CN117864897A - 一种基于视觉识别的电梯轿顶人员防护方法及系统 - Google Patents
一种基于视觉识别的电梯轿顶人员防护方法及系统 Download PDFInfo
- Publication number
- CN117864897A CN117864897A CN202410277826.6A CN202410277826A CN117864897A CN 117864897 A CN117864897 A CN 117864897A CN 202410277826 A CN202410277826 A CN 202410277826A CN 117864897 A CN117864897 A CN 117864897A
- Authority
- CN
- China
- Prior art keywords
- car roof
- personnel
- car
- risk
- person
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 238000012502 risk assessment Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100025444 Gamma-butyrobetaine dioxygenase Human genes 0.000 description 1
- 101000934612 Homo sapiens Gamma-butyrobetaine dioxygenase Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明公开一种基于视觉识别的电梯轿顶人员防护方法及系统，所述方法包括：基于视觉识别算法实时获取轿顶人员的体态信息，实时获取轿顶人员的体态信息，其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。为轿顶人员提供安全保障。
Description
技术领域
本发明属于安全防护技术领域，更具体地，涉及一种基于视觉识别的电梯轿顶人员防护方法及系统。
背景技术
电梯行业的安全保护装置多致力于对乘安全保护，而缺少对电梯轿顶的维修作业人员必备的安全保护装置，导梯轿顶人员在轿顶对电梯进行维修、保养和检测工作时意外受伤。比如当轿顶人员在维修电梯时，将检修开关由正常转换为检修状态，此时电梯由自动运行状态切换为检修运行，只接收轿顶人员通过按钮的控制，屏蔽外呼和内呼的指令，不接收乘客的控制，此时遇到突发状况时，可以动作轿顶的红色急停开关，切断电梯的运行指令，将电梯强行停止，从而实现对轿顶人员的安全保护，但此种保护必须由轿顶人员自己触发，受轿顶人员自身身心状态，安全知识多少，安全意识薄弱，安全技能熟练度的影响。安全保护等级低，容易引发事故，尤其是在教学用梯和刚开始实习的电梯工作人员工作的场景下，容易诱发事故。
轿顶的伤害主要包括；一、轿顶人员的肢体凸出护栏，造成肢体的剪切或挤压；二、轿顶的检修开关因失效或者维修人员意外复位，电梯恢复正常，不受维修人员控制，意外移动，导致轿顶维修人员失去重心，跌倒受伤；三、轿顶人员肢体被卷入轿顶反绳轮中，导致肢体受伤。针对以上危险，有必要设计一种技术方案来保护轿顶人员的安全。
发明内容
为解决以上技术问题，本发明提出一种基于视觉识别的电梯轿顶人员防护方法及系统，通过基于视觉识别算法获取轿顶人员的体态信息和异常因素对应的安全性得分，并根据体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员风险指数，当轿顶人员风险指数的均值大于或等于预设安全阈值时，发出报警信息。从而保护轿顶人员安全。
根据本发明的第一方面，本发明提供一种基于视觉识别的电梯轿顶人员防护方法，包括以下步骤：
通过视觉识别算法实时获取轿顶人员的体态信息，其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；包括：在获取每个轿顶人员异常因素时，对轿顶人员运动轨迹进行姿态类别信息提取，并代入所述的轿顶人员第一风险评估模型和轿顶人员第二风险评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数；
当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
进一步的，所述基于视觉识别算法实时获取轿顶人员的体态信息包括：通过目标检测算法，对轿顶人员的体态进行检测，识别轿顶人员异常因素的数量，其中，所述目标检测算法包括：Faster R-CNN或YOLO。
进一步的，所述轿顶人员风险第一评估模型包括：
其中，为轿顶人员第一风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分。
进一步的，所述轿顶人员风险第二评估模型包括：
其中，为轿顶人员第二风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分，/>为第一调整因子，/>为第二调整因子，/>为第三调整因子，/>为第四调整因子，/>为第五调整因子，为第六调整因子，/>为第七调整因子。
