乘客运输装置的监测系统、乘客运输装置及其监测方法制造方法及图纸
Passenger transport device monitoring system, passenger transport equipment and monitoring methods
【技术实现步骤摘要】
乘客运输装置的监测系统、乘客运输装置及其监测方法
本专利技术涉及一种乘客运输装置领域，更具体而言，本专利技术涉及乘客运输装置的监测系统及其监测方法。
技术介绍
作为改善乘客在楼层间的行走或缩短乘客步行距离的工具，乘客运输装置在日常生活中十分常见。作为示例，尤为常见的是通常用于商厦楼层间的自动扶梯以及通常用于大型机场的移动人行道。对于此类工具，由于其具有极其广泛的适用范围及使用人群。因此，在使用过程中也不可避免地容易发生多种存在安全隐患的问题。作为其中一类情形，部分群体由于自身原因可能无法乘坐乘客运输装置，例如无人陪同的老年人、残疾人等等，再如无主的宠物或者携带了尺寸超出规格的物品的人群。作为其中另一类情形，一些能够乘坐乘客运输装置的群体在特定情形下可能会处于一些能够导致安全隐患的状态，例如突然在乘客运输装置上跌倒、在乘客运输装置上做出一些危险动作或者由于人流量较大而导致乘客运输装置上过于拥挤。如果能够对这些行为进行较好地检测，以消除安全隐患，则能够进一步改善乘客运输装置的应用。另外，在判断出乘客运输装置上是否发生或即将发生存在安全隐患的特定事件的过程中，需要处理大量冗余的数据。如果在对这些数据进行分析判定前能够先筛除掉部分而不影响其判断准确度的话，也将更进一步地善乘客运输装置的应用。再者，由于现在的人类通常都会随身携带一件或多件可穿戴设备，如果能够对这些设备加以合理的利用，使其也能够起到监测乘客运输装置的作用，则也能够进一步改善乘客运输装置的应用。
技术实现思路
本专利技术目的在于提供一些能够避免或及时制止各种形式的安全问题发生的用于乘客运输装置的监测系统。本...
【技术保护点】
一种乘客运输装置的监测系统，其特征在于，包括：成像传感器和/或深度感测传感器，用于对所述乘客运输装置的监测区域进行感测以获取数据帧；以及处理装置，用于对所述数据帧进行数据处理以监测所述监测区域是否异常，其被配置为包括：背景获取模块，用于基于在所述监测区域处于正常状态下感测的数据帧获取背景模型；前景检测模块，用于将实时感测的数据帧与所述背景模型进行比对以获得前景对象；以及前景特征提取模块，用于从所述前景对象提取相应的前景对象标示特征；状态判断模块，用于至少基于所述前景对象标示特征判断所述前景对象是否属于异常群体，并在判断为“是”的情况下确定所述前景对象属于异常群体。
【技术特征摘要】
1.一种乘客运输装置的监测系统，其特征在于，包括：成像传感器和/或深度感测传感器，用于对所述乘客运输装置的监测区域进行感测以获取数据帧；以及处理装置，用于对所述数据帧进行数据处理以监测所述监测区域是否异常，其被配置为包括：背景获取模块，用于基于在所述监测区域处于正常状态下感测的数据帧获取背景模型；前景检测模块，用于将实时感测的数据帧与所述背景模型进行比对以获得前景对象；以及前景特征提取模块，用于从所述前景对象提取相应的前景对象标示特征；状态判断模块，用于至少基于所述前景对象标示特征判断所述前景对象是否属于异常群体，并在判断为“是”的情况下确定所述前景对象属于异常群体。2.如权利要求1所述的监测系统，其特征在于，所述前景特征提取模块还包括异常人体模型生成子模块，其用于基于人体非自学建模和/或人体自学建模来定义异常人体模型。3.如权利要求2所述的监测系统，其特征在于，所述人体自学建模通过深度学习技术来获得异常人体模型，所述深度学习技术包括深度神经网络、卷积神经网络、递归神经网络、字典学习或视觉词袋模型；且/或所述人体非自学建模包括：骨骼图模型和/或二值图模型。4.如权利要求2所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象标示特征包括前景对象中人体的颜色、尺寸、形状及速度中的一个或多个，所述状态判断模块基于所述前景对象中的人体的颜色、尺寸、形状及速度中的一个或多个来判断所述前景对象是否属于异常群体。5.如权利要求4所述的监测系统，其特征在于，在前景对象中人体的颜色、尺寸、形状及速度中的一个或多个落入所述异常人体模型中时，所述状态判断模块判断所述前景对象属于异常群体。6.如权利要求2所述的监测系统，其特征在于，所述前景特征提取模块还包括异常物体模型生成子模块，其用于基于物体非自学建模和/或物体自学建模来定义异常物体模型。7.如权利要求6所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象标示特征还包括前景对象中物体的尺寸和/或形状，所述工况判断模块基于所述前景对象中的物体的尺寸和/或形状来判断所述前景对象是否属于异常群体。