CN114394501A - 一种电动车禁入电梯的监管方法、装置及电梯 - Google Patents

Abstract

本申请公开了一种电动车禁入电梯的监管方法、装置及电梯，该方案中，获取摄像头拍摄到的图像；在从图像中识别到车轮时，根据车轮确定是否存在电动车进入电梯。本方案通过识别车轮来确定是否存在电动车进入电梯，其一，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取；其二，车轮的特征比较稳定，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化；其三，电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车；因此通过车轮确定电动车的准确率更高，减少了电动车的漏检或误检导致的电梯无法关门乘客无法上楼的概率，从而减少了对物业和小区居民造成的困扰。

Description

一种电动车禁入电梯的监管方法、装置及电梯

技术领域

本发明涉及电动车的监管领域，特别是涉及一种电动车禁入电梯的监管方法、装置及电梯。

背景技术

随着人们对电动车重量更轻、骑得更远的追求，电动车电池也从性能稳定的铅酸电池逐渐升级到能量密度更大重量更轻但是性能也更为活泼的锂电池，电池起火的风险大增，因此对于电动车禁入电梯的监管十分重要。

现有技术中，阻止电动车进入电梯的方法有在电梯内安装长凳，但这种方法不仅占用电梯空间且长期的不均衡负载容易造成电梯的损伤；更为常见的方法是在电梯轿厢顶部安装相机，通过其抓拍的图片和电动车的样本图片进行比对，若两者形状相似，则触发电梯控制单元制动，使得电梯不能上行。此方法需要从抓拍的图片中获取电动车并与样本图片比对，一方面由于电梯轿厢内部空间狭小相机安装位置极为有限，电动车停稳后难以在相机的拍摄范围内看到全貌，而且经常被人体、雨披或者挡风被遮挡，导致电动车的车体的全貌无法获取；另一方面，电动车的种类繁多导致样本图片无法覆盖所有电动车的种类，且电动车停放位置不同时被抓拍的图片也不一样；这些都导致样本图片与抓拍的图片中获取的电动车不一致，因此，由于上述原因现有技术的识别准确率较低，常常出现电动车的漏检或误检现象，导致电梯无法关门乘客无法上楼，对物业和小区居民造成了不小的困扰。

发明内容

本申请的目的是提供一种电动车禁入电梯的监管方法、装置及电梯，本方案通过识别车轮来确定是否存在电动车进入电梯，其一，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取；其二，车轮的特征比较稳定，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化；其三，电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车；因此通过车轮确定电动车的准确率更高，减少了电动车的漏检或误检导致的电梯无法关门乘客无法上楼的概率，从而减少了对物业和小区居民造成的困扰。

为解决上述技术问题，本申请提供了一种电动车禁入电梯的监管方法，应用于设置在电梯中的相机中的处理器，所述相机还包括用于对所述电梯内进行拍摄的摄像头，所述摄像头与所述处理器连接；

所述电动车禁入电梯的监管方法包括：

获取所述摄像头拍摄到的图像；

在从所述图像中识别到车轮时，根据车轮确定是否存在电动车进入所述电梯。

优选的，从所述图像中识别到车轮之后，还包括：

判断所述车轮在所述电梯的预设的待测区域内的时间是否达到预设时长；

若是，则进入根据车轮确定是否存在电动车进入所述电梯的步骤。

优选的，判断所述车轮在所述电梯的预设的待测区域内的时间是否达到预设时长，包括：

S11：若所述车轮所在图像帧的目标检测框中的预设点位于所述电梯的预设的待测区域内，则判定所述车轮进入所述电梯，以所述图像帧为当前帧，确定所述预设点在所述待测区域中的第一位置，记录停留次数为0；

