CN115477211A - 一种电梯停靠方法、装置、设备及存储介质 - Google Patents
一种电梯停靠方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115477211A CN115477211A CN202110662771.7A CN202110662771A CN115477211A CN 115477211 A CN115477211 A CN 115477211A CN 202110662771 A CN202110662771 A CN 202110662771A CN 115477211 A CN115477211 A CN 115477211A
- Authority
- CN
- China
- Prior art keywords
- area
- elevator
- roi
- image
- region
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003709 image segmentation Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- B66B1/28—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
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3446—Data transmission or communication within the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3476—Load weighing or car passenger counting devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
- B66B2201/242—Parking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mechanical Engineering (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本申请公开一种电梯停靠方法、装置、设备及存储介质,该方法包括:获取电梯内部图像;从电梯内部图像中提取出感兴趣区域ROI区域;ROI区域包括电梯厢底区域;对ROI区域进行图像分割处理,确定电梯厢底区域中可用区域面积;确定可用区域面积和电梯当前载重满足电梯停靠条件,检测呼梯请求,响应呼梯请求,控制电梯在对应楼层进行中途停靠。如此,确定电梯厢底可用区域面积和电梯当前载重均满足电梯停靠条件,检测到呼梯请求并响应,控制电梯在对应楼层中途停靠;否则,即使检测到呼梯请求也不响应,控制电梯不中途停靠;即通过可用区域面积和电梯当前载重联合确定电梯是否停靠,减少电梯中途不必要停靠,节省大量时间和电力资源,达到节能增效目的。
Description
技术领域
本申请涉及图像识别技术,尤其涉及一种电梯停靠方法、装置、设备及存储介质。
背景技术
电梯给生活带来诸多的方便,省时又省力。现有中电梯是否会响应外部等待乘客的呼梯请求,通常根据电梯内可容纳的乘客数量和电梯载重来确定,具体是当电梯内乘客数量大于或者等于最大容纳量,或者电梯载重大于或者等于最大载重量时,电梯不响应呼梯请求,即电梯不在对应楼层停靠;反之,电梯响应呼梯请求,即电梯在对应楼层停靠。然而,若电梯内由于某个乘客搬家家具的承载,其家具载重并不大,此时电梯停靠时不能再容纳其他乘客,造成了时间和电力资源的浪费。
发明内容
为解决上述技术问题,本申请提供一种电梯停靠方法、装置、设备及存储介质。
本申请的技术方案是这样实现的:
第一方面,提供了一种电梯停靠方法,该方法包括:
获取电梯内部图像;
从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
确定所述可用区域面积和电梯当前载重满足电梯停靠条件时,若检测到呼梯请求,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
上述方案中,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
上述方案中,所述方法还包括:确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
上述方案中,所述从所述电梯内部图像中提取出ROI区域,包括:将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
上述方案中,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;所述根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域,包括:根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
上述方案中,所述对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积,包括:将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
上述方案中,所述基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积,包括:获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
第二方面,提供了一种电梯停靠装置,该装置包括:
获取单元,用于获取电梯内部图像;
提取单元,用于从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
