一种自学习的轿厢视觉分析方法技术

本发明专利技术公开了一种自学习的轿厢视觉分析方法，包括以下步骤：S1：设置轿厢满载时的阈值F

【技术实现步骤摘要】
一种自学习的轿厢视觉分析方法


[0001]本专利技术涉及轿厢载重及照度监测
，特别是一种自学习的轿厢视觉分析方法。

技术介绍

[0002]现有电梯结构中，原有通用的按照重量来判断轿厢是否满载的功能，已经越来越显示其局限性，更多的新技术着眼于使用视觉技术，在轿厢的空间层次判断轿厢是否满载。
[0003]使用视觉技术进行图像比对，现在主流做法是，标示一定的图像轮廓，并计算其面积，与轿厢的总面积进行对比来判断；或者使用像素点对比，把像素点前后不相同的数量与总的像素点数量进行对比来判断，
[0004]使用标示轮廓或像素点对比并计算面积的方法，由于乘客在轿厢内分布的随意性，只计算已占用面积与总面积的对比，并无考虑不同区域对于满载的贡献程度是不同的，存在一定程度的不合理及误判断。对于标示轮廓法而言，由于使用的是二元法计算，例如把图像转成灰度图并设定灰度阈值后，对于大于阈值的点赋值为255，反之赋值为0；而对于像素点法直接判断前后图像像素点是否相同，由于都存在定性分析，则可能由于照度引起的整体色差而引起误判断，显示了其局限性。另外目前电梯照度的检测，多为专业人员使用专业设备，在场地内实际测量，但由于测量方法的特性，无法对照度实时监控并及时调整，从而影响乘梯舒适性。
[0005]不论是轮廓计算面积，还是像素点计算数量的方法，总体而言都是算两者的面积比，而这种总体面积对比的方法，并没有考虑不同区域对满载程度的贡献值是不同的，因此得出的结论往往会有失合理性，只是单纯以总面积来估算轿厢是否满载，并不合理，从而会导致使用时不能准确判断出轿厢是否满载。