S12：判断所述车轮是否在当前帧的下一帧中，若是，进入S13，否则，进入S18；

S13：确定所述预设点在所述当前帧的下一帧的第二位置，判断所述第二位置和所述第一位置的位移的大小是否小于预设距离，若是，进入S14；

S14：停留次数进行加一；

S15：判断所述停留次数是否超过预设次数，若是，进入S16，否则，进入S17；

S16：判定所述车轮在所述电梯的预设的待测区域内的时间达到预设时长；

S17：将所述当前帧的下一帧作为新的当前帧，并返回S12；

S18：判定所述车轮在所述电梯的预设的待测区域内的时间没有达到预设时长。

优选的，所述相机还包括可控开关，所述可控开关的控制端与所述处理器连接，所述可控开关的第一端与梯控主板的第一检测端连接，所述可控开关的第二端与所述梯控主板的第二检测端连接；所述梯控主板用于在检测到所述第一检测端与所述第二检测端连通时，控制所述电梯门处于打开状态；

根据车轮确定是否存在电动车进入所述电梯之后，还包括：

若存在电动车进入所述电梯，则控制所述可控开关闭合。

优选的，根据车轮确定是否存在电动车进入所述电梯之后，还包括：

若存在电动车进入所述电梯，则控制提示模块发出告警。

优选的，在从所述图像中识别到车轮时，根据车轮确定是否存在电动车进入所述电梯，包括：

将所述图像输入至预先训练好的神经网络模型中；

在所述神经网络模型输出车轮的个数和类型时，若所述车轮的个数为2且类型分别为预设电动车的前轮和后轮时，则确定存在电动车进入所述电梯，否则，确定不存在电动车进入所述电梯。

优选的，若所述车轮的个数为2且类型分别为预设电动车的前轮和后轮之后，还包括：

在所述神经网络模型还输出所述车轮的像素坐标和像素尺寸时，根据所述像素坐标获取两个所述车轮之间的车轮轮距，并根据所述像素尺寸获取所述车轮的尺寸；

若所述车轮轮距的大小位于第一阈值和第二阈值之间且所述车轮的尺寸的大小位于第三阈值和第四阈值之间，则进入确定存在电动车进入所述电梯的步骤，所述第一阈值小于所述第二阈值，所述第三阈值小于所述第四阈值。

优选的，若所述车轮轮距的大小位于第一阈值和第二阈值之间且所述车轮的尺寸的大小位于第三阈值和第四阈值之间之后，还包括：

若所述车轮轮距不变，则进入确定存在电动车进入所述电梯的步骤。

为解决上述技术问题，本申请还提供了一种电动车禁入电梯的监管装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现所述电动车禁入电梯的监管方法的步骤。

为解决上述技术问题，本申请还提供了一种电梯，包括所述电动车禁入电梯的监管装置。

本申请提供了一种电动车禁入电梯的监管方法、装置及电梯，该方案中，获取摄像头拍摄到的图像；在从图像中识别到车轮时，根据车轮确定是否存在电动车进入电梯。本方案通过识别车轮来确定是否存在电动车进入电梯，其一，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取；其二，车轮的特征比较稳定，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化；其三，电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车；因此通过车轮确定电动车的准确率更高，减少了电动车的漏检或误检导致的电梯无法关门乘客无法上楼的概率，从而减少了对物业和小区居民造成的困扰。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对现有技术和实施例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为本申请提供的一种电动车禁入电梯的监管方法的流程图；

图2为本申请提供的多种车轮的结构示意图；

图3为本申请提供的一种判定存在电动车进入电梯的流程图；

图4为本申请提供的一种电动车禁入电梯的监管装置的结构示意图。

具体实施方式

本申请的核心是提供一种电动车禁入电梯的监管方法、装置及电梯，本方案通过识别车轮来确定是否存在电动车进入电梯，其一，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取；其二，车轮的特征比较稳定，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化；其三，电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车；因此通过车轮确定电动车的准确率更高，减少了电动车的漏检或误检导致的电梯无法关门乘客无法上楼的概率，从而减少了对物业和小区居民造成的困扰。

为使本申请实施例的目的、技术方案和优点更加清楚，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，都属于本申请保护的范围。

