一种识别电动扶梯异常运行状况的方法和系统的制作方法
【专利摘要】本发明公开了一种识别电动扶梯异常运行状况的方法及系统,该方法包括:采用摄像机采集电动扶梯的实时运行图像;在预设的有效区域内对采集的实时图像进行采样并提取采样点;实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态;判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若不相符,则输出报警信息。本发明实现方式简单,抗干扰性强,持续性及稳定性高,可广泛应用在公共场所对电动扶梯进行监测,环境适应力强,具有较高的通用性。
【专利说明】一种识别电动扶梯异常运行状况的方法和系统
【技术领域】
[0001]本发明涉及电动扶梯的监控领域,特别是一种识别电动扶梯异常运行状况的方法和系统。
【背景技术】 [0002]在地铁站、商场等一些公共场所,电动扶梯有时会因为电气故障或人为破坏而造成正常运作的电动扶梯突然停止或逆行等异常状况。如近几年在国内的地铁站就发生过几起电动扶梯突然急停或逆行的情况,造成了现场严重的秩序混乱和重大的人员伤亡。目前对电动扶梯进行监测一般都使用一个独立的运动传感器来监测电动扶梯的运动状况,然后把运行状况反馈到监控中心,以便工作人员了解电动扶梯当前的运行状况。但是这种方法有以下缺点:(1)需要在电动扶梯现有的电气结构中增加额外的电气装置,包括运动传感器及其配件,会修改原有电动扶梯系统的电气构造,即实现方式较为复杂;(2)运动传感器可能会受到电动扶梯中其他的电气装置的电磁干扰而造成误报警,抗干扰性低;(3)异常报警后监控中心无法通过运动传感器来查看现场的图像或视频,从而进一步确定险情,即持续性及稳定性较差。
【发明内容】
[0003]为了解决上述的技术问题,本发明的目的是提供一种实现方式简单、抗干扰性强以及稳定性高的识别电动扶梯异常运行状况的方法。本发明的另一目的是提供一种实现方式简单、抗干扰性强以及稳定性高的识别电动扶梯异常运行状况的系统。
[0004]本发明解决其技术问题所采用的技术方案是:
一种识别电动扶梯异常运行状况的方法,包括:
51、采用摄像机采集电动扶梯的实时运行图像;
52、在预设的有效区域内对采集的实时图像进行采样并提取采样点;
53、实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;
54、统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态;
55、判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回步骤SI,否则,输出报警信息并返回步骤SI。
[0005]进一步,所述摄像机架设在电动扶梯的上方,且与电动扶梯的垂直方向的夹角处于-45° ^45°之间。
[0006]进一步,所述步骤S3包括:
531、实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度;
532、计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ;
533、对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ;
534、对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
[0007]进一步,所述步骤S34,其具体为:
按照以下条件,分别统计每帧图像的所有采样点中向上运动、向下运动和静止这三种运动状态的采样点的总数,进而将总数最多的运动状态作为该帧图像的运动状态:
一、若某个采样点的运动方向大于0,则该采样点的运动状态为向上运动;
二、若某个采样点的运动方向小于0,则该采样点的运动状态为向下运动;
三、若某个采样点的运动方向等于0,则该采样点的运动状态为静止。
[0008]本发明解决其技术问题所采用的另一技术方案是:
一种识别电动扶梯异常运行状况的系统,包括:
第一模块,用于采用摄像机采集电动扶梯的实时运行图像;
第二模块,用于在预设的有效区域内对采集的实时图像进行采样并提取采样点;
第三模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;
第四模块,用于统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态;
第五模块,用于判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回第一模块,否则,输出报警信息并返回第一模块。
[0009]进一步,所述第三模块包括:
第一子模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度;
第二子模块,用于计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ;
第三子模块,对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ;
第四子模块,用于对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
[0010]本发明的有益效果是:本发明的一种识别电动扶梯异常运行状况的方法,采用摄像机采集电动扶梯的实时运行图像后,在预设的有效区域内对采集的实时图像进行采样并提取采样点,然后实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态,从而统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态,最后判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,不相符,则输出报警信息,本方法实现方式简单,抗干扰性强,而且持续性及稳定性高,可以广泛应用在各类公共场所对电动扶梯进行监测,环境适应力强,具有较高的通用性。
