CN1919712A - 基于图像识别技术的电梯安全防范装置 - Google Patents

Abstract

一种基于图像识别技术的电梯安全防范装置，包括安装在电梯轿厢顶部的视频传感器、用于监控电梯的监控中心计算机，视频传感器与监控中心计算机连接，监控中心计算机包括用于实时显示电梯视频数据的显示模块，显示模块连接显示装置，视频传感器通过无线网络交换设备与监控中心计算机无线数据连接，无线网络交换设备为电梯所在大楼的无线局域网的中心，监控计算机包括用于电梯安全防范的微处理器，通过视频信息分析完成电梯困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故检测。本发明提供一种能够对在整个大楼里的所有电梯进行有效的、实时在线的、智能化的监控、可靠性高的基于图像识别技术的电梯安全防范装置。

Description

基于图像识别技术的电梯安全防范装置

(一)技术领域

本发明涉及一种基于图像识别技术的电梯安全防范装置。

(二)背景技术

随着城市里楼房越盖越高，电梯的使用越来越普遍，电梯安全问题日益受到人们重视。一方面电梯的拥有量越来越多，目前我国电梯的拥有量已经达到14万台，并且仍然以每年15％以上的速度增加，要达到世界发达国家水平的话电梯的拥有量要会达到140万台左右。另一方面带病工作的电梯、缺乏维护保养的电梯量也越来越多，由于我国电梯的使用频率高、常年缺乏正常的维护保养带病工作、部分电梯配件的质量等问题，电梯的安全隐患问题也日显突出，每年我国在电梯事故中死伤人数已达4位数。

根据国家质量检验部门的一份资料显示，与电梯有关的人员伤亡事故可以分为两类，其一是发生在安装工地上的工伤事故，这类事故的受害人通常是电梯安装作业人员或建筑工地上的工人；其二是发生在已交付使用的电梯上的人身伤亡事故，这类事故的受害人通常是乘客，也是最为常见的电梯事故。每发生一次这类事故，人们往往谈虎色变，给人们的心理带来不安全的阴影。有些人将电梯事故称为定时炸弹，也有些人将故障电梯称为虎口。

电梯安全事故的种类按发生事故的系统位置，可分为门系统事故、冲顶或蹲底事故、其他事故。据统计，各类事故发生的起数占电梯事故总起数的概率分别为：门系统事故占80％左右，冲顶或蹲底事故占15％左右，其他事故占5％左右。门系统事故占电梯事故的比重最大，发生也最为频繁。其中电梯常发生问题主要表现为：困人(主要因停电、设备出故障所致)；轿厢与平台错位；冲顶(电梯不停，直上直下不听控制)；溜车(没有选层便启动)；开门走梯(电梯门开启时突然启动，最危险的现象)。其他作为电梯的安全隐患有：电梯速度与平时显然不一样，要么过快、要么过慢；轿厢内有明显的撞击声或者声响异常等。

目前对于上述电梯安全事故安全防范主要是通过人工的方式来进行检测和监控的，目前主要通过维护检测来保证电梯的正常运行。

公开号CN 1453202A的发明专利电梯安全装置采用机械结构的方式提高电梯的安全性；公开号CN 1401555A的发明专利防坠落防剪切电梯安全门锁控制系统采用机械结构来防止蹲底事故的发生；公开号CN 1612839A的发明专利电梯安全系统采用检测轿厢速度的方式来检测电梯存在着安全隐患；公开号CN1704325A的发明专利电梯的监视采用位移、速度、加速度传感器来测量轿厢的运行参数，并与预定的容许值进行比较，当超过允许值，启动应急停止轿厢运动。

图像处理与计算机视觉是一个不断发展的新技术，原则上采用计算机视觉进行观测有四个目的，即预处理、最底层的特征提取、中级特征的辩识以及通过图像对高级情景的解释。一般来说，计算机视觉包括主要特征、图像处理以及图像理解。

图像是人类视觉的延伸。通过视觉，可以捕捉到电梯内部所发生的事件，图像监测快速性的基础是视觉所接受的信息以光为传播媒介；而图像信息的丰富和直观，更为电梯安全故障的辨识和判断奠定了基础，其它任何检测技术均不能提供如此丰富和直观的信息。

(三)发明内容

为了克服已有的电梯安全事故安全防范装置通过人工参与来进行检测和监控、缺乏智能远程安全监控的手段、可靠性差的不足，本发明提供一种能够对在整个大楼里的所有电梯进行有效的、实时在线的、智能化的监控、可靠性高的基于图像识别技术的电梯安全防范装置。

本发明解决其技术问题所采用的技术方案是：

一种基于图像识别技术的电梯安全防范装置，包括安装在电梯轿厢顶部的视频传感器、用于监控电梯的监控中心计算机，所述的视频传感器与监控中心计算机连接，所述的监控中心计算机包括用于实时显示电梯视频数据的显示模块，所述显示模块连接显示装置，所述的视频传感器通过无线网络交换设备与监控中心计算机无线数据连接，所述的无线网络交换设备为电梯所在大楼的无线局域网的中心，所述的监控计算机包括用于电梯安全防范的微处理器，所述的微处理器包括：

图像读取模块，用于将电梯轿厢内的视频信息采集下来；

图像变化计算模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(8)表示：

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)                (8)

上式中，f_d(X，t₀，t_i)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到图像；f(X，t₀)是基准参考图像；

连通区域计算模块，用于对当前图像进行标记，像素灰度为0的背景，像素灰度为1为目标，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；

电梯内是否有人判断模块，用于根据连通区域的大小属性以及形状属性进行判断，如同时满足大小属性、形状属性，判定电梯轿厢内有人，该判断模块包括：

区域大小属性判断单元，用于对所述的每个连通区域求出其面积，并依照如下判断规则：

若Si＜阈值1，则该变化区域为噪声点；

若Si＞阈值2，则该变化区域为大面积的变化，首先考虑到是由于光的照射而产生的变化，但是也不能排除人会携带着一些物品，因此这时设定区域大小影响因子Fs为0.2~0.5之间；

若阈值1＜Si＜阈值2，则该变化区域可疑为有人，设定区域大小影响因子Fs为1；

阈值1和阈值2的取值范围的大小是根据从上往下看一个成年人的平均截面积在0.12m2左右，然后通过视觉系统的标定结果来决定阈值1和阈值2的大小，即像素值的大小；

形状属性判断单元，用于根据每个连通区域求出其面积Si求其形状特征属性，与人体模型作比较，首先求每个连通区域的平均宽度和高度，平均宽度wi用在高度hi方向的分成4等份的宽度均值，并以该平均宽度wi和高度hi作一个矩形，然后用公式(10)计算某个连通区域与该连通区域的矩形的面积比，

${\mathrm{\ϵ}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(10\right)$

计算所得的ε_area ⁱ值在0.5~0.9之间，接着用公式(11)进行下面的矩形的宽度wi与高度hi的比的计算，ε_area ⁱ值小于0.5时就将该连通区域排除，

