一种客梯内玻璃检测与识别的方法及系统

技术领域

本发明涉及电梯技术领域，具体涉及一种客梯内玻璃检测与识别的方法及系统。

背景技术

随着城市建设的快速发展，客梯作为一种高效便捷的交通工具，广泛应用于各类建筑中。客梯的设计和技术水平直接关系到用户的出行体验和安全性。传统的客梯系统无法有效地检测到玻璃异物，导致客梯门在不适当的时候突然关闭。客梯门的突然关闭可能对使用者的安全构成威胁，特别是当有人正在进入或离开客梯时。这可能导致夹伤，并且在极端情况下，甚至可能造成生命危险。

在传统的客梯门玻璃检测系统中，通常采用单一传感器来检测门口是否有障碍物。这种单一传感器的应用存在一系列局限性，其中包括物体识别精度低和误识别等问题。由于这些局限性，客梯门在检测到障碍物时可能无法做出及时而准确的反应，进而导致潜在的安全风险。为了应对这一挑战，需要采用更先进的技术手段，引入多传感器系统，以提高对门口障碍物的识别精度。通过整合视觉识别、红外感应等多种传感技术，可以实现对玻璃异物的全方位监测，从而更有效地防范门关闭时的意外情况。因此，提高客梯门玻璃检测与识别的准确性和智能化水平成为当前仍待解决的问题。

发明内容

为了解决现有技术存在的问题，本发明提供一种客梯内玻璃检测与识别的方法及系统，结合红外线传感器和多视角相机技术，实现了对客梯内部的玻璃的高效检测与识别。

一种客梯内玻璃检测与识别的方法，包含以下步骤:

S1:初步区分玻璃和其他异物，选用高灵敏度和稳定性的红外线传感器，通过测量玻璃和其他异物对红外光的透射率进行初步区分；

S2:设置两个视角的高分辨率相机，在预设方向采集客梯轿门外围以及轿厢内的图像数据，将两个视角的图像信息进行融合；

S3:通过基于强尺度不变性的目标检测算法对步骤S2中融合后的图像实现玻璃检测；

S4:将红外线传感器和多视角相机的结果进行综合判断；

S5:记录数据并做出相应预警，将当前的时间戳、传感器测量值和图像信息等进行存储，并触发相应的预警机制。

进一步地，所述步骤S1具体包括:

S11:采用高灵敏度和稳定性的红外线传感器，确保在不同光照条件和环境中能够可靠工作；

S12:传感器发射红外光束，测量其透过玻璃和其他异物时的透射率，用于区分透明和非透明材质。透射率(Trm)可以通过测量传感器接收到的透射光强度(I

其中，I

S13:获取传感器输出的透射率数据，并建立透射率的基准值。通过大量样本的测量和校准，形成区分玻璃和其他异物的透射率(Trm)阈值范围:

T

其中，T

S14:使用多波段红外光进行透射率测量，以增加系统对不同材质的敏感性；

S15:采用自适应算法，根据历史数据动态调整阈值，提高识别的稳定性和适应性，进行玻璃材质的初步区分。

进一步地，所述步骤S2具体包括:

S21:在客梯预设方向位置设置两个高分辨率相机，其中一个安装在客梯轿门外围，另一个安装在轿厢内；

S22:启动设置的两个相机并进行相关初始化，同时采集客梯轿门外围和轿厢内的全景视角的图像数据；

S23:对于每个相机拍摄的图像，将图像中的目标点通过透视投影技术映射到同一平面上，消除因不同视角引起的尺度和对齐问题；

所述的透视投影技术主要步骤如下:

(1)首先，对两个相机进行标定，确定相机的内参和外参，包括焦距、主点坐标、畸变系数等；

(2)对于每个相机拍摄的图像，通过图像中的特征点或标定板上的角点等方式提取对应的二维坐标。利用相机的内参和外参，将这些二维坐标还原为三维空间中的坐标；

(3)将每个相机得到的三维坐标通过透视投影变换映射到一个公共的平面上。透视投影是一种非线性变换，可以通过相机的内参矩阵和外参矩阵进行计算。对于三维点坐标(X,Y,Z)，其在图像上的投影坐标(x,y)可以通过以下公式计算:

其中，P是相机的投影矩阵，w是归一化因子；

(4)对投影后的坐标进行归一化，将其转换为齐次坐标，即

(5)将两个相机得到的投影坐标对齐到同一平面。这可以通过选取一个相机为基准，将其投影坐标系作为参考，然后将另一个相机的投影坐标映射到该坐标系上。

S24:基于图像叠加技术将经过透视投影处理后的两个图像的像素值进行加权叠加，其中权重可根据相机的位置、焦距等参数进行调整，以获得一个全景图像。

进一步地，所述步骤S3具体包括:

S31:将待检测的图像送入神经网络模型进行处理，通过一系列卷积和池化等操作，提取图像的特征；

S32:将提取的图像特征经过四个残差块进行进一步的特征转换和学习，这四个残差块分别包含了3个、4个、6个和3个残差单元；

S33:将从残差块输出的特征传递到全连接层，根据玻璃目标的尺度分布特点，采用k均值聚类算法对玻璃目标尺度进行聚类，生成B个初始预测框，每个预测框对目标类别进行概率预测；

S34:采用最小化距离的非最大值抑制算法对所有预测框进行过滤，并对保留的预测框进行损失函数边框检测，得到最终包含目标类别和位置坐标的检测结果。

所述损失函数表达式如下:

其中，α为权重，υ衡量长宽比的相似度，b，b

进一步地，所述步骤S4具体包括:

S41:获取红外线传感器的透射率测量值和目标检测算法输出的类别置信度，包括目标的位置、边界框、预测概率等；

S42:基于历史数据、传感器性能评估等多方面的因素，为红外线传感器和多视角相机设定各自的信任级别；

S43:通过加权平均的方式，计算综合信任级别。如果综合信任级别达到预设的阈值，则判定为可靠的综合结果；

S44:设定异常检测规则，用于检测红外线传感器的透射率测量值与多视角相机的目标检测结果之间是否存在明显矛盾。如果异常检测规则被触发，系统将记录异常情况以供后续分析。

进一步地，所述步骤S5具体包括:

S51:当传感器检测到玻璃或其他异物时，系统记录当前的时间戳。时间戳的记录精确到毫秒，以确保后续数据分析的准确性；

S52:将传感器测量到的透射率值或相关的光学参数记录下来，以便后续对于玻璃材质透射率值的分析；

S53:将从多视角相机捕捉到的图像信息保存在系统数据库中，包括门上方和客梯内部的图像，以便后续的数据分析和验证；

S54:提供远程访问和管理接口，系统管理人员可以随时随地查看和管理记录的数据；

S55:设定不同的预警级别，当确定有玻璃进入客梯门时，根据事件的严重性和紧急程度进行分类，生成相应级别的预警通知，调用警报系统或呼叫相关工作人员。

本发明的第二个方面涉及一种用于客梯内玻璃检测与识别的系统，包括:

红外采集模块，用于初步区分玻璃和其他异物，选用高灵敏度和稳定性的红外线传感器，通过测量玻璃和其他异物对红外光的透射率进行初步区分；

图像处理模块，设置两个视角的高分辨率相机，用于在预设方向采集客梯轿门外围以及轿厢内的图像数据，将两个视角的图像信息进行融合；

玻璃检测模块，利用基于强尺度不变性的目标检测算法对融合后的图像实现玻璃检测；

结果分析模块，用于将红外线传感器和多视角相机的结果进行综合判断；

预警模块，用于记录数据并做出相应预警，将当前的时间戳、传感器测量值和图像信息等进行存储，并触发相应的预警机制。

与现有技术相比。本发明所达到的有益效果是:设计提出了一种用于客梯内玻璃检测与识别的方法及系统。首先，采用高灵敏度和稳定性的红外线传感器，通过透射率特征测量和多波段检测实现了对玻璃和其他异物的准确区分，相较传统光电对射系统具有更高的准确性。引入多视角相机和图像融合算法，提升了检测的全面性，有效减少了漏检和误检的可能性。同时，系统具备动态环境适应和自适应性调整能力，能够灵活应对不同光照条件和材质变化。通过数据记录、智能分析和远程管理，本发明实现了对传感器测量值和图像信息的多维度记录、分析与优化，为系统的学习和性能提升提供了强有力的支持。预警机制不仅包括时间戳记录和传感器测量值记录，还引入了数据分类、异常检测、多参数关联分析等机制，使得预警更加灵活和准确。综上所述，本发明在检测准确性、智能化水平、灵活性和用户体验等方面相对于现有技术表现出显著的优势，为客梯安全运行提供了更为先进和全面的解决方案。