8.如权利要求7所述的监测系统，其特征在于，在前景对象中物体的尺寸和/或形状落入所述异常物体模型中时，所述状态判断模块判断所述前景对象属于异常群体。9.如权利要求2至8任意一项所述的监测系统，其特征在于，在所述前景对象属于异常群体时，所述前景特征提取模块还用于从所述前景对象中提取异常群体周围相应的前景对象标示特征；所述状态判断模块还用于至少基于异常群体周围相应的前景对象标示特征判断所述前景对象处于异常状态，并在判断为“是”的情况下确定所述前景对象处于异常状态。10.如权利要求1所述的监测系统，其特征在于，所述前景特征提取模块还包括宠物模型生成子模块，其用于基于宠物非自学建模和/或宠物自学建模来定义宠物模型。11.如权利要求10所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象标示特征包括前景对象中宠物的形状、轮廓、尺寸及颜色中的一个或多个，所述状态判断模块基于所述前景对象中的宠物的形状、轮廓、尺寸及颜色中的一个或多个来判断所述前景对象是否属于异常群体。12.如权利要求11所述的监测系统，其特征在于，在前景对象中宠物的尺寸和/或形状落入所述宠物模型中时，所述状态判断模块判断所述前景对象属于异常群体。13.如权利要求1所述的监测系统，其特征在于，所述处理装置被配置为还包括：轨迹生成模块，用于根据前景特征提取模块分别在多幅连续的所述数据帧所对应的前景对象中提取的前景对象标示特征生成关于前景对象标示特征的变化轨迹。14.如权利要求13所述的监测系统，其特征在于，所述轨迹生成模块用于对前景对象标示特征的矢量应用贝叶斯估计技术来生成轨迹。15.如权利要求13所述的监测系统，其特征在于，所述状态判断模块还被配置为：基于所述前景对象标示特征的变化轨迹预判前景对象是否即将属于异常群体，并在判断为“是”的情况下确定所述前景对象即将属于异常群体。16.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述状态判断模块还被配置为，在至少连续两幅的所述数据帧的判断结果均为所述前景对象属于异常群体时，确定所述前景对象属于异常群体。17.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述成像传感器和/或深度感测传感器每隔预定时段后感测获取在预定时段内的数据帧供所述处理装置进行数据处理。18.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述成像传感器和/或深度感测传感器为多个，其被布置成能够覆盖所述乘客运输装置的入口和/或出口和/或整个长度方向。19.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述监测系统还包括警报单元，所述状态判断模块在确定所述前景对象属于异常群体的情况下触发所述警报单元工作。20.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述处理装置还被配置为，在所述状态判断模块确定所述前景对象属于异常群体时触发输出信号至所述乘客运输装置和/或楼宇的电梯维护中心以实现预防安全事故发生。21.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述背景获取模块用于通过高斯混合模型、码书模型、主成分分析法或鲁棒主成分分析对感测的数据帧进行处理来获取背景模型。22.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述前景检测模块用于通过帧间差分、形态学算子以及时间、空间或时空内核卷积来将实时感测的数据帧与所述背景模型进行比对以获得前景对象。23.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述前景特征提取模块用于通过对时间、空间或时空梯度的估算；色彩、深度、任意这些参数的直方图及参数模型的估算来从所述前景对象提取相应的前景对象标示特征。24.根据权利要求1至15任意一项所述的监测系统，其特征在于，所述状态判断模块用于基于距离函数来判断所述前景对象是否属于异常群体；或基于单独或联合贝叶斯推理来以概率的方式判断所述前景对象是否属于异常群体。25.一种乘客运输装置的监测方法，其特征在于，包括：S100，数据帧获取步骤：对所述乘客运输装置的监测区域进行感测以获取数据帧；S200，背景获取步骤：基于在所述监测区域处于正常状态下感测的数据帧获取背景模型；S300，前景检测步骤：将实时感测的数据帧与所述背景模型进行比对以获得前景对象；S400，前景特征提取步骤，从所述前景对象提取相应的前景对象标示特征；以及S500，状态判断步骤：至少基于所述前景对象标示特征判断所述前景对象是否属于异常群体，并在判断为“是”的情况下确定所述前景对象属于异常群体。