进一步的，轿顶人员异常因素包括：轿顶人员跌倒、轿顶人员跳动、轿顶人员距离电梯轿顶超过阈值。
进一步的，所述当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息，还包括：进行复位按钮的监测，当监测到按下复位按钮，启动声光报警；
当监测到未按复位按钮，警告信号自动串接进电梯安全回路，触发安全开关动作，切断回路，电梯停止运行。
进一步的，所述报警信息包括的但不限于：在轿顶设置声光报警信号，预警灯开始闪烁，并语音报告。
根据本发明的第二方面，本发明还提出一种基于视觉识别的电梯轿顶人员防护系统，包括：
数据获取模块，用于基于视觉识别算法实时获取轿顶人员的体态信息，其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
风险评估模型建立模块，用于获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；包括：在获取每个轿顶人员异常因素时，对轿顶人员运动轨迹进行姿态类别信息提取，并代入所述的轿顶人员第一风险评估模型和轿顶人员第二风险评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数；
风险判断及预警模块，用于当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
根据本发明的第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述一种基于视觉识别的电梯轿顶人员防护方法的步骤。
根据本发明的第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述所述一种基于视觉识别的电梯轿顶人员防护方法的步骤。
与现有技术相比，本发明的技术效果和优点：
本发明提供了一种基于视觉识别的电梯轿顶人员防护方法及系统，通过根据轿顶人员的体态信息，计算风险指数，从而发出报警信息，保护轿顶人员的安全。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
图1是本发明实施例提供的一种基于视觉识别的电梯轿顶人员防护方法流程图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
需要进行说明的是，本发明实施例所提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
可以理解的是，基于背景技术中的缺陷，本发明实施例提供一种基于视觉识别的电梯轿顶人员防护方法，具体如图1所示，所述方法包括以下步骤：
步骤101，基于视觉识别算法实时获取轿顶人员的体态信息；其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
在本实施例中，所述基于视觉识别算法实时获取轿顶人员的体态信息包括：通过目标检测算法，对轿顶人员的体态进行检测，识别轿顶人员异常因素的数量，其中，目标检测算法包括：Faster R-CNN(Region-based Convolutional Neural Network)或YOLO(YouOnly Look Once)。所述轿顶人员异常因素包括：轿顶人员跌倒、轿顶人员跳动、轿顶人员距离电梯轿顶超过阈值。
需要进行说明的是，本发明实施例可通过安装在井道顶部的摄像装置，当轿顶人员在轿顶作业或出现当有人员出现在轿顶的时候，摄像头自动采集轿顶人员的体态，进行分析，当分析到人员出现跌倒，肢体超出护栏，将监控信息传输给后端分析模块。
本发明实施例采用目标检测算法对摄像装置的视频图像进行检测，获得轿顶人员位置信息和行人姿态类别信息，利用 DeepSORT 算法对轿顶人员位置信息和人员姿态类别信息进行跟踪，得到轿顶人员运动轨迹，从而获取轿顶人员的体态信息。
在另一种可能的实施方式中，在面对轿顶教学时，本发明实施例可采用多目标追踪模块来对轿顶人员进行监测，所述多目标追踪模块采用的Deep SORT算法采用级联匹配的方法，级联匹配包括运动匹配和外观匹配，运动匹配是通过计算卡尔曼预测的目标位置和当前目标的实际位置之间的马氏距离来衡量，外观匹配是通过计算追踪器保存的目标特征集和BBOX的特征集之间的余弦距离来衡量，具体实现如下：
a)状态估计：在追踪场景中，使用八个参数(u , v，γ ,h…)来描述运动状态，其中(u , v)是边界框的中心坐标，γ是纵横比，h是高度，其余四个变量代表图像坐标系中的速度信息；使用基于等速模型和线性观测模型的标准卡尔曼滤波器来预测目标运动状态，预测结果为(u ,v ,γ ,h)；
b)目标创建和移除：对于被追踪目标，记录最后一次检测结果与追踪结果ak匹配后的帧数；当目标的检测结果与追踪结果正确关联时，该参数设置为0；如果ak超过最大阈值Amax，则认为对目标的追踪过程结束；出现属于新目标的判断更新规则如下：如果检测结果中的目标与现有追踪器无关，则认为可能出现新目标，如果潜在新追踪器对连续三帧目标位置的预测结果与检测结果正确关联，则确认存在新的运动目标，否则，删除移动目标；