图1为本申请提供的一种电动车禁入电梯的监管方法的流程图，该方法应用于设置在电梯中的相机中的处理器，相机还包括用于对电梯内进行拍摄的摄像头，摄像头与处理器连接；

电动车禁入电梯的监管方法包括：

S21：获取摄像头拍摄到的图像；

S22：在从图像中识别到车轮时，根据车轮确定是否存在电动车进入电梯。

根据调查数据显示，从2017年到2019年中，全国抽查电动车及其充电器共736批次范围中，总体的不合格率高达20.1％，电动车本身的质量存在严重的安全隐患；而随着人们对电动车重量更轻、骑得更远的追求，电动车电池也从性能稳定的铅酸电池逐渐升级到能量密度更大重量更轻但是性能也更为活泼的锂电池，电池起火的风险大增。

据消防部门统计数据证实，近年来电动车引发的的火灾数量一直呈明显的增长趋势，引发的火灾数量已占社会全部火灾总量的10％。而今年上半年成都一小区发生了一起电梯内电动车起火导致人员受伤的严重事故，直接引爆了社会舆论，将电动车上楼监管的讨论推到了一个新的高度。

现有的阻止电动车进电梯的方法有在电梯内安装长凳，这种方法不仅占用电梯空间，而且长期的不均衡负载容易造成电梯的损伤。更为常见的方法是在电梯轿厢顶部安装相机，从其抓拍的图片中提取特征，即外边缘，与电动车的样本图片比对，若两者形状相似，则触发电梯控制单元制动，使得电梯不能上行。此方法需要从抓拍的图片中获取电动车并与样本图片比对，一方面由于电梯轿厢内部空间狭小相机安装位置极为有限，电动车停稳后难以在相机的拍摄范围内看到全貌，而且经常被人体、雨披或者挡风被遮挡，导致电动车的车体的全貌无法获取；另一方面，电动车的种类繁多导致样本图片无法覆盖所有电动车的种类，且电动车停放位置不同时被抓拍的图片也不一样；这些都导致样本图片与抓拍的图片中获取的电动车不一致，因此，由于上述原因现有技术的识别准确率较低，常常出现电动车的漏检或误检现象，导致电梯无法关门乘客无法上楼，对物业和小区居民造成了不小的困扰。

而本申请中，采用获取并识别车轮的图像来确定是否存在电动车进入电梯，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取，相较于现有技术中获取电动车的全貌并进行识别，车轮的获取与识别要更加容易，且根据车轮来确定电动车的准确率更高。

具体的，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化，所以本方案将车轮视为电动车的共有且稳定的特征，当确定车轮为电动车所具有的车轮时，即可确定存在电动车进入电梯；并且电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车。

还需要说明的是，摄像头可以周期性地对电梯进行拍摄，周期的长短根据实际情况而定，当电梯内的人流密集时，即可减小周期的长短。其中，摄像头的数量可以是一个或者多个。同时，因为要获取的是车轮的图像，所以可以将相机安装在电梯的轿厢两侧的下边缘可清楚看到车轮的位置，也可以将相机安装在电梯内部任意可以看清车轮的位置，以便有效提取车轮的特征。

综上，本申请提供了一种电动车禁入电梯的监管方法，该方案中，获取摄像头拍摄到的图像；在从图像中识别到车轮时，根据车轮确定是否存在电动车进入电梯。本方案通过识别车轮来确定是否存在电动车进入电梯，其一，驾驶人不论是推车或者骑车进入电梯，人体姿态均不会遮挡车轮，车轮全貌易于获取；其二，车轮的特征比较稳定，不同类型的电动车的车轮差异很小，车轮不会随着电动车更新换代发生大的变化；其三，电动车的车轮与非电动车的车轮差异明显，可以有效区分进入电梯的是否为电动车；因此通过车轮确定电动车的准确率更高，减少了电动车的漏检或误检导致的电梯无法关门乘客无法上楼的概率，从而减少了对物业和小区居民造成的困扰。

在上述实施例的基础上：

作为一种优选的实施例，从图像中识别到车轮之后，还包括：

判断车轮在电梯的预设的待测区域内的时间是否达到预设时长；

若是，则进入根据车轮确定是否存在电动车进入电梯的步骤。

本实施例中，考虑到电动车进入电梯后未进行停留便离开的情况，需要在识别到车轮后，判断该车轮是否停留在电梯内。

具体的，只有当车轮停留在电梯内，才有必要去根据车轮确定是否存在电动车进入电梯；当车轮未停留或停留时间较短就离开时，此时车轮可以相当于未进入电梯，不影响电梯的使用，但如果此时根据该车轮确定存在电动车后就可能导致电梯无法关门运行，然而此时电梯内并不存在电动车，造成居民的不便。