${\mathrm{\ϵ}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(11\right)$

计算所得到的ε_rate ⁱ值根据空间位置关系，划分若干个区域半径，每个区域半径中有其判断指标，比如在10m~12m的区域半径范围内，ε_rate ⁱ值在0.15~0.4之间，设定形状属性影响因子Fsh为1；

电梯门状态动作判断模块，用于安装好视频传感器后，得到的轿厢初始图像，定义电梯门处于关状态时上部区域为背景图像，将当前的图像与背景图像进行背景减算法，如连通区域有整块出现，判断轿厢门处于开的状态；否则轿厢门处于关的状态；通过相邻各帧图像的检测，如连通区域的面积在水平方向上从大到小，判断轿厢门从开到关，如连通区域的面积在水平方向上从小到大，判断轿厢门从关到开；

电梯困人判断模块，用于判断轿厢内有人后，并检测到轿厢门没有动作的时间超出设定的时间阈值，判定为电梯困人故障发生，发出告警信息；

开门走梯判断模块，用于判断轿厢门处于打开状态，且电梯发生升降运动，判定为开门走梯故障发生，发出告警信息。

进一步，所述的微处理器还包括：轿厢与平台错位判断模块，用于依照轿厢停靠在站点的图像，定义电梯门处于开门状态时轿厢与平台结合处的区域位置，在轿厢端平行于电梯门的直线，在平台端平行于电梯门的直线，预设该两条直线之间的正常距离，如当前两条直线的距离与正常距离不一致，判定发生错位故障发生，发出告警提示信息。

再进一步，所述的微处理器还包括：溜车故障检测模块，用于判断在电梯门关闭后开始，判断轿厢内有人，且选层灯没有变亮，在1分钟以内电梯发生启动，判定为溜车故障发生，发出告警提示信息。

更进一步，所述的轿厢内安装弹簧质量振动子，所述的弹簧质量振动子是由一个质量体与一个弹簧组成，所述的微处理器还包括：

振动子设定模块，用于根据弹簧长度的变化得到在质量体上所受到的加速度，用式(12)来表示弹簧质量振动子的质量体中心作受力情况分析，

$\mathrm{mg}-k(y-l_0)=m\stackrel{\·\·}{y}---\left(12\right)$

式(12)中，m为圆形质量体的质量，1。为静态情况时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数，g为重力加速度，y和

表示圆形质量体的重心位置到悬挂点的距离以及圆形质量体的加速度，其中y是通过视频图像可以观测到的，m为圆形质量体的质量，1。为静止状态时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数都是可以设计的，式(12)也可以改写成式(13)，

$\stackrel{\·\·}{y}=g-\frac{k}{m}(y-l_0)---\left(13\right)$

圆形质量体的质量中心偏移静止状态时的最大位移与加速度呈正比关系，最大位移发生的方向与轿厢运动的方向对应，向下发生最大位移表明轿厢是向上加速运动，向上发生最大位移表明轿厢是向下加速运动；

轿厢发生坠落事故判断模块，用于判断质量体向上发生的最大位移超过设定的正常最大距离的k1倍，同时在设定时间内没有发生振动，判定为坠落事故发生，发出告警提示信息；

电梯冲顶故障判断模块，用于当检测到轿厢门内控制盘已经选择楼层信息，电梯的上下行方向信息发生一次变化，且没有检测到有电梯门开启状态，判定为冲顶故障发生，发出告警提示信息；

轿厢运行速度异常判断模块，用于预设质量体的正常运行时的最大位移和振动衰减周期，如当前的最大位移比正常运行时的最大位移大，当前的振动衰减周期比正常运行时长，判断为速度过快；如当前的最大位移比正常运行时的最大位移小，当前的振动衰减周期比正常运行时短，判断为速度过快；发出告警提示信息；

所述的微处理器还包括背景维护模块，所述的背景维护模块包括：

背景亮度计算单元，用于计算平均背景亮度Yb计算公式如式(4)所示：

${\stackrel{-}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}(1-M_n(x,y))}---\left(4\right)$

式(4)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表，所述的掩模表是用一个与视频帧尺寸相同的数组M来记录各像素点是否有运动变化，参见式(6)：

公式(4)中的背景亮度是从RGB颜色空间到YCrCb颜色空间的转换得到的，其公式(7)给出，

Y＝0.29990*R+0.5870*G+0.1140*B

                ；

Cr＝0.5000*R-0.4187*G-0.0813*B+128

Cb＝-0.1787*R-0.3313*G+0.5000*B+128    (7)

上式中，Y代表YUV颜色模型的亮度，U、V是YUV颜色模型的两个彩色分量，表示色差；R表示RGB色彩空间的红色：G表示RGB色彩空间的绿色；B表示RGB色彩空间的蓝色；

Yb0为判定为运动对象时前一帧的背景亮度，Yb1为检测到检测对象时第一帧的背景亮度，两帧平均亮度的变化为：

ΔY＝Yb1-Yb0                    (5)

如果ΔY大于上限值，则认为发生了开灯事件；如果ΔY小于某个下限值，则认为发生了关灯事件；如ΔY介于上限值和下限值之间，则认为光线自然变化；

背景自适应单元，用于当光线自然变化时，按照下式(1)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)        (1)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度；λ＝0，使用固定不变的背景(初始背景)；λ＝1，使用当前帧作为背景0＜λ＜1，背景由前一时刻的背景与当前帧混合而成；

当光线由开关灯引起的，背景像素按照当前帧重置，参见式(2)：

X_mix，bn+1(i)＝X_mix，cn(i)                        (2)。

所述的微处理器还包括：噪声剔除模块，用于将每一个像素值用其局部邻域内所有值的均值置换，如公式(9)所示：

h[i，j]＝(1/M)∑f[k，1]                           (9)

上式(9)中，M是邻域内的像素点总数。

所述的视频传感器连接视频处理器，所述视频处理器包括：图像记录模块，用于将电梯轿厢内的视频信息记录下来；图像处理模块，用于将记录下来的视频数据进行压缩编码、复用以及调制成压缩视频数据；第一无线收发模块，用于依照通信标准，发送压缩的视频数据；所述的监控中心计算机包括：第二无线收发模块，用于依照通信标准，接收压缩的视频数据；图像解压处理模块，用于将接收的数据进行解压缩、解复用以及解调，恢复成视频数据；所述的图像解压处理模块的输出连接图像读取模块。

所述的第一无线收发模块为符合通信标准的无线网卡，所述的监控中心计算机包括与所述无线网卡配合的TCP/IP协议、无线网络接口，所述的微处理器为嵌入式Linux微处理器。

数字化无线视音频传输系统与传统的有线、模拟传输系统相比，具有如下特点：①便于进行压缩、分析、存储和显示：②数字信息抗干扰能力强，不易受传输线路信号衰减的影响等。正是由于数字视音频传输具有传统模拟传输无法比拟的优点，而且符合当前信息社会中数字化、网络化和智能化的发展趋势，所以数字视音频传输正在逐步取代模拟传输，广泛应用于各行各业。