c)运动匹配和外观匹配：第一种度量方法，即运动目标运动状态的检测结果与卡尔曼预测结果之间的马氏距离与运动信息相关联，计算公式如下：
其中dj是第j个边界框的位置，yi是第i个追踪器的预测位置，Si是检测位置和平均追踪位置之间的协方差矩阵；
在图像空间中使用卡尔曼滤波器进行运动状态估计是一个粗略的预测，因此，将第二个指标集成到分配问题中；
为每个检测块dj找到一个特征向量rj，限制条件为‖rj‖＝1；为每个追踪目标构建一个图库，并存储与每个追踪目标成功关联的最后100帧的特征向量，然后，第二种度量方法是 计算第i个追踪器的最后100个成功关联的特征集与当前帧的第j个检测结果的特征向量之间的最小余弦距离，计算公式如下：
。
为构造关联问题，将两个度量值的线性加权作为最终的度量值。
权重公式为：
级联匹配用于最终匹配检测器和追踪器预测的结果。
步骤102，获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；
具体的，所述轿顶人员风险第一评估模型包括：
其中，为轿顶人员第一风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分；其中，轿顶人员异常因素包括：轿顶人员跌倒、轿顶人员跳动、轿顶人员距离电梯轿顶超过阈值，另外，关于安全性得分，举例来说，轿顶人员跌倒得10分、轿顶人员跳动得8分、轿顶人员距离电梯轿顶超过阈值得6分。
所述轿顶人员风险第二评估模型包括：
其中，为轿顶人员第二风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分，/>为第一调整因子，/>为第二调整因子，/>为第三调整因子，/>为第四调整因子，/>为第五调整因子，为第六调整因子，/>为第七调整因子。
需要进行说明的是，在获取每个轿顶人员异常因素时，可对轿顶人员运动轨迹进行姿态类别信息提取，并代入上述所述的轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数。
步骤103，当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
所述安全阈值可根据实际需求自行设定。上述技术方案中，在当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，还包括：进行复位按钮的监测，当监测到按下复位按钮，启动声光报警，并进行重新采集轿顶人员的体态信息；当监测到未按复位按钮，警告信号通过模数转换器（ADC）转变为开关量信号，输出常开信号，常开信号串接于电梯安全回路，电梯安全回路为若干常开开关串联，任意一开关断开，均可切断电梯安全回路，警告信号通过模数转换器输出常开信号，切断电梯安全回路，电梯停止运行。所述报警信息包括但不限于：在轿顶设置声光报警信号，预警灯开始闪烁，并语音报告。
综上所述，本发明实施例所述的一种基于视觉识别的电梯轿顶人员防护方法通过安装在井道顶部的摄像头，当轿顶人员在轿顶作业的时候，摄像头采集轿顶人员的体态，然后进行分析，当分析到人员出现跌倒，肢体超出护栏，肢体与轿顶反绳轮高度重合时， 输出一个信号给电梯的安全回路，切断电梯安全回路，防止电梯移动，保护轿顶人员安全。如果出现特殊情况下危险作业，必须按下轿顶的复位按键，复位按钮触声光报警，轿顶报警灯闪烁，同时语音报告“危险运行，注意安全”，复位按钮可以屏蔽一次摄像头输出的危险信号，此时电梯可以正常检修移动一次。运行一次后，如需继续危险运行，需要再次按下复位按钮，方可运行电梯。
另外地，本发明实施例还提出一种基于视觉识别的电梯轿顶人员防护系统，包括：
数据获取模块，用于通过摄像装置，实时获取轿顶人员的体态信息，其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
风险评估模型建立模块，用于获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；包括：在获取每个轿顶人员异常因素时，对轿顶人员运动轨迹进行姿态类别信息提取，并代入所述的轿顶人员第一风险评估模型和轿顶人员第二风险评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数；
风险判断及预警模块，用于当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
可以理解的是，本发明提供的一种基于视觉识别的电梯轿顶人员防护系统与前述实施例提供的一种基于视觉识别的电梯轿顶人员防护方法相对应，一种基于视觉识别的电梯轿顶人员防护系统的相关技术特征可参考一种基于视觉识别的电梯轿顶人员防护方法的相关技术特征，在此不再赘述。
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种基于视觉识别的电梯轿顶人员防护方法。