此外，预设的待测区域可以人为的根据实际情况进行设定，有些摄像头可以拍摄到电梯外停放的车辆，此时就需要设定待测区域；预设时长也可以根据电梯的实际运行情况进行设定，此处均不作具体的限定。

综上，通过判断车轮在电梯的预设的待测区域内的时间是否达到预设时长，避免了车轮未停留或停留时间较短就离开后继续进行后续根据车轮确定是否存在电动车进入电梯的步骤，确保了根据车轮确定是否存在电动车进入电梯的步骤的必要性。

作为一种优选的实施例，判断车轮在电梯的预设的待测区域内的时间是否达到预设时长，包括：

S11：若车轮所在图像帧的目标检测框中的预设点位于电梯的预设的待测区域内，则判定车轮进入电梯，以图像帧为当前帧，确定预设点在待测区域中的第一位置，记录停留次数为0；

S12：判断车轮是否在当前帧的下一帧中，若是，进入S13，否则，进入S18；

S13：确定预设点在当前帧的下一帧的第二位置，判断第二位置和第一位置的位移的大小是否小于预设距离，若是，进入S14；

S14：停留次数进行加一；

S15：判断停留次数是否超过预设次数，若是，进入S16，否则，进入S17；

S16：判定车轮在电梯的预设的待测区域内的时间达到预设时长；

S17：将当前帧的下一帧作为新的当前帧，并返回S12；

S18：判定车轮在电梯的预设的待测区域内的时间没有达到预设时长。

本实施例中，具体限定了如何判断车轮在电梯的预设的待测区域内的时间是否达到预设时长。

具体的，可以取车轮所在的目标检测框的中心点作为预设点，可以用卡尔曼滤波、KCF、MOT、目标框匹配或者其他跟踪算法来确定该预设点的位置，当该预设点出现在电梯的预设的待测区域内时，则判定车轮进入电梯，此时需要继续判断车轮是否停留在电梯内，在当前帧中预设点的第一位置和当前帧的下一帧中预设点的第二位置之间的位移的大小小于预设距离时，此时预设距离可以为较小的数值，就可以判定当前帧与下一帧之间车轮几乎未发生位移，是停留在原地的，此时停留次数加一；然后将当前帧的下一帧作为新的当前帧继续进行上述判断，当停留次数累加到超过预设次数时，则可以判定车轮在电梯的预设的待测区域内的时间达到预设时长。

其中，在上述过程中，若某帧中不存在车轮时，则判定车轮已离开，此时判定车轮在电梯的预设的待测区域内的时间没有达到预设时长。此外，当预设点的位移的大小累加超过预设宽度时，可以视为车轮准备驶离，此时若预设点不在电梯的预设的待测区域内，则可以视为车轮驶离，预设宽度可以为1/2的目标检测框的宽度。

综上，通过车轮连续在预设的待测区域内停留预设次数来判定车轮在电梯的预设的待测区域内的时间达到预设时长，保证了车轮是停留在电梯的预设的待测区域内，而不是未停留或停留时间较短。

作为一种优选的实施例，相机还包括可控开关，可控开关的控制端与处理器连接，可控开关的第一端与梯控主板的第一检测端连接，可控开关的第二端与梯控主板的第二检测端连接；梯控主板用于在检测到第一检测端与第二检测端连通时，控制电梯门处于打开状态；

根据车轮确定是否存在电动车进入电梯之后，还包括：

若存在电动车进入电梯，则控制可控开关闭合。

本实施例中，在确定存在电动车进入电梯后，处理器还通过控制可控开关来使电梯门处于不关闭的状态，电梯无法正常运行，从而使电动车无法通过电梯而上楼或下楼。

具体的，在确定存在电动车进入电梯后，处理器控制可控开关闭合，从而使梯控主板检测到自身的第一检测端和第二检测端是连通状态，基于此再去控制电梯门不关闭；当然，此时也可以是在确定存在电动车进入电梯后，处理器控制可控开关断开，从而使梯控主板检测到自身的第一检测端和第二检测端是不连通状态，基于此再去控制电梯门不关闭；此处不做特别限定。

