CN115258865A - 电梯门的识别方法及装置 - Google Patents
电梯门的识别方法及装置 Download PDFInfo
- Publication number
- CN115258865A CN115258865A CN202210942576.4A CN202210942576A CN115258865A CN 115258865 A CN115258865 A CN 115258865A CN 202210942576 A CN202210942576 A CN 202210942576A CN 115258865 A CN115258865 A CN 115258865A
- Authority
- CN
- China
- Prior art keywords
- elevator
- door
- outline
- image
- line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 80
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 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
-
- 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
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明电梯技术领域,公开了一种电梯门的识别方法及装置,旨在解决现有的电梯的门区位置识别方法存在准确性较差以及人力资源消耗大的问题,方案主要包括:获取电梯的监控图像;采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;根据所述轮廓尺寸参数筛选出满足要求的轮廓;根据筛选出的轮廓确定电梯的门区位置。本发明提高了电梯的门区位置识别的准确性和通用性,并且降低了人力资源消耗,特别适用于电梯门的开关状态检测。
Description
技术领域
本发明涉及图像处理技术领域,具体来说涉及一种电梯门的识别方法及装置。
背景技术
电梯故障对乘梯人安全和体验会造成较大影响,而电梯门故障是电梯很常见的一种故障。目前为了实现对电梯门的故障检测,通常采用的方法是先检测电梯门的开关状态,再根据电梯门的开关状态来判断电梯门是否发生故障。而在检测电梯门的开关状态时,通常采用的方法是通过电梯监控图像并基于图像识别来判断电梯的开关状态。由于监控摄像头视野范围都会很大,基本会包含整个电梯。并且受到安装角度的影响,电梯门在视野中位置无法确定,可能监控中只包含整个电梯门的一部分。因此基于图像识别的方法需要先确定电梯的门区位置,即电梯门在图像中的位置,否则无法准确判断电梯门的开关状态。
现有技术为了确定电梯的门区位置,通常采用的方法是在监控画面中预设电梯的门区位置。这种方式不仅操作复杂,人力资源消耗大,而且电梯在保养过程中可能出现监控摄像头的视角偏移的情况,导致在监控画面中预设电梯的门区位置与实际门区位置不一致,其准确性较差。并且由于不同电梯的使用环境以及监控摄像头安装位置的差异,该方法需要针对每个电梯单独确定电梯的门区位置,其通用性较差。
申请公布号CN107187980A公开了一种电梯装置中电梯门开合的检测方法及检测装置,其主要的技术方案是在电梯门上设置对应的标签,并在图像中将标签对应的运动区域作为电梯门区位置对应的目标区域,然后针对目标区域进行相应的图像识别处理,进而实现对电梯门开合程度的检测。这种方式需要在电梯门上手动设置标签,仍然存在人力资源消耗大的问题。此外在电梯使用过程中,电梯门上不定期的会张贴广告,出现标签遮盖或者脱落,导致该方法失效。考虑到真实场景中电梯摄像头视角变化、电梯广告和电梯后期维护等影响因素,自动识别电梯门区技术变的尤为重要。
发明内容
本发明旨在提出一种电梯门的识别方法及装置,旨在提高电梯的门区位置识别的准确性和通用性,并且能够降低人力资源消耗。
本发明解决上述技术问题所采用的技术方案是:
一方面,提供一种电梯门的识别方法,包括以下步骤:
步骤1、获取电梯的监控图像;
步骤2、采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
步骤3、对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
步骤4、根据所述轮廓尺寸参数筛选出满足要求的轮廓;
步骤5、根据筛选出的轮廓确定电梯的门区位置。
进一步地,步骤5中,所述根据筛选出的轮廓确定电梯的门区位置,具体包括:
步骤51、构建并初始化门区历史积分图,所述门区历史积分图用于统计监控图像中各像素点的运动次数;
