一种电梯内挡门行为检测方法及计算机可读存储介质技术

本发明专利技术涉及一种电梯内挡门行为检测方法，包括：S1、得到多个待检测视频段；S2、获取每个待检测视频段的像素拼接图，并将其作为输入送至预设的分类模型中，根据所述分类模型输出分类结果，若输出为可能含挡门行为，则进入步骤S3，若输出为无挡门行为，则进入步骤S4；S3、计算待检测视频段中相邻两帧画面的结构相似性指数，判断待检测视频段整体的结构相似度，若结构相似度较低，则判断为无挡门行为，进入步骤S4，若结构相似度较高，则判断为含挡门行为；S4：返回步骤S2，继续检测下一个待检测视频段是否有挡门行为。其能对电梯监控视频内挡门行为进行识别，无需人为操作便可准确识别遮挡电梯门的行为。梯门的行为。梯门的行为。

【技术实现步骤摘要】
一种电梯内挡门行为检测方法及计算机可读存储介质


[0001]本专利技术涉及行为识别及智能电梯领域，尤其是指一种电梯内挡门行为检测方法及计算机可读存储介质。

技术介绍

[0002]轿厢式电梯被应用于各种高层住宅小区、写字楼、商场等地方，给我们的生活带来极大便利。但由于一些电梯内不良行为而导致的安全事故也不容忽视。其中遮挡门行为就严重危害电梯的安全运行，有些乘客用身体或其他物件挡电梯门，造成了极大的安全隐患。
[0003]为了能使电梯管理人员及时发现电梯内挡门这一不良行为的发生，现已存在一些针对电梯门开关故障的研究。一类方法是利用霍夫直线检测原理等一系列直线检测方法对电梯门边缘进行直线检测，对图像进行边缘处理和二值化操作，再通过电梯门边缘直线间的距离变化来判断电梯门故障状态，该检测方法简单、计算速度快，但受环境影响大，容易检测到背景中的其他直线，从而造成误判；另外一类方法是利用图像之间的像素值差来判断门的故障状态，将每一帧图像的像素值与电梯门全关状态的像素值作比较，由此来判断门的开合，并给出故障信息，该方法同样也存在受环境光线影响较大的弊端。此外，目前针对电梯门开关故障的研究只关注电梯门本身的开合状态，并未关注挡门这一行为特征，容易将大量人连续进出电梯的情况识别为故障状态，不便于电梯的安全运行和管理维护。