处理单元,用于对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
控制单元,用于确定所述可用区域面积和电梯当前载重满足电梯停靠条件时,若检测到呼梯请求,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
上述方案中,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
上述方案中,所述控制单元,还用于确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
上述方案中,所述提取单元具体用于将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
上述方案中,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;所述提取单元具体还用于根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
上述方案中,所述处理单元具体用于将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
上述方案中,所述处理单元具体还用于获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
第三方面,提供了一种电子设备,包括:处理器和配置为存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器配置为运行所述计算机程序时,执行前述方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现前述方法的步骤。
采用上述技术方案,确定电梯厢底可用区域面积和电梯当前载重均满足电梯停靠条件时,检测到呼梯请求并响应,控制电梯在对应楼层中途停靠;否则,即使检测到呼梯请求也不响应,控制电梯不中途停靠;即通过可用区域面积和电梯当前载重联合确定电梯是否停靠,可减少电梯中途不必要停靠,节省大量时间和电力资源,达到节能增效目的。
附图说明
图1为本申请实施例中电梯停靠方法的第一流程示意图;
图2为本申请实施例中电梯内部图像与ROI区域示意图;
图3为本申请实施例中电梯停靠方法的第二流程示意图;
图4为本申请实施例中电梯走完全程所需时间与楼层之间的第一关系示意图;
图5为本申请实施例中电梯走完全程所需时间与楼层之间的第二关系示意图;
图6为本申请实施例中节省时间占原本所用时间的百分比与楼层之间的第一关系示意图;
图7为本申请实施例中节省时间占原本所用时间的百分比与楼层之间的第二关系示意图;
图8为本申请实施例中电梯停靠装置组成的结构示意图;
图9为本申请实施例中电子设备组成的结构示意图。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容,下面结合附图对本申请实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本申请实施例。
本申请实施例提供了一种电梯停靠方法,图1为本申请实施例中电梯停靠方法的第一流程示意图,如图1所示,该电梯停靠方法具体可以包括:
步骤101:获取电梯内部图像;
示例性的,电梯停靠方法可以应用于边缘人工智能(Artificial Intelligence,AI)设备,即边缘AI设备。边缘AI设备可以安装于电梯顶部中央处。边缘AI设备包括摄像头采集模块,利用摄像头采集模块以俯视角度拍摄整个电梯内画面,以获得电梯内部图像。
步骤102:从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
需要说明的是,从电梯内部图像中勾勒出需要处理的区域,即感兴趣区域(RegionOf Interest,ROI)。这里,本申请主要想确定电梯厢底区域的可用区域面积,故电梯内部图像中需要处理的区域为电梯厢底区域。
在一些实施例中,该步骤具体包括:将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
在一些实施例中,对于ROI参数的标定,示例性的,利用离线标定设备中摄像头模块对标定图片进行拍摄,得到拍摄后的标定图片;将标定图片和拍摄后的标定图片发送至内置预设畸变模型的处理模块(包括在离线标定设备中),确定预设畸变模型的畸变参数;待电梯空载时拍摄电梯内样本图像,再输入至包括畸变参数的预设畸变模型中,输出去畸变样本图像;再通过人工从去畸变样本图像中标定ROI区域,即确定ROI参数。
这里,通常将包括畸变参数的预设畸变模型预先存储至边缘AI设备,即边缘AI设备内置畸变模型算法,以便于对图像进行去畸变处理。
这里,由于拍摄的电梯内部图像存在一定畸变,故需利用畸变模型对电梯内部图像进行去畸变处理,再结合标定的ROI参数,对去畸变图像进行提取操作,提取出电梯厢底区域。这种对电梯内部图像先进行去畸变处理再从中提取的操作,使得提取出的电梯厢底区域更加精确。
在一些实施例中,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;所述根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域,包括:根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
这里,通常ROI区域与电梯厢底区域存在一定方向上的旋转,故ROI参数包括旋转角θ,另外还包括ROI区域上任一顶点坐标(x0,y0)、宽度w和高度h。
这里,由于现有提取方法不能支持这种旋转区域的提取,若采取逐像素比对的方法,提取速度太慢,故本申请给出一种提取方法,首先,根据离线标定的旋转角θ构造旋转矩阵其次,将旋转矩阵与去畸变图像对应的矩阵相乘,以对去畸变图像进行旋转,得到旋转后图像,这里,旋转前后图像像素坐标关系为最后,旋转后图像中ROI区域已经和拍摄的电梯内部图像处于同一方向,故可以方便快速的根据ROI区域上任一顶点坐标(x0,y0)(可以为左上顶点坐标)、宽度w和高度h提取出ROI区域。
