CN114955772A - 针对电动车的处理方法和装置 - Google Patents
针对电动车的处理方法和装置 Download PDFInfo
- Publication number
- CN114955772A CN114955772A CN202210603089.5A CN202210603089A CN114955772A CN 114955772 A CN114955772 A CN 114955772A CN 202210603089 A CN202210603089 A CN 202210603089A CN 114955772 A CN114955772 A CN 114955772A
- Authority
- CN
- China
- Prior art keywords
- target object
- electric vehicle
- image data
- elevator car
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 230000005484 gravity Effects 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000006698 induction Effects 0.000 claims description 75
- 230000004907 flux Effects 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 13
- 230000009471 action Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012216 screening Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本申请实施例提供了针对电动车的处理方法和装置，方法包括：获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成目标物体是否为部署有永磁体的电动车的判断结果。通过结合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而实现了对电动车是否进入电梯轿厢的准确检测。
Description
技术领域
本申请涉及数据处理的技术领域，特别是涉及一种针对电动车的处理方法和一种针对电动车的处理装置。
背景技术
电动车作为一种方便且快捷的短距离代步工具，已经逐渐进入到越来越多的人的家庭中。
对于电动车来说，锂电池因为功率密度高、重量轻、对环境友好等特点，锂电池已经逐渐成为电动车的主要动力电源；但是同时，由于锂电池的技术还不够成熟，以及电动车充电不规范，可能导致搭载有锂电池的电动车在充电或者停放时发生危险，例如：起火。如果上述危险是发现在居民住房内的话，可能导致居民住房内的人和财产遭受损失。
因此，如何检测电动车是否进入居民住房，例如：如何检测电动车是否进入电梯，成了当前针对电动车来说亟需解决的问题。
发明内容
鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种针对电动车的处理方法、一种针对电动车的处理装置、相应的一种电子设备以及相应的一种计算机可读存储介质。
本申请实施例公开了一种针对电动车的处理方法，所述方法包括：
获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
根据所述图像数据，确定所述目标物体的重心位置；
根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
可选地，所述当所述判断结果为所述目标物体是部署有永磁体的电动车时，所述方法还包括：
执行针对电动车进入电梯轿厢的预设告警事件。
可选地，所述方法还包括：
采用预设模型对所述图像数据进行识别，生成第一识别结果；其中，所述预设模型是基于预先收集的电动车的图像数据进行机器学习训练得到的；
所述根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果，包括：
根据所述重心位置和所述电信号，生成第二识别结果；
根据所述第一识别结果和所述第二识别结果，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
可选地，所述方法还包括：
根据所述图像数据，确定所述目标物体的属性信息；
根据所述属性信息，判断所述目标物体是否为电动车；
当根据所述属性信息，判定所述目标物体为电动车时，执行获取针对电梯轿厢内的目标物体所采集的电信号的步骤。
可选地，所述属性信息包括所述目标物体的目标重量，所述根据所述图像数据，确定所述目标物体的属性信息，包括：
获取所述电梯轿厢的当前已承载重量；
根据所述当前已承载重量和所述图像数据，预估所述目标重量。
可选地，所述属性信息包括所述目标物体的目标体积，所述根据所述图像数据，确定所述目标物体的属性信息，包括：
获取所述电梯轿厢的尺寸信息；
从所述图像数据中，获取所述电梯轿厢与所述目标物体的体积比；
根据所述电梯轿厢的尺寸信息和所述体积比，预估所述目标体积。
可选地，所述图像数据由部署在电梯中的图像采集设备生成，所述电信号由部署在电梯中的磁力感应线圈生成，所述方法还包括以下至少一个步骤：
当检测到电梯门开启时，开启所述磁力感应线圈；
当识别到所述图像数据中存在遮挡行为时，开启所述磁力感应线圈；
当识别到所述图像数据中的目标物体不是电动车时，开启所述磁力感应线圈。
可选地，所述电信号通过如下步骤获取：
从所述磁力感应线圈中获取磁感应信号；
对所述磁感应信号进行放大，得到所述电信号。
可选地，所述根据所述图像数据，确定所述目标物体的重心位置，包括：
根据所述图像数据，确定所述目标物体与所述电梯轿厢的地面之间的相对距离；
根据所述目标物体与所述电梯轿厢的地面之间的相对距离，预估所述重心位置。
可选地，所述根据所述重心位置和所述电信号，生成第二识别结果，包括：
获取预设线圈匝数集合；所述预设线圈匝数集合中包括至少一个预设线圈匝数值；
根据所述图像数据中，确定所述目标物体从进入所述电梯轿厢到停止所经历的目标时长；
分别根据所述预设线圈匝数集合中的一预设线圈匝数值，以及所述重心位置、所述电信号和所述目标时长，确定一个目标磁通量；
根据所得到的至少一个目标磁通量与预设磁通量的匹配结果，生成第二识别结果。