上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。存储介质被设置为存储用于执行上述所述一种基于视觉识别的电梯轿顶人员防护方法的步骤。
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行一种基于视觉识别的电梯轿顶人员防护方法的步骤。
本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种基于视觉识别的电梯轿顶人员防护方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种基于视觉识别的电梯轿顶人员防护方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序，以执行上述一种基于视觉识别的电梯轿顶人员防护方法的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，包括以下步骤：
基于视觉识别算法实时获取轿顶人员的体态信息；其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；包括：在获取每个轿顶人员异常因素时，对轿顶人员运动轨迹进行姿态类别信息提取，并代入所述的轿顶人员第一风险评估模型和轿顶人员第二风险评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数；
当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
2.根据权利要求1所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，所述基于视觉识别算法实时获取轿顶人员的体态信息包括：通过目标检测算法，对轿顶人员的体态进行检测，识别轿顶人员异常因素的数量；所述目标检测算法包括但不限于FasterR-CNN算法或YOLO算法。
3.根据权利要求1所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，所述轿顶人员风险第一评估模型包括：
其中，为轿顶人员第一风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分。
4.根据权利要求3所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，所述轿顶人员风险第二评估模型包括：
其中，为轿顶人员第二风险指数，/>为高度权重，/>为肢体高度超出护栏的高度，/>为面积权重，/>为肢体与轿顶反绳轮高度重合的面积，/>为异常因素数量权重，/>为轿顶人员异常因素的数量，/>为安全性得分权重，/>为每个轿顶人员异常因素对应的安全性得分，/>为第一调整因子，/>为第二调整因子，/>为第三调整因子，/>为第四调整因子，/>为第五调整因子，/>为第六调整因子，/>为第七调整因子。
5.根据权利要求4所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，轿顶人员异常因素包括但不限于：轿顶人员跌倒、轿顶人员跳动、轿顶人员距离电梯轿顶超过阈值。
6.根据权利要求1所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，所述当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，还包括：进行复位按钮的监测：
当监测到按下复位按钮，启动声光报警；
当监测到未按复位按钮，警告信号自动串接进电梯安全回路，触发安全开关动作，切断回路，电梯停止运行。
7.根据权利要求6所述的一种基于视觉识别的电梯轿顶人员防护方法，其特征在于，所述报警信息包括但不限于：在轿顶设置声光报警信号，预警灯开始闪烁，并语音报告。
8.一种基于视觉识别的电梯轿顶人员防护系统，其特征在于，包括：
数据获取模块，基于视觉识别算法实时获取轿顶人员的体态信息，其中，所述体态信息包括：肢体高度超出护栏的高度、肢体与轿顶反绳轮高度重合的面积、轿顶人员异常因素的数量；
风险评估模型建立模块，用于获取每个轿顶人员异常因素对应的安全性得分，并根据所述体态信息，设置轿顶人员风险第一评估模型和轿顶人员风险第二评估模型，分别计算轿顶人员第一风险指数和轿顶人员第二风险指数；包括：在获取每个轿顶人员异常因素时，对轿顶人员运动轨迹进行姿态类别信息提取，并代入所述的轿顶人员第一风险评估模型和轿顶人员第二风险评估模型，计算得到轿顶人员第一风险指数和轿顶人员第二风险指数；
