一种电梯异物检测方法、系统、计算机存储介质、电梯

技术领域

本发明涉及电梯安全的技术领域，尤其是涉及一种电梯异物检测方法、系统、计算机存储介质、电梯。

背景技术

电梯是指服务于建筑物内若干特定的楼层，其轿厢运行在至少两列垂直于水平面或与铅垂线倾斜角小于15°的刚性轨道运动的永久运输设备。电梯在我们的生活中非常普遍，广泛应用于办公楼、小区、商场等场所。

现有的电梯在运行的过程中，为提高整体电梯使用的安全性，会在电梯门的两侧设置有红外传感器，门边内的一端发射红外线，门边内的另一端接收所发出的红外线，从而对人或物进行检测；一旦红外线被隔断，就会控制电梯保持开启或者反向打开。

上述中的现有技术方案存在以下缺陷：红外线在使用的过程中，通常第对一条直线上的人或物进行检测，同时红外线发射器和接收器的使用数量有限，因此，一旦有人伸脚到电梯门或者有狗绳的情况下，可能会检测不到，直接关门会导致安全问题，还有改进的空间。

发明内容

本发明的第一目的是提供一种电梯异物检测方法，减少误差，提高了电梯使用的安全性。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种电梯异物检测方法，包括：

获取电梯轿厢与电梯外部的当前图像信息；

根据当前图像信息从预先训练好的障碍模型中判断出障碍信息；

根据障碍信息以控制电梯门的开启或保持开启。

通过采用上述技术方案，通过学习好的障碍模型与获取到的图像信息，从而判断障碍信息的输出，一旦接收到障碍信息就代表着检测区域中有异物，此时将电梯门进行开启或者保持开启，提高了电梯使用的安全性。

本发明进一步设置为：图像信息的获取方法如下：

获取摄像头安装后的当前显示信息，当前显示信息为实时视频抽帧以得到BGR三通道的彩色图像；

从当前显示信息中筛选出与障碍模型中一致的目标检测区域，并将目标区域与障碍模型的图片像素值保持一致；

根据目标检测区域以生成当前图像信息。

通过采用上述技术方案，通过显示信息将通过实时视频抽帧，从而得到BGR三通道的彩色图像，并通过对目标检测区域的获取，并与图片像素值以保持一致的大小，实用性强。

本发明进一步设置为：目标检测区域的获取方式如下：

将当前显示信息与所预设的地坎模型进行匹配以获取显示信息中的地坎位置信息；

根据地坎位置信息获取地坎的中心坐标以及地坎的高度，以地坎的上下边缘为目标检测区域的上下边界，地坎的高度为目标检测区域的高度，并上下边界往两边延申至整个图像宽度，以获得目标检测区域；

根据障碍模型中的图片像素值进行缩放以及裁剪。

通过采用上述技术方案，通过对地坎和门框的位置判断，从而确认检测的中心点，通过中心点以对整体的比例进行调节，并且孔目标检测区域的大小，配合图片像素值进行缩放裁剪，实用性强。

本发明进一步设置为：包括：

根据当前显示信息从预先设置的电梯数据库中查找出电梯门高度信息；

根据电梯门高度信息以及摄像头安装位置以更新地坎模型。

通过采用上述技术方案，通过对电梯门高度进行判断，再通过安装的摄像头的摄像头安装位置进行判断，以更新地坎模型，从而提高整体图像识别的准确性，实用性强。

本发明进一步设置为：障碍模型的训练方法如下：

获取电梯轿厢与电梯外部的样本图像信息并作为样本，样本图像信息包括异物图像信息与无异物图像信息；

将样本图像信息进行数据清洗并裁剪成预设的图片像素值并进行预处理；

将预处理后的样本图像信息输入至神经网络中进行训练，以学习到可判别目标区域中有异物与无异物的特征，并选取准确率曲线图中大于所预设的准确率的神经网络模型；

将学习好的神经网络模型进行输出以生成障碍模型。

通过采用上述技术方案，通过对样本的获取，从而对有异物和无异物的情况进行判断，通过大量的学习，以提高整体的响应能力，并通过准确率曲线图，从而将准确率高的神经网络模型进行筛选，提高准确度，实用性强。

