【技术实现步骤摘要】
本专利技术属于模式识别与计算机视觉领域，尤其涉及一种基于智能视觉感知的电梯人流量统计方法及系统。
技术介绍
随着城市的高层商用大楼和住宅小区的增加，作为重要的垂直运输工具的电梯得到了越来越广泛的应用。保证电梯可靠、高效、舒适和快捷地运行，是电梯发展与技术进步的关键所在。要对电梯进行合理有效的调度，就必须要掌握精确的电梯人流量的数据，因此，人流量的统计就显得尤为重要。由于电梯人流量受到随机因素的影响，具有高度非线性和不可预知性，因此难以寻找到特定的函数来预测电梯的客流量。 当前的电梯人流量统计方法，都是通过借助交通流量来进行预测。传统的客流量统计方法是把流量看成一种时间序列，提取自回归模型，滑动平均模型，和自回归滑动平均模型。这类方法很容易实现，但是模型参数确定后，就不能更改，且是线性模型，因此，对复杂的非线性电梯人流量就会大大降低其预测的精确度。1990年后，由于神经网络的自适应和自学习的优势，学者们提出了基于神经网络的电梯人流量统计模型。但神经网络方法又存在着收敛速度慢，易陷入局部极值等缺点，使其也不能成为理想的方法。因此，为了解决传统方法中复杂电梯人流量的预测模型的...
【技术保护点】
一种基于智能视觉感知的电梯人流量统计方法，其特征在于，包括以下步骤：S100：采集人体头肩模型图像样本；S200：对所采集的人体头肩模型图像样本进行PCA特征提取，并送入SVM训练器中训练生成样本库；S300：判别电梯门是否开启，若是，采集当前帧图像，查找当前帧图像内的运动目标，对所述运动目标进行PCA特征提取，利用SVM分类器对运动目标与样本库进行匹配分类，若所述运动目标为人体头肩图像，则转S400；若电梯未开门，则循环S300；S400：判断所述运动目标为进电梯还是出电梯，若所述运动目标为进电梯，则对进电梯人数加1，若所述运动目标为出电梯，则对出电梯人数加1。
【技术特征摘要】
1.一种基于智能视觉感知的电梯人流量统计方法，其特征在于，包括以下步骤 SlOO :采集人体头肩模型图像样本； 5200:对所采集的人体头肩模型图像样本进行PCA特征提取，并送入SVM训练器中训练生成样本库； S300 :判别电梯门是否开启，若是，采集当前帧图像，查找当前帧图像内的运动目标，对所述运动目标进行PCA特征提取，利用SVM分类器对运动目标与样本库进行匹配分类，若所述运动目标为人体头肩图像，则转S400 ;若电梯未开门，则循环S300 ； S400 :判断所述运动目标为进电梯还是出电梯,若所述运动目标为进电梯,则对进电梯人数加I，若所述运动目标为出电梯，则对出电梯人数加I。2.根据权利要求I所述的基于智能视觉感知的电梯人流量统计方法，其特征在于，步骤S200，具体的包括如下步骤 5201:将人体头肩模型图像样本按行拉伸为一维向量，设定图像样本数据库为高维数据空间点集X=UiK i=l，2，3......N； 5202:求取X的均值向量m ; 5203X中的每个向量减去均值m，然后求其协方差矩阵，并进行特征值分解； 5204:提取前几个特征值对应的特征向量，即所求得主成分向量，记为Γρ i=l,2,-P ；其中，P为降维将要得到的低维数据维数； 5205:将所求得的主成分向量进行降维，并送入SVM训练器中分类，生成样本库。3.根据权利要求I所述的基于智能视觉感知的电梯人流量统计方法，其特征在于步骤S300具体包括 5311:采集当前帧图像，运用帧间差分得到二值图像，判断所述二值图像是否存在连通区域，若存在，则转S312 ;若不存在，则继续采集下一帧图像。5312:建立所述二值图像跟踪的卡尔曼滤波器模型，查找图像内的运动目标。4.根据权利要求I所述的基于智能视觉感知的电梯人流量统计方法，其特征在于步骤S300中，所述检测电梯门是否开启通过对采集到的图像进行边缘检测，包括 5321:判定划定区域的左边部分是否检测到直线；若是，则转下一步，若否，则判定电梯为关门； 5322:判定划定区域的右边部分是否检测到直线；若是，则转下一步，若否，则判定电梯为关门； 5323:判定以上的左右两边的直线是否关于中间点对称，若是，则判定电梯开门，若否，则判定电梯关门。5.根据权利要求I所述的基于智能视觉感知的电梯人流量统计方法，其特征在于，步骤S400具体包括 判断待测图像内的跟踪目标的前一刻、当前刻与预设好的坐标线的坐标关系； 若前一刻跟踪目标所在坐标在穿越线下方，即电梯内，当前时刻所在坐标为穿越线上方，即电梯外，则判定该目标为出电梯； 若前一刻跟踪目标所在坐标为穿越线上方，即电梯内，当前时刻所在坐标为穿越线下方，即电梯内，则判定该目标为进电梯。6.根据权利要求5所述的基于智能视觉感知的电梯人流量统计方法，其特征在于所述的对直线的检测采用霍夫变换方法。...
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。