本申请实施例还公开了一种针对电动车的处理装置，所述装置包括：
获取模块，用于获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
重心确定模块，用于根据所述图像数据，确定所述目标物体的重心位置；
判断结果生成模块，用于根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
可选地，所述当所述判断结果为所述目标物体是部署有永磁体的电动车时，所述装置还包括：
告警模块，用于执行针对电动车进入电梯轿厢的预设告警事件。
可选地，所述装置还包括：
图像识别模块，用于采用预设模型对所述图像数据进行识别，生成第一识别结果；其中，所述预设模型是基于预先收集的电动车的图像数据进行机器学习训练得到的；
所述判断结果生成模块，用于根据所述重心位置和所述电信号，生成第二识别结果；根据所述第一识别结果和所述第二识别结果，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
可选地，所述装置还包括：
所述筛查模块，用于根据所述图像数据，确定所述目标物体的属性信息；根据所述属性信息，判断所述目标物体是否为电动车；
所述获取模块，用于当根据所述属性信息，判定所述目标物体为电动车时，获取针对电梯轿厢内的目标物体所采集的电信号。
可选地，所述属性信息包括所述目标物体的目标重量，所述筛查模块，包括：
重量预估子模块，用于获取所述电梯轿厢的当前已承载重量；根据所述当前已承载重量和所述图像数据，预估所述目标重量。
可选地，所述属性信息包括所述目标物体的目标体积，所述筛查模块，包括：
体积预估子模块，用于获取所述电梯轿厢的尺寸信息；从所述图像数据中，获取所述电梯轿厢与所述目标物体的体积比；根据所述电梯轿厢的尺寸信息和所述体积比，预估所述目标体积。
可选地，所述图像数据由部署在电梯中的图像采集设备生成，所述电信号由部署在电梯中的磁力感应线圈生成，所述装置还包括：
线圈开启模块，用于当检测到电梯门开启时，开启所述磁力感应线圈；当识别到所述图像数据中存在遮挡行为时，开启所述磁力感应线圈；当识别到所述图像数据中的目标物体不是电动车时，开启所述磁力感应线圈。
可选地，所述获取模块，包括：
电信号获取子模块，用于从所述磁力感应线圈中获取磁感应信号；对所述磁感应信号进行放大，得到所述电信号。
可选地，所述重心确定模块，用于根据所述图像数据，确定所述目标物体与所述电梯轿厢的地面之间的相对距离；根据所述目标物体与所述电梯轿厢的地面之间的相对距离，预估所述重心位置。
可选地，所述判断结果生成模块，用于获取预设线圈匝数集合；所述预设线圈匝数集合中包括至少一个预设线圈匝数值；根据所述图像数据中，确定所述目标物体从进入所述电梯轿厢到停止所经历的目标时长；分别根据所述预设线圈匝数集合中的一预设线圈匝数值，以及所述重心位置、所述电信号和所述目标时长，确定一个目标磁通量；根据所得到的至少一个目标磁通量与预设磁通量的匹配结果，生成第二识别结果。
本申请实施例还公开了一种电子设备，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现任一项所述针对电动车的处理方法的步骤。
本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现任一项所述针对电动车的处理方法的步骤。
本申请实施例包括以下优点：
本申请实施例中，通过获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成目标物体是否为部署有永磁体的电动车的判断结果。通过结合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而实现了对电动车是否进入电梯轿厢的准确检测。
附图说明
图1是本申请的一种针对电动车的处理方法实施例的步骤流程图；
图2是本申请的另一种针对电动车的处理方法实施例的步骤流程图；
图3是本申请实施例提供的物体的重心和磁力感应线圈之间的距离与磁通量的对应关系的示意图；
图4是本申请实施例提供的生成第二识别结果的示意图；
图5是本申请的又一种针对电动车的处理方法实施例的步骤流程图；
图6是本申请的实施例提供的针对电动车的处理的应用场景示意图；
图7是本申请的一种针对电动车的处理装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
为了对电梯轿厢中是否进入电动车进行检测，可以采用电梯轿厢中预先部署有的图像采集设备来电梯轿厢进行检测。
例如，可以在检测室中安排工作人员，来实时检测电梯轿厢中的图像采集设备所采集的图像数据，从而由人工来判断是否有电动车进行电梯轿厢；但是这种方法需要投入大量的人力。
为了减少人力资源的投入和浪费，也可以预先基于电动车的图像数据训练一模型，然后采用该模型对图像设备所采集的图像数据进行识别，从而判断电动车是否有电动车进行电梯轿厢。
采用模型识别的方式虽然可以减少人力资源的投入和浪费，但是当电动车持有人故意对电动车进行遮挡时，可能导致模型无法识别出有电动车进行电梯轿厢。
为了准确地对电梯轿厢是否有电动车进入进行检测，本申请实施例的核心思想之一在于根据针对电梯轿厢中所存在的目标物体采集的图像数据来确定目标物体的重心位置，再根据针对电梯轿厢中所存在的目标物体采集的电信号和目标物体的重心位置来生成目标物体是否为位于电梯轿厢内的、部署有永磁体的电动车的判断结果。综合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而实现了对电动车是否进入电梯轿厢的准确检测。
参照图1，示出了本申请的一种针对电动车的处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
当电梯轿厢存在目标物体时，可以针对目标物体采集图像数据和电信号；其中，电信号是在目标物体为带有磁性物的物体时生成，当目标物体为不带有磁性物的物体时，电信号可以为0或者不生成电信号，本申请实施例对此不作限制。
然后，可以综合所采集到的图像数据和电信号来判断目标物体是否为进入电梯轿厢的电动车；具体的，可以参考如下步骤102－步骤103。
步骤102，根据图像数据，确定目标物体的重心位置；
其中，重心位置可以指目标物体的重心相对于电梯轿厢的位置。
在获取到目标物体的图像数据后，可以根据图像数据来确定目标物体的位置；进而，可以根据目标物体的位置来确定目标物体的重心所在的重心位置。
