本发明专利技术公开了一种基于机器视觉的多电梯并联运行协调控制方法及系统，包括以下步骤：将电梯内外摄像头采集的图像转化为灰度图，并进行二值化处理；进行HOG特征提取，得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神经分类器对其进行二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数；通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置，采用协调控制算法对电梯运行进行调度。本发明专利技术有效减少电梯不必要的升降，减少电梯的磨损，延长电梯使用寿命，并减少乘梯人员的等待时长，在节能的基础上，使人们的生活更加便捷。
【技术实现步骤摘要】
本专利技术涉及一种基于机器视觉的多电梯并联运行协调控制方法及系统。
技术介绍
随着城市的发展，人们对生活水平的要求不断提高，建筑的智能化越发重要。不管 是在居民小区还是在办公大楼，电梯成了必不可少的交通工具之一。 而且随着人流密度的增大，为了便于人们能及时快捷的乘坐电梯，建筑物会有多 部电梯并联运行。当人们在等电梯时，往往为了省时会同时按好几部并联电梯，让其一起接 收指令，哪部来得快乘哪部电梯。但这种做法在方便一部分人的同时，也加长了其他乘梯人 的等待时间，并增多了电梯的磨损，使电梯寿命减少，故障增多。 因此，有必要进行多电梯并联协调运行控制方法与装置的研发，以达到减少电梯 运行能耗、人员等待时间，增加电梯寿命的效果。 另一方面，随着摄像头的成本的降低，在楼宇及电梯内得到了广泛应用。通过电梯 内外的摄像头拍摄的视频图像进行电梯运行的安全监控已经得到了广泛应用，但目前尚未 见到如何采用这些视频图像实现多电梯并联运行协调控制方面的研宄。 实现多电梯并联运行协调控制的基础是根据梯内外拍摄的图像进行人数统计发 现，现阶段，基于视频图像进行人数统计的处理有Hough圆检测算法、Harr方法等。但由于 梯内外的视频图像往往清晰度低、且极易受到光线等干扰因素的影响。在此种情况下，采用 常规的基于视频图像的人员计数方法往往精度不高。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于机器视觉的多电梯并联运行协调控制 方法及系统，本专利技术对电梯内外的摄像机拍摄的视频图像进行图像处理，采用Hog特征提 取算法及二型模糊神经网络分类器对梯内外人员数量进行精确计数；根据人员计数情况， 综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算 法对电梯运行进行调度，实现最优派梯，降低电梯能耗及磨损；通过CAN总线进行通信，实 现多电梯并联运行的协调，使电梯在任何时候都高效运行。 为了实现上述目的，本专利技术采用如下技术方案： 一种基于机器视觉的多电梯并联运行协调控制方法，包括以下步骤： (1)将电梯内外摄像头采集的图像转化为灰度图，进行二值化处理，并进行HOG特 征提取； (2)根据得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神 经分类器对其进行头部与非头部的二值判决，将分类器判决出的人体进行统计相加，得出 梯内外人数； (3)通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量 及距离候梯位置，采用协调控制算法对电梯运行进行调度； (4)进行通信，实现电梯运行的协调。 所述步骤（1)中，具体方法为：首先将电梯内外摄像头拍摄的彩图转变成灰度图， 并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点梯度大小和梯度方向来 捕获轮廓信息，将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成 大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的Hog特征向 量。 所述步骤（1)的具体方法为：首先将电梯内外摄像头拍摄的彩图转变成灰 度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点（x，y)处 梯度大小和梯度方向来捕获轮廓信息，其中H(x，y)分别表示输入图像 中像素点（x，y)处的像素值；将原图像分割成细胞单元，统计每个细胞单元的直方图；把细 胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大 的Hog特征向量，就得到了人体头部和非头部的所有特征X = (Xl，X2，…xn)τ，用于供二型模 糊神经分类器对人体头部与非头部的分类学习使用。 