目前数字化无线视音频传输选择方式来看，主要有三种方案：一是在蓝牙串行口后接一个蓝牙模块；二是选择红外无线遥控；三是用短距离的无线数传芯片。对于蓝牙方案，无线传输距离和芯片价格是值得考虑的地方：蓝牙主要用于短距离传输(最多10米)，且芯片价格一直偏高，虽然目前也有使蓝牙传输距离进一步加大的方案(可达100米)，但不幸的是，其价格也会比原来贵许多，不适应于电梯的轿厢与监控中心之间的音视频信息交换。红外传输虽然没有价格问题，能传输的距离实在太近，只有几米，且对红外发射角度有一定的要求，存在″必须保证传输信息的两个设备正对，且中间不能有障碍物″等致命的缺陷，这一点又不适应于电梯的轿厢与监控中心之间的音视频信息交换。本发明采用短距离的无线数传芯片进行无线传输则灵活得多，价格上从低端到高端选择余地很大，传输距离从几十米到几百米都有，即使中间有障碍物也能很好地实现轿厢与监控中心之间的音视频信息交换。

全数字无线视音频传输系统是将视频信息数字化后经压缩编码、复用、调制以后送信道传输，然后通过解压缩、解复用、解调后送到电梯监控中心的计算机中进行图像处理，整个过程采用的是全数字处理技术，由于采用了数字信号处理技术与前向纠错技术(FEC)，可使其具有较高的信号接收灵敏度并能保证信号的可靠传输，适应在恶劣环境中的应用，特别是在运动中电梯内视音频传输抗干扰性能、安装维护等方面的优点更加明显。

全数字无线视音频传输系统除了具有优越的抗干扰性能、保持图像信息清晰稳定以外，还具有设备小巧不需附带其他设施、价格适中等优点，可以通过适当的地址编码控制实现点对点、点对多点、单向和双向实时的多媒体通信。由于全数字无线视音频传输系统不需附带其他设施且独立性好，不需要任何布线等安装过程，因此采用全数字无线视音频传输以及图像、语音识别技术能方便地实现对单梯以及群梯的安全防范检测和控制，更适用于目前使用中的电梯的控制技术和安全防范技术的改造。

所述的安全防范检测模块通过轿厢内是否有人的判断、以及电梯门状态的检测，进行电梯困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故的检测。

本发明的有益效果主要表现在：1、能够对在整个大楼里的所有电梯进行有效的、实时在线的、智能化的监控、可靠性高；2、速度快-2.4GHz直接序列扩频，最大数据传输速率为11Mb/s，无须直线传播；3、具有动态速率转换功能-当射频情况变差时，可将数据传输速率降低为5.5Mb/s、2Mb/s和1Mb/s；4、使用范围广-支持的范围是在室外为300米，在室内环境中最长为100米，只要将网络桥接器安装在大楼的中间层靠近电梯井道附近，能满足50层左右的楼层电梯的无线视音频传输；5、可靠性高-使用与以太网类似的连接协议和数据包确认，来提供可靠的无线视音频数据传送和网络带宽的有效使用；6、互用性好-只允许一种标准的信号发送技术，WECA将认证产品的互用性；7、漫游支持功能-当电梯在各个层间之间上下移动时进行无缝连接；8、可伸缩性好-最多三个访问点可以同时定位于有效使用范围中，以支持上百个用户，足以能使整个大楼中的电梯监控点正常工作；9、不需任何布线就能方便地实现对单梯以及群梯的安全防范监控，更适用于目前使用中的电梯的控制技术和安全防范技术的改造；10、组网方便，能与大楼中的任何网进行连接，也可以与外界的因特网进行连接，实现电梯的远程监控或者远程维护，在发生困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故时能在第一时间通知有关人员采取救援措施。

(四)附图说明

图1为基于图像识别技术的电梯安全防范装置的结构框图；

图2为采用嵌入式软硬件以及无线收发模块进行全数字无线视频通信系统拓扑图；

图3为将无线网络桥接器安装在大楼的中间层靠近电梯井道附近的示意图；

图4为弹簧质量振动子的原理图；

图5为弹簧质量振动子在轿厢启动时产生的振动曲线图；

图6为视频检测弹簧质量振动子、轿厢内控制面板、轿厢内上下行以及当前楼层显示面板、轿厢与平台连接处的区域的示意图。

(五)具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图6，一种基于图像识别技术的电梯安全防范装置，包括安装在电梯轿厢顶部的视频传感器、用于监控电梯的监控中心计算机，所述的轿厢内安装弹簧质量振动子，所述的弹簧质量振动子是由一个质量体与一个弹簧组成；所述的视频传感器与监控中心计算机连接，所述的监控中心计算机包括用于实时显示电梯视频数据的显示模块，所述显示模块连接显示装置，所述的视频传感器通过无线网络交换设备与监控中心计算机无线数据连接，所述的无线网络交换设备为电梯所在大楼的无线局域网的中心，所述的视频传感器连接视频处理器，所述视频处理器包括：图像记录模块，用于将电梯轿厢内的视频信息记录下来；图像处理模块，用于将记录下来的视频数据进行压缩编码、复用以及调制成压缩视频数据；第一无线收发模块，用于依照通信标准，发送压缩的视频数据；所述的监控中心计算机包括：第二无线收发模块，用于依照通信标准，接收压缩的视频数据；图像解压处理模块，用于将接收的数据进行解压缩、解复用以及解调，恢复成视频数据；所述的图像解压处理模块的输出连接图像读取模块。

所述的采集轿厢内弹簧质量振动子、轿厢内控制面板、轿厢内上下行以及当前楼层显示面板、轿厢与平台连接处的区域信息的摄像装置是将摄像头、嵌入式系统与无线收发模块的配合组合成全数字无线通信的电梯视频监控装置，如图1、图2中所示，所选择嵌入式Linux系统，主要达到集视频传感、通信、移动为一体的目的，具体选择三星S3C2410X为嵌入式微处理器，结合无线局域网技术，所述的采集轿厢内轿厢内弹簧质量振动子、轿厢内控制面板、轿厢内上下行以及当前楼层显示面板、轿厢与平台连接处的区域信息的摄像装置实际上是一个基于全数字无线通信的电梯视频监控装置，实现视频数据采集和无线传输。嵌入式系统中包括了软件与硬件技术，其中嵌入式Linux软件是核心技术，它能实现视频服务器的功能。