步骤103，根据重心位置和电信号，生成目标物体是否为部署有永磁体的电动车的判断结果。
然后，可以根据重心位置和电信号，生成针对目标物体的判断结果；该判断结果可以用于表征目标物体是否为位于电梯轿厢内的、部署有永磁体的电动车。
当判断结果为目标物体是位于电梯轿厢内的、部署有永磁体的电动车时，可以表示当前电梯轿厢进入了电动车；当判断结果为目标物体不是位于电梯轿厢内的，或者目标物体位于电梯轿厢但是不是部署有永磁体的电动车时，可以表示当前电梯轿厢没有进入电动车。
需要说明的是，为了避免受到其他可以生成电信号的物体(例如：自行车的金属车轮毂)的影响，本申请实施例的判断是针对永磁体来进行的；通过利用永磁体所产生的磁力比其他可以生成电信号的物体所产生的磁力大好几个数量级这一特性，来避免将其他可以生成电信号的物体判定成是电动车，从而实现了对电动车是否进入电梯轿厢的准确检测。
本申请实施例中，通过获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成目标物体是否为部署有永磁体的电动车的判断结果。通过结合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而实现了对电动车是否进入电梯轿厢的准确检测。
参照图2，示出了本申请的另一种针对电动车的处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤201，获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
当电梯轿厢存在目标物体时，可以针对目标物体采集图像数据和电信号。
作为一示例，可以是在电梯门开启时，才开始采集图像数据和电信号，从而当目标物体在电梯门开启后进入电梯轿厢时，可以针对目标物体采集图像数据和电信号。
也可以是实时采集图像数据和电信号，从而当目标物体进入电梯轿厢后，可以针对目标物体采集到图像数据和电信号。
还可以是按照预设时间间隔来采集图像数据和电信号，从而当目标物体进入电梯轿厢后，可以针对目标物体采集到图像数据和电信号；其中，预设时间间隔可以根据实际情况设定，例如：预设时间间隔小于电梯门从完全开启，到完全关闭的时间，本申请实施例对此不作限制。
在本申请一实施例中，图像数据可以由部署在电梯中的图像采集设备生成，电信号可以由部署在电梯中的磁力感应线圈生成；为了减少不必要的资源的浪费，磁力感应线圈默认处于关闭状态，磁力感应线圈可以通过以下任一种方法来开启：
1)当检测到电梯门开启时，开启磁力感应线圈；
2)当识别到图像数据中存在遮挡行为时，开启磁力感应线圈；
3)当识别到图像数据中不存在电动车时，开启磁力感应线圈。
作为一示例，电动车需要在电梯门开启时才能进入电梯轿厢；因此，可以在检测到电梯门开启时，再去开启磁力感应线圈。当然，图像采集设备也可以默认处于关闭状态，当检测到电梯门开启时，再去开启图像采集设备。
作为另一示例，可以对图像数据进行识别，以判断其中是否存在遮挡行为；当在图像数据中识别到遮挡行为时，再去开启磁力感应线圈。
其中，遮挡行为可以是包括导致图像采集设备无法采集到电梯轿厢内的行为，例如：可以预先在电梯轿厢中设置指定点，当图像采集设备所采集到的图像数据中不存在上述指定点时，可以表示存在遮挡行为；遮挡行为也可以包括遮挡进入电梯轿厢的其他物体的行为，本申请实施例对此不作限制。
作为又一示例，也可以先对图像数据进行识别，以判断电梯轿厢中的目标物体是否为电动车；如果判定电梯轿厢中的目标物体是电动车，则不启动磁力感应线圈，而是直接基于图像识别的结果来判定电动车进入电梯轿厢。
如果判定电梯轿厢中的目标物体不是电动车，则为了避免因为图像识别的误判，可以再启动磁力感应线圈，以便结合磁力感应线圈来进一步判断目标物体是否为电动车。
在本申请一实施例中，电信号可以通过如下步骤获取：
从磁力感应线圈中获取磁感应信号；对磁感应信号进行放大，得到电信号。
如果目标物体中具有磁性物的话，其中的磁性物在经过磁力感应线圈或者时会导致磁力感应线圈的磁场发生变化；此时，磁力感应线圈会生成一磁感应信号，该磁感应信号可以是一电信号。
从磁力感应线圈中所获取的初始的磁感应信号可能是数值较小的电信号；此时，可以对磁感应信号进行放大，以获得电信号；然后，可以基于电信号来判断目标物是否为部署有永磁体的电动车。
步骤202，采用预设模型对图像数据进行识别，生成第一识别结果；
其中，预设模型可以是基于预先收集的电动车的图像进行机器学习训练得到的。
在本申请实施例中，为了提高检测的准确定，可以综合考虑图像数据和电信号的识别结果来判断位于电梯轿厢内的目标物体是否为部署有永磁体的电动车。
具体的，可以采用基于预先收集的电动车的图像数据进行机器学习训练得到的预设模型，对图像采集设备所采集到的图像数据进行识别，并生成目标物体是否为电动车的第一识别结果。
步骤203，根据图像数据，确定目标物体的重心位置；
其中，重心位置可以指目标物体的重心相对于磁力感应线圈的位置；由于磁力感应线圈在电梯轿厢内的位置是固定的，因此，可以基于目标物体的重心相对于电梯轿厢的位置，确定目标物体的重心相对于磁力感应线圈的位置。
由于电信号的大小与磁性物和磁力感应线圈的距离存在对应关系；因此，在根据电信号判断目标物体是否为部署有永磁体的电动车时，可以综合目标物体的重心位置和电信号来判断。
具体的，可以先根据图像数据来确定目标物体的位置；进而，可以根据目标物体的位置来确定目标物体的重心所在的重心位置。
在本申请一实施例中，目标物体的重心位置可以通过如下子步骤确定：
子步骤11，根据图像数据，确定目标物体与电梯轿厢的地面之间的相对距离；
首先，可以先根据图像数据中，目标物体相对于电梯轿厢地面之间的相对距离；具体的，可以先获取电梯轿厢的尺寸信息；然后，可以从图像数据中确定目标物体相对于电梯轿厢地面之间的长度，与图像数据中电梯轿厢的长度的比例，并基于该比例和预先获取到的电梯轿厢的尺寸信息，预估目标物体相对于电梯轿厢地面之间的相对距离。
作为一示例，该相对距离可以包括目标物体的顶部与电梯轿厢的地面之间的相对距离，以及目标物体的底部与电梯轿厢的地面之间的相对距离。
根据子步骤12，根据目标物体与电梯轿厢的地面之间的相对距离，预估重心位置。
然后，可以根据该相对距离，预估目标物的重心位置；具体的，可以根据目标物体的顶部与电梯轿厢的地面之间的相对距离，以及目标物体的底部与电梯轿厢的地面之间的相对距离来预估目标物体的重心相对于电梯轿厢的地面的相对位置。例如：目标物体的顶部与电梯轿厢的地面之间的相对距离为h1，目标物体的底部与电梯轿厢的地面之间的相对距离为h2，则可以将h1与h2差值的一半作为目标物体的重心相对于电梯轿厢的地面的相对位置。