步骤52、重复执行步骤1至4,将每次筛选出的轮廓添加至所述门区历史积分图的对应位置,并在门区历史积分图中将对应位置像素点的运动次数加一;
步骤53、所述门区历史积分图中,若运动次数大于第一预设值的像素点对应的轮廓只有一个,则将该轮廓作为电梯的门区位置,若运动次数大于第一预设值的像素点对应的轮廓有多个,则针对该多个轮廓,将面积最大的轮廓作为电梯的门区位置。
进一步地,所述监控图像为电梯监控画面的上半部分。
进一步地,步骤3中,对所述图像掩膜进行轮廓提取之前还包括:
对所述图像掩膜进行形态学开操作,剔除干扰位置。
进一步地,所述背景建模的方法为:KNN算法、单高斯模型、混合高斯模型、帧间差分法、ViBe算法或CodeBook算法。
进一步地,步骤4中,所述轮廓尺寸参数至少包括:轮廓外接矩形的宽度、高度、宽高比、周长、面积、周长面积比和中心矩。
进一步地,所述步骤2还包括:
计算所有图像掩膜的面积,判断所述图像掩膜的面积与监控图像的面积之比是否大于第二预设值,若是,则进入步骤1,否则,进入步骤3。
进一步地,所述方法还包括:
步骤6、根据电梯的门区位置对应的轮廓面积判断当前监控图像中的电梯门是否处于刚打开状态,若是,则进入步骤7,否则,进入步骤1;
步骤7、对当前监控图像进行直线检测,并筛选出角度和长度满足预设要求的直线;
步骤8、根据筛选出的直线确定电梯的门线位置。
进一步地,步骤8中,所述根据筛选出的直线确定电梯的门线位置,具体包括:
步骤81、构建并初始化门线历史积分图,所述门线历史积分图用于统计监控图像与筛选出的直线中各像素点的重合次数;
步骤82、重复执行步骤6至7,将每次筛选出的直线添加至所述门线历史积分图的对应位置,并在门线历史积分图中将对应位置像素点的重合次数加一;
步骤83、所述门线历史积分图中,若重合次数大于第三预设值的像素点对应的直线只有一条,则将该直线作为电梯的门线位置,若重合次数大于第三预设值的像素点对应的直线有多条,则针对该多条直线,分别以各直线为轴,计算门区位置对直线轴的力矩,并将力矩最小对应的直线作为电梯的门线位置。
另一方面,提供一种电梯门的识别装置,包括:
获取单元,用于获取电梯的监控图像;
运动提取单元,用于采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
轮廓提取单元,用于对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
筛选单元,用于根据所述轮廓尺寸参数筛选出满足要求的轮廓;
确定单元,用于根据筛选出的轮廓确定电梯的门区位置。
本发明的有益效果是:本发明所述的电梯门的识别方法及装置,基于背景建模对监控图像进行运动提取,同时根据轮廓尺寸参数对轮廓进行筛选,进而根据筛选出的轮廓确定电梯的门区位置。本发明无需手动在监控画面上标注电梯的门区和门线位置,也无需在电梯门上设置对应的标签,即可对电梯的门区和门线位置进行识别,减少了人工操作的复杂性,节约了人力资源。同时本发明能够避免监控摄像头的视角偏移、光线变化以及乘客移动对识别造成的影响,提高了识别准确性。
附图说明
图1为本发明实施例所述的电梯门的识别方法的流程示意图;
图2为本发明实施例所述的电梯门的识别装置的结构示意图。
具体实施方式
下面将结合附图对本发明的实施方式进行详细描述。
本发明电梯提供的电梯门的识别方法及装置,主要的技术方案包括:通过获取单元获取电梯的监控图像;通过运动提取单元采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;通过轮廓提取单元对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;通过筛选单元根据所述轮廓尺寸参数筛选出满足要求的轮廓;通过确定单元根据筛选出的轮廓确定电梯的门区位置。
通常情况下,在电梯的监控图像中,电梯门是可移动的最大部件,同时电梯门在一定程度上是部分规则的,其高度一定大于宽度。基于此,本发明通过背景建模的方式对监控图像进行运动提取,确定出监控图像中像素发生变化的位置,并基于该位置进行轮廓提取,提取出的轮廓中,有可能是电梯门开关导致的像素变化,也有可能是由于电梯内的灯光或广告显示屏闪烁,或者乘客移动导致的像素变化。由于电梯门在监控图像中是部分规则的,并且其高度一定大于宽度。因此,可以通过轮廓尺寸参数从至少一个轮廓中筛选出满足要求的轮廓,并将其作为电梯的门区位置,从而避免电梯内的灯光或广告显示屏闪烁,或者乘客移动导致的像素变化对电梯的门区位置识别的影响。
实施例
本发明实施例所述的电梯门的识别方法,如图1所示,包括以下步骤:
步骤1、获取电梯的监控图像;