所述步骤（2)中，具体方法包括： (2-1)选取一个带有人头与非人头标记的训练样本集； (2-2)随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输 出矩阵； (2-3)设置规则层与输出层的区间权重向量和训练样本集估计的最优值，输出二 型模糊神经分类器的输入输出模型。 所述步骤（2-1)中，选取一个带有人头与非人头标记的训练样本集，记为为第i个样本特征， tie {〇, 1}，1表示为人头轮廓，〇为非人头轮廓，将N个样本的类标号组合成一个向量T = Et1，…，tN] 〇 所述步骤（2-2)中，随机生成二型模糊隶属函数层的参数，并根据训练样本集计 算规则层的输出矩阵：1，···，Μ，A 分别为针对第j个特征划分的第k个二型模糊集合4的上下隶属函数。 所述步骤(2-3)中，规则层与输出层的区间权重向量为根据 训练样本集估计β的最优值为= ，其中H+为输出矩阵H的Moore-Penrose广义逆矩 阵，能对人体头部与非头部特征X = (X1, x2,…xn)τ实现分类的二型模糊神经分类器的输入 输出模型为 所述步骤⑶中，其具体方法为： (3-1)标注每层以及每一个电梯的运行状态，统计建筑物内各电梯及各楼层的人 数和剩余谷3；; (3-2)获取当前电梯的基本状态数据，根据电梯运行状态，梯内外人数统计及剩余 容量协调派梯。 所述步骤（3-1)具体为：可运行的楼层共N层，电梯数为S，电梯i的基本状态为 Qii, Oi, Fi),其中Fi为电梯;[所在楼层，kf {1,0,-1}为运行状态，1表示电梯上行，0表示 电梯停靠，-1表示电梯下行，Oi= Ui-Ei为剩余容量，其中的Ei是由机器视觉系统得到的梯 内已有人数，U i为电梯i最大容量，楼层Fj的基本状态数据为（ΚρΕρ，其中&是该层候梯 人数，&为该楼层候梯状态集，为0，丨1!，{-1}，{-1,1}中的一个，1表示有人员上行，-1表示有 人员下行。 所述步骤（3-2)中，其具体方法为：根据所有电梯运行状态，各楼层候梯人数等进 行协调派梯，以电梯i派梯为例，（1)若此时O i= U i，电梯内无人乘梯，令Ici= 0,即电梯 停止运行；若检测到上行信号令h= 1，若检测到下行信号，令Ici= -1，电梯开始运行；若 Oi^ Ui,此时的电梯是处于运行状态中的；当电梯i运行时，根据L与否，确定与其上 下行状态一致的候梯楼层，并选择与其最近的楼层iV由该楼层候梯人数&进一步判断是 否向该楼层派电梯i ; (2)假定已向楼层Fj派出电梯i /，i2'，…im'，若派梯数量不够，即满足条件吋则派电梯i至楼层匕;派梯之后在返回步骤（1)继续 执行，当已派足够的电梯V，i' 2,…i'm至楼层F」时，若F」是建筑物顶部N-I层或者底部倒 数第二层，电梯则返回步骤（1)继续执行；否则在&中剔除k i后继续进行下一次寻优。 所述步骤⑷中，电梯主控制器位于电梯机房，接收各楼层、轿厢内的视频图像信 息，在每个楼层的电梯面板附近安装楼层控制器，楼层控制器通过CAN总线与主控制器通 讯，楼层控制器负责接收主控制器的派梯命令，控制派梯，完成呼叫电梯。 基于上述方法的多电梯并联运行协调控制系统，包括摄像头系统、Hog特征提取模 块、梯内外人员计数模块、多并联电梯智能派梯模块、基于CAN总线的通信模块和电梯控制 系统； 其中，所述摄像头系统包括多个摄像头，摄像头分别安装于电梯内及每层楼电梯 口，采集人员信息传输给Hog特征提取模块； 所述Hog特征提取模块，用于利用Hog特征提本文档来自技高网...
【技术保护点】
一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：包括以下步骤：(1)将电梯内外摄像头采集的图像转化为灰度图，进行二值化处理，并进行HOG特征提取；(2)根据得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神经分类器对其进行头部与非头部的二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数；(3)通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置，采用协调控制算法对电梯运行进行调度；(4)进行通信，实现电梯运行的协调。
【技术特征摘要】
【专利技术属性】
技术研发人员：李成栋，王丽，任伟娜，文鹏，张桂青，尚芳，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37
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。