所述的嵌入式微处理器S3C2410X是一款基于ARM920T内核的16/32位RISC嵌入式微处理器，该处理器是为移动设备以及高性价比、低功耗微控制器而设计的。它采用了一种叫做AMBA(Advanced Microcontroller Bus Architecture)的新总线架构。S3C2410X内部的主要资源有内存管理单元MMU、系统管理器、各为16KB的指令和数据缓存、LCD控制器(STN& TFT)、NAND FLASH Boot Loader、3通道UART、4通道DMA、4个PWM时钟、1个内部时钟、8通道10为ADC、触摸屏接口、多媒体卡接口、I2C和I2S总线接口、2个USB主机接口、1个USB设备接口、SD主接口、2SPI接口、PLL时钟发生器以及通用I/O端口等。

所述的嵌入式微处理器S3C2410X内部包含一个叫MMU的内存管理单元，可以实现虚拟存储空间到物理存储空间的映射。通常嵌入式系统的程序存放在ROM/FLASH中，系统断电后程序能够得到保存，但ROM/FLASH与SDRAM相比，速度要慢的多，而且嵌入式系统中通常把异常中断向量表存放在RAM中，利用内存映射机构可以解决这种需要。

所述的ROM/FLASH采用三星公司64MB的K9S1208VOM。它可进行10万次的编程/擦除，数据保存长达10年，被用来装载操作系统镜像和大容量的数据。

所述的SDRAM是采用三星公司的K4S561632C，用来运行操作系统和存储程序运行过程中所需要的数据，它是4M*16bit*4bank的同步DRAM，容量为32MB。用两片K4S561632C实现位扩展，使数据总线宽度为32bit。

所述的嵌入式软件系统主要包括操作系统、TCP/IP协议的移植、驱动程序的安装以及用户应用程序的编写等。

本实施例中采用了Linux作为嵌入式操作系统，Linux是从UNIX发展而来，继承了UNIX大多数的优点，Linux公开的内核源代码使得它成为目前最流行的操作系统，并且Linux可以从应用出发裁剪其硬件软件，这对面向基于全数字无线通信的电梯视频监控装置这种特殊需要来说十分必要，这里我们将其称为定制操作系统，定制步骤如下：(1)编写板基支持包BSP；(2)裁剪和配置操作系统的各个部件，并修改相应的配置文件；(3)编译Kernel、组件和BSP，生成操作系统镜像文件；(4)将镜像文件下载到目标板上，进行调试。

进一步，电梯内视频监控信息是要通过TCP/IP协议经无线局域网以数据打包、发送的方式来进行传输的，因此要在操作系统支持下实现TCP/IP协议，就需要进行任务划分，可以将TCP/IP的实现划分为4个任务来实现：①IP任务，主要用来解决IP分片的重组；②TCP输入任务，主要用来处理接收到的TCP报文段；③TCP输出任务，主要用来将要输出的数据打包、发送；④TCP定时器任务，主要用来为各种时延事件(如重发事件)提供时钟。

更进一步，基于全数字无线通信的电梯视频监控装置中需要有两个USB接口，其中一个USB接口是将监控摄像头与S3C2410X进行连接，另一个USB接口是将无线网卡与S3C2410X进行连接，由于S3C2410X自带USB主从接口，不需要专门的USB芯片支持，只要对其安装驱动程序即可进行USB传输数据。

所述的USB驱动程序包含如下几个部分：(1)创建设备，创建设备函数带两个参数调用，一个参数是指向驱动程序对象的指针，另一个参数是指向物理设备对象的指针；(2)关闭设备；(3)读取设备数据，当客户应用程序有读取设备数据的要求时，系统将此要求以IRP_MJ_READ的IRP形式传递给功能驱动程序，由设备的D12Meter_Read程序执行，然后再由D12Meter_Read指定USB总线驱动程序直接与设备实现信息交互；(4)对设备写入数据，当客户应用程序有写设备数据的要求时，系统将此要求以IRP_MJ_WRITE的IRP形式传递给功能驱动程序，并由D12Meter_Write执行，然后再由D12Meter_Write指定USB总线驱动程序直接与设备实现信息交互。USB驱动程序通过安装文件(.inf文件)中PID(产品识别号)和VID(厂商识别号)识别USB设备。

当嵌入式操作系统装载完成后，就可以安装无线网卡的驱动程序和其他相应的应用程序。将无线网卡的驱动程序作为一个模块打包到操作系统中，可避免系统掉电后每次都要重装无线网卡驱动程序。

所述的用户应用软件程序包括图像传输、记录模块，语音通话接口模块，通话连接模块，记录装置检测模块，服务中心连接模块，安全防范检测模块，安全防范中心连接模块，电梯异常检测模块，电梯控制中心连接模块，以及无线通信模块；

所述的安全防范检测模块中包括电梯困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故的检测，本发明中将上述的电梯事故检测分为不同的模块；

所述的电梯困人检测模块，是当电梯发生困人时，从视频角度来说检测到轿厢内有人，并长时间检测到电梯门没有动作就判断为电梯发生困人，

所述的轿厢内有人的判断，采用背景减算法的快速分割算法来实时检测轿厢内的人员；本发明中视频检测电梯困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故都是采用背景减算法，不同的是关心的区域不同已经判定的方法也有所不同；

所述的背景消除是基于背景减算法检测前景对象的关键，它直接影响检测出检测对象的完整性和准确性。本发明中采用了背景自适应法，其核心思想是对每一个背景像素使用1组矢量；RGB变化的当前混合值(Xmix，bi)来表示合法背景像素的允许取值(i为帧号)，并采用IIR滤波对其进行如下更新。

(1)当光线自然变化(不是由轿厢内开关灯引起的)，并且无前景对象存在时，1组向量(分别为RGB)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)        (1)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度：λ＝0，使用固定不变的背景(初始背景)；λ＝1，使用当前帧作为背景；0＜λ＜1，背景由前一时刻的背景与当前帧混合而成。由于轿厢内光线变化非常小，λ的值可以取的非常小。

(2)当光线有突变时(由轿厢内开关灯引起的)，1组向量按当前帧重置：

X_mix，bn+1(i)＝X_mix，cn(i)                            (2)

(3)当有前景对象进入检测范围时，背景保持不变。为避免将前景运动对象的部分像素学习为背景像素，采用：

X_mi，bn+1(i)＝X_mix，bn(i)                             (3)

上式中的X_mix，bn+1(i)(i＝1，2，3)分别表示R，G，B 3个分量，为简化起见，上述公式略去了每个像素的坐标(x，y)部分。

对于轿厢内人数检测背景亮度的变化可用来判定检测到的前景对象是否因开关灯而引起的，开关灯事件等这些背景亮度的变化不应使系统判断为有轿厢内大量的人员存在所引起的，因而进行背景亮度分析有助于降低系统的误识别率。背景亮度使用平均背景亮度Yb来度量，计算公式由式(4)给出，

${\stackrel{\‾}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}(1-M_n(x,y))}---\left(4\right)$

式(4)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表。用Yb0表示发现有运动对象时前一帧的背景亮度，Yb1表示检测到检测对象时第一帧的背景亮度，两帧平均亮度的变化为：

ΔY＝Yb1-Yb0                        (5)