此外，在电动车离开电梯后，处理器也可以再次控制可控开关，使梯控主板控制电梯门闭合，电梯恢复正常运行。

综上，在确定存在电动车进入电梯后，直接通过可控开关和梯控主板来控制电梯门不关闭，也就直接制止了电动车通过电梯进行上楼或下楼，此时电动车进入电梯就毫无意义，进而避免了电动车进入电梯。

作为一种优选的实施例，根据车轮确定是否存在电动车进入电梯之后，还包括：

若存在电动车进入电梯，则控制提示模块发出告警。

本实施例中，在确定存在电动车进入电梯后，处理器还可以控制提示模块发出告警。具体的，提示模块可以为语音提示模块，相机的处理器可以控制语音提示模块播报本地存储的告警语音，来驱离不规范行为，即电动车进入电梯，当电动车离开电梯后，则可以停止告警。

综上，通过提示模块更大程度上保证了电动车尽快驶离电梯，避免了更严重的后果。

作为一种优选的实施例，在从图像中识别到车轮时，根据车轮确定是否存在电动车进入电梯，包括：

将图像输入至预先训练好的神经网络模型中；

在神经网络模型输出车轮的个数和类型时，若车轮的个数为2且类型分别为预设电动车的前轮和后轮时，则确定存在电动车进入电梯，否则，确定不存在电动车进入电梯。

本实施例中，从图像中识别车轮的方法为将图像输入至预先训练好的神经网络模型中，从而得出车轮的个数和类型，进而确定是否为电动车。

机器视觉中传统的目标检测算法在泛化性上不如深度学习检测算法，深度学习算法中SSD相比经典的two-stage RCNN系列算法，兼顾map和实时性要求，是适用于嵌入式领域的轻量级算法，是主要的目标检测框架之一。

具体的，本方案可以选用SSD作为目标检测算法框架，对轻量级网络架构PeleeNet进行裁剪后作为SSD的神经网络模型，定义了电动车前轮和电动车后轮两个输出类型，选用多个大小不同的feature map进行分类和位置回归，有效提取了电梯场景下各种类型电动车的车轮的共同特征，算法泛化性强。上述算法可以对采集到的图像画面进行不间断的目标检测，单帧检测耗时可以小于100ms，算法输出车轮的类型和个数。当然此处也可以定义多个输出类型，例如电梯中常见的车轮：电动车前轮、电动车后轮、滑板车车轮、轮椅车轮、婴儿车车轮、自行车车轮和其他共7个输出类型，请参照图2，绝大部分车轮的外形截然不同，多个类型使算法的输出更加精准。

其中，目标检测算法可以使用R-CNN、Fast R-CNN、Faster R-CNN、DPM、SSD、YOLO，或者其它目标检测算法，此处不做特别限定。当然也可以先使用检测算法检出车轮，再利用分类算法识别前后车轮。

还需要说明的是，由于电动车的车轮由轮毂、轮胎、刹车装置、减震器、挡泥板和传动装置等组成，前轮和后轮承担的功能完全不同，所以外形差异十分明显。部分电动车与自行车在整体外观上几乎无法区分，通过电动车的前轮和后轮的差异可有效区分；部分电动车与三轮或四轮老人助力车外形一样，但是老人助力车设计车速慢，所以车轮小，而车身都是采用悬挂设计所以前后车轮几乎一致，通过电动车的前轮和后轮的差异可有效区分。因此，利用图像识别技术对前后车轮的外形差异进行分析可以有效识别电动车的前轮和后轮，避免了自行车、老人助力车、婴儿车、滑板车等干扰，进而可以有效识别电动车进入电梯的行为。其中，也可以用停车架、车牌、尾灯等代替区分前后车轮。