然后，可以根据目标物体的重心相对于电梯轿厢的地面的相对位置，和磁力感应线圈和电梯轿厢的地面的相对位置，确定目标物体的重心相对于磁力感应线圈的相对位置，并将其作为重心位置。
步骤204，根据重心位置和电信号，生成第二识别结果；
在确定目标物体的重心位置后，可以根据重心位置和电信号，来生成目标物体是否为部署有永磁体的电动车的第二识别结果。
具体的，可以预先设置重心和磁力感应线圈之间的距离与磁通量的对应关系。
然后，可以根据重心位置，确定目标物体的重心与磁力感应线圈之间的距离，并根据上述预先设置的重心和磁力感应线圈之间的距离与磁通量的对应关系，和所确定的目标物体的重心与磁力感应线圈之间的距离，对当前所得到的电信号对应的磁通量进行调整，从而得到目标磁通量。
再然后，可以根据所得到的目标磁通量生成目标物体是否为部署有永磁体的电动车的第二识别结果。
在本申请一实施例中，可以通过如下步骤生成第二识别结果：
子步骤21，获取预设线圈匝数集合；预设线圈匝数集合中包括至少一个预设线圈匝数值；
在本申请实施例中，可以预先设置一预设线圈匝数集合；该预设线圈匝数集合中可以包括至少一个预设线圈匝数值，预设线圈匝数值可以是针对市面上常规的电动车的永磁体进行收集得到的。
子步骤22，根据图像数据，确定目标物体从进入电梯轿厢到停止所经历的目标时长；
在确定目标磁通量之前，可以先根据图像数据，确定目标物体进入电梯轿厢的第一时间，以及目标物体进入电梯轿厢且停止的第二时间；然后，可以根据第一时间和第二时间，确定目标物体从进入电梯轿厢到停止所经历的目标时长。
子步骤23、分别根据预设线圈匝数集合中的一预设线圈匝数值，以及重心位置、电信号和目标时长，确定一个目标磁通量；
在获取到预设线圈匝数集合后，可以从预设线圈匝数集合任取一预设线圈匝数值；然后，根据该任取的一预设线圈匝数值、电信号，以及目标时长，确定一磁通量。
例如：任取的一预设线圈匝数值为n1，电信号为ε，目标时长为Δt，则可以通过如下公式确定磁通量Δφ：
然后，可以根据重心位置，以及上述预先设置的重心和磁力感应线圈之间的距离与磁通量的对应关系，对所确定的磁通量进行调整，从而得到一目标磁通量；例如：按照一定倍率放大所缩小所确定的磁通量，来得到目标磁通量，本申请实施例对此不作限制。
参照图3，示出了一种物体的重心和磁力感应线圈之间的距离与磁通量的对应关系。
子步骤24，根据所得到的至少一个目标磁通量与预设磁通量的匹配结果，生成第二识别结果。
在本申请实施例中，可以根据预设线圈匝数集合中的至少一个预设线圈匝数值，确定至少一个目标磁通量。
在确定完预设线圈匝数中所有预设线圈匝数值对应的目标磁通量后，可以分别将所得到的目标磁通量与预设磁通量进行匹配，例如：预设磁通量可以是针对电动车中的永磁体所设置的一个预设值，当目标磁通量与预设磁通量的差值小于预设的差值阈值，则可以确定目标磁通量与预设磁通量匹配。
或者，预设磁通量可以为一区间，当目标磁通量处于预设磁通量所对应的区间时，目标磁通量与预设磁通量匹配。
然后，可以根据所有的目标磁通量与预设磁通量的匹配结果，生成目标物体是否为部署有永磁体的电动车的第二识别结果。
作为一示例，如果有与预设磁通量匹配的目标磁通量的话，则可以生成目标物体是部署有永磁体的电动车的第二识别结果；如果没有与预设磁通量匹配的目标磁通量的话，则可以生成目标物体不是部署有永磁体的电动车的第二识别结果。
参照图4，当目标物体从电梯外进行电梯轿厢时，会经过部署在电梯轿厢内的磁力感应线圈，从而发生磁电转换而产生磁感应信号；然后，可以对磁感应信号进行放大，得到目标电信信号；再基于电信号生成目标磁通量。
步骤205，根据第一识别结果和第二识别结果，生成目标物体是否为部署有永磁体的电动车的判断结果；
在得到第一识别结果和第二识别结果后，可以综合第一识别结果和第二识别结果来生成目标物体是否为部署有永磁体的电动车的判断结果。
例如：如果第一识别结果为目标物体是电动车，且第二识别结果为目标物体是部署有永磁体的电动车的话，则可以生成目标物体是部署有永磁体的电动车的判断结果。
如果第一识别结果为目标物体是电动车，但是第二识别结果为目标物体不是部署有永磁体的电动车的话，则可以生成目标物体不是部署有永磁体的电动车的判断结果。
如果第一识别结果为目标物体不是电动车，且第二识别结果也是目标物体不是部署有永磁体的电动车的话，则可以生成目标物体不是部署有永磁体的电动车的判断结果。
如果第一识别结果为目标物体不是电动车，但是第二识别结果为目标物体是部署有永磁体的电动车的话，则可以生成目标物体是部署有永磁体的电动车的判断结果。
步骤206，当判断结果为目标物体是部署有永磁体的电动车时，执行针对电动车进入电梯轿厢的预设告警事件。
在生成判断结果后，可以输出该判断结果，以便电梯可以基于该判断结果执行对应的操作。
作为一示例，如果判断结果表征目标物体不是部署有永磁体的电动车的话，则可以正常运行电梯，例如：正常开关电梯门。
作为另一示例，如果判断结果表征目标物体是部署有永磁体的电动车的话，则可以执行针对电动车进入电梯轿厢的预设告警事件。
其中，预设告警事件可以包括针对电动车进入电梯轿厢的提示，和/或针对电梯门的控制。
例如：针对电动车进入电梯轿厢的提示可以是播放提示信息，以告知电梯轿厢内的用户将电动车退出电梯轿厢；同时，可以向管理员发送提示信息，以告知管理员当前有用户将电动车推入电梯轿厢。针对电梯门的控制可以指控制电梯门开启至识别到电动车退出电梯轿厢，本申请实施例对此不作限制。
本申请实施例中，通过获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；采用预设模型对图像数据进行识别，生成第一识别结果；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成第二识别结果；根据第一识别结果和第二识别结果，生成目标物体是否为部署有永磁体的电动车的判断结果；当判断结果为目标物体是部署有永磁体的电动车时，执行针对电动车进入电梯轿厢的预设告警事件。通过结合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而实现了对电动车是否进入电梯轿厢的准确检测。
另外，用于采集电信号的磁力感应线圈安装简单，使得上述针对电动车的处理方法可以广泛应用于普通的电梯中；且上述针对电动车的处理方法所需要的磁力感应线圈不包含可活动机械装置，从而使得上述针对电动车的处理方法可以长时间地应用在电梯中，以便长时间地针对电梯轿厢是否进入电动车进行检测。
