一种电梯门运动轨迹识别方法技术

本发明专利技术公开了一种电梯门运动轨迹识别方法，属于电梯监控领域。该方法包括获取电梯门图像序列；针对电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置；根据前q帧图像中电梯门边缘的识别位置，确定电梯门运动轨迹模型；针对电梯门图像序列中第q帧之后的每帧图像，利用电梯门运动轨迹模型对利用前置识别方法得到的识别位置进行矫正，得到矫正位置；根据前q帧图像对应的识别位置和第q帧之后的图像对应的矫正位置，得到电梯门运动轨迹；解决了相关技术中识别电梯门边缘的算法计算量大，识别速度慢，难以实时检测电梯门运动轨迹的问题；达到了提高检测电梯门运动轨迹的实时性以及识别结果的准确性的效果。

【技术实现步骤摘要】
一种电梯门运动轨迹识别方法
本专利技术实施例涉及电梯监控领域，特别涉及一种电梯门运动轨迹识别方法。
技术介绍
随着电梯的普及，电梯安全事故的发生也越来越频繁，据资料显示，电梯门引起的安全事故在总的电梯安全事故中占较大比重。电梯门引起的故障主要有电梯门不能打开，电梯门异常打开，电梯门不能关闭、电梯门开关不标准等。与电梯门有关的安全事故往往会提前在电梯门运动轨迹上体现出来，可以通过识别电梯门运动轨迹来检测电梯门系统的异常。通常采用背景差分法、帧间差分法、光流法识别电梯门运动轨迹，以一种改进的光流法为例，在实际识别过程中，首先对采集到的图像进行预处理，去除部分光照问题和噪声对图像的影响，然后利用光流法得到运动目标的光流信息并进行二值化，利用边缘检测算法提取运动该物体的边缘信息并二值化，然后对二值化的光流信息和二值化的边缘信息进行“与”运算，得到基本的运动目标信息，再对基本的运动目标信息进行数学形态方法运算得到精确的运动目标信息。然而在实际过程中，虽然不需要预先知道任何信息就可以检测运动目标，能够适用背景变化的场合，但计算量大，难以达到电梯门运动轨迹实时检测的要求。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种电梯门运动轨迹识别方法。该技术方案如下：第一方面，提供了一种电梯门运动轨迹识别方法，该方法包括：获取电梯门图像序列，电梯门图像序列中的图像包括电梯门；针对电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置；根据前q帧图像中电梯门边缘的识别位置，确定电梯门运动轨迹模型，q为大于1的整数；针对电梯门图像序列中第q帧之后的每帧图像，利用电梯门运动轨迹模型对利用前置识别方法得到的识别位置进行矫正，得到矫正位置；根据前q帧图像对应的识别位置和第q帧之后的图像对应的矫正位置，得到电梯门运动轨迹。可选的，当电梯门为单门时，利用前置识别方法确定每帧图像中电梯门边缘的识别位置，包括：按如下公式确定电梯门边缘存在可能性函数：F(I,x)＝a·V％(I,x)+b·D％(I,x)，其中，令F(I,x)取得最大值的x为电梯门边缘的识别位置，F(I,x)表示电梯门边缘存在的可能性，a+b＝1，图像I的宽为W，高为H，D(I,x)表示图像I在第x列的水平梯度，V(I,x)表示图像I的一维类间方差，D％(I,x)为D(I,x)的百分化函数，V％(I,x)为V(I,x)的百分化函数，可选的，当电梯门为双门时，利用前置识别方法确定每帧图像中电梯门边缘的识别位置，包括：按如下公式确定电梯门边缘存在可能性函数：F(I,x,y)＝a·V％(I,x,y)+b·D％(I,x)+b·D％(I,y)，其中，令F(I,x,y)取得最大值的x，y为两个电梯门边缘的识别位置，F(I,x,y)表示电梯门边缘存在的可能性，a+2b＝1，图像I的宽为W，高为H，D(I,x)为图像I在第x列的水平梯度，D(I,y)为图像I在第y列的水平梯度，V(I,x,y)为图像I的二维类间方差，D％(I,x)为D(I,x)的百分化函数，D％(I,y)为D(I,y)的百分化函数，V％(I,x,y)为V(I,x,y)的百分化函数，可选的，根据前q帧图像中电梯门边缘的识别位置，确定电梯门运动轨迹模型，包括：令电梯门运动轨迹模型为p阶q帧窗口预测模型，电梯门运动轨迹模型的表达式如下：Fp(m)＝a0+a1m+a2m2+......+apxp，其中，m表示帧，Fp(m)表示第m帧图像中电梯门边缘的位置，a0,a1,a2,...,ap为电梯门运动轨迹模型的系数，q＞p，q和p均为整数；根据前q帧图像中电梯门边缘的识别位置确定电梯门运动轨迹模型的系数；将电梯门运动轨迹模型的系数代入电梯门运动轨迹模型的表达式，得到电梯门运动轨迹模型。可选的，利用电梯门运动轨迹模型对利用前置识别方法得到的识别结果进行矫正，包括：利用电梯门运动轨迹模型得到电梯门边缘的预测位置；获取利用前置识别方法确定的电梯门边缘的识别位置；利用类高斯加权函数和预测位置矫正识别位置，得到矫正位置；其中，类高斯加权函数的表达式为：当电梯门为单门时，或，当电梯门为双门时，σ为模型因子，μ为利用电梯门运动轨迹模型预测得到的电梯门边缘的预测位置，ν为利用电梯门运动轨迹模型预测得到的电梯门边缘的预测位置。可选的，当电梯门为单门时，利用类高斯加权函数和预测位置矫正识别位置，得到矫正位置，包括：利用类高斯加权函数和预测位置按如下公式矫正识别位置：其中，F(I,x)表示电梯门边缘存在的可能性，G(I,x)表示电梯门边缘存在的矫正可能性，令G(I,x)取得最大值的x为电梯门边缘的矫正位置。可选的，当电梯门为双门时，利用类高斯加权函数和预测位置矫正识别位置，得到矫正位置，包括：利用类高斯加权函数和预测位置按如下公式矫正识别位置：其中，F(I,x,y)表示电梯门边缘存在的可能性，G(I,x,y)表示电梯门边缘存在的矫正可能性，令G(I,x,y)取得最大值的x，y为两个电梯门边缘的矫正位置。本专利技术实施例提供的技术方案带来的有益效果是：通过获取电梯门图像序列，针对电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置，根据前q帧图像中的电梯门边缘的识别位置，确定电梯门运动轨迹模型，再针对电梯门图像序列中第q帧之后的每帧图像，利用电梯门运动轨迹模型对识别位置进行矫正，得到矫正位置，根据前q帧图像对应的识别位置和第q帧之后的图像对应的矫正位置，得到电梯门运动轨迹；解决了相关技术中识别电梯门边缘的算法计算量大，识别速度慢，难以实时检测电梯门运动轨迹的问题；达到了提高检测电梯门运动轨迹的实时性以及识别结果的准确性的效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种电梯门运动轨迹识别方法的流程图；图2是根据另一示例性实施例示出的一种电梯门运动轨迹识别方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。请参考图1，其示出了本专利技术一个实施例提供的电梯门运动轨迹方法的流程图。该电梯门运动轨迹方法适用于电梯监控系统的服务器中。如图1所示，该电梯门运动轨迹方法可以包括以下步骤：步骤101，获取电梯门图像序列。电梯门图像序列中的图像包括电梯门。电梯门图像序列是设置在电梯轿厢内的摄像头采集的。电梯门图像序列是摄像头实时采集的。步骤102，针对电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置。可选的，前置识别方法融合了基于水平梯度的边缘检测方法和阈值分割方法。根据电梯门图像序列中每帧图像的获取顺序，依次利用前置识别方法确定每帧图像中电梯门边缘的识别位置。每增加一帧图像，利用前置识别方法确定该图像中电梯门边缘的识别位置。步骤103，根据前q帧图像中电梯门边缘的识别位置，确定电梯门运动轨迹模型。q为大于1的整数。电梯门图像序列的帧数大于q。电梯门运动轨迹模型用于预测电梯门边缘的出现位置。可选的，电梯门运本文档来自技高网...

