專利名稱：一種控制電梯按鈕的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電梯控制技術(shù)領(lǐng)域，特別涉及一種控制電梯按鈕的方法及裝置。
背景技術(shù)：
在現(xiàn)實(shí)生活中，電梯是人們經(jīng)常需要使用的工具。在電梯使用過程中，人們會(huì)經(jīng)常遇到這樣一個(gè)問題,有些人會(huì)在電梯里面亂按層數(shù)，讓電梯每層都停，導(dǎo)致電梯的使用效率大大降低，使得一些在高層或者底層的人等待時(shí)間過長(zhǎng)。
為了解決上述問題，可以安排一個(gè)固定人員進(jìn)行人為電梯層數(shù)的控制操
作，但是這種做法存在下述缺點(diǎn)需要耗費(fèi)人力，特別是對(duì)于人員較多的時(shí)候
安排一個(gè)人員進(jìn)行操作更加不便。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種控制電梯按鈕的方法。
本發(fā)明的另一目的在于，提供一種控制電梯按鈕的裝置。本發(fā)明的控制電梯按鈕的方法，包括下列步驟采集電梯層數(shù)按鈕被按下
的次數(shù)，并根據(jù)采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層凄t按鈕被按下的次數(shù)
大于一控制值時(shí)，禁止未被按下的按鈕被按下，直到所按電梯層數(shù)小于等于所
述控制值時(shí)，才允許未被按下的按鈕能被按下，其中，所述控制值根據(jù)所述人
數(shù)統(tǒng)計(jì)數(shù)目及預(yù)定誤差確定得出。
其中，所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和；或者所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和再加上或減去一冗余度。
其中，通過過線檢測(cè)方式或人頭檢測(cè)方式對(duì)圖像采集裝置采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)。
其中，所述過線檢測(cè)方式包括下列步驟預(yù)先在視頻圖像中電梯入口處劃定一條直線，用于判斷行人是進(jìn)入電梯還是走出電梯；對(duì)檢測(cè)區(qū)域進(jìn)行背景建模，然后進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，并對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，當(dāng)目標(biāo)經(jīng)過預(yù)先劃定的直線時(shí)，分析當(dāng)前運(yùn)動(dòng)目標(biāo)的跟蹤軌跡，并計(jì)算出一個(gè)方向，與預(yù)先劃定的直線的方向進(jìn)行比較，以判斷行人是走出電梯還是進(jìn)入電梯，然后對(duì)相應(yīng)的人數(shù)統(tǒng)計(jì)器上進(jìn)行相應(yīng)的加減操作。
其中，所述對(duì)檢測(cè)區(qū)域進(jìn)行背景建模通過中值濾波技術(shù)、或者非參數(shù)估計(jì)技術(shù)、或者迭代更新技術(shù)實(shí)現(xiàn)。
其中，所述進(jìn)4于運(yùn)動(dòng)目標(biāo);險(xiǎn)測(cè)通過幀差法、或者前景背景差法、或者核密度估計(jì)法、或者混合高斯模型實(shí)現(xiàn)。
其中，所述對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤通過卡爾曼濾波法、或者M(jìn)eanshift法、或者粒子濾波法、或者模板匹配法實(shí)現(xiàn)。
其中，所述人頭檢測(cè)方式包括下列步驟預(yù)先在視頻圖像中電梯客戶區(qū)域定義一定范圍的人頭監(jiān)測(cè)區(qū)域，選取特征進(jìn)行人頭模型訓(xùn)練；輸入一幀圖像，對(duì)于監(jiān)測(cè)區(qū)域?yàn)闄z測(cè)所述圖像中一定尺度范圍的人頭，分尺度對(duì)所述圖像進(jìn)行縮放，并在每個(gè)像素點(diǎn)進(jìn)行多尺度逐點(diǎn)像素的人頭檢測(cè)；將相鄰位置以及不同尺度的人頭框合并，如果兩個(gè)候選人頭框的大小差異和位置差異為2個(gè)像素以下時(shí)，則將這兩個(gè)人頭框合二為一，最后對(duì)所述檢測(cè)區(qū)域的人頭數(shù)進(jìn)行統(tǒng)計(jì)。
其中，所述進(jìn)行人頭模型訓(xùn)練通過Adaboost算法、或者支持向量機(jī)SVM算法實(shí)現(xiàn)。
其中，將所述過線檢測(cè)和人頭檢測(cè)得到的統(tǒng)計(jì)結(jié)果進(jìn)行融合，將對(duì)兩種檢測(cè)結(jié)果的最大值作為最終人lt統(tǒng)計(jì)的結(jié)果，然后對(duì)電梯按^組進(jìn)行控制。
其中，所述預(yù)定誤差，通過預(yù)先在標(biāo)準(zhǔn)的攝像條件下，假設(shè)人員一個(gè)個(gè)走進(jìn)電梯時(shí)得到的人數(shù)統(tǒng)計(jì)數(shù)目與實(shí)際人數(shù)之差計(jì)算得到。
另外，所述預(yù)定誤差，可以通過預(yù)先根據(jù)實(shí)際的應(yīng)用環(huán)境，計(jì)算最終人數(shù)統(tǒng)計(jì)數(shù)目與實(shí)際人數(shù)之差得到。
本發(fā)明的控制電梯按鈕的裝置，包括信息采集模塊、圖像分析模塊、控制模塊，其中，所述信息采集模塊，用于采集電梯層數(shù)按鈕被按下的次數(shù)并進(jìn)行圖像采集；所述圖像分析模塊，用于獲得電梯層數(shù)按鈕被按下的次數(shù)，并根據(jù)采集到的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層數(shù)按鈕被按下的次數(shù)大于預(yù)定的控制值時(shí)，通知控制模塊禁止未被按下的按鈕被按下，直到所按電梯層數(shù)小于等于所述控制值時(shí)，才允許未被按下的按鈕能被按下，其中，所述預(yù)定的控制值
6根據(jù)所述人數(shù)統(tǒng)計(jì)數(shù)目、預(yù)定誤差、冗余度確定得出；所述控制模塊，用于對(duì)
電梯按鈕執(zhí)行相應(yīng)的控制操作。
其中，所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和；或者所述控制值 為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和再加上或減去一冗余度。
其中，所述圖像分析模塊，通過過線檢測(cè)方式或人頭檢測(cè)方式對(duì)圖像釆集 裝置采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)。
本發(fā)明的有益效果是:依照本發(fā)明的控制電梯按鈕的方法及裝置，從智能 視頻分析的角度出發(fā)，對(duì)電梯內(nèi)的人員進(jìn)行數(shù)目統(tǒng)計(jì)，綜合考慮各種檢測(cè)算法 的優(yōu)缺點(diǎn)，達(dá)到最佳自動(dòng)控制電梯層數(shù)的效果，不需要人為控制；并且能夠防 止一些人員對(duì)電梯的亂操作，提高了對(duì)電梯的使用效率；另外，基于人數(shù)統(tǒng)計(jì) 電梯按鈕控制采用了先進(jìn)的人頭檢測(cè)技術(shù)和過線檢測(cè)技術(shù)，使得系統(tǒng)更加智能 禾口穩(wěn)、定。


圖1為本發(fā)明的控制電梯4妄^組的方法示意圖2為本發(fā)明的根據(jù)行人的行進(jìn)方向與基準(zhǔn)方向之間夾角為e判定是否有 人進(jìn)入電梯的示意圖。
具體實(shí)施例方式
以下，參考附圖1 2詳細(xì)描述本發(fā)明的控制電梯按鈕的方法及裝置。 本發(fā)明的核心思想是通過實(shí)時(shí)檢測(cè)電梯內(nèi)所擁有的人數(shù)，然后控制電梯 按鈕被按的個(gè)數(shù)，來達(dá)到預(yù)防某些人亂按電梯的習(xí)慣。 本發(fā)明的控制電梯按鈕的方法包括下列步驟
步驟100:采集電梯層數(shù)按鈕被按下的次數(shù)，并根據(jù)采集的圖像進(jìn)行人數(shù) 統(tǒng)計(jì)；
其中，在步驟100中，通過過線檢測(cè)方式或人頭檢測(cè)方式對(duì)圖像采集裝置 釆集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)。
在進(jìn)行過線檢測(cè)時(shí)，視頻圖像中在電梯入口處劃定一條直線，用于判斷行 人是進(jìn)入電梯還是走出電梯。
具體地，在進(jìn)行過線檢測(cè)時(shí)包括下列步驟
步驟11:對(duì)該區(qū)域進(jìn)行背景建模，例如可以采用中值濾波技術(shù)、非參數(shù)估計(jì)技術(shù)以及迭代更新等技術(shù)；其中，以中值濾波技術(shù)為例，簡(jiǎn)要說明其實(shí)現(xiàn) 原理
輸入圖像的前N幀圖像作為初始背景估計(jì)的參考圖象，利用這N幀圖象 建立背景模型。假設(shè)x，,&，…,xw是圖像中的某個(gè)像素點(diǎn)的像素值:c,的 一組觀察 值樣本(其他像素點(diǎn)采用相同的處理方法)，利用這些樣本，采用中值濾波法 計(jì)算出,時(shí)刻任何一個(gè)像素點(diǎn)的背景像素估計(jì)值
5(JC,)=附W""(X》 (1)
采用先進(jìn)先出(FIFO)策略，用最新的像素來更新最老的像素，即得到
X2,X3，…，X屈代替^X2,…,；進(jìn)行中值濾波計(jì)算不斷更新背景圖像。
步驟12:進(jìn)行運(yùn)動(dòng)目標(biāo);險(xiǎn)測(cè)，具體的運(yùn)動(dòng)目標(biāo)4全測(cè)方法包括幀差法、前 景背景差法、核密度估計(jì)法以及混合高斯模型等，例如，以前景背景差法為例， 簡(jiǎn)要說明其實(shí)現(xiàn)原理
i) 當(dāng)輸入的新一幀前景圖像時(shí)，與步驟11中得到背景圖像直接相減即可 得到差分圖像；
ii) 對(duì)于步驟i得到的差分圖像中每個(gè)點(diǎn)與預(yù)先設(shè)定的闊值相比較，大于 閾值的點(diǎn)認(rèn)為是前景點(diǎn)；
iii) 對(duì)于所有前景點(diǎn)進(jìn)行連通域判斷而進(jìn)行聚類#:作，得到最終的前景目標(biāo)。
步驟13:對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)4亍跟蹤，具體的跟蹤方法包括卡爾曼濾波法、Mean shift法、粒子濾波法以及模板匹配法等，例如，以Mean shift法進(jìn)行跟蹤運(yùn)算 為例，簡(jiǎn)要說明其實(shí)現(xiàn)原理
i) 計(jì)算位移向量^(;c):
/ 人 ''=1 W
、0)=^-^- (2)
其中，x為運(yùn)動(dòng)目標(biāo)的位置點(diǎn)，；c,為x的鄰域點(diǎn)，G(X)為核函數(shù)，w(x,)為 力口權(quán)函數(shù)；
ii) 4巴/^(;c)貝武纟會(huì)x;
iii) 如果lh(x) — xl<￡ ，￡ 為容許誤差，結(jié)束循環(huán)；否則，繼續(xù)執(zhí)行i)，計(jì)算位移向量wA (x)。
Mean Shift算法循環(huán)的執(zhí)行上述三步，直至結(jié)束條件滿足，上面的步驟是 不斷的沿著概率密度的梯度方向移動(dòng)，同時(shí)步長(zhǎng)不僅與梯度的大小有關(guān)，也與 該點(diǎn)的概率密度有關(guān)，在密度大的地方，更接近要找的概率密度的峰值，Mean Shift算法使得移動(dòng)的步長(zhǎng)小一些，相反，在密度小的地方，移動(dòng)的步長(zhǎng)就大 一些。在滿足一定條件下，Mean Shift算法一定會(huì)收斂到該點(diǎn)附近的峰值。
步驟14:當(dāng)目標(biāo)經(jīng)過預(yù)先劃定的直線時(shí)，分析當(dāng)前運(yùn)動(dòng)目標(biāo)的跟蹤軌跡， 并計(jì)算出一個(gè)方向，與預(yù)先劃定的直線的方向進(jìn)行比較，并對(duì)相應(yīng)的人數(shù)統(tǒng)計(jì) 器上進(jìn)行相應(yīng)的加減操作。如圖2所示，行人的行進(jìn)方向與基準(zhǔn)方向之間夾角 為e，當(dāng)兩個(gè)方向的夾角e小于90度時(shí)，認(rèn)為是人走出電梯，當(dāng)大于90度時(shí)， 認(rèn)為是有人進(jìn)入電梯。
另夕卜，在進(jìn)行人頭檢測(cè)時(shí)，視頻圖像中在電梯客戶區(qū)域劃定義一定范圍的 人頭監(jiān)測(cè)區(qū)域，在該區(qū)域進(jìn)行人頭檢測(cè)算法操作。
具體地，進(jìn)行人頭檢測(cè)時(shí)，包括下列步驟
步驟21:選取特征進(jìn)行人頭模型訓(xùn)練，訓(xùn)練方法通常有Adaboost算法和 支持向量機(jī)SVM算法。這里采用的訓(xùn)練算法為Adaboost算法，選取的特征為 HOG特征，通過大量的各種人頭姿勢(shì)的樣本圖像對(duì)人頭模型學(xué)習(xí)機(jī)進(jìn)行訓(xùn)練， 得到一組合適的模型參數(shù)，基本原理過程如下
給定包含"個(gè)樣本的訓(xùn)練集{",乂)},; = 0,1,...3-1{()}，少，=0或1，表示對(duì)應(yīng)的 輸入樣本x,是人頭樣本還是非人頭樣本，其中人頭樣本數(shù)量為m，非人頭樣本
數(shù)量為/，樣本中包含各個(gè)尺度即多尺度圖像；
選擇誤分類風(fēng)險(xiǎn)倍數(shù)c,表示訓(xùn)練樣本分類錯(cuò)誤的風(fēng)險(xiǎn)大小，則對(duì)于人頭
樣本C, =2c ，對(duì)非人頭樣本c^^,初始每個(gè)樣本的權(quán)重 m (c +1) / (c +1)
『。(0 = ^,。越大，則表示正樣本分類錯(cuò)誤的風(fēng)險(xiǎn)越大，在訓(xùn)練分類器就應(yīng)
該盡量保證正樣本的分類錯(cuò)誤率盡可能的??；
迭代次數(shù)^o，i,.…r-i: (T即為希望選擇的弱分類器的個(gè)數(shù))；
其中，HOG特征是一個(gè)矩形框內(nèi)各個(gè)方向梯度的計(jì)算，對(duì)每個(gè)特征j,利用單個(gè)特征訓(xùn)練分類器/^.,根據(jù)訓(xùn)練樣本集的權(quán)值『,得到最優(yōu)的閾值參數(shù)，使
得、的錯(cuò)誤率。最小。=§^(/)|~00-乂|;
(1) 得到錯(cuò)誤率最小的弱分類器作為當(dāng)前層強(qiáng)分類器的第t個(gè)弱分類
器&,對(duì)應(yīng)的特征序號(hào)為/,，對(duì)應(yīng)的錯(cuò)誤率為A;
(2) 計(jì)算參數(shù)",=ln(h) ， / , = i;
s, 1_吣
(3) 更新所有樣本的權(quán)重『,+,(/)=『'(;々'"，其中6,=0表示當(dāng)前弱分類 器正確識(shí)別樣本Xi，反之則e,l， Z是歸一化因子，使更新的權(quán)重
之和等于i;
(4)輸出最后的強(qiáng)分類器H(x)=
i， S^'w^S"'，強(qiáng)分類器輸
o, 其他
出為l表示輸入樣本x通過該層強(qiáng)分類器，否則認(rèn)為輸入樣本是非 人頭。
步驟22:輸入一幀圖像，對(duì)于監(jiān)測(cè)區(qū)域，為檢測(cè)該圖像中一定尺度范圍的 人頭，分尺度對(duì)該圖像進(jìn)行縮放，并在每個(gè)像素點(diǎn)進(jìn)行多尺度逐點(diǎn)像素的人頭 檢測(cè)；
一般情況下，人頭往往會(huì)在不同的尺度下和相鄰的位置處檢測(cè)出多次，而 虛警的出現(xiàn)往往比較孤立，此時(shí)需要對(duì)檢測(cè)結(jié)果進(jìn)行重合處理，即執(zhí)行下列步 驟
步驟23:將相鄰位置以及不同尺度的人頭框合并，如果兩個(gè)候選人頭框的 大小差異和位置差異都非常小(例如為2個(gè)像素以下時(shí))，或者這兩個(gè)人臉框重 疊面積非常大，就可以將這兩個(gè)框合二為一，最后，對(duì)該區(qū)域的人頭數(shù)進(jìn)行統(tǒng) 計(jì)。
步驟200:根據(jù)電梯層數(shù)按鈕被按下的次數(shù)和人數(shù)統(tǒng)計(jì)結(jié)果，在電梯層數(shù) 按鈕被按下的次數(shù)大于一控制值時(shí)，禁止未被按下的按鈕被按下，直到所按電 梯層數(shù)小于等于該控制值時(shí)，才允許未被按下的按鈕能被按下，其中，該控制值根據(jù)所述人數(shù)統(tǒng)計(jì)數(shù)目及預(yù)定誤差確定得出。例如，控制值可以為人數(shù)統(tǒng)計(jì) 數(shù)目與預(yù)定誤差之和。其中，該預(yù)定誤差，通過預(yù)先在標(biāo)準(zhǔn)的攝像條件下，假 設(shè)人員 一個(gè)個(gè)走進(jìn)電梯時(shí)得到的人數(shù)統(tǒng)計(jì)數(shù)目與實(shí)際人數(shù)之差計(jì)算得到。
其中，該控制值將在每次電梯停止的時(shí)候開始工作，電梯層數(shù)按鈕被按下 的次數(shù)超過該控制值時(shí)，將禁止按鈕的進(jìn)一步作用，直到所按電梯層數(shù)小于等 于該值時(shí)，才允許電梯按鈕繼續(xù)工作。
另外，在實(shí)際的應(yīng)用環(huán)境中，可以根據(jù)實(shí)際情況不斷修正該預(yù)定誤差。例 如，當(dāng)實(shí)際環(huán)境中攝像頭攝像效果較差、或者攝像頭出現(xiàn)故障、或者人員并非 一個(gè)個(gè)進(jìn)入電梯而是兩個(gè)以上的人同時(shí)進(jìn)入電梯時(shí)，得到的人數(shù)統(tǒng)計(jì)結(jié)果均會(huì) 出現(xiàn)不同誤差，因此，可以根據(jù)實(shí)際情況不斷調(diào)試，計(jì)算最終人數(shù)統(tǒng)計(jì)與實(shí)際 人數(shù)之差得到修正后的預(yù)定誤差，以使操作電梯出現(xiàn)異常的風(fēng)險(xiǎn)降到最低。
另外，根據(jù)實(shí)際需求，該控制值可以為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和 再加上或減去一冗余度。該冗余度根據(jù)實(shí)際環(huán)境需要設(shè)定，例如可以為允許用 戶按錯(cuò)電梯按鈕的次數(shù)。
另外，由于過線檢測(cè)和人頭檢測(cè)算法不可能百分之百的準(zhǔn)確，因此可以根 據(jù)需要對(duì)過線檢測(cè)和人頭檢測(cè)得到的統(tǒng)計(jì)結(jié)果進(jìn)行融合，根據(jù)最低風(fēng)險(xiǎn)的原
則，將對(duì)兩種檢測(cè)結(jié)果的最大值作為最終人數(shù)統(tǒng)計(jì)的結(jié)果，然后執(zhí)行步驟200，
對(duì)電梯按鈕進(jìn)行控制。
本發(fā)明的裝置，包括信息采集模塊、圖像分析模塊、控制模塊。
其中，信息采集模塊，用于采集電梯層數(shù)按鈕被按下的次數(shù)并進(jìn)行圖像采
集，其中可以通過4IW象頭實(shí)現(xiàn)圖像采集；圖像分析模塊，用于獲得電梯層數(shù)按 鈕被按下的次數(shù)，并根據(jù)釆集到的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層數(shù)按鈕被 按下的次數(shù)大于預(yù)定的控制值時(shí)，通知控制模塊禁止按鈕的進(jìn)一步作用，直到 所按電梯層數(shù)小于等于所述控制值時(shí)，才允許電梯按鈕繼續(xù)工作，其中，所述 預(yù)定的控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和；控制模塊，用于對(duì)電梯按 鈕執(zhí)行相應(yīng)的控制操:作。
其中，圖像分析模塊，通過過線檢測(cè)方式或人頭檢測(cè)方式對(duì)圖像采集裝置 采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)。
具體地，圖像分析模塊在進(jìn)行過線檢測(cè)時(shí)，首先采用中值濾波技術(shù)、非參數(shù)估計(jì)技術(shù)以及迭代更新等技術(shù)對(duì)檢測(cè)區(qū)域進(jìn)行背景建模；然后釆用幀差法、
前景背景差法、核密度估計(jì)法以及混合高斯模型等進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)；進(jìn)而采 用卡爾曼濾波法、Mean shift法、粒子濾波法以及模板匹配法等對(duì)運(yùn)動(dòng)目標(biāo)進(jìn) 行跟蹤；最后，當(dāng)目標(biāo)經(jīng)過預(yù)先劃定的直線時(shí)，分析當(dāng)前運(yùn)動(dòng)目標(biāo)的跟蹤軌跡， 并計(jì)算出一個(gè)方向，與預(yù)先劃定的直線的方向進(jìn)行比較，當(dāng)兩個(gè)方向的夾角小 于90度時(shí)，認(rèn)為是人走出電梯，當(dāng)大于90度時(shí)，認(rèn)為是有人進(jìn)入電梯，并對(duì)相 應(yīng)的人數(shù)統(tǒng)計(jì)器上進(jìn)行相應(yīng)的加減操作。
圖像分析才莫塊在進(jìn)行人頭檢測(cè)時(shí)，首先采用Adaboost算法和SVM算法選取 特征進(jìn)行人頭模型訓(xùn)練；然后輸入一幀圖像，對(duì)于監(jiān)測(cè)區(qū)域，為檢測(cè)該圖像中 一定尺度范圍的人頭，對(duì)分尺度對(duì)該圖像進(jìn)行縮放，并在每個(gè)像素點(diǎn)進(jìn)行多尺 度逐點(diǎn)像素的人頭檢測(cè)；進(jìn)而將相鄰位置以及不同尺度的人頭框合并，如果兩 個(gè)候選人頭框的大小差異和位置差異都非常小，或者這兩個(gè)人臉框重疊面積非 常大，就可以將這兩個(gè)框合二為一；最后，對(duì)該區(qū)域的人頭數(shù)進(jìn)行統(tǒng)計(jì)。
其中，該控制值將在每次電梯停止的時(shí)候開始工作，電梯層數(shù)按鈕被按下 的次數(shù)超過該控制值時(shí)，將禁止按鈕的進(jìn)一步作用，直到所按電梯層數(shù)小于等 于該值時(shí)，才允許電梯按鈕繼續(xù)工作。另外，該控制值可以通過設(shè)定默認(rèn)范圍 設(shè)置，也可以根據(jù)不同場(chǎng)所具有不同的誤差均值進(jìn)行統(tǒng)計(jì)得到，因此可以通過 場(chǎng)景調(diào)試來確定該控制值，使操作電梯出現(xiàn)異常的風(fēng)險(xiǎn)降到最低。
其中，圖像分析模塊，可以根據(jù)需要分別進(jìn)行過線檢測(cè)以及人頭檢測(cè)，然 后根據(jù)最低風(fēng)險(xiǎn)原則，將對(duì)兩種檢測(cè)結(jié)果的最大值作為最終人數(shù)統(tǒng)計(jì)的結(jié)果， 進(jìn)而通知控制^^塊對(duì)電梯按鈕執(zhí)行相應(yīng)的控制操作。
綜上所述，依照本發(fā)明的控制電梯按鈕的方法及裝置，從智能視頻分析的 角度出發(fā)，對(duì)電梯內(nèi)的人員進(jìn)行數(shù)目統(tǒng)計(jì)，綜合考慮各種檢測(cè)算法的優(yōu)缺點(diǎn)， 達(dá)到最佳自動(dòng)控制電梯層數(shù)的效果，不需要人為控制；能夠防止一些人員對(duì)電 梯的亂操作，提高了對(duì)電梯的使用效率；基于人數(shù)統(tǒng)計(jì)電梯按鈕控制釆用了先 進(jìn)的人頭檢測(cè)技術(shù)和過線檢測(cè)技術(shù)，使得系統(tǒng)更加智能和穩(wěn)定。
以上是為了使本領(lǐng)域普通技術(shù)人員理解本發(fā)明，而對(duì)本發(fā)明所進(jìn)行的詳細(xì) 描述，但可以想到，在不脫離本發(fā)明的權(quán)利要求所涵蓋的范圍內(nèi)還可以做出其 它的變化和修改，這些變化和修改均在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1. 一種控制電梯按鈕的方法，其特征在于，包括下列步驟采集電梯層數(shù)按鈕被按下的次數(shù)，并根據(jù)采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層數(shù)按鈕被按下的次數(shù)大于一控制值時(shí)，禁止未被按下的按鈕被按下，直到所按電梯層數(shù)小于等于所述控制值時(shí)，才允許未被按下的按鈕能被按下，其中，所述控制值根據(jù)所述人數(shù)統(tǒng)計(jì)數(shù)目及預(yù)定誤差確定得出。
2. 如權(quán)利要求1所述的控制電梯按鈕的方法，其特征在于，所述控制值 為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和；或者所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與 預(yù)定誤差之和再加上或減去一冗余度。
3. 如權(quán)利要求2所述的控制電梯按鈕的方法，其特征在于，通過過線檢 測(cè)方式或人頭檢測(cè)方式對(duì)采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)。
4. 如權(quán)利要求3所述的控制電梯按鈕的方法，其特征在于，所述過線檢 測(cè)方式包括下列步驟預(yù)先在視頻圖像中電梯入口處劃定一條直線，用于判斷行人是進(jìn)入電梯還 是走出電梯；對(duì)檢測(cè)區(qū)域進(jìn)行背景建模，然后進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，并對(duì)運(yùn)動(dòng)目 標(biāo)進(jìn)行跟蹤，當(dāng)目標(biāo)經(jīng)過預(yù)先劃定的直線時(shí)，分析當(dāng)前運(yùn)動(dòng)目標(biāo)的跟蹤軌跡， 并計(jì)算出一個(gè)方向，與預(yù)先劃定的直線的方向進(jìn)行比較，以判斷行人是走出電 梯還是進(jìn)入電梯，然后對(duì)相應(yīng)的人數(shù)統(tǒng)計(jì)器上進(jìn)行相應(yīng)的加減操作。
5. 如權(quán)利要求4所述的控制電梯按鈕的方法，其特征在于，所述對(duì)檢測(cè) 區(qū)域進(jìn)行背景建模通過中值濾波技術(shù)、或者非參數(shù)估計(jì)技術(shù)、或者迭代更新技 術(shù)實(shí)現(xiàn)。
6. 如權(quán)利要求4所述的控制電梯按鈕的方法，其特征在于，所述進(jìn)行運(yùn) 動(dòng)目標(biāo)檢測(cè)通過幀差法、或者前景背景差法、或者核密度估計(jì)法、或者混合高 斯模型實(shí)現(xiàn)。
7. 如權(quán)利要求4所述的控制電梯按鈕的方法，其特征在于，所述對(duì)運(yùn)動(dòng) 目標(biāo)進(jìn)行跟蹤通過卡爾曼濾波法、或者M(jìn)ean shift法、或者粒子濾波法、或者 模板匹配法實(shí)現(xiàn)。
8. 如權(quán)利要求3所述的控制電梯按鈕的方法，其特征在于，所述人頭檢測(cè)方式包括下列步驟預(yù)先在視頻圖像中電梯客戶區(qū)域定義一定范圍的人頭監(jiān)測(cè)區(qū)域，選取特征 進(jìn)行人頭模型訓(xùn)練；輸入一幀圖像，對(duì)于監(jiān)測(cè)區(qū)域?yàn)闄z測(cè)所述圖像中一定尺度 范圍的人頭，分尺度對(duì)所述圖像進(jìn)行縮放，并在每個(gè)像素點(diǎn)進(jìn)行多尺度逐點(diǎn)像 素的人頭檢測(cè)；將相鄰位置以及不同尺度的人頭框合并，如果兩個(gè)候選人頭框 的大小差異和位置差異為2個(gè)像素以下時(shí)，則將這兩個(gè)人頭框合二為一，最后 對(duì)所述檢測(cè)區(qū)域的人頭數(shù)進(jìn)行統(tǒng)計(jì)。
9. 如權(quán)利要求8所述的控制電梯按鈕的方法，其特征在于，所述進(jìn)行人 頭模型訓(xùn)練通過Adaboost算法、或者支持向量機(jī)SVM算法實(shí)現(xiàn)。
10. 如權(quán)利要求2至9中任一項(xiàng)所述的控制電梯按鈕的方法，其特征在于， 將所述過線檢測(cè)和人頭檢測(cè)得到的統(tǒng)計(jì)結(jié)果進(jìn)行融合，將對(duì)兩種檢測(cè)結(jié)果的最 大值作為最終人數(shù)統(tǒng)計(jì)的結(jié)果，然后對(duì)電梯按鈕進(jìn)行控制。
11. 如權(quán)利要求1所述的控制電梯按鈕的方法，其特征在于，所述預(yù)定誤 差，通過預(yù)先在標(biāo)準(zhǔn)的攝像條件下，人員一個(gè)個(gè)走進(jìn)電梯時(shí)得到的人數(shù)統(tǒng)計(jì)數(shù) 目與實(shí)際人數(shù)之差計(jì)算得到。
12. 如權(quán)利要求1所述的控制電梯按鈕的方法，其特征在于，所述預(yù)定誤 差，通過預(yù)先根據(jù)實(shí)際的應(yīng)用環(huán)境，計(jì)算最終人數(shù)統(tǒng)計(jì)數(shù)目與實(shí)際人數(shù)之差得 到。
13. —種控制電梯按鈕的裝置，其特征在于，包括信息采集模塊、圖像分 析模塊、控制模塊，其中，所述信息采集模塊，用于采集電梯層數(shù)按鈕被按下的次數(shù)并進(jìn)行圖像采集；所述圖像分析模塊，用于獲得電梯層數(shù)按鈕被按下的次數(shù)，并根據(jù)采集到 的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層數(shù)按鈕被按下的次數(shù)大于預(yù)定的控制值 時(shí)，禁止未被按下的按鈕被按下，直到所按電梯層數(shù)小于等于所述控制值時(shí)， 才允許未被按下的按鈕能被按下，其中，所述控制值根據(jù)所述人數(shù)統(tǒng)計(jì)數(shù)目、 預(yù)定誤差、冗余度確定得出；所述控制模塊，用于對(duì)電梯按鈕執(zhí)行相應(yīng)的控制操作。
14. 如權(quán)利要求13所述的控制電梯按鈕的方法，其特征在于，所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目與預(yù)定誤差之和；或者所述控制值為所述人數(shù)統(tǒng)計(jì)數(shù)目 與預(yù)定誤差之和再加上或減去一冗余度。
15.如權(quán)利要求14所述的控制電梯按鈕的裝置，其特征在于，所述圖像 分析模塊，通過過線檢測(cè)方式或人頭檢測(cè)方式對(duì)圖像采集裝置采集的圖像進(jìn)行 人數(shù)統(tǒng)計(jì)。
全文摘要
本發(fā)明提供一種控制電梯按鈕的方法及裝置，其中，該方法包括下列步驟采集電梯層數(shù)按鈕被按下的次數(shù)，并根據(jù)采集的圖像進(jìn)行人數(shù)統(tǒng)計(jì)，在所述電梯層數(shù)按鈕被按下的次數(shù)大于一控制值時(shí)，禁止未被按下的按鈕被按下，直到所按電梯層數(shù)小于等于所述控制值時(shí)，才允許未被按下的按鈕能被按下，其中，所述控制值根據(jù)所述人數(shù)統(tǒng)計(jì)數(shù)目及預(yù)定誤差確定得出。本發(fā)明能夠達(dá)到最佳自動(dòng)控制電梯層數(shù)的效果，不需要人為控制，并且能夠防止一些人員對(duì)電梯的亂操作，提高了對(duì)電梯的使用效率。
文檔編號(hào)B66B1/14GK101456501SQ200810241100
公開日2009年6月17日 申請(qǐng)日期2008年12月30日 優(yōu)先權(quán)日2008年12月30日
發(fā)明者諶安軍 申請(qǐng)人:北京中星微電子有限公司