参照图5，示出了本申请的又一种针对电动车的处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤501，获取针对电梯轿厢内的目标物体所采集的图像数据；
当电梯轿厢存在目标物体时，可以先针对目标物体采集图像数据。
步骤502、根据图像数据，确定目标物体的属性信息；
其中，属性信息可以是针对目标物体所提取的，针对目标物体的属性信息，例如：目标物体的重量、体积等。
在日常生活中，不仅仅电动车中部署有永磁体，其他一些生活用品中也可能部署有永磁体，例如：音响、电视等。当这些部署有永磁体的其他生活用品通过磁力感应线圈时，也可能生成电信号；进而，可能影响到检测电梯轿厢是否进入电动车。
因此，在本申请实施例中，可以先获取目标物体的属性信息，以便可以先基于属性信息进行的判断，以初步判断进入电梯轿厢的目标物体是否为电动车。
在本申请一实施例中，属性信息可以包括目标物体的目标重量，目标重量可以通过如下子步骤确定：
子步骤31，获取电梯轿厢的当前已承载重量；
首先，可以先从电梯控制器中获取电梯轿厢当前已经承载的当前已承载重量，该当前已承载重量可以包括当前处于电梯轿厢内的所有物体的总重量。
子步骤32，根据当前已承载重量和图像数据，预估目标重量。
然后，可以根据当前已承载重量和图像数据，来预估目标物体的目标重量；具体的，可以先确定目标物体在图像数据中的第一体积，以及电梯轿厢所有进入物体在图像数据中的第二体积；然后，根据第一体积与第二体积的比例，以及当前已承载重量，确定目标物体的目标重量。
在本申请另一实施例中，属性信息也可以包括目标物体的目标体积，目标体积可以通过如下子步骤确：
子步骤41，获取电梯轿厢的尺寸信息；
其中，尺寸信息可以包括电梯轿厢的长度、宽度和高度；电梯轿厢的尺寸信息可以是预先收集并存入的。
子步骤42，从图像数据中，获取电梯轿厢与目标物体的体积比；
在预估目标物体的目标体积时，可以对图像数据进行识别，以确定图像数据中，电梯轿厢与目标物体的体积比。
子步骤43，根据电梯轿厢的尺寸信息和体积比，预估目标体积。
然后，可以根据所获取的电梯轿厢的尺寸信息，和上述确定的图像数据中电梯轿厢与目标物体的体积比，预估目标物体的目标体积。
步骤503，根据属性信息，判断目标物体是否为电动车；
在确定目标物体的属性信息后，可以根据属性信息初步判断进入电梯轿厢的目标物体是否为电动车。
作为一示例，可以预先设置一预设属性值；当属性信息与预设属性值不匹配时，则可以判定进入电梯轿厢的目标物体不是电动车；此时，可以重新执行步骤501。
当属性信息与预设属性值匹配时，则可以初步判定进入电梯轿厢的目标物体是电动车，此时可以继续执行步骤504。
其中，预设属性值可以是一个区间，也可以是至少一个具体的值，本申请实施例对此不作限制。
需要说明的是，为了避免误判，可以根据实际情况对预设属性值进行设置，例如：可以设定一宽松的区间，或者设置多个具体的属性值等，本申请实施例对此不作限制。
步骤504，当根据属性信息，判定目标物体为电动车时，获取针对电梯轿厢内的目标物体所采集的电信号；
如果属性信息与预设属性值匹配，则可以初步判定目标物体为电动车；此时，可以再从磁力感应线圈中获取针对电梯轿厢内的目标物体所采集的电信号。
步骤505，采用预设模型对图像数据进行识别，生成第一识别结果；
在本申请实施例中，可以采用基于预先收集的电动车的图像数据进行机器学习训练得到的预设模型，对图像采集设备所采集到的图像数据进行识别，并生成目标物体是否为电动车的第一识别结果。
步骤506，根据图像数据，确定目标物体的重心位置；
同时，可以根据图像数据来确定目标物体的位置；进而，可以根据目标物体的位置来确定目标物体的重心所在的重心位置。
步骤507，根据重心位置和电信号，生成第二识别结果；
在确定目标物体的重心位置后，可以根据重心位置和电信号，来生成目标物体是否为部署有永磁体的电动车的第二识别结果；具体的，可以预先设置重心与磁力感应线圈之间的距离与磁通量的对应关系。
然后，可以根据上述距离与磁通量的对应关系，对当前所得到的电信号对应的磁通量进行调整，从而得到目标磁通量。再然后，可以根据所得到的目标磁通量生成目标物体是否为部署有永磁体的电动车的第二识别结果。
步骤508，根据第一识别结果和第二识别结果，生成目标物体是否为部署有永磁体的电动车的判断结果；
在得到第一识别结果和第二识别结果后，可以综合第一识别结果和第二识别结果，来生成目标物体是否为部署有永磁体的电动车的判断结果。
步骤509，当判断结果为目标物体是部署有永磁体的电动车时，执行针对电动车进入电梯轿厢的预设告警事件。
在生成判断结果后，可以输出该判断结果，以便电梯可以基于该判断结果执行对应的操作。
作为一示例，如果判断结果表征目标物体不是部署有永磁体的电动车的话，则可以正常运行电梯，例如：正常开关电梯门。
作为另一示例，如果判断结果表征目标物体是部署有永磁体的电动车的话，则可以执行针对电动车进入电梯轿厢的预设告警事件。
参照图6，可以在电梯轿厢610的底部部署磁力感应线圈620；磁力感应线圈620可以与信号采集识别装置630连接，且磁力感应线圈620生成的磁感应信号可以输出至信号采集识别装置630，以由信号采集识别装置630根据所获取到的磁感应信号生成对应的电信号，并基于电信号，和从电梯轿厢610中部署的摄像头640获取的图像数据来生成目标物体是否为部署有永磁体的电动车650的判断结果；其中，永磁体可以是位于电动车650的永磁电机660中。
需要说明的是，具体在此应用场景下生成判断结果的方式可参照前述实施例所描述的内容，在此不加以赘述。
本申请实施例中，通过获取针对电梯轿厢内的目标物体所采集的图像数据；根据图像数据，确定目标物体的属性信息；根据属性信息，判断目标物体是否为电动车；当根据属性信息，判定目标物体为电动车时，获取针对电梯轿厢内的目标物体所采集的电信号；采用预设模型对图像数据进行识别，生成第一识别结果；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成第二识别结果；根据第一识别结果和第二识别结果，生成目标物体是否为部署有永磁体的电动车的判断结果；当判断结果为目标物体是部署有永磁体的电动车时，执行针对电动车进入电梯轿厢的预设告警事件。通过预先根据目标物体的属性信息来初步判断进入电梯轿厢的目标物体是否为电动车，从而避免在结合电信号来生成判断结果时，将属性信息不匹配的物体当作电动车来生成判断结果。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