示例性的,图2为本申请实施例中电梯内部图像与ROI区域示意图,如图2所示,左图为摄像头拍摄的电梯内部图像,右图中由白线构成的区域为从电梯内部图像中提取出的ROI区域。
步骤103:对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
在一些实施例中,该步骤具体包括:将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
在一些实施例中,所述基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积,包括:获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
步骤104:确定所述可用区域面积和电梯当前载重满足电梯停靠条件时,若检测到呼梯请求,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
示例性的,边缘AI设备内置重量传感器,用于测量电梯载重。
在一些实施例中,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
需要说明的是,预设面积阈值为电梯内可占用的最小区域面积,预设载重阈值为电梯可承载的最大载重。
也就是说,当可用区域面积大于或者等于预设面积阈值,且电梯当前载重小于或者等于预设载重阈值时,若检测到呼梯请求,响应呼梯请求,控制电梯在对应楼层进行中途停靠。
在一些实施例中,所述方法还包括:确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
也就是说,当可用区域面积小于预设面积阈值,或者电梯当前载重大于预设载重阈值时,若检测到呼梯请求,不响应呼梯请求,控制电梯不进行中途停靠。
另外,需要说明的是,本申请这种在电梯内部安装边缘AI设备,边缘AI设备至少包括摄像头模块和内置畸变模型算法,可以直接获取电梯内部图像,及对电梯内部图像进行图像处理,这种方式可省去电梯与远程服务器的网络通信,减少时延,增强实时性和安全性。
这里,步骤101至步骤104的执行主体可以为电子设备的处理器。
采用上述技术方案,确定电梯厢底可用区域面积和电梯当前载重均满足电梯停靠条件时,检测到呼梯请求并响应,控制电梯在对应楼层中途停靠;否则,即使检测到呼梯请求也不响应,控制电梯不中途停靠;即通过可用区域面积和电梯当前载重联合确定电梯是否停靠,可减少电梯中途不必要停靠,节省大量时间和电力资源,达到节能增效目的。
在上述实施例的基础上,本申请还提出一种电梯停靠方法,图3为本申请实施例中电梯停靠方法的第二流程示意图。
如图3所示,具体步骤可以包括:
步骤301:获取电梯内部图像;
示例性的,电梯停靠方法可以应用于边缘人工智能(Artificial Intelligence,AI)设备,即边缘AI设备。边缘AI设备可以安装于电梯顶部中央处。边缘AI设备包括摄像头采集模块,利用摄像头采集模块以俯视角度拍摄整个电梯内画面,以获得电梯内部图像。
步骤302:从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
需要说明的是,从电梯内部图像中勾勒出需要处理的区域,即感兴趣区域(RegionOf Interest,ROI)。这里,本申请主要想确定电梯厢底区域的可用区域面积,故电梯内部图像中需要处理的区域为电梯厢底区域。
在一些实施例中,该步骤具体包括:将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
在一些实施例中,对于ROI参数的标定,示例性的,利用离线标定设备中摄像头模块对标定图片进行拍摄,得到拍摄后的标定图片;将标定图片和拍摄后的标定图片发送至内置预设畸变模型的处理模块(包括在离线标定设备中),确定预设畸变模型的畸变参数;待电梯空载时拍摄电梯内样本图像,再输入至包括畸变参数的预设畸变模型中,输出去畸变样本图像;再通过人工从去畸变样本图像中标定ROI区域,即确定ROI参数。
这里,通常将包括畸变参数的预设畸变模型预先存储至边缘AI设备,即边缘AI设备内置畸变模型算法,以便于对图像进行去畸变处理。
这里,由于拍摄的电梯内部图像存在一定畸变,故需利用畸变模型对电梯内部图像进行去畸变处理,再结合标定的ROI参数,对去畸变图像进行提取操作,提取出电梯厢底区域。这种对电梯内部图像先进行去畸变处理再从中提取的操作,使得提取出的电梯厢底区域更加精确。
在一些实施例中,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;所述根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域,包括:根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
步骤303:将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;
这里,子图像集中各个子图像的特征信息用于标识电梯厢底区域是否存在已使用区域,后续可直接根据子图像的特征信息快速分辨子图像对应的区域为已使用区域还是可用区域。
在一些实施例中,所述将所述ROI区域输入至图像分割模型中之前,所述方法还包括:对图像分割模型进行训练。这里,由于电梯厢底区域可被不同类别对象占用,即ROI区域包括不同类别对象,故图像分割模型需要针对不同类别对象进行精确识别,进一步提高电梯厢底区域中可用区域面积的计算准确度。
示例性的,上段提及的不同类别对象可以包括:乘客、行李箱、宠物、家具、自行车、电瓶车六个类别。上述提及的图像分割模型可以是基于Mask R-CNN深度卷积神经网络模型。类别对象包括六个类别,故修改mask分支的输出通道数为6,使其可以对六个类别进行分类。