26.如权利要求25所述的监测方法，其特征在于，所述S400还包括S410，异常人体模型生成子步骤，用于基于人体非自学建模和/或人体自学建模来定义异常人体模型。27.如权利要求26所述的监测方法，其特征在于，所述人体自学建模通过深度学习技术来获得异常人体模型，所述深度学习技术包括深度神经网络、卷积神经网络、递归神经网络、字典学习或视觉词袋模型；且/或所述人体非自学建模包括：骨骼图模型和/或二值图模型。28.如权利要求26所述的监测方法，其特征在于，在S410中，提取的前景对象标示特征包括前景对象中人体的颜色、形状、尺寸及速度中的一个或多个；在S500中，基于所述前景对象中的人体的颜色、形状、尺寸及速度中的一个或多个来判断所述前景对象是否属于异常群体。29.如权利要求28所述的监测方法，其特征在于，在前景对象中人体的颜色、形状、尺寸及速度中的一个或多个落入所述异常人体模型中时，判断所述前景对象属于异常群体。30.如权利要求26所述的监测方法，其特征在于，所述S400还包括S420，异常物体模型生成子步骤：用于基于物体非自学建模和/或物体自学建模来定义异常物体模型。31.如权利要求30所述的监测方法，其特征在于，在S420中，提取的前景对象标示特征还包括前景对象中物体的尺寸和/或形状；在S500中，基于所述前景对象中的物体的尺寸和/或形状来判断所述前景对象是否属于异常群体。32.如权利要求31所述的监测方法，其特征在于，在前景对象中物体的尺寸和/或形状落入所述异常物体模型中时，判断所述前景对象属于异常群体。33.如权利要求26至32任意一项所述的监测方法，其特征在于，在所述前景对象属于异常群体时，在S400中，还从所述前景对象中提取异常群体周围相应的前景对象标示特征；在S500中，还至少基于异常群体周围相应的前景对象标示特征判断所述前景对象处于异常状态，并在判断为“是”的情况下确定所述前景对象处于异常状态。34.如权利要求25所述的监测方法，其特征在于，所述S400还包括S430，宠物模型生成子步骤，基于宠物非自学建模和/或宠物自学建模来定义宠物模型。35.如权利要求34所述的监测方法，其特征在于，在S430中，提取的前景对象标示特征包括前景对象中宠物的形状、轮廓、尺寸及颜色中的一个或多个；在S500中，基于所述前景对象中的宠物的形状、轮廓、尺寸及颜色中的一个或多个来判断所述前景对象是否属于异常群体。36.如权利要求35所述的监测方法，其特征在于，在前景对象中宠物的尺寸和/或形状落入所述宠物模型中时，判断所述前景对象属于异常群体。37.如权利要求25所述的监测方法，其特征在于，所述处理装置被配置为还包括：S600，轨迹生成步骤：根据S400中分别在多幅连续的所述数据帧所对应的前景对象中提取的前景对象标示特征生成关于前景对象标示特征的变化轨迹。38.如权利要求37所述的监测方法，其特征在于，通过对前景对象标示特征的矢量应用贝叶斯估计技术来生成轨迹。39.如权利要求37所述的监测方法，其特征在于，在S500中，基于所述前景对象标示特征的变化轨迹预判前景对象是否即将属于异常群体，并在判断为“是”的情况下确定所述前景对象即将属于异常群体。40.根据权利要求25至39任意一项所述的监测方法，其特征在于，在S500中，在至少连续两幅的所述数据帧的判断结果均为所述前景对象属于异常群体时，确定所述前景对象属于异常群体。41.根据权利要求25至39任意一项所述的监测方法，其特征在于，每隔预定时段后感测获取在预定时段内的数据帧供所述处理装置进行数据处理。42.根据权利要求25至39任意一项所述的监测方法，其特征在于，还包括S700，警报步骤：在确定所述前景对象属于异常群体的情况下触发警报单元工作。43.一种乘客运输装置的监测系统，其特征在于，包括：成像传感器和/或深度感测传感器，用于对所述乘客运输装置的监测区域进行感测以获取数据帧；以及处理装置，用于对所述数据帧进行数据处理以监测所述监测区域内是否异常，其被配置为包括：背景获取模块，用于基于在所述监测区域处于正常状态下感测的数据帧获取背景模型；前景检测模块，用于将实时感测的数据帧与所述背景模型进行比对以获得前景对象；以及前景特征提取模块，用于从所述前景对象提取相应的前景对象状态特征；状态判断模块，用于至少基于所述前景对象状态特征判断所述前景对象是否处于异常状态，并在判断为“是”的情况下确定所述前景对象处于异常状态。44.如权利要求43所述的监测系统，其特征在于，所述前景特征提取模块包括场景模型生成子模块，其用于基于在所述乘客运输装置的监测区域处于正常状态下感测的数据帧和/或场景自学模型和/或安装者或使用者在计算机上所呈现的区域中标识来定义危险区域。