参照图7，示出了本申请的一种针对电动车的处理装置实施例的结构框图，具体可以包括如下模块：
获取模块701，用于获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
重心确定模块702，用于根据所述图像数据，确定所述目标物体的重心位置；
判断结果生成模块703，用于根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
在本申请的一种实施例中，所述当所述判断结果为所述目标物体是部署有永磁体的电动车时，所述装置还包括：
告警模块，用于执行针对电动车进入电梯轿厢的预设告警事件。
在本申请的一种实施例中，所述装置还包括：
图像识别模块，用于采用预设模型对所述图像数据进行识别，生成第一识别结果；其中，所述预设模型是基于预先收集的电动车的图像数据进行机器学习训练得到的；
所述判断结果生成模块703，用于根据所述重心位置和所述电信号，生成第二识别结果；根据所述第一识别结果和所述第二识别结果，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
在本申请的一种实施例中，所述装置还包括：
所述筛查模块，用于根据所述图像数据，确定所述目标物体的属性信息；根据所述属性信息，判断所述目标物体是否为电动车；
所述获取模块701，用于当根据所述属性信息，判定所述目标物体为电动车时，获取针对电梯轿厢内的目标物体所采集的电信号。
在本申请的一种实施例中，所述属性信息包括所述目标物体的目标重量，所述筛查模块，包括：
重量预估子模块，用于获取所述电梯轿厢的当前已承载重量；根据所述当前已承载重量和所述图像数据，预估所述目标重量。
在本申请的一种实施例中，所述属性信息包括所述目标物体的目标体积，所述筛查模块，包括：
体积预估子模块，用于获取所述电梯轿厢的尺寸信息；从所述图像数据中，获取所述电梯轿厢与所述目标物体的体积比；根据所述电梯轿厢的尺寸信息和所述体积比，预估所述目标体积。
在本申请的一种实施例中，所述图像数据由部署在电梯中的图像采集设备生成，所述电信号由部署在电梯中的磁力感应线圈生成，所述装置还包括：
线圈开启模块，用于当检测到电梯门开启时，开启所述磁力感应线圈；当识别到所述图像数据中存在遮挡行为时，开启所述磁力感应线圈；当识别到所述图像数据中的目标物体不是电动车时，开启所述磁力感应线圈。
在本申请的一种实施例中，所述获取模块701，包括：
电信号获取子模块，用于从所述磁力感应线圈中获取磁感应信号；对所述磁感应信号进行放大，得到所述电信号。
在本申请的一种实施例中，所述重心确定模块702，用于根据所述图像数据，确定所述目标物体与所述电梯轿厢的地面之间的相对距离；根据所述目标物体与所述电梯轿厢的地面之间的相对距离，预估所述重心位置。
在本申请的一种实施例中，所述判断结果生成模块703，用于获取预设线圈匝数集合；所述预设线圈匝数集合中包括至少一个预设线圈匝数值；根据所述图像数据中，确定所述目标物体从进入所述电梯轿厢到停止所经历的目标时长；分别根据所述预设线圈匝数集合中的一预设线圈匝数值，以及所述重心位置、所述电信号和所述目标时长，确定一个目标磁通量；根据所得到的至少一个目标磁通量与预设磁通量的匹配结果，生成第二识别结果。
本申请实施例中，通过获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；根据图像数据，确定目标物体的重心位置；根据重心位置和电信号，生成目标物体是否为部署有永磁体的电动车的判断结果。通过结合电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，可以保证即使电动车被遮挡，也可以基于所得到的重心位置和电信号来判断是否有部署有永磁体的电动车进入电梯轿厢，从而保证了对电动车进入电梯轿厢的检测的准确性。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种电子设备，包括：
包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述针对电动车的处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对电动车的处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性地包含，从而使得包括一系列要素的过程、方法、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种针对电动车的处理方法和一种针对电动车的处理装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种针对电动车的处理方法，其特征在于，所述方法包括：
获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
根据所述图像数据，确定所述目标物体的重心位置；
根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
2.根据权利要求1所述的方法，其特征在于，当所述判断结果为所述目标物体是部署有永磁体的电动车时，所述方法还包括：
执行针对电动车进入电梯轿厢的预设告警事件。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
采用预设模型对所述图像数据进行识别，生成第一识别结果；其中，所述预设模型是基于预先收集的电动车的图像数据进行机器学习训练得到的；
所述根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果，包括：
根据所述重心位置和所述电信号，生成第二识别结果；
根据所述第一识别结果和所述第二识别结果，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
根据所述图像数据，确定所述目标物体的属性信息；
根据所述属性信息，判断所述目标物体是否为电动车；
当根据所述属性信息，判定所述目标物体为电动车时，执行获取针对电梯轿厢内的目标物体所采集的电信号的步骤。
5.根据权利要求4所述的方法，其特征在于，所述属性信息包括所述目标物体的目标重量，所述根据所述图像数据，确定所述目标物体的属性信息，包括：