此外，电动车的外形更新换代极为迅速，如果通过电动车的外形训练出模型，容易过时。而车轮是所有电动车的共有稳定特征，提取电动车的车轮特征作为电动车的识别指标，该识别指标在电梯场景下具有高鲁棒性，即稳定性，进而电动车的识别也具有更高的准确性。

综上，通过识别车轮的个数和类型来确定是否存在电动车进入电梯，具有更高的准确性。

作为一种优选的实施例，若车轮的个数为2且类型分别为预设电动车的前轮和后轮之后，还包括：

在神经网络模型还输出车轮的像素坐标和像素尺寸时，根据像素坐标获取两个车轮之间的车轮轮距，并根据像素尺寸获取车轮的尺寸；

若车轮轮距的大小位于第一阈值和第二阈值之间且车轮的尺寸的大小位于第三阈值和第四阈值之间，则进入确定存在电动车进入电梯的步骤，第一阈值小于第二阈值，第三阈值小于第四阈值。

本实施例中，通过车轮的个数和类型进行确定后，还可以通过实时输出的车轮的像素坐标和像素尺寸进行再次判断。

具体的，根据像素坐标获取两个车轮之间的车轮轮距，即欧式距离；并根据像素尺寸获取车轮的尺寸；当车轮轮距和车轮的尺寸均满足电动车所具有的尺寸后，即可确定此时存在电动车进入电梯。

综上，通过车轮的像素坐标和像素尺寸来再次判定此时存在电动车进入电梯，减少了电动车的误检，使电动车的检测更加准确。

作为一种优选的实施例，若车轮轮距的大小位于第一阈值和第二阈值之间且车轮的尺寸的大小位于第三阈值和第四阈值之间之后，还包括：

若车轮轮距不变，则进入确定存在电动车进入电梯的步骤。

本实施例中，在通过车轮轮距和车轮的尺寸进行判定后，还可以通过车轮的运动特征进行再次判断。

具体的，可以通过实时获取的车轮轮距不变来判定此时两个车轮是同时运动，同时停止的，满足电动车的两个车轮的运动特征。

此外，判定存在电动车进入电梯的具体的实施例，可以参照图3，图3中首先可以在摄像头拍摄到的图像中识别到车轮；然后可以通过判断车轮在电梯的预设的待测区域内的时间是否达到预设时长来判断车轮是否停留在电梯内，在达到预设时长时判定车轮停留在电梯内；之后再判断车轮的个数和类型是否满足电动车的特征，在个数为2且类型分别为预设电动车的前轮和后轮时判定满足电动车的特征；之后再判断车轮轮距以及车轮的尺寸是否满足电动车的特征，在车轮轮距以及车轮的尺寸均在电动车的预设范围内时判定满足电动车的特征；最后可以通过车轮轮距是否变化来判断车轮的运动特征是否满足电动车的车轮的运动特征，电动车的车轮的运动特征为同时运动和同时停止，因此在车轮轮距不变时判定满足电动车的车轮的运动特征；此时经过上述4次判断后才判定存在电动车进入电梯，进而可以控制电梯门处于打开状态并进行告警，在不满足任一次判断时均会判定为此时不存在电动车进入电梯并继续识别车轮，在很大程度上减少了电动车的误检的情况的发生概率。

综上，通过车轮轮距不变来再次判定此时存在电动车进入电梯，减少了电动车的误检，使电动车的检测更加准确。

请参照图4，图4为本申请提供的一种电动车禁入电梯的监管装置的结构示意图，该装置包括：

存储器31，用于存储计算机程序；

处理器32，用于执行计算机程序以实现电动车禁入电梯的监管方法的步骤。

对于本申请提供的一种电动车禁入电梯的监管装置的介绍，请参照上述实施例，本申请此处不再赘述。

本申请提供了一种电梯，包括电动车禁入电梯的监管装置。

对于本申请提供的一种电梯的介绍，请参照上述实施例，本申请此处不再赘述。

需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电动车禁入电梯的监管方法，其特征在于，应用于设置在电梯中的相机中的处理器，所述相机还包括用于对所述电梯内进行拍摄的摄像头，所述摄像头与所述处理器连接；