[0011]本发明的另一有益效果是:本发明的一种识别电动扶梯异常运行状况的系统,可以采用摄像机采集电动扶梯的实时运行图像后,在预设的有效区域内对采集的实时图像进行采样并提取采样点,然后实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态,从而统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态,最后判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,不相符,则输出报警信息,本系统实现方式简单,抗干扰性强,而且持续性及稳定性高,可以广泛应用在各类公共场所对电动扶梯进行监测,环境适应力强,具有较高的通用性。
【专利附图】
【附图说明】
[0012]下面结合附图和实施例对本发明作进一步作为优选的实施方式说明。
[0013]图1是本发明的一种识别电动扶梯异常运行状况的方法的流程图;
图2是本发明的一种识别电动扶梯异常运行状况的方法的摄像机安装位置示意图。
【具体实施方式】
[0014]参照图1,本发明提供了一种识别电动扶梯异常运行状况的方法,包括:
51、采用摄像机采集电动扶梯的实时运行图像;
52、在预设的有效区域内对采集的实时图像进行采样并提取采样点;
53、实时利用Lucas-Kanade光流法计算每巾贞图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;
54、统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态;
55、判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回步骤SI,否则,输出报警信息并返回步骤SI。
[0015]进一步作为优选的实施方式,所述摄像机架设在电动扶梯的上方,且与电动扶梯的垂直方向的夹角处于-45°?45°之间。
[0016]进一步作为优选的实施方式,所述步骤S3包括:
531、实时利用Lucas-Kanade光流法计算每巾贞图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度;
532、计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ;
533、对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ;
534、对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
[0017]进一步作为优选的实施方式,所述步骤S34,其具体为:
按照以下条件,分别统计每帧图像的所有采样点中向上运动、向下运动和静止这三种运动状态的采样点的总数,进而将总数最多的运动状态作为该帧图像的运动状态:
一、若某个采样点的运动方向大于0,则该采样点的运动状态为向上运动;
二、若某个采样点的运动方向小于0,则该采样点的运动状态为向下运动; 三、若某个采样点的运动方向等于O,则该采样点的运动状态为静止。
[0018]本发明还提供了一种识别电动扶梯异常运行状况的系统,包括:
第一模块,用于采用摄像机采集电动扶梯的实时运行图像;
第二模块,用于在预设的有效区域内对采集的实时图像进行采样并提取采样点;
第三模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;
第四模块,用于统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态;
第五模块,用于判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回第一模块,否则,输出报警信息并返回第一模块。
[0019]进一步作为优选的实施方式,所述第三模块包括:
第一子模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度;
第二子模块,用于计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ;
第三子模块,对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ;
第四子模块,用于对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
[0020]以下结合具体实施例对本发明做进一步说明:
参照图1,一种识别电动扶梯异常运行状况的方法,包括:
S1、采用摄像机采集电动扶梯的实时运行图像;参照图2,摄像机架设在电动扶梯的上方,且与电动扶梯的垂直方向的夹角处于-45°?45°之间。
[0021]S2、在预设的有效区域内对采集的实时图像进行采样并提取采样点,预设的有效区域是指预先设定的图像的分析区域,分析区域的宽度应该和电动扶梯的宽度相近,分析区域的高度应该覆盖3飞个阶梯;采样时,在分析区域内,根据预先设定的采样间隔,计算采样点的坐标并提取采样点,一般情况下采样间隔设为5到9个像素,例如采样间隔为6个像素,则分别在图像上的X方向和I方向上每隔6个像素提取一个采样点。
[0022]S3、实时利用Lucas-Kanade光流法计算每巾贞图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态;
详细地,步骤S3包括以下步骤:
531、实时利用Lucas-Kanade光流法计算每巾贞图像的每个采样点在图像上的运动矢量,运动矢量包括运动方向和运动速度;Lucas_Kanade光流法是目前最为成熟的计算图像上像素点的运动矢量的方法,Lucas-Kanade光流法可以根据视频中相邻两帧图像的灰度变化,快速计算出图像中每个像素点的运动矢量,即运动方向和运动速度,关于该方法的详细步骤可参照《learing opencv)) 一书中第10章Lucas-Kanade部分的描述;
532、计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ;差值阈值是根据大量数据总结得出的一个经验值,本实施例中,差值阈值优选为30度; 533、对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ;电动扶梯正常运行时,预设的速度区间应该根据现场环境而设定,如本实施例中,设为3?10像素,若获得的采样点的运动速度过大或者过小,则判断该采样点受到噪声干扰,即该点为噪声点,同样的将噪声点的运动方向和运动速度均设为O ;