技术实现思路

[0006]针对上述缺陷，本专利技术的目的在于提出一种自学习的轿厢视觉分析方法，能精准地判断出轿厢是否满载。
[0007]为达此目的，本专利技术采用以下技术方案：一种自学习的轿厢视觉分析方法，包括以下步骤：
[0008]S1：设置轿厢满载时的阈值F
AB
；
[0009]S2：当轿厢处于空载且照度合适时，获取轿厢的当前图像并标记为原始图像；
[0010]S3：当轿厢处于空载时，视觉输入系统获取轿厢的当前图像并标记为基准图像；
[0011]S4：当轿厢处于载重时，视觉输入系统获取轿厢的当前图像作为比对图像；
[0012]S5：通过所述视觉输入系统将所述基准图像和比对图像以同样的方式分割成n个区域，并通过自学习系统得到每个区域的加权平均值k
i
，所述基准图像分割成多个单位图像Ai，所述比对图像分割成多个单位图像Bi，其中1≤i≤n，所述单位图像Ai与所述单位图像Bi一一对应；
[0013]S6：所述视觉输入系统依次将所有单位图像Ai与单位图像Bi结合对应区域的加权平均值k
i
进行对应区域的加权相似度计算，获得平均加权相似度并将所述平均加权相似度与阈值F
AB
作比较；当所述平均加权相似度大于或等于所述阈值F
AB
时，所述视觉输入系统向中央控制系统发送已满载信号；当所述平均加权相似度小于所述阈值F
AB
时，所述视觉输入系统向中央控制系统发送未满载信号；
[0014]S7：当所述中央控制系统接收到所述已满载信号时，不响应层站呼梯信号；当所述中央控制系统接收到所述未满载信号时，响应层站呼梯信号。
[0015]例如，在步骤S6中，首先通过所述视觉输入系统将第i个区域对应的单位图像Ai与单位图像Bi进行余弦相似度计算，得到第i个区域的相似度F
i
；
[0016]然后所述视觉输入系统确定所述相似度F
i
对应的区域的加权平均值k
i
；
[0017]最后得到所述平均加权相似度其中
[0018]值得说明的是，所述余弦相似度计算具体为：
[0019]首先将所述单位图像Ai形成RGB信息以及将所述单位图像Bi形成RGB信息
[0020]然后通过L
‑
P范数得到P范数得到
[0021]最后通过欧几里得点积公式得到相似度
[0022]可选地，在所述余弦相似度计算中，所述L
‑
P范数中P的取值为2，所述相似度F
i
为：
[0023][0024]具体地，还包括步骤S8，所述步骤S8为：
[0025]自学习系统通过梯度下降法进行训练得到对应的加权平均值k
i
。
[0026]优选的，在所述步骤S8中，首先通过实验人员穿不同颜色衣服或者携带不同样品塞满轿厢，所述视觉输入系统拍照得到不同的满载时的相片，并将满载时的照片分割成n个区域；
[0027]然后所述自学习系统通过梯度下降法对满载时的相片的每个区域进行训练得到
对应区域的加权平均值k
i
。
[0028]例如，所述梯度下降法具体为：
[0029]首先确定执行第j次梯度下降法后第i个区域对应损失函数E(k
ij
)；
[0030]然后通过修正方程得到第i个区域对应的新的加权平均值
[0031][0032]最后将加权平均值k
ij
替换成新的加权平均值k
ij
′
。
[0033]值得说明的是，所述损失函数E(k
ij
)通过差平方公式确定，具体为：其中为执行第j次梯度下降法后通过步骤S6得到的所有区域的平均加权相似度，F
ij
为执行第j次梯度下降法后通过步骤S6得到的第i个区域的相似度。
[0034]可选地，还包括步骤S9，所述步骤S9为：
[0035]首先获取轿厢合适照度下空载时的原始图像，设置轿厢的亮度限制区间；
[0036]然后所述视觉输入系统对所述步骤S3中的基准图像通过亮度转换法转换成平均亮度值；
[0037]所述亮度转换法具体为：所述基准图像的像素点的RGB值通过转换成HSL值得到亮度L，并通过所有像素点的亮度L得到平均亮度值，其中max和min为RGB值的三个值中的最大值和最小值；
[0038]最后判断所述平均亮度值是否落于所述亮度限制区间，当所述平均亮度值超出所述亮度限制区间时，所述视觉输入系统通过所述中央处理系统通知维保单位维修。
[0039]具体地，还包括步骤S10，所述步骤S10为：
[0040]首先获取轿厢合适照度下空载时的原始图像，设置轿厢的灰度限制区间；
[0041]然后所述视觉输入系统对所述步骤S3中的基准图像通过灰度转换法转换成平均灰度值；
[0042]所述亮度转换法具体为：通过Gray＝R*0.299+G*0.587+B*0.114得到所述基准图像的每个像素点的灰度Gray，并通过所有像素点的灰度Gray得到平均灰度值，其中R为像素点的红色值，G为像素点的绿色值，B为像素点的蓝色值；
[0043]最后判断所述平均灰度值是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自学习的轿厢视觉分析方法，其特征在于：包括以下步骤：S1：设置轿厢满载时的阈值F
AB
；S2：当轿厢处于空载且照度合适时，获取轿厢的当前图像并标记为原始图像；S3：当轿厢处于空载时，视觉输入系统获取轿厢的当前图像并标记为基准图像；S4：当轿厢处于载重时，视觉输入系统获取轿厢的当前图像作为比对图像；S5：通过所述视觉输入系统将所述基准图像和比对图像以同样的方式分割成n个区域，并通过自学习系统得到每个区域的加权平均值k
i
，所述基准图像分割成多个单位图像Ai，所述比对图像分割成多个单位图像Bi，其中1≤i≤n，所述单位图像Ai与所述单位图像Bi一一对应；S6：所述视觉输入系统依次将所有单位图像Ai与单位图像Bi结合对应区域的加权平均值k
i
进行对应区域的加权相似度计算，获得平均加权相似度并将所述平均加权相似度与阈值F
AB
作比较；当所述平均加权相似度大于或等于所述阈值F
AB
时，所述视觉输入系统向中央控制系统发送已满载信号；当所述平均加权相似度小于所述阈值F
AB
时，所述视觉输入系统向中央控制系统发送未满载信号；S7：当所述中央控制系统接收到所述已满载信号时，不响应层站呼梯信号；当所述中央控制系统接收到所述未满载信号时，响应层站呼梯信号。2.根据权利要求1所述的一种自学习的轿厢视觉分析方法，其特征在于：在步骤S6中，首先通过所述视觉输入系统将第i个区域对应的单位图像Ai与单位图像Bi进行余弦相似度计算，得到第i个区域的相似度F
i
；然后所述视觉输入系统确定所述相似度F
i
对应的区域的加权平均值k
i
；最后得到所述平均加权相似度其中3.根据权利要求2所述的一种自学习的轿厢视觉分析方法，其特征在于，所述余弦相似度计算具体为：首先将所述单位图像Ai形成RGB信息以及将所述单位图像Bi形成RGB信息然后通过L
‑
P范数得到P范数得到
最后通过欧几里得点积公式得到相似度4.根据权利要求3所述的一种自学习的轿厢视觉分析方法，其特征在于：在所述余弦相似度计算中，所述L
‑
P范数中P的取值为2，所述相似度F
i
为：5.根据权利要求4所述的一种自学习的轿厢视觉分析方法，其特征在于：还包括步骤S8，所述步骤S8为：自学习系统通过梯度下降法进行训练得到对应的加权平均值k

【专利技术属性】
技术研发人员：潘依航，卢健佳，刘向民，林景宏，
申请(专利权)人：菱王电梯有限公司，
类型：发明
国别省市：