如果ΔY大于某个值则认为发生了开灯事件，如果ΔY小于某个负值则认为发生了关灯事件。根据上述判断结果用式(5)对当前帧进行重置。

所述的掩模表，是用一个与视频帧尺寸相同的数组M来记录各像素点是否有运动变化，这个数组称为掩模映射表(Mask Map)：

数组M是检测对象的二值图像，不但可用来掩模视频帧从而分割出运动对象，还可用于运动对象的跟踪、分析和分类。

公式(4)中的背景亮度是从RGB颜色空间到YCrCb颜色空间的转换得到的，其公式(7)给出，

Y＝0.29990*R+0.5870*G+0.1140*B

                                        (7)

Cr＝0.5000*R-0.4187*G-0.0813*B+128

Cb＝-0.1787*R-0.3313*G+0.5000*B+128

所述的背景减算法也称为差分方法，是一种常用于检测图像变化和运动物体的图像处理方法。为了要将光源点存在的那些像素部分检测出来，首先要有一个比较稳定的基准参考图像，并将该基准参考图像存储在计算机的存储器里，并通过上述的背景自适应法对基准参考图像进行动态更新，通过实时拍摄到图像与该基准参考图像间进行图像相减，相减的结果发生变化的区域亮度增强，图像相减的计算公式如式(8)表示，

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)                    (8)

式中f_d(X，t₀，t_i)是实时拍摄到轿厢内的图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到轿厢内的图像，相当于式(1)中的X_mix，cn(i)；f(X，t₀)是基准参考图像，相当于式(1)中的X_mix，bn(i)。

实际图像信号中包含有噪声，而且一般都表现为高频信号，因此在识别过程中要剔除由噪声所产生的图像边缘点。

所述的剔除由噪声所产生的图像边缘点，在本发明中使用四邻域遍历的方法，它用滤波掩膜确定的邻域内像素的平均灰度值去替代图像每个像素点的值，即每一个像素值用其局部邻域内所有值的均值置换，如公式(9)所示：

h[i，j]＝(1/M)∑f[k，1]                    (9)

式中，M是邻域内的像素点总数，本发明中取为4。

像素间的连通性是确定区域的一个重要概念。在二维图像中，假设目标像素周围有m(m＜＝8)个相邻的像素，如果该像素灰度与这m个像素中某一个点A的灰度相等，那么称该像素与点A具有连通性。常用的连通性有4连通和8连通。4连通一般选取目标像素的上、下、左、右四个点。8连通则选取目标像素在二维空间中所有的相邻像素。将所有具有连通性的像素作为一个区域则构成了一个连通区域。

所述的连通区域计算主要解决在图像处理过程中，一幅二值图像，其背景和目标分别具有灰度值0和1。对这样的二值图像，要对目标进行标记，计算每一目标的特征以进行识别，在多目标实时跟踪系统设计中，需要有一种快速而节省内存的连通区域标记算法。我们将像素为0的小区表示此小区无监控对象，若为1则表示此小区有监控对象。所以可以采用连通成分标记法进行缺陷区域的合并。连通标记算法可以找到图像中的所有连通成分，并对同一连通成分中的所有点分配同一标记。下面是连通区域算法，

1)从左到右、从上到下扫描图像；

2)如果像素点为1，则：

·如果上面点和左面点有一个标记，则复制这一标记。

·如果两点有相同的标记，复制这一标记。

·如果两点有不同的标记，则复制上点的标记且将两个标记输入等价表中作为等价标记。

·否则给这个象素点分配新的标记并将这一标记输入等价表。

3)如果需考虑更多的点则回到第2步。

4)在等价表的每一等价集中找到最低的标记。

5)扫描图像，用等价表中的最低标记取代每一标记。

在本发明中采用区域大小属性判断和形状属性判断两种属性来判断所取得的前景跟踪目标是否是人；所述的区域大小属性判断是对上述标记过的每个连通区域求出其面积Si，有下面判断规则：

若Si＜阈值1，则该变化区域为噪声点；

若Si＞阈值2，则该变化区域为大面积的变化，首先考虑到是由于光的照射而产生的变化，但是也不能排除人会携带着一些物品，因此这时设定区域大小影响因子Fs为0.2~0.5之间；

若阈值1＜Si＜阈值2，则该变化区域可疑为有人，这时设定区域大小影响因子Fs为1。

阈值1和阈值2的取值范围的大小是根据从上往下看(斜俯视)一个成年人的平均截面积在0.12m²左右，然后通过视觉系统的标定结果来决定阈值1和阈值2的大小，即像素值的大小。

所述的形状属性判断是对上述标记过的每个连通区域求出其面积Si求其形状特征属性再与参考图像在几何关系上达到匹配，匹配的标准是使两幅图像的相似性达到最大；为了简化计算提高实时处理能力，本发明中具体的做法是：将人体模型简化矩形模型，首先求每个连通区域的(水平方向的长度)平均宽度和(垂直方向的长度)高度，平均宽度wi用在高度hi方向的分成4等份的宽度均值，并以该平均宽度wi和高度hi作一个矩形，然后用公式(10)计算某个连通区域与该连通区域的矩形的面积比，

${\mathrm{\ϵ}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(10\right)$

计算所得的ε_area ⁱ值在0.5~0.9之间，接着用公式(11)进行下面的矩形的宽度wi与高度hi的比的计算，ε_area ⁱ值小于0.5时就将该连通区域排除(不认为是有人)，

${\mathrm{\ϵ}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(11\right)$

计算所得到的ε_rate ⁱ值根据空间位置关系，划分若干个区域半径，每个区越半径中有其判断指标，比如在10m~12m的区域半径范围内，ε_rate ⁱ值在0.15~0.4之间，设定形状属性影响因子Fsh为1。

符合或者基本符合区域大小属性和形状属性的运动对象我们将其作为是在轿厢内的乘客；有些时候轿厢内的人体会发生重叠，对连通区域超过一定阈值的情况也作为轿厢内有人。

所述的电梯门状态动作判断模块，用于判断电梯门的开启状态以及变化状态，在轿厢内安装好摄像装置后，通过摄像装置可以得到轿厢内的图像，在这个图像中通过用户界面定义电梯门所在的区域位置，为了防止在电梯使用过程中乘客的身体遮挡电梯门而影响检测，在本发明中电梯门的检测区域定义在上部(占电梯门高度的1/3)，如图6中的1所示，在该区域中乘客对电梯门的遮挡可能性比较小；关于用图像方式来检测电梯门的开启状态，上述在检测轿厢内是否有人的检测中用到了背景减算法，在检测电梯门状态动作也是采用同样的方法，所不同的是在一个检测区域内的检测，我们定义轿厢门关的时候为背景，如果用背景减算法求的连通区域有整块出现，那么这时轿厢门处于开的状态，否则就处于关的状态；另外还有一个情况是电梯门处在从开到关的过渡状态(轿厢升降前的关门)或者是从关到开的过渡状态(轿厢到站后的开门)，从开到关的检测可以通过每帧的背景减算法求得的连通区域是在水平方向上从大变小的过程来得到；而从关到开的检测可以通过每帧的背景减算法求得的连通区域是在水平方向上从小变大的过程来得到；作为电梯门状态检测中另外还有一个非常重要的检测，就是电梯门开着的状态下电梯发生升降动作，即开门走梯的检测；