534、对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态,具体为:
按照以下条件,分别统计每帧图像的所有采样点中向上运动、向下运动和静止这三种运动状态的采样点的总数,进而将总数最多的运动状态作为该帧图像的运动状态:
一、若某个采样点的运动方向大于O,则该采样点的运动状态为向上运动;
二、若某个采样点的运动方向小于O,则该采样点的运动状态为向下运动;
三、若某个采样点的运动方向等于O,则该采样点的运动状态为静止。
[0023]S4、统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态,预设时间阈值是预先设定的一个统计时间区间,例如5s,或者是设定为连续获取N帧图像的时间,假设设定预设时间阈值为连续获取60帧图像的时间,则统计连续出现的60帧图像的运动状态,从而将出现次数最多的运动状态作为电动扶梯的运动状态。本方法是对采集的实时图像进行采样并进行处理后,最后获得电动扶梯的运动状态的,因此,这里,电动扶梯的运动状态是指电动扶梯的实时运动状态。
[0024]S5、判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回步骤SI,否则,输出报警信息并返回步骤SI ;例如,所监测的电动扶梯正常状态下是向上运动,则预设的电动扶梯运动状态为向上运动,若获得的电动扶梯的运动状态是向下运动,则输出报警信息;这里输出报警信息可以采取输出警报声音、弹出报警提示窗口、发送报警信息等等手段,同时还可并保存相关的图像和视频时间信息,以便监控中心工作人员确认险情和进行应急处理,必要时还可以自动切断电动扶梯的电源使其紧急停止运行。
[0025]本方法只需要在电动扶梯上方安装一摄像头即可,无需改动电动扶梯系统的电气构造,实现方式简单,同时本方法完全独立于电动扶梯,不会受到电动扶梯的电磁干扰而造成误报警,而且本方法识别出电动扶梯异常运行状态后,可继续全天候24小时地对电动扶梯进行监测,持续性及稳定性高,可以广泛应用在各类公共场所对电动扶梯进行监测,环境适应力强,具有较高的通用性。
[0026]本发明的一种识别电动扶梯异常运行状况的系统是与一种识别电动扶梯异常运行状况的方法一一对应的软系统,因此本实施例中的技术手段以及技术效果也同样适用于本发明的一种识别电动扶梯异常运行状况的系统,这里不做重复描述。
[0027]以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
【权利要求】
1.一种识别电动扶梯异常运行状况的方法,其特征在于,包括: S1、采用摄像机采集电动扶梯的实时运行图像; S2、在预设的有效区域内对采集的实时图像进行采样并提取采样点; S3、实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态; S4、统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态; S5、判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回步骤SI,否则,输出报警信息并返回步骤SI。
2.根据权利要求1所述的一种识别电动扶梯异常运行状况的方法,其特征在于,所述摄像机架设在电动扶梯的上方,且与电动扶梯的垂直方向的夹角处于-45° ^45°之间。
3.根据权利要求1所述的一种识别电动扶梯异常运行状况的方法,其特征在于,所述步骤S3包括: S31、实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度; S32、计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ; S33、对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ; S34、对每帧图像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
4.根据权利要求3所述的一种识别电动扶梯异常运行状况的方法,其特征在于,所述步骤S34,其具体为: 按照以下条件,分别统计每帧图像的所有采样点中向上运动、向下运动和静止这三种运动状态的采样点的总数,进而将总数最多的运动状态作为该帧图像的运动状态: 一、若某个采样点的运动方向大于O,则该采样点的运动状态为向上运动; 二、若某个采样点的运动方向小于O,则该采样点的运动状态为向下运动; 三、若某个采样点的运动方向等于O,则该采样点的运动状态为静止。
5.一种识别电动扶梯异常运行状况的系统,其特征在于,包括: 第一模块,用于采用摄像机采集电动扶梯的实时运行图像; 第二模块,用于在预设的有效区域内对采集的实时图像进行采样并提取采样点; 第三模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量并识别噪声点,进而获得每帧图像的运动状态; 第四模块,用于统计预设时间阈值内所采集的连续的多帧图像的运动状态,进而将出现次数最多的运动状态作为电动扶梯的运动状态; 第五模块,用于判断获得的电动扶梯的运动状态是否与预设的电动扶梯运动状态相符,若是,则返回第一模块,否则,输出报警信息并返回第一模块。
6.根据权利要求5所述的一种识别电动扶梯异常运行状况的系统,其特征在于,所述第三模块包括:第一子模块,用于实时利用Lucas-Kanade光流法计算每帧图像的每个采样点在图像上的运动矢量,所述运动矢量包括运动方向和运动速度; 第二子模块,用于计算每个采样点的运动方向与水平方向的差值,若该差值小于预设的差值阈值,则判断该点为噪声点,将其运动方向和运动速度均设为O ; 第三子模块,对每个采样点的运动速度进行判断,若该运动速度不在预设的速度区间内,则判断该采样点为噪声点,将其运动方向和运动速度均设为O ; 第四子模块,用于对每帧图 像中的所有采样点的运动方向进行统计,进而获得每帧图像的运动状态。
【文档编号】H04N7/18GK103699878SQ201310662025
【公开日】2014年4月2日 申请日期:2013年12月9日 优先权日:2013年12月9日
【发明者】钟文坤, 谭哲, 郭湧 申请人:安维思电子科技(广州)有限公司