本发明进一步设置为：包括：

获取摄像头安装后并进行数据采集的当前采集信息，当前采集信息为实时视频抽帧以得到BGR三通道的彩色图像；

将当前采集信息与所预设的地坎模型进行匹配以获取采集信息中的地坎采集信息；

将当前采集信息与所预设的电梯门模型进行匹配以获取采集信息中的电梯门采集信息；

根据地坎采集信息与电梯门采集信息以地坎中心为基点以电梯门开合的极限点为边界生成采集中心点；

以采集中心点为基准按照电梯门采集信息与地坎采集信息的比例关系以控制图片像素值的大小并进行裁剪。

通过采用上述技术方案，通过对采集信息的获取，从而得到的彩色图像，通过地坎和电梯门的配合，以确定采集中心点，在通过比例关系从而进行图片像素值和大小的调节，实用性强。

本发明的第二目的是提供一种电梯异物检测系统，减少误差，提高了电梯使用的安全性。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种电梯异物检测系统，包括：

获取模块，用于获取前图像信息、显示信息、样本图像信息、采集信息；

存储器，用于存储如上述的电梯异物检测方法的程序；

处理器，存储器中的程序能够被处理器加载执行且实现如上述的电梯异物检测方法。

通过采用上述技术方案，通过对图像信息与障碍模型进行对比，从而判断障碍信息的输出，一旦接收到障碍信息就代表着地坎上有异物，此时将电梯门进行开启或者保持开启，提高了电梯使用的安全性。

本发明的第三目的是提供一种计算机存储介质，以便于实现减少误差，提高了电梯使用的安全性的方法。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种计算机存储介质，包括能够被处理器加载执行时实现上述的电梯异物检测方法的程序。

通过采用上述技术方案，通过对图像信息与障碍模型进行对比，从而判断障碍信息的输出，一旦接收到障碍信息就代表着地坎上有异物，此时将电梯门进行开启或者保持开启，提高了电梯使用的安全性。

本发明的第四目的是提供一种电梯，减少误差，提高了电梯使用的安全性。

本发明的上述发明目的是通过以下技术方案得以实现的：

一种电梯，包括：

处理器，用于加载并执行指令集；以及

如上述的存储介质。

通过采用上述技术方案，通过对图像信息与障碍模型进行对比，从而判断障碍信息的输出，一旦接收到障碍信息就代表着地坎上有异物，此时将电梯门进行开启或者保持开启，提高了电梯使用的安全性。

综上所述，本发明的有益技术效果为：

1.通过图像采集与图像对比的方式，减少误差，提高了电梯使用的安全性；

2.运用神经网络算法对大量电梯门核心区域有无异物样本进行学习得到一个二分类模型，并用该模型对新的样本进行正确预测，从而实现电梯核心区域的保护功能。

附图说明

图1是电梯轿厢与电梯外部检测的方法示意图。

图2是获取目标检测区域的方法示意图。

图3是对目标检测区域大小裁剪的方法示意图。

图4是门框模型与地坎模型的调节方法示意图。

图5是障碍模型的生成方法示意图。

图6是图片像素值控制大小的方法示意图。

具体实施方式

以下结合附图1-6对本发明作进一步详细说明。

参照图1所示，为本发明公开的一种电梯异物检测方法，通过摄像头安装于电梯内，从而对电梯关门时的状态进行判断，并控制电梯门的打开、保持打开，提高电梯使用的安全性。

电梯轿厢与电梯外部检测的方法如下：

步骤S100、获取电梯轿厢与电梯外部的当前图像信息。

摄像头安装与电梯内，通过摄像头对当前位置的图像进行采集，并且在安装的时候对准电梯轿厢以及电梯外部，从而对两者之间的位置进行检测与判断异物。

步骤S101、根据当前图像信息从预先训练好的障碍模型中判断出障碍信息。

障碍模型为自主深度学习后的数据库模型，障碍模型中设置有无异物和有异物的状态信息，通过对不同图片的学习，从而准确的判断当前图片是有异物还是无异物的状态，一旦出现有异物的状态时，就会输出障碍信息。