所述的开门走梯的检测是利用上述在检测区域内检测到轿厢门处于开的状态并电梯发生升降动作来进行判断的；

所述的轿厢与平台错位的视频检测，在轿厢内安装好摄像装置后，通过摄像装置可以得到轿厢停靠在某个站点的图像，在这个图像中通过用户界面定义电梯门处于开门状态时轿厢与平台结合处所在的区域位置，轿厢与平台结合处，如图6中的2所示，在轿厢端有一条明显的平行于电梯门的直线，在平台端也有一条明显的平行于电梯门的直线，轿厢与平台没有发生错位时，这两条直线之间的距离会发生变化，因此检测轿厢与平台是否发生错位就可以通过检测直线之间的距离来进行判定；另外有时轿厢与平台结合处并没有明显的直线情况时，可以在轿厢与平台结合处画上或者用装饰的方式将具有比较颜色特征的矩形，该矩形的短的一边是作为检测端，将短的一边平均分为一半，一半在轿厢端靠近与平台结合处，一半在平台端靠近与轿厢结合处，在轿厢与平台没有发生错位时，该矩形的短边的边长就作为判断标准，然后就可以通过检测矩形的短边的边长是否变化或者是在该矩形的短边的边长中间有一条其他颜色的条纹出现，对于矩形的短边的边长变短的情况被判定为轿厢有上错位发生，如果矩形的短边的边长为矩形的短边的一半时(且轿门处在打开状态时)，就判定为轿厢与平台结合发生严重错位，如果矩形的短边的边长变长同时中间有一条其他颜色的条纹出现时，就判定为轿厢有下错位发生，判定轿厢与平台错位是在轿厢开门后立即检测的，如果检测到有错位情况发生必须马上用语音提醒乘客注意安全；

所述的溜车故障检测，所谓溜车是乘客进入电梯后没有选层电梯便启动，这种判断必须与时间一起来进行判断，如果是乘客进入电梯后经过5分钟电梯启动这是因为其他楼层的呼叫或者群控电梯控制的作用而引起的，这种情况是正确的不能判定为溜车故障，能判定为溜车故障的情况是当从电梯门关闭后开始，检测到有乘客进入电梯但是没有检测到选层灯亮的情况，选层控制面板区域如图6中的3所示，且在1分钟以内电梯发生启动，只有在上述三种情况都满足的条件下才判定为溜车故障；这里利用了电梯门状态动作判断模块中判断的结果并以此作为事故判定的开始时间、也利用到了电梯内是否有人的判断的结果、也利用了检测选择楼层的信息显示板的判断结果；

所述的电梯的其他安全隐患判定，主要是判定轿厢上下运动的加速度是否是在允许的范围内，轿厢一旦发生冲顶或坠落情况轿厢的加速度会超过额定值，如果电梯在上行过程中如果负荷大同时加速度大的情况下非常容易产生电梯驱动部分的机械故障，因此检测的关键是轿厢上下运动的加速度的检测同时考虑轿厢载人的负荷，轿厢载人的负荷的视频检测在上述的轿厢内有人的判断模块中得到，轿厢内视频图像相减所得到的连通区域的大小来进行判断，连通区域越大说明轿厢载重负荷越大；对于轿厢上下运动的加速度的视频检测需要有一个轿厢加速度可视化过程，本发明中使用一个弹簧质量振动子结构，用图像颜色特征明显的质量体来反映轿厢加速度，这是因为轿厢一旦发生冲顶或坠落时，这个具有明显图像颜色特征的质量体的上下振幅就会超过正常电梯运行时的上下振幅值，那么就可以将检测轿厢发生冲顶或坠落事故问题转化为检测具有明显图像颜色特征的质量体的上下振幅问题；

所述的弹簧质量振动子是由一个质量体与一个弹簧组成，如图4所示，当质量体的加速度发生变化时，由于惯性力的作用会产生上下来回振动，惯性力的大小与轿厢所受的加速度的大小成正比，因此质量体的振幅大小也与轿厢所受的加速度的大小成正比，所以可以用从视频角度测量质量体的振幅来检测轿厢上下运动的加速度；为了使所述的弹簧质量振动子的安装以及检测的方便，在考虑到轿厢空间的前提情况下，安装在轿厢内控制板的上方，检测区域如图6中的4所示，避免被乘客的身体所遮挡，同时质量体的视频检测面积尽可能设计的比较大些且颜色设计上更容易识别，以提高检测的可靠性；从弹簧质量振动子的安装方便以及不容易被故意扰乱者破坏角度考虑，将弹簧质量振动子设计成一个封闭的扁平形的箱体，如图4所示，形状如一个闹钟的钟摆，朝向摄像装置的是一个透明的平面使得轿厢内的摄像装置能够检测到质量体的上下振动，在该扁平形的箱体内的上部连接着一根弹簧，弹簧的另一端圆形的质量体；这样就可以通过弹簧长度的变化得到在质量体上所受到的加速度，用式(12)来表示弹簧质量振动子的质量体中心作受力情况分析，

$\mathrm{mg}-k(y-l_0)=m\stackrel{\·\·}{y}---\left(12\right)$

式(12)中，m为圆形质量体的质量，1。为静态情况时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数，g为重力加速度，y和 表示圆形质量体的重心位置到悬挂点的距离以及圆形质量体的加速度，其中y是可以通过视频图像可以观测到的，m为圆形质量体的质量，1。为静止状态时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数都是可以设计的，式(12)也可以改写成式(13)，

$\stackrel{\·\·}{y}=g-\frac{k}{m}(y-l_0)---\left(13\right)$

较大的观测位移y是有助于提高角速度的视频测量精度的，因此设计中可以将弹簧系数k设计的小些，而圆形质量体的质量m设计的大些；当轿厢向上启动时，圆形质量体由于原来是处在一个静止状态，而弹簧的悬挂点是以 的加速度进行加速运动，导致了圆形质量体与弹簧的悬挂点之间的相对位置发生改变(弹簧被拉长)，然后发生来回振动，因此可以得到圆形质量体的质量中心的运动轨迹图，如图5所示，从这张轨迹图上我们可以得到如下一些信息，即圆形质量体的质量中心偏移静止状态时的最大位移，最大位移发生的方向，根据式(13)可以知道最大位移与加速度是一个正比关系，因此得到轿厢运动的加速度，而最大位移发生的方向则反映了轿厢运动的方向，向下发生最大位移表明轿厢是向上加速运动，反之向上发生最大位移表明轿厢是向下加速运动，利用这些结果能有效的判断轿厢发生冲顶、坠落等故障，也可以检测轿厢运行速度过快、轿厢运行速度过慢等潜在的事故前兆；