本实施例中,可以通过监控摄像头获取电梯轿厢内的监控画面。由于电梯下半部分容易被乘客遮挡,因此本实施例将监控画面的上半部分作为电梯的监控图像,并根据该监控图像进行后续的门区位置识别,以达到减少数据计算量并且提高识别准确性的目的。
步骤2、采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
其中,背景建模是针对摄像头固定场景,对场景中的所有运动的动目标进行分割的一种方法。本实施例中背景建模的方法可以为:KNN算法、单高斯模型、混合高斯模型、帧间差分法、ViBe算法或CodeBook算法等。在实际应用的过程中,可以根据实际情况选择相应的方法,本实施例对此不作限制。
本实施例通过背景建模对监控图像进行运动提取,得到监控图像对应的前景掩膜(mask),该前景掩膜能够体现监控图像中的像素变化位置。
步骤3、对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
为了进一步提高电梯门识别的准确性,本实施在进行轮廓提取之前,还计算所有图像掩膜的面积,判断所述图像掩膜的面积与监控图像的面积之比是否大于第二预设值,若是,则可能是因为光照影响引起的假运动,则判断此次运动无效,跳过此帧,进入步骤1,否则,对图像掩膜进行形态学开操作,剔除干扰位置后,进入步骤3,进行轮廓提取,得到至少一个轮廓及其对应的轮廓尺寸参数。
其中,第二预设值可以根据实际情况设置,本实施例对此不作限制。
本实施例中,轮廓尺寸参数至少包括:轮廓外接矩形的宽度、高度、宽高比、周长、面积、周长面积比和中心矩。
步骤4、根据所述轮廓尺寸参数筛选出满足要求的轮廓;
可以理解,由于电梯门的开关、电梯内的灯光或广告显示屏闪烁、乘客移动均会导致监控图像对应位置的像素发生变化。因此在实际应用时,提取的轮廓可能不止一个,并且由于电梯门在监控图像中是部分规则的,并且其高度一定大于宽度。基于此,本实施例通过轮廓外接矩形的宽度、高度、宽高比、周长、面积、周长面积比和中心矩对轮廓进行筛查,得到满足要求的轮廓。
步骤5、根据筛选出的轮廓确定电梯的门区位置。
本实施例中,可以直接将筛选出的轮廓作为电梯的门区位置。
为了进一步提高电梯门识别的准确性,本实施例还可以通过以下方法来确定电梯的门区位置:
步骤51、构建并初始化门区历史积分图,所述门区历史积分图用于统计监控图像中各像素点的运动次数;
步骤52、重复执行步骤1至4,将每次筛选出的轮廓添加至所述门区历史积分图的对应位置,并在门区历史积分图中将对应位置像素点的运动次数加一;
步骤53、所述门区历史积分图中,若运动次数大于第一预设值的像素点对应的轮廓只有一个,则将该轮廓作为电梯的门区位置,若运动次数大于第一预设值的像素点对应的轮廓有多个,则针对该多个轮廓,将面积最大的轮廓作为电梯的门区位置。
可以理解,由于可能存在乘客通过电梯搬运较大的部分规则物体,这种情况下也会导致监控图像中的像素发生变化,并且其对应的轮廓也可能满足轮廓筛选要求,仅通过一次识别可能会将其误识别为门区位置,进而降低了门区位置识别的准确性。为了解决上述问题,本实施例通过多次重复执行步骤1-4,同时通过构建的门区历史积分图来统计监控图像中的各像素点的运动次数,并基于各像素点的运动次数和轮廓面积来确定电梯的门区位置。
具体地,在每次执行步骤1-4后,将筛选出的轮廓添加至门区历史积分图的对应位置,同时在门区历史积分图中将对应位置的像素点的运动次数加一,以此推类。在重复执行多次后,根据门区历史积分图中各像素点的运动次数以及轮廓面积确定电梯的门区位置。
可以理解,乘客通过电梯搬运较大的部分规则物体时所导致的像素点的运动次数较少。基于此,本实施通过筛选出运动次数大于第一预设值的像素点及其对应的轮廓,从而排出乘客搬运较大物体对门区识别的干扰;若确定出的轮廓只有一个,则表示不存在广告显示屏等光线干扰,直接将该轮廓作为电梯的门区位置;若确定出的轮廓有多个,则表示可能是由于电梯轿厢内的广告显示屏持续播放产生的干扰,该部分对应的轮廓面积应当小于门区位置对应的轮廓面积,此时将轮廓面积最大的轮廓作为电梯的门区位置;当预设时间内电梯的门区位置稳定不再变化时,则判定门区学习收敛。
其中,第一预设值可以根据步骤1-4重复执行的次数确定,步骤1-4重复执行的次数可以根据实际情况设置,本实施例对此不作限制。
为了实现对电梯的门线位置的检测,本实施例还包括:
步骤6、根据电梯的门区位置对应的轮廓面积判断当前监控图像中的电梯门是否处于刚打开状态,若是,则进入步骤7,否则,进入步骤1;
具体而言,在通过上述方法确定电梯的门区位置后,若电梯的门区位置对应的轮廓面积大于零但小于预设值时,判定当前监控图像中的电梯门处于刚打开状态,并且该轮廓呈直线状,即当前监控图像存在用于表示门线位置的直线,此时进入步骤7。
步骤7、对当前监控图像进行直线检测,并筛选出角度和长度满足预设要求的直线;
