于通过对电梯轿厢内部空间占用情况进行判断，在轿厢空间超出容纳限制的情况下忽略外部乘客新的请求，能够很好解决电梯轿厢内部空间满员而尚未超重情况下电梯无效停留的问题，大大缩减了不必要的停留时间，提升了电梯使用高峰期的运行效率，缓解了电梯使用需求紧张的问题，节省了电能。本发明可以应用于医院、学校、商场等人流量密集、电梯使用需求较为紧张的公共场所。
实施例2
与本发明实施例1相对应的，本发明实施例2还提供基于计算机视觉识别判断电梯空间状态的装置，所述装置包括：
控制模块，用于控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
判断模块，用于当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
具体的，所述预处理过程包括：
采集模块，用于采集电梯内的视频图像；
灰度化模块，用于对图像采用加权平均法对每个像素点进行灰度化处理；
高斯滤波模块，用于灰度化处理后的图像利用高斯滤波去除高斯噪声；
差分模块，用于取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
二值化模块，用于对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
膨胀处理模块，用于对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。
更具体的，所述灰度化模块还用于：
坐标为(x，y)的像素点进行灰度化处理的公式为
Gray(x，y)＝0.299*Red(x，y0+0.587*Green(x，y0+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
更具体的，所述高斯滤波模块还用于：
利用正态分布对每个进行高斯滤波，其中N维空间正态分布方程为
其中，r表示模糊半径也即坐标为(x，y)的像素点进行灰度化处理后的值，G(r)表示高斯滤波去除高斯噪声后的像素点的值，σ表示正态分布的标准偏差，e()表示以e为底的指数函数。
更具体的，所述差分模块中采用cvAbsDiff()函数将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像。
更具体的，所述二值化模块还用于：采用THRESH_BINARY的阈值类型，将差分图像中大于阈值的像素点置255，其余像素点置0。
更具体的，所述膨胀处理模块中对二值化图像进行膨胀处理是指将与物体接触的全部背景点合并到该物体中，使边界向外部扩张，所述物体是像素点为255的所有点围成的图形。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述方法包括：
步骤g：控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
步骤h：当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
2.根据权利要求1所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述预处理过程包括：
步骤a：采集电梯内的视频图像；
步骤b：对图像采用加权平均法对每个像素点进行灰度化处理；
步骤c：灰度化处理后的图像利用高斯滤波去除高斯噪声；
步骤d：取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
步骤e：对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
步骤f：对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。
3.根据权利要求2所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述步骤b还包括：
坐标为(x，y)的像素点进行灰度化处理的公式为
Gray(x，y)＝0.299*Red(x，y)+0.587*Green(x，y)+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
4.根据权利要求3所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述步骤c还包括：
利用正态分布对每个进行高斯滤波，其中N维空间正态分布方程为
其中，r表示模糊半径也即坐标为(x，y)的像素点进行灰度化处理后的值，G(r)表示高斯滤波去除高斯噪声后的像素点的值，σ表示正态分布的标准偏差，e()表示以e为底的指数函数。
5.根据权利要求4所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述步骤d中采用cvAbsDiff()函数将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像。
6.根据权利要求5所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述步骤e还包括：采用THRESH_BINARY的阈值类型，将差分图像中大于阈值的像素点置255，其余像素点置0。
7.根据权利要求6所述的基于计算机视觉识别判断电梯空间状态的方法，其特征在于，所述步骤f中对二值化图像进行膨胀处理是指将与物体接触的全部背景点合并到该物体中，使边界向外部扩张，所述物体是像素点为255的所有点围成的图形。
8.基于计算机视觉识别判断电梯空间状态的装置，其特征在于，所述装置包括：
控制模块，用于控制器接收电梯轿厢内经预处理的图像，根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度，若电梯轿厢拥挤程度小于预设值，则判断电梯轿厢未满，反馈数值0给控制器，若电梯轿厢拥挤程度大于等于预设值，则判断电梯轿厢内部已满，反馈数值1给控制器；
判断模块，用于当n位用户进入电梯轿厢且K楼有用户按电梯按钮，监控数据处理完毕，反馈给控制器，若控制器接收到电梯轿厢未满指令，电梯此时顺路前往K楼搭载用户，若控制器接收到电梯轿厢已满指令，电梯此时将直接前往1楼运送用户，待电梯轿厢恢复未满状态，再返回K楼接等候电梯的用户。
9.根据权利要求8所述的基于计算机视觉识别判断电梯空间状态的装置，其特征在于，所述预处理过程包括：
采集模块，用于采集电梯内的视频图像；
灰度化模块，用于对图像采用加权平均法对每个像素点进行灰度化处理；
高斯滤波模块，用于灰度化处理后的图像利用高斯滤波去除高斯噪声；
差分模块，用于取电梯空载时的电梯轿厢图像作为背景图像，将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像；
二值化模块，用于对差分图像进行二值化处理，得到反映图像整体和局部特征的二值化图像；
膨胀处理模块，用于对二值化图像进行膨胀处理，得到膨胀化图像，所述膨胀化图像作为电梯轿厢内经预处理的图像。
10.根据权利要求9所述的基于计算机视觉识别判断电梯空间状态的装置，其特征在于，所述灰度化模块还用于：
坐标为(x，y)的像素点进行灰度化处理的公式为
Gray(x，y)＝0.299*Red(x，y)+0.587*Green(x，y)+0.114*Blue(x，y)
