[发明专利]基于计算机视觉识别判断电梯空间状态的方法及装置在审

专利信息
申请号: 202110402401.X 申请日: 2021-04-14
公开(公告)号: CN113104687A 公开(公告)日: 2021-07-13
发明(设计)人: 黄文鑫;邓宇轩;范春晖;秦学博;徐晓冰 申请(专利权)人: 合肥工业大学
主分类号: B66B1/28 分类号: B66B1/28
代理公司: 合肥市浩智运专利代理事务所(普通合伙) 34124 代理人: 丁瑞瑞
地址: 230000 安徽省宣城*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 计算机 视觉 识别 判断 电梯 空间 状态 方法 装置
【权利要求书】:

1.基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述方法包括:

步骤g:控制器接收电梯轿厢内经预处理的图像,根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度,若电梯轿厢拥挤程度小于预设值,则判断电梯轿厢未满,反馈数值0给控制器,若电梯轿厢拥挤程度大于等于预设值,则判断电梯轿厢内部已满,反馈数值1给控制器;

步骤h:当n位用户进入电梯轿厢且K楼有用户按电梯按钮,监控数据处理完毕,反馈给控制器,若控制器接收到电梯轿厢未满指令,电梯此时顺路前往K楼搭载用户,若控制器接收到电梯轿厢已满指令,电梯此时将直接前往1楼运送用户,待电梯轿厢恢复未满状态,再返回K楼接等候电梯的用户。

2.根据权利要求1所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述预处理过程包括:

步骤a:采集电梯内的视频图像;

步骤b:对图像采用加权平均法对每个像素点进行灰度化处理;

步骤c:灰度化处理后的图像利用高斯滤波去除高斯噪声;

步骤d:取电梯空载时的电梯轿厢图像作为背景图像,将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像;

步骤e:对差分图像进行二值化处理,得到反映图像整体和局部特征的二值化图像;

步骤f:对二值化图像进行膨胀处理,得到膨胀化图像,所述膨胀化图像作为电梯轿厢内经预处理的图像。

3.根据权利要求2所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述步骤b还包括:

坐标为(x,y)的像素点进行灰度化处理的公式为

Gray(x,y)=0.299*Red(x,y)+0.587*Green(x,y)+0.114*Blue(x,y)

其中,Gray(x,y)表示坐标为(x,y)的像素点进行灰度化处理后的值,Red(x,y)表示坐标为(x,y)的像素点的R通道值,Green(x,y)表示坐标为(x,y)的像素点得G通道值,Blue(x,y)表示坐标为(x,y)的像素点得B通道值。

4.根据权利要求3所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述步骤c还包括:

利用正态分布对每个进行高斯滤波,其中N维空间正态分布方程为

其中,r表示模糊半径也即坐标为(x,y)的像素点进行灰度化处理后的值,G(r)表示高斯滤波去除高斯噪声后的像素点的值,σ表示正态分布的标准偏差,e()表示以e为底的指数函数。

5.根据权利要求4所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述步骤d中采用cvAbsDiff()函数将去除高斯噪声后的当前图像与背景图像进行相减取绝对值获得差分图像。

6.根据权利要求5所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述步骤e还包括:采用THRESH_BINARY的阈值类型,将差分图像中大于阈值的像素点置255,其余像素点置0。

7.根据权利要求6所述的基于计算机视觉识别判断电梯空间状态的方法,其特征在于,所述步骤f中对二值化图像进行膨胀处理是指将与物体接触的全部背景点合并到该物体中,使边界向外部扩张,所述物体是像素点为255的所有点围成的图形。

8.基于计算机视觉识别判断电梯空间状态的装置,其特征在于,所述装置包括:

控制模块,用于控制器接收电梯轿厢内经预处理的图像,根据电梯轿厢内经预处理的图像判断电梯轿厢拥挤程度,若电梯轿厢拥挤程度小于预设值,则判断电梯轿厢未满,反馈数值0给控制器,若电梯轿厢拥挤程度大于等于预设值,则判断电梯轿厢内部已满,反馈数值1给控制器;

判断模块,用于当n位用户进入电梯轿厢且K楼有用户按电梯按钮,监控数据处理完毕,反馈给控制器,若控制器接收到电梯轿厢未满指令,电梯此时顺路前往K楼搭载用户,若控制器接收到电梯轿厢已满指令,电梯此时将直接前往1楼运送用户,待电梯轿厢恢复未满状态,再返回K楼接等候电梯的用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110402401.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top