所述的轿厢发生坠落事故判断，是利用了重物在坠落过程中接近失重状态，因此从视频角度的判断条件是圆形质量体向上发生最大位移超过正常向上运动的k1倍，同时在一个时间内没有发生振动，本发明中在用户界面中设置了圆形质量体的所在的区域位置，如图6中的4所示，使得上述的检测更快、更准确；

所述的冲顶(电梯不停，直上直下不听控制)故障判断，是根据在轿厢内控制盘上已经有选择楼层的信息、电梯运行方向的信息以及电梯门的开启情况或者圆形质量体向下发生最大位移超过正常向上或向下运动的k2倍并在一个短周期内重复发生超过正常值的情况来进行综合判断的，一般在乘客进入电梯后首先会选择要去楼层的按钮，在选择好按钮后该按钮的灯就会亮，如图6中的3所示，另外轿厢内轿门处都有一个目前轿厢所处的楼层信息以及上下行信息，如图6中的5所示，利用这些信息然后结合电梯门的开启的状态过程信息，就能检测是否有冲顶故障发生，如果当检测到轿厢内控制盘上已经有选择楼层的信息，同时也发现电梯的上下行方向信息有一次发生变化，在这个时间段中又没有检测到有电梯门的开启的状态的变化，那么就判定为冲顶故障发生，或者检测到圆形质量体向下发生最大位移超过正常向上或向下运动的k2倍并在一个短周期内重复发生超过正常值的情况(比如2分钟内出现圆形质量体反复激励上下振动)；为了很好地检测到已经有选择楼层的信息、电梯运行方向的信息，本发明中在用户界面中设置了选择楼层的信息、电梯运行方向的信息的检测区域，通过用户界面定义了选择楼层控制面板的所在的区域位置、电梯运行方向显示面板的所在的区域位置以及圆形质量体的所在的区域位置，使得上述的检测更快、更准确。

所述的轿厢运行速度过快、轿厢运行速度过慢的检测，是通过检测上述圆形质量体的加速度而计算得到的，轿厢运行速度取决于轿厢启动时的加速度，轿厢运行速度过快表明圆形质量体的加速度比额定的加速度要大，加速时间要比额定的加速时间长；轿厢运行速度过慢表明圆形质量体的加速度比额定的加速度要小，加速时间要比额定的加速时间短；因此可以用图6的振幅以及振动衰减周期来进行判断，因此对于轿厢运行速度过快的判断条件是图6所示的振幅要比正常运行时的振幅大，振动衰减周期要比正常运行时的振动衰减周期长；对于轿厢运行速度过慢的判断条件是图6所示的振幅要比正常运行时的振幅小，振动衰减周期要比正常运行时的振动衰减周期短；所述的正常运行时的振幅以及振动衰减周期可以在调试好电梯后自动学习得到的，在学习过程中将这些数据作为标准比较值存放在存储单元中；

上述用视频检测弹簧质量振动子的方法与检测轿厢内是否有人的检测中用到的背景减算法相同；

所述的用于检测轿厢内的视频服务器是嵌入式Linux系统，所述的控制调度中心所使用的是PC机或者是服务器，本发明中的用户程序模块是由C和Java语言实现的。

实施例2

参照图1～图6，本实施例的在无线视频传输方面，采用了视频信息的视频采集芯片、用于进行小波视频压缩的视频压缩芯片、用于实时计算每一场图像的量化参数以及完成一些重要算法的DSP芯片，用于对视频采集芯片和DSP芯片进行逻辑控制的高复杂度可编程逻辑器件(CPLD)、用于无线通信的通信串口，采集的数字视频经视频压缩芯片压缩后，由DSP对进行打包，然后由无线收发模块发送压缩的视频数据，无线收发模块符合IEEE802.11b的通信标准。

其余结构和工作过程与实施例1相同。

上述的实施例1和2所产生的发明效果是充分利用了日益成熟的无线视频通信计算、嵌入式系统、动态图像识别与理解等技术，通过各种电梯门状态、轿厢内是否有人、轿厢运行的加速度、轿厢内选层控制面板、轿厢内上下行以及当前楼层显示面板、轿厢与平台结合处等视频信息完成电梯困人、轿厢与平台错位、冲顶、溜车、开门走梯等电梯事故的视频检测，给电梯系统装上了一副安全防范检测慧眼，提高电梯的安全运送及服务水平，减轻了电梯维护和检修的成本。

Claims (8)

1、一种基于图像识别技术的电梯安全防范装置，包括安装在电梯轿厢顶部的视频传感器、用于监控电梯的监控中心计算机，所述的视频传感器与监控中心计算机连接，所述的监控中心计算机包括用于实时显示电梯视频数据的显示模块，所述显示模块连接显示装置，其特征在于：所述的视频传感器通过无线网络交换设备与监控中心计算机无线数据连接，所述的无线网络交换设备为电梯所在大楼的无线局域网的中心，所述的监控计算机包括用于电梯安全防范的微处理器，所述的微处理器包括：

图像读取模块，用于将电梯轿厢内的视频信息采集下来；

图像变化计算模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(8)表示：

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)                (8)

上式中，f_d(X，t₀，t_i)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到图像；f(X，t₀)是基准参考图像；

连通区域计算模块，用于对当前图像进行标记，像素灰度为0的背景，像素灰度为1为目标，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；

电梯内是否有人判断模块，用于根据连通区域的大小属性以及形状属性进行判断，如同时满足大小属性、形状属性，判定电梯轿厢内有人，该判断模块包括：

区域大小属性判断单元，用于对所述的每个连通区域求出其面积，并依照如下判断规则：

若Si＜阈值1，则该变化区域为噪声点；

若Si＞阈值2，则该变化区域为大面积的变化，首先考虑到是由于光的照射而产生的变化，但是也不能排除人会携带着一些物品，因此这时设定区域大小影响因子Fs为0.2～0.5之间；

若阈值1＜Si＜阈值2，则该变化区域可疑为有人，设定区域大小影响因子Fs为1；

阈值1和阈值2的取值范围的大小是根据从上往下看一个成年人的平均截面积在0.12m2左右，然后通过视觉系统的标定结果来决定阈值1和阈值2的大小，即像素值的大小；

形状属性判断单元，用于根据每个连通区域求出其面积Si求其形状特征属性，与人体模型作比较，首先求每个连通区域的平均宽度和高度，平均宽度wi用在高度hi方向的分成4等份的宽度均值，并以该平均宽度wi和高度hi作一个矩形，然后用公式(10)计算某个连通区域与该连通区域的矩形的面积比，

${\mathrm{\ϵ}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(10\right)$

计算所得的ε_area ⁱ值在0.5～0.9之间，接着用公式(11)进行下面的矩形的宽度wi与高度hi的比的计算，ε_area ⁱ值小于0.5时就将该连通区域排除，

