一种基于机器视觉的乘客越过扶手带检测方法技术

本发明专利技术公开了一种基于机器视觉的乘客越过扶手带检测方法，包括步骤：1)视频图像采集及感兴趣区域(ROI区域)选取；2)利用CodeBook算法建立视频的背景模型，并进行背景差分；3)对得到的前景进行图像处理；4)通过扶手带的灰度直方图模板判断前景是否是乘客；5)利用camshift算法跟踪前景中属于人体的部分；6)计算属于人体对应前景的面积大小，中心点坐标；7)通过扶手带上、外侧前景面积的比例，以及它们中心点位置的关系分析是否有乘客越过扶手带。通过本发明专利技术方法可以有效提高手扶电梯的安全质量，避免了突发事件后的情况进一步恶化，把手扶电梯上有乘客攀爬扶手带后的损伤降到最低。

A detection algorithm for passengers crossing the handrail based on machine vision

The invention discloses a method comprising the steps of machine vision walking elevator passengers anomaly detection algorithm based on video image acquisition: 1) and region of interest (ROI) selection; 2) using the background model based on codebook algorithm of video, and background difference; 3) to get the prospect of image processing; 4 whether) histogram template to determine the handrail prospect through the passenger; 5) using the CAMSHIFT algorithm in tracking foreground belongs to the parts of the human body; 6) the size of the corresponding calculation belongs to the foreground, the center coordinates; 7) through the handrail, lateral prospect area ratio and the relationship between them is the center point a passenger over the handrail. The algorithm can effectively improve the safety quality of the walking elevator, avoid the deterioration of the situation after the accident, and minimize the damage to the passengers after climbing the handrail.

【技术实现步骤摘要】
一种基于机器视觉的乘客越过扶手带检测算法
本专利技术涉及图像模式识别及电梯生产的
，尤其是指一种基于机器视觉的乘客越过扶手带检测算法。
技术介绍
随着经济的增长，手扶电梯的使用已经越来越频繁，而随之而来的手扶电梯上的安全事故也越来越多。一旦乘客翻越电梯扶手带或者趴伏在扶手带上，手扶电梯不能及时地反应与应对，而是机械地维持同一种工作模式，从而造成异常情况的放大及恶化。而在每个手扶电梯旁都设置应急工作人员监控手扶电梯及乘客的状态是不可能的。因此，能让手扶电梯在异常情况发生时，自动地调整工作模式就显得非常重要。采用视频监控图像对手扶电梯上的乘客行为进行分析处理，当出现异常情况时，能快速反应，自动让手扶电梯切换工作模式，这样能大大降低手扶电梯上的安全事故，使异常情况的危害降到最低。手扶电梯的智能监控系统通过实时获取手扶电梯上的视频图像，并通过分析该视频图像来判断手扶电梯上乘客是否翻越扶手带，当出现异常情况时能及时把异常情况反馈给手扶电梯控制器，手扶电梯控制器能根据不同的异常状态对手扶电梯的工作模式进行调整。该系统包括图像采集、图像分析、图像处理、模式分类、异常情况识别、异常情况报警(手本文档来自技高网...

【技术保护点】
一种基于机器视觉的乘客越过扶手带检测算法，其特征在于：主要是通过检测分析自动扶梯扶手带上、扶手带外侧前景的运动情况来判断是否有乘客越过扶手带，包括以下步骤：1)视频图像采集及感兴趣区域选取；2)利用codebook算法建立视频的背景模型，并进行背景差分；3)对得到的前景进行图像处理；4)通过扶手带的灰度直方图模板判断前景是否是乘客；5)利用camshift算法跟踪前景中属于人体的部分；6)分析计算属于人体对应前景的面积大小，中心点坐标；7)通过扶手带内、外侧前景面积的比例，以及它们中心点位置的关系分析是否有乘客越过扶手带。