步骤S102、根据障碍信息以控制电梯门的开启或保持开启。

一旦接收到障碍信息的时候，对目前电梯的状态进行判断，如果电梯门为打开状态时，就会保持开启；如果电梯门为正在关闭的状态，则控制电梯门有关闭转换为开启。

参照图2所示，图像信息通过摄像头进行获取，且获取的方法如下：

步骤S200、获取摄像头安装后的当前显示信息，当前显示信息为实时视频抽帧以得到BGR三通道的彩色图像。

摄像头根据安装的位置对当前的显示情况进行输出，因此输出当前显示信息，同时使用OpenCV库对摄像头采集的实时视频进行抽帧，从而得到BGR三通道彩色图像。

步骤S201、从当前显示信息中筛选出与障碍模型中一致的目标检测区域，并将目标区域与障碍模型的图片像素值保持一致。

将显示出的图像，与障碍模型中的目标检测区域进行对比，从而将显示信息中的图像的检测区域进行缩减，以提高判断的效率，同时，在删减后的图像中，将图片像素值保持一致，从而获得相同大小的图片，以提高整体的判断准确度。

步骤S202、根据目标检测区域以生成当前图像信息。

通过目标检测区域，将调节好的图像定义为当前图像信息，以供调取和使用。

参照图3所示，在图像中获取出目标检测区域，从而可以减少判断和识别的范围，目标检测区域的获取方式如下：

步骤S300、将当前显示信息与所预设的地坎模型进行匹配以获取显示信息中的地坎位置信息。

地坎模型为预设的模型，地坎模型在存储前，通过不同的电梯的地坎数据训练进行得到，从而生成地坎模型以供调取匹配，效率更高。通过对地坎模型的对比从而在显示信息中识别出地坎，以获取出地坎位置信息。

步骤S301、根据地坎位置信息获取地坎的中心坐标以及地坎的高度，以地坎的上下边缘为目标检测区域的上下边界，地坎的高度为目标检测区域的高度，并上下边界往两边延申至整个图像宽度，以获得目标检测区域。

根据检测到的地坎位置，定位核心区域的上下边界，即区域垂直方向上的位置与高度，水平方向上是整个图像宽度，在得到地坎中心坐标的y值与地坎高度，就会得到目标检测区域。

步骤S302、根据障碍模型中的图片像素值进行缩放以及裁剪。

将已经从图像中识别出来的地坎位置进行定位，同时将地坎中心为基点，而地坎中心为当前图像中，地坎位置的中心点，再通过门框的长度和高度进行匹配，从而生成检测中心点。由于需要对是否有异物，因此对检测中心点的判断，可以减少检测对比图像的像素值。

通过识别出来的检测中心点，再通过识别出来的地坎位置和门框位置，并且通过比例关系以控制目标检测区域的大小，当图像中目标检测区域中过小时，就会将对应区域中的图像进行放大，一旦图像过大时，就会对应区域中的图像缩小。

再将图片与障碍模型中的图片像素值进行缩放和裁剪，以提高整体的判断准确性。

参照图4所示，门框模型与地坎模型需要根据摄像头安装的位置进行调节，且调节方法如下：

步骤S400、根据当前显示信息从预先设置的电梯数据库中查找出电梯门高度信息。

由于电梯不同，因此针对不同型号的电梯，具有不同的电梯门的高度，因此针对不同型号的电梯，进行电梯门进行选择，减少判断的误差。

电梯数据库中预存有电梯门的高度，即电体门高度信息，摄像头的安装与电梯门的高度位置相关联，因此也能获得摄像头的位置，从而进行判断。

步骤S401、根据电梯门高度信息以及摄像头安装位置以更新地坎模型。

通过不同的电梯门的高度和摄像头的位置状态的变化，从而更新地坎模型，从而提高整体的检测的准确性。

此时需要通过比例关系以控制目标检测区域的大小，当图像中目标检测区域中过小时，就会将对应区域中的图像进行放大，一旦图像过大时，就会对应区域中的图像缩小。

参照图5所示，障碍模型有自主生成，且障碍模型的生成方法如下：

步骤S500、获取电梯轿厢与电梯外部的样本图像信息并作为样本，样本图像信息包括异物图像信息与无异物图像信息。

获取电梯轿厢与电梯外部的样本图像信息并作为样本,获取是基于深度学习实现的，通过大量的标注数据作为样本，通过摄像头采集大量无异物和有异物的样本图像，图像的分辨率优选为640*480。