获取所述电梯轿厢的当前已承载重量；
根据所述当前已承载重量和所述图像数据，预估所述目标重量。
6.根据权利要求4所述的方法，其特征在于，所述属性信息包括所述目标物体的目标体积，所述根据所述图像数据，确定所述目标物体的属性信息，包括：
获取所述电梯轿厢的尺寸信息；
从所述图像数据中，获取所述电梯轿厢与所述目标物体的体积比；
根据所述电梯轿厢的尺寸信息和所述体积比，预估所述目标体积。
7.根据权利要求1所述的方法，其特征在于，所述图像数据由部署在电梯中的图像采集设备生成，所述电信号由部署在电梯中的磁力感应线圈生成，所述方法还包括以下至少一个步骤：
当检测到电梯门开启时，开启所述磁力感应线圈；
当识别到所述图像数据中存在遮挡行为时，开启所述磁力感应线圈；
当识别到所述图像数据中的目标物体不是电动车时，开启所述磁力感应线圈。
8.根据权利要求7所述的方法，其特征在于，所述电信号通过如下步骤获取：
从所述磁力感应线圈中获取磁感应信号；
对所述磁感应信号进行放大，得到所述电信号。
9.根据权利要求1所述的方法，其特征在于，所述根据所述图像数据，确定所述目标物体的重心位置，包括：
根据所述图像数据，确定所述目标物体与所述电梯轿厢的地面之间的相对距离；
根据所述目标物体与所述电梯轿厢的地面之间的相对距离，预估所述重心位置。
10.根据权利要求3所述的方法，其特征在于，所述根据所述重心位置和所述电信号，生成第二识别结果，包括：
获取预设线圈匝数集合；所述预设线圈匝数集合中包括至少一个预设线圈匝数值；
根据所述图像数据中，确定所述目标物体从进入所述电梯轿厢到停止所经历的目标时长；
分别根据所述预设线圈匝数集合中的一预设线圈匝数值，以及所述重心位置、所述电信号和所述目标时长，确定一个目标磁通量；
根据所得到的至少一个目标磁通量与预设磁通量的匹配结果，生成第二识别结果。
11.一种针对电动车的处理装置，其特征在于，所述装置包括：
获取模块，用于获取针对电梯轿厢内的目标物体所采集的图像数据和电信号；
重心确定模块，用于根据所述图像数据，确定所述目标物体的重心位置；
判断结果生成模块，用于根据所述重心位置和所述电信号，生成所述目标物体是否为部署有永磁体的电动车的判断结果。
12.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-10中任一项所述针对电动车的处理方法的步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-10中任一项所述针对电动车的处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210603089.5A CN114955772A (zh) | 2022-05-30 | 2022-05-30 | 针对电动车的处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210603089.5A CN114955772A (zh) | 2022-05-30 | 2022-05-30 | 针对电动车的处理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114955772A true CN114955772A (zh) | 2022-08-30 |
Family
ID=82957242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210603089.5A Pending CN114955772A (zh) | 2022-05-30 | 2022-05-30 | 针对电动车的处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114955772A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5442290A (en) * | 1992-08-04 | 1995-08-15 | The Regents Of The University Of California | MRI gradient drive current control using all digital controller |
| JP2003081544A (ja) * | 2001-09-13 | 2003-03-19 | Yaskawa Electric Corp | エレベータ籠内物体認識装置 |
| CN202273534U (zh) * | 2011-08-22 | 2012-06-13 | 上海宝钢物流有限公司 | 伸缩门远程智能监控系统 |
| CN107601236A (zh) * | 2017-11-06 | 2018-01-19 | 孙复庆 | 电梯轿厢车辆阻止系统 |
| EP3578491A1 (en) * | 2018-06-05 | 2019-12-11 | Inventio AG | Method and monitoring device for monitoring locations of a passenger within an elevator cabin |
| CN110902517A (zh) * | 2019-11-08 | 2020-03-24 | 智普诺(常州)电子科技有限公司 | 电梯阻车系统、电梯及工作方法 |
| CN112215210A (zh) * | 2020-11-20 | 2021-01-12 | 江苏三川智能科技有限公司 | 一种基于ai和hmm的电梯电动车识别预警方法 |
| CN112225028A (zh) * | 2020-12-17 | 2021-01-15 | 广东梯云科技有限公司 | 一种电流感应的电梯运行数据采集系统及其采集方法 |
| CN112347873A (zh) * | 2020-10-26 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 梯控方法 |
| CN113666216A (zh) * | 2021-08-12 | 2021-11-19 | 新疆爱华盈通信息技术有限公司 | 一种防止电动车乘电梯的方法、装置、电子设备及介质 |
| CN113955600A (zh) * | 2021-11-12 | 2022-01-21 | 深圳云天励飞技术股份有限公司 | 非机动车监测方法、电梯监测系统及存储介质 |