根据以上分析可知,当前监控图像中存在用于表示门线位置的直线,但由于电梯内可能存在其它直线,因此对当前监控图像进行直线检测得到的直线可能不止一条。而在正常情况下,电梯门线在监控图像中应该是近似竖直的,并且其长度较长。基于此,本实施例为了避免其它直线对电梯的门线位置识别的影响,通过角度和长度筛选出可能为门线的直线。
步骤8、根据筛选出的直线确定电梯的门线位置。
由于电梯门上可能存在具有直线的广告贴纸,广告贴纸在跟随电梯门移动过程中,监控图像中对应位置的像素也会发生变化,进而产生直线状的轮廓,因此筛选得到的直线也可能不止一条。为了避免电梯门上广告贴纸上的直线对电梯门线识别造成的影响,本实施例可以针对筛选出的多条直线,分别以各直线为轴,计算门区位置对直线轴的力矩,并将力矩最小对应的直线作为电梯的门线位置。从而进一步提高门线位置识别的准确性。
同理,为了进一步提高电梯门线识别的准确性,本实施例还可以通过以下方法来确定电梯的门线位置:
步骤81、构建并初始化门线历史积分图,所述门线历史积分图用于统计监控图像与筛选出的直线中各像素点的重合次数;
步骤82、重复执行步骤6至7,将每次筛选出的直线添加至所述门线历史积分图的对应位置,并在门线历史积分图中将对应位置像素点的重合次数加一;
步骤83、所述门线历史积分图中,若重合次数大于第三预设值的像素点对应的直线只有一条,则将该直线作为电梯的门线位置,若重合次数大于第三预设值的像素点对应的直线有多条,则针对该多条直线,分别以各直线为轴,计算门区位置对直线轴的力矩,并将力矩最小对应的直线作为电梯的门线位置。
可以理解,由于可能存在乘客通过电梯搬运具有直线的物体,并且其角度和长度可能也满足预设要求,因此仅通过一次识别可能会存在门线误识别,进而无法得到准确的门线位置。基于此,本实施例通过多次重复执行步骤6-7,同时通过构建的门线历史积分图来统计监控图像与筛选出的直线中各像素点的重合次数,并基于各像素点的重合次数和力矩来确定电梯的门线位置。
具体地,在每次执行步骤6-7后,将筛选出的直线添加至门线历史积分图的对应位置,若筛选出的直线与监控图像中的像素点重合,则在门线历史积分图中将对应位置的像素点的重合次数加一,以此推类。在重复执行多次后,根据门线历史积分图中各像素点的重合次数以及力矩确定电梯的门线位置。
可以理解,乘客通过电梯搬运具有直线的物体时所导致的像素点对应的重合次数较少。基于此,本实施通过筛选出重合次数大于第三预设值的像素点及其对应的直线,从而排出乘客搬运具有直线的物体对门线识别的干扰;若确定出的直线只有一条,则表示电梯内不存在其它直线对门线识别产生干扰,此时直接将该直线作为电梯的门线位置;若确定出的直线有多条,则表示可能是由于电梯门上粘贴有存在直线的广告贴纸对门线识别产生干扰,该直线应当不处于门区中线位置,此时分别以各直线为轴,计算门区位置对直线轴的力矩,并将力矩最小对应的直线作为电梯的门线位置;当预设时间内电梯的门线位置稳定不再变化时,则判定门线学习收敛。
其中,第三预设值可以根据步骤6-7重复执行的次数确定,步骤6-7重复执行的次数可以根据实际情况设置,本实施例对此不作限制。
综上所述,本实施例提供的电梯门的识别方法,基于背景建模对监控图像进行运动提取,同时根据轮廓尺寸参数对轮廓进行筛选,进而根据筛选出的轮廓确定电梯的门区位置。在确定门线位置后,对刚打开电梯门对应的监控图像进行直线检测,并根据角度和长度对直线进行筛选,进而根据筛选出的直线确定电梯的门线位置。本实施例无需手动在监控画面上标注电梯的门区和门线位置,也无需在电梯门上设置对应的标签,即可对电梯的门区和门线位置进行识别,减少了人工操作的复杂性,节约了人力资源。同时本实施例能够避免监控摄像头的视角偏移、光线变化以及乘客移动对电梯的门区识别造成的影响,也能够避免电梯内出现较大的部分规则物体对电梯的门区和门线识别造成的影响,同时还能够避免电梯门上具有直线的广告贴纸对电梯的门线识别造成的影响,提高了电梯门识别的准确性。
基于上述技术方案,本实施例还提出一种电梯门的识别装置,如图2所示,包括:
获取单元,用于获取电梯的监控图像;
运动提取单元,用于采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
轮廓提取单元,用于对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
筛选单元,用于根据所述轮廓尺寸参数筛选出满足要求的轮廓;
确定单元,用于根据筛选出的轮廓确定电梯的门区位置。
可以理解,由于本发明实施例所述的电梯门的识别装置是用于实现实施例所述电梯门的识别方法的装置,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的较为简单,相关之处参见方法的部分说明即可。
Claims (10)
1.电梯门的识别方法,其特征在于,包括以下步骤:
步骤1、获取电梯的监控图像;
步骤2、采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
步骤3、对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
步骤4、根据所述轮廓尺寸参数筛选出满足要求的轮廓;
步骤5、根据筛选出的轮廓确定电梯的门区位置。
2.如权利要求1所述的电梯门的识别方法,其特征在于,步骤5中,所述根据筛选出的轮廓确定电梯的门区位置,具体包括:
步骤51、构建并初始化门区历史积分图,所述门区历史积分图用于统计监控图像中各像素点的运动次数;
步骤52、重复执行步骤1至4,将每次筛选出的轮廓添加至所述门区历史积分图的对应位置,并在门区历史积分图中将对应位置像素点的运动次数加一;
步骤53、所述门区历史积分图中,若运动次数大于第一预设值的像素点对应的轮廓只有一个,则将该轮廓作为电梯的门区位置,若运动次数大于第一预设值的像素点对应的轮廓有多个,则针对该多个轮廓,将面积最大的轮廓作为电梯的门区位置。
3.如权利要求1所述的电梯门的识别方法,其特征在于,所述监控图像为电梯监控画面的上半部分。
4.如权利要求1所述的电梯门的识别方法,其特征在于,步骤3中,对所述图像掩膜进行轮廓提取之前还包括:
对所述图像掩膜进行形态学开操作,剔除干扰位置。
5.如权利要求1所述的电梯门的识别方法,其特征在于,所述背景建模的方法为:KNN算法、单高斯模型、混合高斯模型、帧间差分法、ViBe算法或CodeBook算法。
6.如权利要求1所述的电梯门的识别方法,其特征在于,步骤4中,所述轮廓尺寸参数至少包括:轮廓外接矩形的宽度、高度、宽高比、周长、面积、周长面积比和中心矩。
7.如权利要求1所述的电梯门的识别方法,其特征在于,所述步骤2还包括:
计算所有图像掩膜的面积,判断所述图像掩膜的面积与监控图像的面积之比是否大于第二预设值,若是,则进入步骤1,否则,进入步骤3。
8.如权利要求1至7任一项所述的电梯门的识别方法,其特征在于,所述方法还包括:
步骤6、根据电梯的门区位置对应的轮廓面积判断当前监控图像中的电梯门是否处于刚打开状态,若是,则进入步骤7,否则,进入步骤1;
步骤7、对当前监控图像进行直线检测,并筛选出角度和长度满足预设要求的直线;
步骤8、根据筛选出的直线确定电梯的门线位置。
9.如权利要求8所述的电梯门的识别方法,其特征在于,步骤8中,所述根据筛选出的直线确定电梯的门线位置,具体包括:
步骤81、构建并初始化门线历史积分图,所述门线历史积分图用于统计监控图像与筛选出的直线中各像素点的重合次数;
步骤82、重复执行步骤6至7,将每次筛选出的直线添加至所述门线历史积分图的对应位置,并在门线历史积分图中将对应位置像素点的重合次数加一;
步骤83、所述门线历史积分图中,若重合次数大于第三预设值的像素点对应的直线只有一条,则将该直线作为电梯的门线位置,若重合次数大于第三预设值的像素点对应的直线有多条,则针对该多条直线,分别以各直线为轴,计算门区位置对直线轴的力矩,并将力矩最小对应的直线作为电梯的门线位置。
10.电梯门的识别装置,其特征在于,包括:
获取单元,用于获取电梯的监控图像;
运动提取单元,用于采用背景建模进行运动提取,获得所述监控图像对应的图像掩膜,所述图像掩膜用于表示监控图像中的像素变化位置;
轮廓提取单元,用于对所述图像掩膜进行轮廓提取,获得至少一个轮廓及其对应的轮廓尺寸参数;
筛选单元,用于根据所述轮廓尺寸参数筛选出满足要求的轮廓;
确定单元,用于根据筛选出的轮廓确定电梯的门区位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210942576.4A CN115258865A (zh) | 2022-08-08 | 2022-08-08 | 电梯门的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210942576.4A CN115258865A (zh) | 2022-08-08 | 2022-08-08 | 电梯门的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115258865A true CN115258865A (zh) | 2022-11-01 |
Family