${\mathrm{\ϵ}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(11\right)$

计算所得到的ε_rate ⁱ值根据空间位置关系，划分若干个区域半径，每个区域半径中有其判断指标，比如在10m～12m的区域半径范围内，ε_rate ⁱ值在0.15～0.4之间，设定形状属性影响因子Fsh为1；

电梯门状态动作判断模块，用于安装好视频传感器后，得到的轿厢初始图像，定义电梯门处于关状态时上部区域为背景图像，将当前的图像与背景图像进行背景减算法，如连通区域有整块出现，判断轿厢门处于开的状态；否则轿厢门处于关的状态；通过相邻各帧图像的检测，如连通区域的面积在水平方向上从大到小，判断轿厢门从开到关，如连通区域的面积在水平方向上从小到大，判断轿厢门从关到开；

电梯困人判断模块，用于判断轿厢内有人后，并检测到轿厢门没有动作的时间超出设定的时间阈值，判定为电梯困人故障发生，发出告警信息；

开门走梯判断模块，用于判断轿厢门处于打开状态，且电梯发生升降运动，判定为开门走梯故障发生，发出告警信息。

2、如权利要求1所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的微处理器还包括：轿厢与平台错位判断模块，用于依照轿厢停靠在站点的图像，定义电梯门处于开门状态时轿厢与平台结合处的区域位置，在轿厢端平行于电梯门的直线，在平台端平行于电梯门的直线，预设该两条直线之间的正常距离，如当前两条直线的距离与正常距离不一致，判定发生错位故障发生，发出告警提示信息。

3、如权利要求1所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的微处理器还包括：溜车故障检测模块，用于判断在电梯门关闭后开始，判断轿厢内有人，且选层灯没有变亮，在1分钟以内电梯发生启动，判定为溜车故障发生，发出告警提示信息。

4、如权利要求1所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的轿厢内安装弹簧质量振动子，所述的弹簧质量振动子是由一个质量体与一个弹簧组成，所述的微处理器还包括：

振动子设定模块，用于根据弹簧长度的变化得到在质量体上所受到的加速度，用式(12)来表示弹簧质量振动子的质量体中心作受力情况分析，

$\mathrm{mg}-k(y-l_0)=m\stackrel{\·\·}{y}---\left(12\right)$

式(12)中，m为圆形质量体的质量，l_o为静态情况时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数，g为重力加速度，y和

表示圆形质量体的重心位置到悬挂点的距离以及圆形质量体的加速度，其中y是通过视频图像可以观测到的，m为圆形质量体的质量，l_o为静止状态时圆形质量体的重心位置到悬挂点的距离，k为弹簧系数都是可以设计的，式(12)也可以改写成式(13)，

$\stackrel{\·\·}{y}=g-\frac{k}{m}(y-l_0)---\left(13\right)$

圆形质量体的质量中心偏移静止状态时的最大位移与加速度呈正比关系，最大位移发生的方向与轿厢运动的方向对应，向下发生最大位移表明轿厢是向上加速运动，向上发生最大位移表明轿厢是向下加速运动；

轿厢发生坠落事故判断模块，用于判断质量体向上发生的最大位移超过设定的正常最大距离的k1倍，同时在设定时间内没有发生振动，判定为坠落事故发生，发出告警提示信息；

电梯冲顶故障判断模块，用于当检测到轿厢门内控制盘已经选择楼层信息，电梯的上下行方向信息发生一次变化，且没有检测到有电梯门开启状态，判定为冲顶故障发生，发出告警提示信息；

轿厢运行速度异常判断模块，用于预设质量体的正常运行时的最大位移和振动衰减周期，如当前的最大位移比正常运行时的最大位移大，当前的振动衰减周期比正常运行时长，判断为速度过快；如当前的最大位移比正常运行时的最大位移小，当前的振动衰减周期比正常运行时短，判断为速度过快；发出告警提示信息；

5、如权利要求1-4之一所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的微处理器还包括背景维护模块，所述的背景维护模块包括：

背景亮度计算单元，用于计算平均背景亮度Yb计算公式如式(4)所示：

${\stackrel{\‾}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{H-1}{\mathrm{\Σ}}}(1-M_n(x,y))}---\left(4\right)$

式(4)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表，所述的掩模表是用一个与视频帧尺寸相同的数组M来记录各像素点是否有运动变化，参见式(6)：

公式(4)中的背景亮度是从RGB颜色空间到YCrCb颜色空间的转换得到的，其公式(7)给出，

Y＝0.29990*R+0.5870*G+0.1140*B(7)；

Cr＝0.5000*R-0.4187*G-0.0813*B+128

Cb＝-0.1787*R-0.3313*G+0.5000*B+128    (7)

上式中，Y代表YUV颜色模型的亮度，U、V是YUV颜色模型的两个彩色分量，表示色差；R表示RGB色彩空间的红色；G表示RGB色彩空间的绿色；B表示RGB色彩空间的蓝色；

Yb0为判定为运动对象时前一帧的背景亮度，Yb1为检测到检测对象时第一帧的背景亮度，两帧平均亮度的变化为：

ΔY＝Yb1-Yb0                            (5)

如果ΔY大于上限值，则认为发生了开灯事件；如果ΔY小于某个下限值，则认为发生了关灯事件；如ΔY介于上限值和下限值之间，则认为光线自然变化；

背景自适应单元，用于当光线自然变化时，按照下式(1)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)    (1)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度；λ＝0，使用固定不变的背景(初始背景)；λ＝1，使用当前帧作为背景；0＜λ＜1，背景由前一时刻的背景与当前帧混合而成；

当光线由开关灯引起的，背景像素按照当前帧重置，参见式(2)：

X_mix，bn+1(i)＝X_mix，cn(i)                  (2)。

6、如权利要求5所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的微处理器还包括：

噪声剔除模块，用于将每一个像素值用其局部邻域内所有值的均值置换，如公式(9)所示：

h[i，j]＝(1/M)∑f[k，1]                      (9)

上式(9)中，M是邻域内的像素点总数。

7、如权利要求6所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的视频传感器连接视频处理器，所述视频处理器包括：

图像记录模块，用于将电梯轿厢内的视频信息记录下来；

图像处理模块，用于将记录下来的视频数据进行压缩编码、复用以及调制成压缩视频数据；

第一无线收发模块，用于依照通信标准，发送压缩的视频数据；

所述的监控中心计算机包括：

第二无线收发模块，用于依照通信标准，接收压缩的视频数据；

图像解压处理模块，用于将接收的数据进行解压缩、解复用以及解调，恢复成视频数据；

所述的图像解压处理模块的输出连接图像读取模块。

8、如权利要求7所述的基于图像识别技术的电梯安全防范装置，其特征在于：所述的第一无线收发模块为符合通信标准的无线网卡，所述的监控中心计算机包括与所述无线网卡配合的TCP/IP协议、无线网络接口，所述的微处理器为嵌入式Linux微处理器。

Images