| WO2022062379A1 (zh) * | 2020-09-22 | 2022-03-31 | 北京市商汤科技开发有限公司 | 图像检测方法和相关装置、设备、存储介质、计算机程序 |
| CN114550044A (zh) * | 2022-02-22 | 2022-05-27 | 西安电子科技大学 | 基于目标检测网络的电梯轿厢异常事件监测预警系统 |
-
2022
- 2022-05-30 CN CN202210603089.5A patent/CN114955772A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5442290A (en) * | 1992-08-04 | 1995-08-15 | The Regents Of The University Of California | MRI gradient drive current control using all digital controller |
| JP2003081544A (ja) * | 2001-09-13 | 2003-03-19 | Yaskawa Electric Corp | エレベータ籠内物体認識装置 |
| CN202273534U (zh) * | 2011-08-22 | 2012-06-13 | 上海宝钢物流有限公司 | 伸缩门远程智能监控系统 |
| CN107601236A (zh) * | 2017-11-06 | 2018-01-19 | 孙复庆 | 电梯轿厢车辆阻止系统 |
| EP3578491A1 (en) * | 2018-06-05 | 2019-12-11 | Inventio AG | Method and monitoring device for monitoring locations of a passenger within an elevator cabin |
| CN110902517A (zh) * | 2019-11-08 | 2020-03-24 | 智普诺(常州)电子科技有限公司 | 电梯阻车系统、电梯及工作方法 |
| WO2022062379A1 (zh) * | 2020-09-22 | 2022-03-31 | 北京市商汤科技开发有限公司 | 图像检测方法和相关装置、设备、存储介质、计算机程序 |
| CN112347873A (zh) * | 2020-10-26 | 2021-02-09 | 浙江新再灵科技股份有限公司 | 梯控方法 |
| CN112215210A (zh) * | 2020-11-20 | 2021-01-12 | 江苏三川智能科技有限公司 | 一种基于ai和hmm的电梯电动车识别预警方法 |
| CN112225028A (zh) * | 2020-12-17 | 2021-01-15 | 广东梯云科技有限公司 | 一种电流感应的电梯运行数据采集系统及其采集方法 |
| CN113666216A (zh) * | 2021-08-12 | 2021-11-19 | 新疆爱华盈通信息技术有限公司 | 一种防止电动车乘电梯的方法、装置、电子设备及介质 |
| CN113955600A (zh) * | 2021-11-12 | 2022-01-21 | 深圳云天励飞技术股份有限公司 | 非机动车监测方法、电梯监测系统及存储介质 |
| CN114550044A (zh) * | 2022-02-22 | 2022-05-27 | 西安电子科技大学 | 基于目标检测网络的电梯轿厢异常事件监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109165620B (zh) | 一种电动车的检测方法、系统及终端设备 | |
| KR101753117B1 (ko) | 카메라 및 차량 인식 모듈을 일체형으로 구현하여 차량의 입차 및 출차를 제어하는 lpr 시스템 및 그의 제어 방법 | |
| CN111645763B (zh) | 一种充电口盖的控制方法、装置和车辆 | |
| CN109816987B (zh) | 一种汽车鸣笛电子警察执法抓拍系统及其抓拍方法 | |
| CN109166344A (zh) | 停车场寻车方法以及停车场寻车装置 | |
| CN109377779A (zh) | 停车场寻车方法以及停车场寻车装置 | |
| CN103456048A (zh) | 一种停车场完全基于车牌识别的停车收费方法 | |
| KR20180060152A (ko) | 클라우드 기반의 무인 주차 관리 시스템 및 방법 | |
| CN108876943A (zh) | 停车场出场跟车行为管控方法和装置 | |
| CN106993168A (zh) | 一种监控方法、装置、电子设备及系统 | |
| CN112819976A (zh) | 停车场控制方法和装置 | |
| CN107730897B (zh) | 车辆识别方法和装置 | |
| CN109726709A (zh) | 基于卷积神经网络的图标识别方法和装置 | |
| CN115783919A (zh) | 电梯用电动车监控系统及方法 | |
| CN111401287A (zh) | 一种停车计费系统中的车辆认证方法及装置 | |
| CN114955772A (zh) | 针对电动车的处理方法和装置 | |
| CN113666216B (zh) | 一种防止电动车乘电梯的方法、装置、电子设备及介质 | |
| CN110610551A (zh) | 停车计费方法及装置 | |
| CN109740442A (zh) | 定位方法、装置、存储介质及电子设备 | |
| CN108805997A (zh) | 一种基于生物特征图像的停车管理装置 | |
| JP2014048964A (ja) | 駐車場システム | |
| JP2008215874A (ja) | エンジン音認識装置および駐車場管理システム | |
| CN104701683A (zh) | 一种基于哈尔特征和特征脸识别的工作授权智能插座系统 | |
| CN111741261A (zh) | 车辆补能意图预测方法、装置以及车辆补能系统 | |
| CN108399655A (zh) | 用于实施电子付款来支付停车费的方法和设备 |
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 |