另外需要说明的是,针对电梯厢底区域类别对象存在不平衡的问题,例如乘客这一类别的样本数明显多于自行车和电瓶车的样本数,为克服这一问题,可采用增强图像数据,例如将乘客之外的其他类别对象的样本数重复3遍,或者修改图像分割模型的损失函数,给予不同类别对象的样本损失以不同的权重系数,例如乘客的权重系数为1.0,其他类被对象的权重系数为2.0。
步骤304:基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;
具体的,依次遍历子图像集中各个子图像,根据子图像的特征信息快速分辨子图像对应的区域是否为已使用区域,若为已使用区域,则将其作为ROI区域中已使用区域。
步骤305:基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;
在一些实施例中,该步骤具体包括:获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
示例性的,电梯厢底区域面积为S,单位为m2,ROI区域所占的像素总数量为Nroi(Nroi=w*h)。假设ROI区域中已使用区域所占的像素数目为Ni(i=1,2,…,6),其中,6表示分割后的电梯厢底区域的类别对象总数,第i个类别对象的第j个目标的像素个数为mij,则ROI区域所有子图像所占的像素个数为对应的所占面积为进而计算出电梯厢底区域中可用区域面积为
步骤306:根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积;
也就是说,利用电梯厢底区域面积减去电梯厢底区域中已使用区域的面积,即可得到电梯厢底区域中可用区域面积。
步骤307:确定所述可用区域面积和电梯当前载重满足电梯停靠条件时,若检测到呼梯请求,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
示例性的,边缘AI设备内置重量传感器,用于测量电梯载重。
在一些实施例中,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
需要说明的是,预设面积阈值为电梯内可占用的最小区域面积,预设载重阈值为电梯可承载的最大载重。
也就是说,当可用区域面积大于或者等于预设面积阈值,且电梯当前载重小于或者等于预设载重阈值时,若检测到呼梯请求,响应呼梯请求,控制电梯在对应楼层进行中途停靠。
在一些实施例中,所述方法还包括:确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
也就是说,当可用区域面积小于预设面积阈值,或者电梯当前载重大于预设载重阈值时,若检测到呼梯请求,不响应呼梯请求,控制电梯不进行中途停靠。
另外,需要说明的是,本申请这种在电梯内部安装边缘AI设备,边缘AI设备至少包括摄像头模块和内置畸变模型算法,可以直接获取电梯内部图像,及对电梯内部图像进行图像处理,这种方式可省去电梯与远程服务器的网络通信,减少时延,增强实时性和安全性。
采用上述技术方案,确定电梯厢底可用区域面积和电梯当前载重均满足电梯停靠条件时,检测到呼梯请求并响应,控制电梯在对应楼层中途停靠;否则,即使检测到呼梯请求也不响应,控制电梯不中途停靠;即通过可用区域面积和电梯当前载重联合确定电梯是否停靠,可减少电梯中途不必要停靠,节省大量时间和电力资源,达到节能增效目的。
基于上述技术方案,可计算采用该方案后获取的时间收益。假设楼层高3.5米,电梯以2.5m/s的速度匀速直线运动升降,电梯在没有中途停靠的情况下走完全程,计算出电梯每上升一层所需时间为1s多点。图4为本申请实施例中电梯走完全程所需时间与楼层之间的第一关系示意图,如图4所示,电梯走完全程所需时间为22s多点。
图5为本申请实施例中电梯走完全程所需时间与楼层之间的第二关系示意图,如图5所示,电梯运行过程中发生了2次不必要中途停靠,每次中途停靠消耗时间为5s,则电梯走完全程所需时间为32s多点。
图6为本申请实施例中节省时间占原本所用时间的百分比与楼层之间的第一关系示意图,如图6所示,采用本申请技术方案后电梯运行过程中避免了1次不必要中途停靠,可以节省大约20%多的时间,随着总楼层数不同提升幅度略有不同。
图7为本申请实施例中节省时间占原本所用时间的百分比与楼层之间的第二关系示意图,如图7所示,采用本申请技术方案后电梯运行过程中避免了2次不必要中途停靠,可以节省大约30%到44%的时间,随着总楼层数不同提升幅度略有不同。
为实现本申请实施例的方法,基于同一发明构思,本申请实施例中还提供了一种电梯停靠装置,图8为本申请实施例中电梯停靠装置组成的结构示意图,如图8所示,该电梯停靠装置包括:
获取单元801,用于获取电梯内部图像;
提取单元802,用于从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
处理单元803,用于对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
控制单元804,用于基于所述可用区域面积和电梯当前载重确定电梯停靠条件满足时,若检测到呼梯请求时,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
在一些实施例中,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
在一些实施例中,所述装置包括:控制单元804,还用于确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
在一些实施例中,所述装置包括:提取单元802,具体用于将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