【技术保护点】
一种电梯门运动轨迹识别方法，其特征在于，所述方法包括：获取电梯门图像序列，所述电梯门图像序列中的图像包括电梯门；针对所述电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置；根据前q帧图像中所述电梯门边缘的识别位置，确定所述电梯门运动轨迹模型，q为大于1的整数；针对所述电梯门图像序列中第q帧之后的每帧图像，利用所述电梯门运动轨迹模型对利用所述前置识别方法得到的识别位置进行矫正，得到矫正位置；根据所述前q帧图像对应的识别位置和所述第q帧之后的图像对应的矫正位置，得到电梯门运动轨迹。

【技术特征摘要】
1.一种电梯门运动轨迹识别方法，其特征在于，所述方法包括：获取电梯门图像序列，所述电梯门图像序列中的图像包括电梯门；针对所述电梯门图像序列中的图像，利用前置识别方法确定每帧图像中电梯门边缘的识别位置；根据前q帧图像中所述电梯门边缘的识别位置，确定所述电梯门运动轨迹模型，q为大于1的整数；针对所述电梯门图像序列中第q帧之后的每帧图像，利用所述电梯门运动轨迹模型对利用所述前置识别方法得到的识别位置进行矫正，得到矫正位置；根据所述前q帧图像对应的识别位置和所述第q帧之后的图像对应的矫正位置，得到电梯门运动轨迹。2.根据权利要求1所述的方法，其特征在于，当所述电梯门为单门时，所述利用前置识别方法确定每帧图像中电梯门边缘的识别位置，包括：按如下公式确定电梯门边缘存在可能性函数：F(I,x)＝a·V％(I,x)+b·D％(I,x)，其中，令F(I,x)取得最大值的x为电梯门边缘的识别位置，F(I,x)表示电梯门边缘存在的可能性，a+b＝1，图像I的宽为W，高为H，D(I,x)表示图像I在第x列的水平梯度，V(I,x)表示图像I的一维类间方差，D％(I,x)为D(I,x)的百分化函数，V％(I,x)为V(I,x)的百分化函数，3.根据权利要求1所述的方法，其特征在于，当所述电梯门为双门时，所述利用前置识别方法确定每帧图像中电梯门边缘的识别位置，包括：按如下公式确定电梯门边缘存在可能性函数：F(I,x,y)＝a·V％(I,x,y)+b·D％(I,x)+b·D％(I,y)，其中，令F(I,x,y)取得最大值的x，y为两个电梯门边缘的识别位置，F(I,x,y)表示电梯门边缘存在的可能性，a+2b＝1，图像I的宽为W，高为H，D(I,x)为图像I在第x列的水平梯度，D(I,y)为图像I在第y列的水平梯度，V(I,x,y)为图像I的二维类间方差，D％(I,x)为D(I,x)的百分化函数，D％(I,y)为D(I,y)的百分化函数，V％(I,x,y)为V(I,x,y)的百分化函数，

【专利技术属性】
技术研发人员：孙小伟，张媛，李岩，周志勇，沈凌，
申请(专利权)人：江苏省特种设备安全监督检验研究院，
类型：发明
国别省市：江苏,32