[发明专利]一种电梯门运动轨迹识别方法有效

专利信息
申请号: 201711157632.9 申请日: 2017-11-20
公开(公告)号: CN107886524B 公开(公告)日: 2020-05-22
发明(设计)人: 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
主分类号: G06T7/246 分类号: G06T7/246;G06T7/73
代理公司: 无锡华源专利商标事务所(普通合伙) 32228 代理人: 聂启新
地址: 214174 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电梯 运动 轨迹 识别 方法
【权利要求书】:

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;包括:令所述电梯门运动轨迹模型为p阶q帧窗口预测模型,所述电梯门运动轨迹模型的表达式如下:

Fp(m)=a0+a1m+a2m2+......+apmp

其中,m表示帧,Fp(m)表示第m帧图像中所述电梯门边缘的位置,a0,a1,a2,...,ap为所述电梯门运动轨迹模型的系数,q>p,q和p均为整数;根据所述前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的系数;将所述电梯门运动轨迹模型的系数代入所述电梯门运动轨迹模型的表达式,得到所述电梯门运动轨迹模型;

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;包括利用所述电梯门运动轨迹模型得到所述电梯门边缘的预测位置;获取利用前置识别方法确定的所述电梯门边缘的识别位置;利用类高斯加权函数和所述预测位置矫正所述识别位置,得到矫正位置;其中,所述类高斯加权函数的表达式为:当所述电梯门为单门时,或,当所述电梯门为双门时,x、y分别为电梯门边缘的识别位置,σ为模型因子,μ为利用所述电梯门运动轨迹模型预测得到的所述电梯门边缘的预测位置,ν为利用所述电梯门运动轨迹模型预测得到的所述电梯门边缘的预测位置;

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,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏省特种设备安全监督检验研究院,未经江苏省特种设备安全监督检验研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711157632.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top