所述电动车禁入电梯的监管方法包括：

获取所述摄像头拍摄到的图像；

在从所述图像中识别到车轮时，根据车轮确定是否存在电动车进入所述电梯。

2.如权利要求1所述的电动车禁入电梯的监管方法，其特征在于，从所述图像中识别到车轮之后，还包括：

判断所述车轮在所述电梯的预设的待测区域内的时间是否达到预设时长；

若是，则进入根据车轮确定是否存在电动车进入所述电梯的步骤。

3.如权利要求2所述的电动车禁入电梯的监管方法，其特征在于，判断所述车轮在所述电梯的预设的待测区域内的时间是否达到预设时长，包括：

S11：若所述车轮所在图像帧的目标检测框中的预设点位于所述电梯的预设的待测区域内，则判定所述车轮进入所述电梯，以所述图像帧为当前帧，确定所述预设点在所述待测区域中的第一位置，记录停留次数为0；

S12：判断所述车轮是否在当前帧的下一帧中，若是，进入S13，否则，进入S18；

S13：确定所述预设点在所述当前帧的下一帧的第二位置，判断所述第二位置和所述第一位置的位移的大小是否小于预设距离，若是，进入S14；

S14：停留次数进行加一；

S15：判断所述停留次数是否超过预设次数，若是，进入S16，否则，进入S17；

S16：判定所述车轮在所述电梯的预设的待测区域内的时间达到预设时长；

S17：将所述当前帧的下一帧作为新的当前帧，并返回S12；

S18：判定所述车轮在所述电梯的预设的待测区域内的时间没有达到预设时长。

4.如权利要求1所述的电动车禁入电梯的监管方法，其特征在于，所述相机还包括可控开关，所述可控开关的控制端与所述处理器连接，所述可控开关的第一端与梯控主板的第一检测端连接，所述可控开关的第二端与所述梯控主板的第二检测端连接；所述梯控主板用于在检测到所述第一检测端与所述第二检测端连通时，控制所述电梯门处于打开状态；

根据车轮确定是否存在电动车进入所述电梯之后，还包括：

若存在电动车进入所述电梯，则控制所述可控开关闭合。

5.如权利要求1所述的电动车禁入电梯的监管方法，其特征在于，根据车轮确定是否存在电动车进入所述电梯之后，还包括：

若存在电动车进入所述电梯，则控制提示模块发出告警。

6.如权利要求1至5任一项所述的电动车禁入电梯的监管方法，其特征在于，在从所述图像中识别到车轮时，根据车轮确定是否存在电动车进入所述电梯，包括：

将所述图像输入至预先训练好的神经网络模型中；

在所述神经网络模型输出车轮的个数和类型时，若所述车轮的个数为2且类型分别为预设电动车的前轮和后轮时，则确定存在电动车进入所述电梯，否则，确定不存在电动车进入所述电梯。

7.如权利要求6所述的电动车禁入电梯的监管方法，其特征在于，若所述车轮的个数为2且类型分别为预设电动车的前轮和后轮之后，还包括：

在所述神经网络模型还输出所述车轮的像素坐标和像素尺寸时，根据所述像素坐标获取两个所述车轮之间的车轮轮距，并根据所述像素尺寸获取所述车轮的尺寸；

若所述车轮轮距的大小位于第一阈值和第二阈值之间且所述车轮的尺寸的大小位于第三阈值和第四阈值之间，则进入确定存在电动车进入所述电梯的步骤，所述第一阈值小于所述第二阈值，所述第三阈值小于所述第四阈值。

8.如权利要求7所述的电动车禁入电梯的监管方法，其特征在于，若所述车轮轮距的大小位于第一阈值和第二阈值之间且所述车轮的尺寸的大小位于第三阈值和第四阈值之间之后，还包括：

若所述车轮轮距不变，则进入确定存在电动车进入所述电梯的步骤。

9.一种电动车禁入电梯的监管装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至8任一项所述电动车禁入电梯的监管方法的步骤。

10.一种电梯，其特征在于，包括如权利要求9所述电动车禁入电梯的监管装置。

Images