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种电梯内挡门行为检测方法及计算机可读存储介质，其利用建立的分类模型对待检测视频段的像素拼接图进行判断，并结合每个待检测视频段整体的结构相似度进一步准确判别待检测视频段是否含有挡门行为，对电梯监控视频内挡门行为进行识别，实现无需人为操作便可准确识别遮挡电梯门行为的效果。
[0005]为解决上述技术问题，本专利技术提供了一种电梯内挡门行为检测方法，包括以下步骤：S1、等份分割待检测的电梯监控视频流，得到多个待检测视频段；S2、获取每个待检测视频段的像素拼接图，并将其作为输入送至预设的分类模型中，根据所述分类模型输出分类结果，若输出为可能含挡门行为，则进入步骤S3，若输出为无挡门行为，则进入步骤S4；S3、计算待检测视频段中相邻两帧画面的结构相似性指数，根据所述结构相似性指数判断待检测视频段整体的结构相似度，若结构相似度较低，则判断为无挡门行为，进入步骤S4，若结构相似度较高，则判断为含挡门行为，并输出该待检测视频段；S4：返回步骤S2，继续检测下一个待检测视频段是否有挡门行为直至所有待检测视频段均被检测完成。
[0006]作为优选的，所述S1中，“等份分割待检测的电梯监控视频流”，具体包括：获取一个长度为s的滑动窗口，设置所述滑动窗口的滑动步长为q；将所述待检测的电梯监控视频流经过所述滑动窗口，即将所述待检测的电梯监控视频流每隔q秒截出一段长度为s的待检测视频段。
[0007]作为优选的，所述S3中，所述相邻两帧画面的结构相似性指数的计算公式为：
[0008]其中，u
X
、u
Y
分别表示相邻两帧图像X和Y的灰度值均值，σ
X
、σ
Y
分别表示相邻两帧图像X和Y的灰度值标准差，σ
X2
、σ
Y2
分别表示相邻两帧图像X和Y的灰度值方差，σ
XY
表示相邻两帧图像X和Y的灰度值协方差，C1和C2为常数，取C1＝(K1*L)2，C2＝(K2*L)2，K1＝0.01，K2＝0.03，L＝255。
[0009]作为优选的，所述待检测视频段整体的结构相似度判断方法具体包括：
[0010]若检测到某相邻两帧画面的结构相似性指数大于阈值，则从该相邻两帧开始计数，若有连续L帧画面的结构相似性指数大于阈值，则判定该待检测视频段整体的相似度较高；否则判定该待检测视频段整体的相似度较低。
[0011]作为优选的，所述S2中，每个待检测视频段的像素拼接图获取方法具体包括以下步骤：对每个待检测视频段抽取m帧图片，提取每一帧图片中位于图片上半部分的第n行像素；设定每个第n行像素为一个一维向量，每个待检测视频段均提取出m个一维向量；将每个待检测视频段中提取得到的m个一维向量沿着列的方向按时间顺序排列拼接，形成一张宽度为m的像素拼接图。
[0012]作为优选的，所述第n行像素的选取遵循以下步骤：从抽得的各帧图片中最上端的第一行像素开始，由上而下逐行遍历每一行像素，并计算每一行像素的灰度均值；获取所述图片的背景像素行的灰度均值，将所述每一行像素的灰度均值依次与背景像素行的灰度均值进行比较；设置阈值，当搜寻到所述图片中第一个与背景像素行的灰度均值之差大于所述阈值的像素行a，则确定从第a行像素位置开始为电梯门区域，选择第a+1行像素作为所述第n行像素。
[0013]作为优选的，所述分类模型的设置方法为：对电梯的监控视频进行采集和筛选，得到有挡门行为和无挡门行为的多个视频段；对所有视频段均进行逐次抽帧，提取各帧中同一位置的一行像素，并将提取得到的多个像素行按照时序进行拼接，得到每个视频段的像素拼接图；将多个所述像素拼接图分为有挡门行为和无挡门行为两类，提取两类所述像素拼接图中的图像特征，并对图像特征进行训练以建立分类模型。
[0014]作为优选的，两类所述像素拼接图中送至MobileNetV3卷积神经网络进行图像特征提取。
[0015]作为优选的，所述分类模型的建立还包括：将有挡门行为和无挡门行为的两类所述像素拼接图按照预设比例划分为训练集和验证集；将所述训练集输入至所述MobileNetV3卷积神经网络中，利用所述MobileNetV3卷积神经网络提取所述训练集的图像特征，并对图像特征进行训练以建立分类模型；利用所述验证集验证分类模型的准确度。
[0016]一种计算机可读存储介质，其上存储有计算机程序，作为优选的，所述计算机程序中存储有程序代码，所述程序代码由处理器加载并执行以实现所述的电梯内挡门行为检测方法。
[0017]本专利技术的上述技术方案相比现有技术具有以下优点：
[0018]1、本专利技术基于像素特征的来识别电梯内的挡门行为，通过获取待检测视频段的像素拼接图，利用建立的分类模型对像素拼接图进行判断，并每个待检测视频段整体的结构相似度进一步判别待检测视频段是否含有挡门行为，实现了对电梯内挡门行为的自动检测，提高了对电梯内挡门行为识别的准确率。
[0019]2、本专利技术通过将判定得到的含有挡门行为的视频段进行输出，能够便于后续进一步查看处理，能够进一步降低了误判率，确保检测的准确性。
附图说明
[0020]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中：
[0021]图1为本专利技术的工作流程示意图；
[0022]图2为本专利技术具体实施方式中像素行截取示意图；
[0023]图3为本专利技术具体实施方式中的像素行拼接示意图。
具体实施方式
[0024]下面结合附图和具体实施例对本专利技术作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电梯内挡门行为检测方法，其特征在于，包括以下步骤：S1、等份分割待检测的电梯监控视频流，得到多个待检测视频段；S2、获取每个待检测视频段的像素拼接图，并将其作为输入送至预设的分类模型中，根据所述分类模型输出分类结果，若输出为可能含挡门行为，则进入步骤S3，若输出为无挡门行为，则进入步骤S4；S3、计算待检测视频段中相邻两帧画面的结构相似性指数，根据所述结构相似性指数判断待检测视频段整体的结构相似度，若待检测视频段整体的相似度较低，则判断为无挡门行为，进入步骤S4，若待检测视频段整体的相似度较高，则判断为含挡门行为，并输出该待检测视频段；S4：返回步骤S2，继续检测下一个待检测视频段是否有挡门行为直至所有待检测视频段均被检测完成。2.根据权利要求1所述的电梯内挡门行为检测方法，其特征在于，所述S1中，“等份分割待检测的电梯监控视频流”，具体包括：获取一个长度为s的滑动窗口，设置所述滑动窗口的滑动步长为q；将所述待检测的电梯监控视频流经过所述滑动窗口，即将所述待检测的电梯监控视频流每隔q秒截出一段长度为s的待检测视频段。3.根据权利要求1所述的电梯内挡门行为检测方法，其特征在于，所述S3中，所述相邻两帧画面的结构相似性指数的计算公式为：其中，u
X
、u
Y
分别表示相邻两帧图像X和Y的灰度值均值，σ
X
、σ
Y
分别表示相邻两帧图像X和Y的灰度值标准差，σ
X2
、σ
Y2
分别表示相邻两帧图像X和Y的灰度值方差，σ
XY
表示相邻两帧图像X和Y的灰度值协方差，C1和C2为常数，取C1＝(K1*L)2，C2＝(K2*L)2，K1＝0.01，K2＝0.03，L＝255。4.根据权利要求3所述的电梯内挡门行为检测方法，其特征在于，所述待检测视频段整体的结构相似度判断方法具体包括：若检测到某相邻两帧画面的结构相似性指数大于阈值，则从该相邻两帧开始计数，若有连续L帧画面的结构相似性指数大于阈值，则判定该待检测视频段整体的相似度较高；否则判定该待检测视频段整体的相似度较低。5.根据权利要求1所述的电梯内挡门行为检测方法...

【专利技术属性】
技术研发人员：牛丹，梁莎莎，卫奕霖，任行宏，任珂，陈夕松，朱建新，吴昊，
申请(专利权)人：东南大学，
类型：发明
国别省市：