45.如权利要求44所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象状态特征包括前景对象的速度、加速度、目标密集度及位置中的一个或多个，所述工况判断模块基于所述前景对象的速度、加速度、目标密集度及位置中的一个或多个来判断所述前景对象是否处于异常状态。46.如权利要求45所述的监测系统，其特征在于，在提取的前景对象状态特征中的前景对象的速度超出速度设定阈值时，所述工况判断模块判断所述前景对象处于异常状态；和/或在提取的前景对象状态特征中的前景对象的加速度超出加速度设定阈值时，所述工况判断模块判断所述前景对象处于异常状态；和/或在提取的前景对象状态特征中的前景对象的目标密集度超出目标密集度设定阈值时，所述工况判断模块判断所述前景对象处于异常状态。47.如权利要求43所述的监测系统，其特征在于，所述前景特征提取模块还包括人体异常动作模型生成子模块，其用于基于人体非自学建模和/或人体自学建模来定义人体异常动作模型。48.如权利要求47所述的监测系统，其特征在于，所述人体自学建模通过深度学习技术来获得人体异常动作模型，所述深度学习技术包括深度神经网络、卷积神经网络、递归神经网络、字典学习或视觉词袋模型；且/或所述人体非自学建模包括：骨骼图模型和/或二值图模型。49.如权利要求47所述的监测系统，其特征在于，所述人体自学建模通过马尔可夫模型技术、隐马尔可夫模型、马尔可夫决策过程、部分可观测马尔可夫决策过程、马尔可夫决策逻辑或概率编程来获得人体异常动作模型。50.如权利要求47所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象状态特征包括前景对象中人体的动作，所述工况判断模块基于所述前景对象中的人体的动作来判断所述前景对象是否处于异常状态。51.如权利要求50所述的监测系统，其特征在于，在前景对象中人体的动作落入所述人体异常动作模型时，所述工况判断模块判断所述前景对象处于异常状态。52.如权利要求51所述的监测系统，其特征在于，所述前景特征提取模块还包括场景模型生成子模块，其用于基于在所述乘客运输装置的监测区域处于正常状态下感测的数据帧和/或场景自学模型来定义危险区域。53.如权利要求52所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象状态特征包括前景对象中人体的位置及动作，所述工况判断模块基于所述前景对象中的人体的位置及人体的动作来判断所述前景对象是否处于异常状态。54.如权利要求53所述的监测系统，其特征在于，在前景对象中人体的位置处于所述危险区域且前景对象中人体的动作落入所述人体异常动作模型时，所述工况判断模块判断所述前景对象处于异常状态。55.如权利要求43所述的监测系统，其特征在于，所述处理装置被配置为还包括：轨迹生成模块，用于根据前景特征提取模块分别在多幅连续的所述数据帧所对应的前景对象中提取的前景对象状态特征生成关于前景对象状态特征的变化轨迹。56.如权利要求55所述的监测系统，其特征在于，所述状态判断模块还被配置为：基于所述前景对象状态特征的变化轨迹预判前景对象是否即将处于异常状态，并在判断为“是”的情况下确定所述前景对象即将处于异常状态。57.如权利要求56所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象状态特征包括前景对象的速度、加速度及目标密集度中的一个或多个，所述工况判断模块基于所述前景对象在所述危险区域的速度、加速度及目标密集度中的一个或多个的变化轨迹来判断所述前景对象是否即将处于异常状态。58.如权利要求57所述的监测系统，其特征在于，在所述前景对象的速度变化轨迹在预设时段内超出速度轨迹设定阈值时，所述工况判断模块判断所述前景对象即将处于异常状态；和/或在所述前景对象的加速度变化轨迹在预设时段内超出加速度轨迹设定阈值时，所述工况判断模块判断所述前景对象即将处于异常状态；和/或在所述前景对象的目标密集度变化轨迹在预设时段内超出密集度轨迹设定阈值时，所述工况判断模块判断所述前景对象即将处于异常状态。59.如权利要求56所述的监测系统，其特征在于，所述前景特征提取模块提取的前景对象状态特征包括前景对象中人体的动作，所述工况判断模块基于所述前景对象中人体的动作的变化...
【专利技术属性】
技术研发人员：方辉，贾真，陈彦至，AM芬恩，A徐，赵建伟，胡朝霞，李蔷，苏安娜，王龙文，郭旭雷，A森杰，
申请(专利权)人：奥的斯电梯公司，
类型：发明
国别省市：美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。