步骤S501、将样本图像信息进行数据清洗并裁剪成预设的图片像素值并进行预处理。

数据清洗就是将重复图像进行删除，过曝图像进行删除，过暗图像进行删除等。并将合格的图像进行裁剪呈图片像素值进行处理，裁剪的过程也可以通过人工框选的方式进行处理。

步骤S502、将预处理后的样本图像信息输入至神经网络中进行训练，以学习到可判别目标区域中有异物与无异物的特征，并选取准确率曲线图中大于所预设的准确率的神经网络模型。

将样本图像信息输入至神经网络，主要用于学习。

步骤S503、将学习好的神经网络模型进行输出以生成障碍模型。

通过神经网络的预处理图像进行训练，从而学习到可以判别该目标区域中的有异物和无异物的特制，从而对样本进行预测。同时在对神经网络模型进行使用的时候，挑选取准确率曲线图中大于所预设的准确率的模型，以提高准确性。

完成训练后，得到学习好的神经网络模型，该模型可方便部署到移动设备中，如树莓派3b+等，以实现对有异物和无异物的判断。

参照图6所示，图片像素值控制大小的控制方法如下：

步骤S600、获取摄像头安装后并进行数据采集的当前采集信息，当前采集信息为实时视频抽帧以得到BGR三通道的彩色图像。

摄像头根据安装的位置对当前的显示情况进行输出，因此输出当前采集信息，同时使用OpenCV库对摄像头采集的实时视频进行抽帧，从而得到BGR三通道彩色图像。

步骤S601、将当前采集信息与所预设的地坎模型进行匹配以获取采集信息中的地坎采集信息。

地坎模型为预设的模型，由于电梯上的地坎模型比较单一，因此直接采用模型进行对比，效率更高。通过对地坎模型的对比从而在采集信息中识别出地坎，以获取出地坎采集信息。

步骤S602、将当前采集信息与所预设的电梯门模型进行匹配以获取采集信息中的电梯门采集信息。

电梯门模型为预设的模型，由于电梯上的电梯门模型比较单一，因此直接采用模型进行对比，效率更高。通过对电梯门模型的对比从而在采集信息中识别出电梯门，以获取出电梯门采集信息。

步骤S603、根据地坎采集信息与电梯门采集信息以地坎中心为基点以电梯门开合的极限点为边界生成采集中心点。

将已经从图像中识别出来的电梯门位置和地坎位置进行定位，同时将地坎中心为基点，而地坎中心为当前图像中，地坎位置的中心点，再通过电梯门的开合极限点，即全部关闭和全部打开进行匹配，从而生成采集中心点。由于需要对是否有异物，因此对检测中心点的判断，可以减少检测对比图像的像素值。

步骤S604、以采集中心点为基准按照电梯门采集信息与地坎采集信息的比例关系以控制图片像素值的大小并进行裁剪。

通过识别出来的采集中心点，再通过识别出来的地坎位置和电梯门位置，并且通过比例关系以控制目标检测区域的大小，当图像中目标检测区域中过小时，就会将对应区域中的图像进行放大，一旦图像过大时，就会对应区域中的图像缩小。

本实施例中，在样本输入神经网络前，先将样本划分为训练集、验证集与测试集。然后把训练集样本输入神经网络进行模型中训练。

验证集是用来验证训练出的模型的准确率，然后根据准确率的高低，调整训练策略，得到表现最佳的模型。

测试集是实际用于测试效果的数据集，用于观测实际效果。

基于同一发明构思，本发明实施例提供一种电梯异物检测系统，包括：

获取模块，用于获取前图像信息、显示信息、样本图像信息、采集信息；

存储器，用于存储如图1-6中的方法；

处理器，存储器中的程序能够被处理器加载执行且实现如图1-6中的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。

基于同一发明构思，本发明实施例提供一种计算机存储介质，包括能够被处理器加载执行包括如图1-6流程中的各个步骤。

计算机存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

基于同一发明构思，本发明实施例提供一种电梯，包括：处理器，用于加载并执行指令集；以及上述的存储介质。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，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，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。

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，本申请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该技术方案的全部或部分可以以软件产品的形式体现出来，该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(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请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、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。