其中，Gray(x，y)表示坐标为(x，y)的像素点进行灰度化处理后的值，Red(x，y)表示坐标为(x，y)的像素点的R通道值，Green(x，y)表示坐标为(x，y)的像素点得G通道值，Blue(x，y)表示坐标为(x，y)的像素点得B通道值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110402401.XA CN113104687A (zh) | 2021-04-14 | 2021-04-14 | 基于计算机视觉识别判断电梯空间状态的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110402401.XA CN113104687A (zh) | 2021-04-14 | 2021-04-14 | 基于计算机视觉识别判断电梯空间状态的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113104687A true CN113104687A (zh) | 2021-07-13 |
Family
ID=76717531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110402401.XA Withdrawn CN113104687A (zh) | 2021-04-14 | 2021-04-14 | 基于计算机视觉识别判断电梯空间状态的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113104687A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105035887A (zh) * | 2015-07-03 | 2015-11-11 | 穆国栋 | 一种基于计算机视觉检测的智能电梯主控系统 |
| CN106006266A (zh) * | 2016-06-28 | 2016-10-12 | 西安特种设备检验检测院 | 一种应用于电梯安全监控的机器视觉建立方法 |
| JP2016222353A (ja) * | 2015-05-27 | 2016-12-28 | 株式会社日立製作所 | 画像認識機能を備えたエレベータ |
| WO2019052318A1 (zh) * | 2017-09-13 | 2019-03-21 | 杭州海康威视数字技术股份有限公司 | 一种电梯轿厢监控方法、装置及系统 |
| CN109733967A (zh) * | 2018-12-03 | 2019-05-10 | 广州市设计院 | 电梯控制系统、方法、装置、服务器及存储介质 |
| JP2020196548A (ja) * | 2019-05-30 | 2020-12-10 | フジテック株式会社 | エレベータの制御システム |
-
2021
- 2021-04-14 CN CN202110402401.XA patent/CN113104687A/zh not_active Withdrawn
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016222353A (ja) * | 2015-05-27 | 2016-12-28 | 株式会社日立製作所 | 画像認識機能を備えたエレベータ |
| CN105035887A (zh) * | 2015-07-03 | 2015-11-11 | 穆国栋 | 一种基于计算机视觉检测的智能电梯主控系统 |
| CN106006266A (zh) * | 2016-06-28 | 2016-10-12 | 西安特种设备检验检测院 | 一种应用于电梯安全监控的机器视觉建立方法 |
| WO2019052318A1 (zh) * | 2017-09-13 | 2019-03-21 | 杭州海康威视数字技术股份有限公司 | 一种电梯轿厢监控方法、装置及系统 |
| CN109733967A (zh) * | 2018-12-03 | 2019-05-10 | 广州市设计院 | 电梯控制系统、方法、装置、服务器及存储介质 |
| JP2020196548A (ja) * | 2019-05-30 | 2020-12-10 | フジテック株式会社 | エレベータの制御システム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107452010B (zh) | 一种自动抠图算法和装置 | |
| CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
| EP1800259B1 (en) | Image segmentation method and system | |
| CN110765855B (zh) | 一种病理图像处理方法及系统 | |
| CN110163810B (zh) | 一种图像处理方法、装置以及终端 | |
| KR20210149848A (ko) | 피부질 검출 방법, 피부질 등급 분류 방법, 피부질 검출 장치, 전자 기기 및 저장 매체 | |
| JP2007534179A (ja) | デジタル画像の明度の調整 | |
| CN104299011A (zh) | 一种基于人脸图像识别的肤质与皮肤问题识别检测方法 | |
| CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
| CN116309607B (zh) | 基于机器视觉的船艇式智能水上救援平台 | |
| CN115760826B (zh) | 一种基于图像处理的轴承磨损状况诊断方法 | |
| CN117392733B (zh) | 一种痤疮分级检测方法、装置、电子设备及存储介质 | |
| CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
| CN109146768A (zh) | 图像变换方法、系统及应用 | |
| CN111292273B (zh) | 一种语义引导的暗光图像增强方法 | |
| CN115115893B (zh) | 用于废金属回收的智能分选方法 | |
| CN113104687A (zh) | 基于计算机视觉识别判断电梯空间状态的方法及装置 | |
| CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
| CN112651962A (zh) | 一种ai智能诊断系统平台 | |
| CN117197064A (zh) | 一种无接触眼红程度自动分析方法 | |
| CN115115622B (zh) | 一种冲压端子视觉检测装置 | |
| CN112070771B (zh) | 基于hs通道的自适应阈值分割方法、装置和存储介质 | |
| CN113780262A (zh) | 人脸识别智能光照补偿方法、装置、设备及系统 | |
| CN112184733A (zh) | 一种宫颈异常细胞检测装置及方法 | |
| CN117593591B (zh) | 一种基于医学图像分割的舌象分类方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210713 |
|
| WW01 | Invention patent application withdrawn after publication |