风险判断及预警模块，用于当所述轿顶人员第一风险指数和所述轿顶人员第二风险指数的均值大于或等于预设安全阈值时，发出报警信息。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于视觉识别的电梯轿顶人员防护方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于视觉识别的电梯轿顶人员防护方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410277826.6A CN117864897B (zh) | 2024-03-12 | 2024-03-12 | 一种基于视觉识别的电梯轿顶人员防护方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410277826.6A CN117864897B (zh) | 2024-03-12 | 2024-03-12 | 一种基于视觉识别的电梯轿顶人员防护方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117864897A true CN117864897A (zh) | 2024-04-12 |
| CN117864897B CN117864897B (zh) | 2024-05-28 |
Family
ID=90593318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410277826.6A Active CN117864897B (zh) | 2024-03-12 | 2024-03-12 | 一种基于视觉识别的电梯轿顶人员防护方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117864897B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08113440A (ja) * | 1994-10-18 | 1996-05-07 | Mitsubishi Denki Bill Techno Service Kk | エレベータのかご上作業安全装置 |
| CN101941622A (zh) * | 2010-08-23 | 2011-01-12 | 苏州巨立电梯有限公司 | 电梯轿顶智能护栏 |
| CN102099277A (zh) * | 2008-07-24 | 2011-06-15 | 通力股份公司 | 电梯装置、方法和安全构件 |
| CN206088633U (zh) * | 2016-02-23 | 2017-04-12 | 广东日创电梯有限公司 | 红外电梯轿顶空间操作安全保护系统 |
| CN106966247A (zh) * | 2017-02-23 | 2017-07-21 | 上海富士电梯有限公司 | 具有人体检测保护功能的电梯 |
| CN206552998U (zh) * | 2017-02-23 | 2017-10-13 | 上海富士电梯有限公司 | 一种用于电梯维修保护传感系统 |
| CN107601197A (zh) * | 2016-07-12 | 2018-01-19 | 株式会社日立大厦系统 | 电梯检查作业辅助装置和检查作业辅助系统 |
| CN108439115A (zh) * | 2018-04-18 | 2018-08-24 | 广州广日电梯工业有限公司 | 一种无机房电梯智能安全检修系统及其控制方法 |
| CN108529368A (zh) * | 2017-03-06 | 2018-09-14 | 东芝电梯株式会社 | 电梯保养作业支援系统 |
| CN110002307A (zh) * | 2019-03-25 | 2019-07-12 | 上海富士电梯有限公司 | 基于图像识别的电梯维修保护系统 |
| JP2020186083A (ja) * | 2019-05-13 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | エレベーターの運転制御システム |
| CN116654732A (zh) * | 2022-02-25 | 2023-08-29 | 株式会社日立大厦系统 | 轿厢上作业者探测系统 |
-
2024
- 2024-03-12 CN CN202410277826.6A patent/CN117864897B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08113440A (ja) * | 1994-10-18 | 1996-05-07 | Mitsubishi Denki Bill Techno Service Kk | エレベータのかご上作業安全装置 |
| CN102099277A (zh) * | 2008-07-24 | 2011-06-15 | 通力股份公司 | 电梯装置、方法和安全构件 |
| CN101941622A (zh) * | 2010-08-23 | 2011-01-12 | 苏州巨立电梯有限公司 | 电梯轿顶智能护栏 |
| CN206088633U (zh) * | 2016-02-23 | 2017-04-12 | 广东日创电梯有限公司 | 红外电梯轿顶空间操作安全保护系统 |
| CN107601197A (zh) * | 2016-07-12 | 2018-01-19 | 株式会社日立大厦系统 | 电梯检查作业辅助装置和检查作业辅助系统 |