在一些实施例中,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;所述装置包括:提取单元802,具体还用于根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
在一些实施例中,所述装置包括:处理单元803,具体用于将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
在一些实施例中,所述装置包括:处理单元803,具体还用于获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
采用上述技术方案,确定电梯厢底可用区域面积和电梯当前载重均满足电梯停靠条件时,检测到呼梯请求并响应,控制电梯在对应楼层中途停靠;否则,即使检测到呼梯请求也不响应,控制电梯不中途停靠;即通过可用区域面积和电梯当前载重联合确定电梯是否停靠,可减少电梯中途不必要停靠,节省大量时间和电力资源,达到节能增效目的。
本申请实施例还提供了另一种电子设备,图9为本申请实施例中电子设备组成的结构示意图,如图9所示,该电子设备包括:处理器901和配置为存储能够在处理器上运行的计算机程序的存储器902;
其中,处理器901配置为运行计算机程序时,执行前述实施例中的方法步骤。
当然,实际应用时,如图9所示,该电子设备中的各个组件通过总线系统903耦合在一起。可理解,总线系统903用于实现这些组件之间的连接通信。总线系统903除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图9中将各种总线都标为总线系统903。
在实际应用中,上述处理器可以为特定用途集成电路(ASIC,ApplicationSpecific Integrated Circuit)、数字信号处理装置(DSPD,Digital Signal ProcessingDevice)、可编程逻辑装置(PLD,Programmable Logic Device)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
上述存储器可以是易失性存储器(volatile memory),例如随机存取存储器(RAM,Random-Access Memory);或者非易失性存储器(non-volatile memory),例如只读存储器(ROM,Read-Only Memory),快闪存储器(flash memory),硬盘(HDD,Hard Disk Drive)或固态硬盘(SSD,Solid-State Drive);或者上述种类的存储器的组合,并向处理器提供指令和数据。
在示例性实施例中,本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的任意一种方法,并且该计算机程序使得计算机执行本申请实施例的各个方法中由处理器实现的相应流程,为了简洁,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种电梯停靠方法,其特征在于,所述方法包括:
获取电梯内部图像;
从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
确定所述可用区域面积和电梯当前载重满足电梯停靠条件时,若检测到呼梯请求,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
2.根据权利要求1所述的方法,其特征在于,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
4.根据权利要求1所述的方法,其特征在于,所述从所述电梯内部图像中提取出感兴趣区域ROI区域,包括:
将所述电梯内部图像输入至畸变模型中,输出去畸变图像;
根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
5.根据权利要求4所述的方法,其特征在于,
所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;
所述根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域,包括:
根据所述旋转角构造旋转矩阵;
基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;
根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
6.根据权利要求1所述的方法,其特征在于,所述对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积,包括:
将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;
基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;
基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;
根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
7.根据权利要求6所述的方法,其特征在于,所述基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积,包括:
获取所述ROI区域中已使用区域所占像素数量;
基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
8.一种电梯停靠装置,其特征在于,所述装置包括:
获取单元,用于获取电梯内部图像;
提取单元,用于从所述电梯内部图像中提取出感兴趣区域ROI区域;其中,所述ROI区域包括电梯厢底区域;
处理单元,用于对所述ROI区域进行图像分割处理,确定所述电梯厢底区域中可用区域面积;