【技术特征摘要】
1.一种基于机器视觉的乘客越过扶手带检测算法，其特征在于：主要是通过检测分析自动扶梯扶手带上、扶手带外侧前景的运动情况来判断是否有乘客越过扶手带，包括以下步骤：1)视频图像采集及感兴趣区域选取；2)利用codebook算法建立视频的背景模型，并进行背景差分；3)对得到的前景进行图像处理；4)通过扶手带的灰度直方图模板判断前景是否是乘客；5)利用camshift算法跟踪前景中属于人体的部分；6)分析计算属于人体对应前景的面积大小，中心点坐标；7)通过扶手带内、外侧前景面积的比例，以及它们中心点位置的关系分析是否有乘客越过扶手带。2.根据权利要求1所述的一种基于机器视觉的乘客越过扶手带检测算法，其特征在于：在步骤1)中，采用摄像头进行图像采集摄像头安装在手扶电梯运动方向的斜上方，其视角要求覆盖整个手扶电梯载客区，并且保证待检测的扶手带竖直处于视频中间；感兴趣区域覆盖扶手带外侧部分以及扶手带。3.根据权利要求1所述的一种基于机器视觉的乘客越过扶手带检测算法，其特征在于：在步骤2)中，获得原始视频后利用codebook算法建立背景模型，并利用背景差分提取得到前景，包括以下步骤：2.1)背景建模CodeBook算法为当前图像的每一个像素建立一个码本CodeBook结构，简称CB，每个CodeBook结构又由多个码字CodeWord组成，CodeWord简称CW；CB和CW的形式如下：CB＝{CW1,CW2,…CWn,t}CW＝{lHigh,lLow,max,min,t_last,stale}其中n为一个CB中所包含的CW的数目，t为CB更新的次数；CW是一个6元组，其中IHigh和ILow作为更新时的学习上下界，max和min记录当前像素的最大值和最小值；t_last为最近一次更新的时刻，stale为自上一次更新后到现在的时间；依次为一组序列图像中的每一个像素都建立CB，便完成背景建模过程；2.2)背景差分使用CodeBook算法检测运动目标的流程如下：①选择一帧到多帧使用更新算法建立CodeBook背景模型；②按上面所述方法检测前景；③间隔设定时间使用更新算法更新CodeBook模型，并对CodeBook进行时间滤波；④若检测继续，转②，否则结束。4.根据权利要求1所述的一种基于机器视觉的乘客越过扶手带行为检测算法，其特征在于：在步骤3)中，对背景差分之后得到的前景图像进行图像处理，包括以下步骤：3.1)二值化首先将得到的前景图像灰度化，设定初始阈值为t，图像的长为M，宽为N，图像中像素的灰度值小于阈值的像素个数记为N1，它们的平均灰度为μ1，像素灰度大于阈值的像素个数记作N2，它们的平均灰度为μ2，所有像素平均灰度为μ，类间方差为g，则有：N1+N2＝M×Nω1+ω2＝1μ＝μ1×ω1+μ2×ω2g＝ω1×(μ-μ1)2+ω2×(μ-μ2)2＝ω1×ω2×(μ1-μ2)2遍历阈值t的所有取值，每取一个t都计算类间方差g；使类间方差最大的t即为最终选定的二值化阈值；获得阈值t后，将图像中灰度值小于或等于t的所有像素点灰度值置为0，将图像中灰度值大于t的所有像素点灰度值置为255，即完成了二值化过程，前景图像转化为二值图像，此图像中白色像素点代表前景，黑色像素点代表背景；3.2)中值滤波去噪声在对待处理图像中的某一点进行中值滤波时，首先将邻域内的像素分类排序，确定其中值，生成一个矩形的中值滤波器，并使中值滤波器在待处理图像上滑动，将滤波器中的像素值置换为对应的中值，在滤波器滑动完整幅图像后即完成了中值滤波的操作；3.3)形态学处理在得到二值图像之后，选取一个矩形的结构元素，结构元素中的所有像素点的灰度值均为255；先对二值图像做一次腐蚀操作，具体操作如下：使结构元素在二值图像上逐点移动，如果结构元素中所有点的灰度值与它在二值图中对应的所有像素点相同，则该点为白色，否则为黑色；再对做了一次腐蚀操作的二值图像做两次膨胀操作，具体操作如下：使结构元素在二值图像上逐点移动，如果结构元素中有一个及以上点的灰度值与它在二值图中对应像素点相同，该点为白色，否则为黑色；3.4)前景分析在做完形态学处理之后的二值图像中，进行轮廓检测；将得到的轮廓保存在向量组中，从序号为0的轮廓开始访问，若轮廓的长度c小于轮廓尺度阈值q，则将该轮廓从向量组中删除，若轮廓的长度c大于或等于阈值q，则用Douglas-Peucker算法对轮廓数据压缩；其中阈值q的选取规则如下：首先根据实际场景选定尺度参数p，然后计算得到待检测图像的宽度w和长度l，则q：依次处理完轮廓序列中的所有轮廓后，将新的轮廓序列绘制出来并填充，便完成前景分析和净化。5.根据权利要求1所述的一种基于机器视觉的乘客越过扶手带检测算法，其特征在于：在步骤4)中，分别选取图像中扶手带上的区域、扶手带上提取到的前景，对比这两幅图像的灰度直方图；若它们的灰度直方图匹配，则认为此处的前景不属于人体，而是被误检后的结果；若不匹配，则认为此处的前景属于扶梯上的乘客；具体步骤如下：首先统计图像中所有像素点的灰度信息，将灰度范围按如下方式分割：range＝bin1∪bin2∪…∪bin15其中range表示所有灰度范围，bini(i＝1,2,…,15)代表将所有灰度范围等分成15个灰度区间，i为区间序号；然后统计掉入每一个区间bini的像素数目，利用这一方法来统计上面的数字矩阵，将x轴设为灰度范围，y轴设为像素数目，得到灰度分布直方图；分别对扶手带上的区域、扶手带上提取到的前景做以上操作即可获得对应的灰度分布直...

【专利技术属性】
技术研发人员：田联房，余陆斌，杜启亮，黎浩正，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44