ID=83749424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210942576.4A Pending CN115258865A (zh) | 2022-08-08 | 2022-08-08 | 电梯门的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115258865A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664552A (zh) * | 2023-07-24 | 2023-08-29 | 凯尔菱电(山东)电梯有限公司 | 基于视频图像分析的电梯门异常检测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017067262A1 (zh) * | 2015-10-23 | 2017-04-27 | 广州视睿电子科技有限公司 | 一种图像处理方法和装置 |
CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
CN108584586A (zh) * | 2017-11-21 | 2018-09-28 | 江苏鸿山鸿锦物联技术有限公司 | 一种基于视频图像的电梯门状态直线检测方法 |
CN108898610A (zh) * | 2018-07-20 | 2018-11-27 | 电子科技大学 | 一种基于mask-RCNN的物体轮廓提取方法 |
CN109271937A (zh) * | 2018-09-19 | 2019-01-25 | 深圳市赢世体育科技有限公司 | 基于图像处理的运动场地标志物识别方法及系统 |
JP6495424B1 (ja) * | 2017-12-06 | 2019-04-03 | 東芝エレベータ株式会社 | 画像検知システム |
CN110427979A (zh) * | 2019-07-10 | 2019-11-08 | 广东工业大学 | 基于K-Means聚类算法的道路水坑识别方法 |
CN111507390A (zh) * | 2020-04-11 | 2020-08-07 | 华中科技大学 | 一种基于轮廓特征的仓储箱体识别与定位方法 |
CN111598104A (zh) * | 2020-06-30 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种车牌字符识别方法及其系统 |
CN112598746A (zh) * | 2020-12-18 | 2021-04-02 | 北京声智科技有限公司 | 电梯门开关检测方法、装置、可读介质及电子设备 |
CN113159074A (zh) * | 2021-04-26 | 2021-07-23 | 京东数科海益信息科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113420693A (zh) * | 2021-06-30 | 2021-09-21 | 成都新潮传媒集团有限公司 | 一种门状态检测方法、装置、轿厢乘客流量统计方法及设备 |
CN114332695A (zh) * | 2021-12-20 | 2022-04-12 | 苏州汇川控制技术有限公司 | 电梯开关门的识别方法、设备及存储介质 |
-
2022
- 2022-08-08 CN CN202210942576.4A patent/CN115258865A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017067262A1 (zh) * | 2015-10-23 | 2017-04-27 | 广州视睿电子科技有限公司 | 一种图像处理方法和装置 |
CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
CN108584586A (zh) * | 2017-11-21 | 2018-09-28 | 江苏鸿山鸿锦物联技术有限公司 | 一种基于视频图像的电梯门状态直线检测方法 |
JP6495424B1 (ja) * | 2017-12-06 | 2019-04-03 | 東芝エレベータ株式会社 | 画像検知システム |
CN108898610A (zh) * | 2018-07-20 | 2018-11-27 | 电子科技大学 | 一种基于mask-RCNN的物体轮廓提取方法 |
CN109271937A (zh) * | 2018-09-19 | 2019-01-25 | 深圳市赢世体育科技有限公司 | 基于图像处理的运动场地标志物识别方法及系统 |
CN110427979A (zh) * | 2019-07-10 | 2019-11-08 | 广东工业大学 | 基于K-Means聚类算法的道路水坑识别方法 |