控制单元,用于基于所述可用区域面积和电梯当前载重确定电梯停靠条件满足时,若检测到呼梯请求时,响应所述呼梯请求,控制所述电梯在对应楼层进行中途停靠。
9.根据权利要求8所述的装置,其特征在于,所述电梯停靠条件包括:所述可用区域面积大于或者等于预设面积阈值,且所述电梯当前载重小于或者等于预设载重阈值。
10.根据权利要求8或9所述的装置,其特征在于,
所述控制单元,还用于确定所述可用区域面积和所述电梯当前载重不满足所述电梯停靠条件时,控制所述电梯不进行中途停靠。
11.根据权利要求8所述的装置,其特征在于,
所述提取单元具体用于将所述电梯内部图像输入至畸变模型中,输出去畸变图像;根据标定的ROI参数,对所述去畸变图像进行提取操作,得到所述ROI区域。
12.根据权利要求11所述的装置,其特征在于,所述ROI参数包括旋转角、所述ROI区域上任一顶点坐标、所述ROI区域的宽度和高度;其中,所述旋转角为所述电梯内部图像与所述ROI区域之间的夹角;
所述提取单元具体还用于根据所述旋转角构造旋转矩阵;基于所述旋转矩阵与所述去畸变图像对应的矩阵,对所述去畸变图像进行旋转,得到旋转后图像;根据所述旋转角、所述ROI区域上任一顶点坐标、所述宽度和所述高度,对所述旋转后图像进行提取操作,得到所述ROI区域。
13.根据权利要求8所述的装置,其特征在于,
所述处理单元具体用于将所述ROI区域输入至图像分割模型中,输出子图像集和各个子图像的特征信息;其中,所述特征信息用于标识电梯厢底区域是否存在已使用区域;基于各个子图像的特征信息,从所述子图像集中确定出所述ROI区域中已使用区域;基于所述ROI区域中已使用区域,确定所述电梯厢底区域中已使用区域的面积;根据预先设置的电梯厢底区域面积和所述电梯厢底区域中已使用区域的面积,确定所述电梯厢底区域中可用区域面积。
14.根据权利要求13所述的装置,其特征在于,
所述处理单元具体还用于获取所述ROI区域中已使用区域所占像素数量;基于所述电梯厢底区域面积、所述ROI区域所占像素总数量和所述ROI区域中已使用区域所占像素数量,确定所述电梯厢底区域中已使用区域的面积。
15.一种电子设备,其特征在于,所述电子设备包括:处理器和配置为存储能够在处理器上运行的计算机程序的存储器,
其中,所述处理器配置为运行所述计算机程序时,执行权利要求1至7任一项所述方法的步骤。
16.一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,该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662771.7A CN115477211B (zh) | 2021-06-15 | 2021-06-15 | 一种电梯停靠方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662771.7A CN115477211B (zh) | 2021-06-15 | 2021-06-15 | 一种电梯停靠方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115477211A true CN115477211A (zh) | 2022-12-16 |
CN115477211B CN115477211B (zh) | 2023-10-27 |
Family
ID=84419835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110662771.7A Active CN115477211B (zh) | 2021-06-15 | 2021-06-15 | 一种电梯停靠方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115477211B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BE680264A (zh) * | 1965-04-30 | 1966-10-03 | ||
CN102464236A (zh) * | 2010-11-16 | 2012-05-23 | 中国移动通信集团公司 | 一种电梯运行控制方法及系统 |
KR101398684B1 (ko) * | 2013-01-10 | 2014-05-27 | 주식회사 에스원 | 승강기 도어 개폐 감지 방법 및 장치 |
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 |
CN106791700A (zh) * | 2017-01-20 | 2017-05-31 | 辽宁科技大学 | 一种企业关键区域人员路径安全监控系统及方法 |
JP6693627B1 (ja) * | 2019-05-16 | 2020-05-13 | 東芝エレベータ株式会社 | 画像処理装置 |
CN111598900A (zh) * | 2020-05-18 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 一种图像区域分割模型训练方法、分割方法和装置 |
CN111723801A (zh) * | 2020-06-26 | 2020-09-29 | 南京甄视智能科技有限公司 | 鱼眼相机图片中目标检测矫正的方法与系统 |
CN112225020A (zh) * | 2020-10-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 一种电梯控制方法和装置 |
CN112435290A (zh) * | 2020-09-29 | 2021-03-02 | 南京林业大学 | 基于饱和度分割的叶面积图像测量方法 |
CN112850384A (zh) * | 2021-03-05 | 2021-05-28 | 深圳市晨北科技有限公司 | 一种控制方法、装置、电梯及存储介质 |