| CN106966247A (zh) * | 2017-02-23 | 2017-07-21 | 上海富士电梯有限公司 | 具有人体检测保护功能的电梯 |
| CN206552998U (zh) * | 2017-02-23 | 2017-10-13 | 上海富士电梯有限公司 | 一种用于电梯维修保护传感系统 |
| CN108529368A (zh) * | 2017-03-06 | 2018-09-14 | 东芝电梯株式会社 | 电梯保养作业支援系统 |
| CN108439115A (zh) * | 2018-04-18 | 2018-08-24 | 广州广日电梯工业有限公司 | 一种无机房电梯智能安全检修系统及其控制方法 |
| CN110002307A (zh) * | 2019-03-25 | 2019-07-12 | 上海富士电梯有限公司 | 基于图像识别的电梯维修保护系统 |
| JP2020186083A (ja) * | 2019-05-13 | 2020-11-19 | 三菱電機ビルテクノサービス株式会社 | エレベーターの運転制御システム |
| CN116654732A (zh) * | 2022-02-25 | 2023-08-29 | 株式会社日立大厦系统 | 轿厢上作业者探测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 柳志雄;: "浅析电梯轿顶检修装置防误操作保护方式", 中国电梯, no. 15, 1 August 2020 (2020-08-01), pages 36 - 37 * |
| 龙志健: "电梯顶部和底坑安全空间测量的要点分析", 机电工程技术, no. 03, 31 December 2017 (2017-12-31), pages 133 - 138 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117864897B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106341661B (zh) | 巡逻机器人 | |
| CN112623919B (zh) | 一种基于计算机视觉的自动扶梯智能监控管理系统 | |
| CN114612866B (zh) | 一种建筑场地内安全性智能识别方法、装置及设备 | |
| CN207909318U (zh) | 一种高风险区域内物品遗留智能检测预警系统 | |
| CN112580995A (zh) | 施工安全大数据监督系统与安全风险动态评估方法 | |
| CN114973140A (zh) | 基于机器视觉的危险区域人员闯入监测方法及系统 | |
| CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
| CN109492548B (zh) | 基于视频分析的区域mask图片的获得方法 | |
| CN112738468A (zh) | 一种智慧园区安全预警方法及系统 | |
| CN113506416A (zh) | 一种基于智能视觉分析的工程异常预警方法及系统 | |
| CN112282819B (zh) | 基于视觉的综采工作面人员目标安全监控方法及系统 | |
| CN112651642A (zh) | 一种基于多设备感知的水利工程现场人员安全管理系统 | |
| CN112419571A (zh) | 基于轻载算法的分布式变电站安全作业监测装置及方法 | |
| CN114049587A (zh) | 事件检测方法、服务器及系统 | |
| CN114937237A (zh) | 一种基于ai智能识别的工地安全监测方法及系统 | |
| CN112883792A (zh) | 一种基于视觉深度分析的机器人主动安全防护方法及系统 | |
| CN109345787A (zh) | 一种基于智能图像识别技术的输电线路防外损监控报警系统 | |
| CN111681355A (zh) | 一种适用智慧校园的安防系统 | |
| CN114092875A (zh) | 基于机器学习的作业现场安全监管方法及装置 | |
| CN117864897B (zh) | 一种基于视觉识别的电梯轿顶人员防护方法及系统 | |
| CN114648855A (zh) | 智慧社区安防综合管理系统及其控制方法 | |
| CN112560727A (zh) | 一种基于人工智能的起重机越线安全预警方法和装置 | |
| CN112541656A (zh) | 一种具有风险隐患预测能力的智能安防集成平台 | |
| CN110286609B (zh) | 一种智能安全帽的避障控制方法及装置 | |
| CN111291728A (zh) | 违规翻越传输带行为的检测系统及检测设备、检测方法 |
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 | ||
| GR01 | Patent grant |