附图说明

下面结合附图及实施例对本发明作进一步说明，在附图中:

附图1为一种用于客梯内玻璃检测与识别的方法总体流程示意图；

附图2为本发明第一阶段通过红外线传感器对玻璃和其他异物进行初步区分流程示意图；

附图3为本发明第二阶段通过图像融合和神经网络对玻璃和其他异物进行精准区分流程示意图；

附图4为本发明实施例二提供的一种用于客梯内玻璃检测与识别系统结构示意图。

具体实施方式

为了更清楚地描述本发明的技术方案，本文将结合具体实施例对本发明提供的技术方案进行详细说明，并通过附图对本发明做进一步阐述。需要注意的是，这些具体实施例仅是本发明的部分实施例，用于对本发明进行解释，而非对本发明的限定。

实施例一

本发明实施例提供的一种用于客梯内玻璃检测与识别方法，包括如下步骤:

S1:初步区分玻璃和其他异物，选用高灵敏度和稳定性的红外线传感器，通过测量玻璃和其他异物对红外光的透射率进行初步区分；

S2:设置两个视角的高分辨率相机，在预设方向采集客梯轿门外围以及轿厢内的图像数据，将两个视角的图像信息进行融合；

S3:通过基于强尺度不变性的目标检测算法对步骤S2中融合后的图像实现玻璃检测；

S4:将红外线传感器和多视角相机的结果进行综合判断；

S5:记录数据并做出相应预警，将当前的时间戳、传感器测量值和图像信息等进行存储，并触发相应的预警机制。

参照附图2，步骤S1所述的红外线传感器初步区分玻璃和其他异物，具体识别流程如下:

S1-1:根据客梯门口的特殊环境，采用高灵敏度和稳定性的红外线传感器，确保在不同光照条件和环境中能够可靠工作；

S1-2:传感器发射红外光束，测量其透过玻璃和其他异物时的透射率，用于区分透明和非透明材质。透射率(Trm)可以通过测量传感器接收到的透射光强度(I

其中，I

S1-3:获取传感器输出的透射率数据，并建立透射率的基准值。通过大量样本的测量和校准，形成区分玻璃和其他异物的透射率(Trm)阈值范围:

T

其中，T

S1-4:使用多波段红外光进行透射率测量，以增加系统对不同材质的敏感性。通过透射率测量参数的优化，提高系统对不同厚度和材质的玻璃以及其他异物的区分能力；

S1-5:采用自适应算法，根据历史数据动态调整阈值，提高识别的稳定性和适应性，进行玻璃材质的初步区分。

参照附图3，步骤S2所述的融合两个视角相机所拍摄的图像数据，具体流程如下:

S2-1:在客梯预设方向位置设置两个高分辨率相机，其中一个安装在客梯轿门外围，另一个安装在轿厢内；

S2-2:启动设置的两个相机并进行相关初始化，同时采集客梯轿门外围和轿厢内的全景视角的图像数据；

S2-3:对于每个相机拍摄的图像，将图像中的目标点通过透视投影技术映射到同一平面上，消除因不同视角引起的尺度和对齐问题；

所述的透视投影技术主要步骤如下:

(1)首先，对两个相机进行标定，确定相机的内参和外参，包括焦距、主点坐标、畸变系数等；

(2)对于每个相机拍摄的图像，通过图像中的特征点或标定板上的角点等方式提取对应的二维坐标。利用相机的内参和外参，将这些二维坐标还原为三维空间中的坐标；

(3)将每个相机得到的三维坐标通过透视投影变换映射到一个公共的平面上。透视投影是一种非线性变换，可以通过相机的内参矩阵和外参矩阵进行计算。对于三维点坐标(X,Y,Z)，其在图像上的投影坐标(x,y)可以通过以下公式计算:

其中，P是相机的投影矩阵，w是归一化因子；

(4)对投影后的坐标进行归一化，将其转换为齐次坐标，即

(5)将两个相机得到的投影坐标对齐到同一平面。这可以通过选取一个相机为基准，将其投影坐标系作为参考，然后将另一个相机的投影坐标映射到该坐标系上。

S2-4:基于图像叠加技术将经过透视投影处理后的两个图像的像素值进行加权叠加，其中权重可根据相机的位置、焦距等参数进行调整，以获得一个全景图像；

所述的图像叠加技术主要步骤如下:

(1)对于每个像素，根据相机的位置、焦距等参数分配权重以确定其在图像叠加中的贡献；

(2)通过将两个原始图像的像素值乘以相应的权重并相加，计算得到新的像素值；

(3)对融合后的像素值归一化处理以确保图像的正确显示。

参照附图3，步骤S3所述强尺度不变性目标检测算法具体流程如下:

S3-1:将待检测的图像送入神经网络模型进行处理，通过一系列卷积和池化等操作，提取图像的特征；

S3-2:将提取的图像特征经过四个残差块进行进一步的特征转换和学习，这四个残差块分别包含了3个、4个、6个和3个残差单元；

S3-3:将从残差块输出的特征传递到全连接层，根据玻璃目标的尺度分布特点，采用k均值聚类算法对玻璃目标尺度进行聚类，生成B个初始预测框，每个预测框对目标类别进行概率预测；

S3-4:采用最小化距离的非最大值抑制算法对所有预测框进行过滤，并对保留的预测框进行损失函数边框检测，得到最终包含目标类别和位置坐标的检测结果。

所述损失函数表达式如下:

其中，α为权重，υ衡量长宽比的相似度，b，b

步骤S4所述的将红外线传感器和多视角相机的结果进行综合判断，具体流程如下；

S4-1:获取红外线传感器的透射率测量值和目标检测算法输出的类别置信度，包括目标的位置、边界框、预测概率等；

S4-2:基于历史数据、传感器性能评估等多方面的因素，为红外线传感器和多视角相机设定各自的信任级别；

S4-3:通过加权平均的方式，计算综合信任级别。如果综合信任级别达到预设的阈值，则判定为可靠的综合结果；

S4-4:设定异常检测规则，用于检测红外线传感器的透射率测量值与多视角相机的目标检测结果之间是否存在明显矛盾。如果异常检测规则被触发，系统将记录异常情况以供后续分析。

步骤S5的具体过程如下:

S5-1:当传感器检测到玻璃或其他异物时，系统记录当前的时间戳。时间戳的记录精确到毫秒，以确保后续数据分析的准确性；

S5-2:将传感器测量到的透射率值或相关的光学参数记录下来，以便后续对于玻璃材质透射率值的分析；

S5-3:将从多视角相机捕捉到的图像信息保存在系统数据库中，包括门上方和客梯内部的图像，以便后续的数据分析和验证；

S5-4:提供远程访问和管理接口，系统管理人员可以随时随地查看和管理记录的数据；

S5-5:设定不同的预警级别，当确定有玻璃进入客梯门时，根据事件的严重性和紧急程度进行分类，生成相应级别的预警通知，调用警报系统或呼叫相关工作人员。

实施例二

如附图4所示，本实施例还提供一种客梯玻璃检测与识别的系统，包括:

红外采集模块，用于初步区分玻璃和其他异物，选用高灵敏度和稳定性的红外线传感器，通过测量玻璃和其他异物对红外光的透射率进行初步区分；

图像处理模块，设置两个视角的高分辨率相机，用于在预设方向采集客梯轿门外围以及轿厢内的图像数据，将两个视角的图像信息进行融合；

玻璃检测模块，利用基于强尺度不变性的目标检测算法对融合后的图像实现玻璃检测；

结果分析模块，用于将红外线传感器和多视角相机的结果进行综合判断；

预警模块，用于记录数据并做出相应预警，将当前的时间戳、传感器测量值和图像信息等进行存储，并触发相应的预警机制。

本发明实施例中的客梯玻璃检测与识别的系统还可配备客梯防碰撞模块，该客梯防碰撞装置能够防止客梯误将玻璃夹碎。

最后，以上只是本发明的实施例和所应用的技术原理。本领域的技术人员将理解，本发明并不局限于此处所述的特定实施例，因为在不脱离本发明的保护范围的情况下，各种明显的变化、重新调整和替代方案都是可能的。因此，虽然以上实施例对本发明进行了详细说明，但本发明并不限于以上实施例。在不超出本发明的构思范围的情况下，还可以包括更多其他等效实施例。本发明的范围由权利要求书所定义。