CN112926516A (zh) * | 2021-03-26 | 2021-06-08 | 长春工业大学 | 一种鲁棒的手指静脉图像感兴趣区域提取方法 |
-
2021
- 2021-06-15 CN CN202110662771.7A patent/CN115477211B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BE680264A (zh) * | 1965-04-30 | 1966-10-03 | ||
CN102464236A (zh) * | 2010-11-16 | 2012-05-23 | 中国移动通信集团公司 | 一种电梯运行控制方法及系统 |
KR101398684B1 (ko) * | 2013-01-10 | 2014-05-27 | 주식회사 에스원 | 승강기 도어 개폐 감지 방법 및 장치 |
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 |
CN106791700A (zh) * | 2017-01-20 | 2017-05-31 | 辽宁科技大学 | 一种企业关键区域人员路径安全监控系统及方法 |
JP6693627B1 (ja) * | 2019-05-16 | 2020-05-13 | 東芝エレベータ株式会社 | 画像処理装置 |
CN111598900A (zh) * | 2020-05-18 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 一种图像区域分割模型训练方法、分割方法和装置 |
CN111723801A (zh) * | 2020-06-26 | 2020-09-29 | 南京甄视智能科技有限公司 | 鱼眼相机图片中目标检测矫正的方法与系统 |
CN112435290A (zh) * | 2020-09-29 | 2021-03-02 | 南京林业大学 | 基于饱和度分割的叶面积图像测量方法 |
CN112225020A (zh) * | 2020-10-22 | 2021-01-15 | 日立楼宇技术(广州)有限公司 | 一种电梯控制方法和装置 |
CN112850384A (zh) * | 2021-03-05 | 2021-05-28 | 深圳市晨北科技有限公司 | 一种控制方法、装置、电梯及存储介质 |
CN112926516A (zh) * | 2021-03-26 | 2021-06-08 | 长春工业大学 | 一种鲁棒的手指静脉图像感兴趣区域提取方法 |
Non-Patent Citations (1)
Title |
---|
程书睿;陈翰林;胡荣春;: "基于模糊聚类的施工升降梯内部人数统计", 现代计算机(专业版), no. 35, pages 37 - 42 * |
Also Published As
Publication number | Publication date |
---|---|
CN115477211B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109478239B (zh) | 检测图像中的对象的方法和对象检测系统 | |
CN110826520B (zh) | 一种基于改进YOLOv3-tiny算法的港口抓斗检测方法 | |
CN111932510B (zh) | 一种图像清晰度的确定方法及装置 | |
CN110008947B (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
CN110033481A (zh) | 用于进行图像处理的方法和设备 | |
CN110807362A (zh) | 一种图像检测方法、装置和计算机可读存储介质 | |
CN111223129A (zh) | 检测方法、检测装置、监控设备和计算机可读存储介质 | |
CN113911916B (zh) | 用于智能塔吊的吊钩物料结合定位控制方法和系统 | |
CN114782928A (zh) | 一种车位检测方法、装置、电子设备及存储介质 | |
CN113435466B (zh) | 电梯门位置和开关状态的检测方法、装置、介质和终端 | |
CN112802017B (zh) | 一种基于工作台的产品外部合格性检测方法及装置 | |
CN111914766B (zh) | 一种城市管理业务游商行为检测方法 | |
CN117746077A (zh) | 一种芯片缺陷的检测方法、装置、设备和存储介质 | |
CN113326836B (zh) | 车牌识别方法、装置、服务器及存储介质 | |
CN115477211A (zh) | 一种电梯停靠方法、装置、设备及存储介质 | |
CN113670929A (zh) | 输电线异物检测方法与装置、存储介质、终端设备 | |
CN105574511B (zh) | 具平行架构的适应性物体分类装置及其方法 | |
CN113658274B (zh) | 用于灵长类动物种群行为分析的个体间距自动计算方法 | |
CN115147405A (zh) | 一种快速新能源电池无损检测方法 | |
CN116363542A (zh) | 到离岗事件检测方法、装置、设备及计算机可读存储介质 | |
CN113449559B (zh) | 一种表格识别方法、装置、计算机设备和存储介质 | |
CN114724175A (zh) | 行人图像的检测网络、检测方法、训练方法、电子设备和介质 | |
CN113936134A (zh) | 一种目标检测方法及装置 | |
CN114024996B (zh) | 一种大规模异构智能终端容器管理方法及系统 | |
CN112257586B (zh) | 目标检测中的真值框选择方法、装置、存储介质及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |