[发明专利]梯控方法

权利要求书

1.一种梯控方法，包括以下步骤：

a、采集电梯轿厢内的图像数据，检测电梯门的开关状态；

b、若电梯门处于门开状态，则进行电瓶车检测、人体检测和遮挡检测，所述电瓶车检测包括检测电瓶车是否出现以及是否入梯；

所述步骤b中的遮挡检测为，利用首次检测到电瓶车的图像数据帧作为参考帧，使后续帧与参考帧对比并计算遮挡率，若遮挡率大于第一阈值，则判断图像数据采集设备被遮挡；

将所述图像数据进行缩放，并对缩放图像进行网格划分，划分后对每个小格提取特征，构成特征图；

所述缩放图像具有30行×30列的像素，网格划分后的每个小格具有3行×3列的像素；

计算后续帧每个小格的特征和参考帧的特征的相似度，相似度低于第二阈值即判断当前小格发生变化，所述第二阈值取值范围[0.5,0.9]；

统计所述特征图中发生变化的小格的总数，并计算百分率得到遮挡率；

c、若检测出有电瓶车入梯，或者，在电梯开门过程中检测出电瓶车但遮挡检测结果为图像数据采集设备被遮挡，则发出梯控信号；

判定电瓶车入梯的条件为：

；

且

；

式中，和分别为电瓶车在所述图像数据中的下边界和上边界，为电瓶车在所述图像数据中的检测位置，thre为电瓶车进入电梯的程度，取值范围为[0.1,0.9]。

2.根据权利要求1所述的梯控方法，其特征在于，在检测电瓶车是否出现时，收集电梯场景中的电瓶车样本，利用数据标定工具对电瓶车样本进行标注，利用深度学习目标检测网络模型对电瓶车样本进行训练，得到电瓶车检测网络；

将所述图像数据输入所述电瓶车检测网络，得到所述图像数据中的电瓶车数目，并且所述图像数据中每辆电瓶车均被标注有外接矩形框。

3.根据权利要求1所述的梯控方法，其特征在于，所述步骤b中的人体检测包括，收集电梯场景中的人体样本，利用数据标定工具对人体样本进行标注，利用深度学习目标检测网络模型对人体样本进行训练，得到人体检测网络；

将所述图像数据输入所述人体检测网络，得到所述图像数据中的人体数目。

4.根据权利要求1所述的梯控方法，其特征在于，所述第一阈值的计算公式为：

：

其中，为基准阈值，取值范围为[0.3,0.7]；为人体数目；为比率系数，取值范围[0.02,0.1]。

5.根据权利要求1所述的梯控方法，其特征在于，每个小格提取的特征为局部二值模式特征，以中心点亮度为阈值，其余像素区域亮度若大于该阈值，则标记为1，否则标记为0，并进行编码获得二进制编码。

6.根据权利要求1、4或5所述的梯控方法，其特征在于，每次电梯开门后检测到电瓶车时，更新参考帧。