一种评估电梯内乘客总质量的方法

技术领域

本发明涉及电梯监控领域，具体涉及一种评估电梯内乘客总质量的方法。

背景技术

在现有技术中，电梯系统包括：轿厢、电梯控制箱以及摄像机，轿厢用于乘客乘坐，轿厢顶部设置了电梯控制箱，摄像机能对电梯轿厢内乘客情况进行摄像，并且通过获得的图像计算乘客数量N，通过计算乘客数量N来判断是否超载，但是小孩和成人等差异较大，导致通过乘客数量N来判断是否超载的结果不可靠。

中国专利公开了一种申请号为201611108304.5的基于双目立体视觉的人头检测计数方法，该方法包括：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。虽然能够实现客流场景的人头检测计数。但是也对电梯超载仅仅通过乘客数量N来判断是否超载的结果没有任何影响，如何提高电梯超载判断精度是本申请亟待解决的问题。

发明内容

本发明要提供一种评估电梯内乘客总质量的方法，解决现有技术中不能提高电梯超载判断精度的问题。

为实现上述目的，本发明采用了如下的技术方案：

本发明公开了一种评估电梯内乘客总质量的方法，包括如下步骤：

S1、通过在电梯轿厢顶部安装摄像机，获得轿厢内图像；

S2、分析图像得到人体数据，人体数据包括：人体数量N、人体身高H以及人体肩膀宽度D；

S3、通过分析人体数据计算得到轿厢内所有人的重量M；

S4、判断所有人的重量M是否大于M

优选的是，步骤S2包括如下步骤：

S21、对图像进行滤波处理，得到处理后图像数据组A，A中包含：灰度值f(a,b,c)和图像点(a,b,c)；

S22、利用Sobel算子对处理后图像数据组A进行边缘检测，得到图像边缘；

S23、识别图像边缘得到电梯轿厢内人体边缘数据；

S24、通过对电梯轿厢内人体边缘数据分析得到人体数据。

优选的是，步骤S22包括如下步骤：

S221、设定Sobel卷积算子，Sobel卷积算子包括：横向3×3矩阵Q

S222、计算横向图像灰度值G

G

S223、计算每个图像点(a,b,c)处的结合灰度值G，公式如下：

|G|＝|G

S224、判断每个图像点(a,b,c)处的结合灰度值G是否大于设定阈值G

优选的是，步骤S3包括如下步骤：

S31、使用温度传感器检测每天温度T，利用每天温度T计算穿衣厚度J，计算公式如下：

J＝i

式中，i

S32、计算每个人的体重M

M

式中，a

S33、将电梯中N个人的所有体重相加，得到M。

相比于现有技术，本发明具有如下有益效果：

本申请中，通过摄像机获得图像数据，并且通过图像分析处理得到了人体数据，人体数据包括：人体数量N、人体身高H以及人体肩膀宽度D，通过分析每个人的人体身高H、人体肩膀宽度D，从而预估每个人的体重，从而计算所有人的重量M，从而判断M是否超过了设定值M

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明评估电梯内乘客总质量的方法的流程图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与作用更加清楚及易于了解，下面结合附图和具体实施方式对本发明作进一步阐述：

如图1所示，本发明公开了一种评估电梯内乘客总质量的方法，包括如下步骤：

S1、通过在电梯轿厢顶部安装摄像机，获得轿厢内图像；

S2、分析图像得到人体数据，人体数据包括：人体数量N、人体身高H以及人体肩膀宽度D；

S3、通过分析人体数据计算得到轿厢内所有人的重量M；

S4、判断所有人的重量M是否大于M

步骤S2包括如下步骤：

S21、对图像进行滤波处理，得到处理后图像数据组A，A中包含：灰度值f(a,b,c)和图像点(a,b,c)；

S22、利用Sobel算子对处理后图像数据组A进行边缘检测，得到图像边缘；

S23、识别图像边缘得到电梯轿厢内人体边缘数据；

S24、通过对电梯轿厢内人体边缘数据分析得到人体数据。为了避免杂波对后续图像处理的影响，因此在步骤S21中对图像进行滤波处理，从而使得后续边缘等检测结果更加精确。

步骤S22包括如下步骤：

S221、设定Sobel卷积算子，Sobel卷积算子包括：横向3×3矩阵Q

S222、计算横向图像灰度值G

G

S223、计算每个图像点(a,b,c)处的结合灰度值G，公式如下：

|G|＝|G

S224、判断每个图像点(a,b,c)处的结合灰度值G是否大于设定阈值G

步骤S23包括如下步骤：S231、通过识别边缘点集合EDGE中人头特征，计算得到人体数量N；S232、找出每个人体图像中边缘点(a,b,c)中c的最大值，c代表边缘点的高度，c的最大值为对应这个人体图像的人体身高H；S233、利用神经卷积识别图像数据组A中人体肩部特征，得到左肩顶特征点和右肩顶特征点，左肩顶特征点和右肩顶特征点之间距离为人体肩膀宽度D(此计算方法在中国专利(申请号为：CN201910876598.3，名称为：一种基于图像识别的头部姿态识别方法)已经公开)。

步骤S3包括如下步骤：

S31、使用温度传感器检测每天温度T，利用每天温度T计算穿衣厚度J，计算公式如下：

J＝i

式中，i

S32、计算每个人的体重M

M

式中，a

S33、将电梯中N个人的所有体重相加，得到M。此处通过检测每天温度T，来预算每个人的穿衣厚度J。从而将穿衣厚度J修正人体肩膀宽度D，以提高每个人的体重M

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。