CN111507390A (zh) * | 2020-04-11 | 2020-08-07 | 华中科技大学 | 一种基于轮廓特征的仓储箱体识别与定位方法 |
CN111598104A (zh) * | 2020-06-30 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种车牌字符识别方法及其系统 |
CN112598746A (zh) * | 2020-12-18 | 2021-04-02 | 北京声智科技有限公司 | 电梯门开关检测方法、装置、可读介质及电子设备 |
CN113159074A (zh) * | 2021-04-26 | 2021-07-23 | 京东数科海益信息科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113420693A (zh) * | 2021-06-30 | 2021-09-21 | 成都新潮传媒集团有限公司 | 一种门状态检测方法、装置、轿厢乘客流量统计方法及设备 |
CN114332695A (zh) * | 2021-12-20 | 2022-04-12 | 苏州汇川控制技术有限公司 | 电梯开关门的识别方法、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664552A (zh) * | 2023-07-24 | 2023-08-29 | 凯尔菱电(山东)电梯有限公司 | 基于视频图像分析的电梯门异常检测方法 |
CN116664552B (zh) * | 2023-07-24 | 2023-09-29 | 凯尔菱电(山东)电梯有限公司 | 基于视频图像分析的电梯门异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679471B (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
CN104992449A (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
CN104637058B (zh) | 一种基于图像信息的客流量识别统计方法 | |
CN109460719A (zh) | 一种电力作业安全识别方法 | |
CN110255318B (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN109896386B (zh) | 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 | |
CN109409289A (zh) | 一种电力作业安全监督机器人安全作业识别方法及系统 | |
CN111325769A (zh) | 一种目标对象检测方法及装置 | |
CN113820326B (zh) | 一种长码拉链的缺陷检测系统 | |
CN109118516A (zh) | 一种目标从运动到静止的跟踪方法及装置 | |
CN115258865A (zh) | 电梯门的识别方法及装置 | |
CN111553214A (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
CN110458093A (zh) | 一种基于驾驶员监控系统的安全带检测方法以及相应的设备 | |
CN109409191A (zh) | 一种基于机器学习的斑马线车辆避让检测方法及系统 | |
CN106447699A (zh) | 基于卡尔曼滤波的高铁接触网目标检测与跟踪方法 | |
CN113723300A (zh) | 基于人工智能的火情监测方法、装置及存储介质 | |
CN111582084B (zh) | 基于弱监督学习的空基视角下的铁轨异物检测方法及系统 | |
CN113111771A (zh) | 一种发电厂工作人员不安全行为的识别方法 | |
CN114772208A (zh) | 一种基于图像分割的非接触式皮带撕裂检测系统及方法 | |
CN113095160B (zh) | 基于人工智能和5g的电力系统人员安全行为识别方法及系统 | |
CN112866654B (zh) | 一种智能视频监控系统 | |
CN110909607B (zh) | 一种智慧地铁运营中客流感知的装置系统 | |
CN110316630B (zh) | 电梯摄像头安装角度的偏离预警方法及系统 | |
CN116110006B (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 |
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 |