一种电梯烟雾检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种电梯烟雾检测方法、装置、电子设备及存储介质。获取电梯轿厢的轿厢RGB直方图；将轿厢RGB直方图转换为轿厢HSV直方图，得到饱和度通道像素值及亮度通道像素值；将轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到轿厢HSV直方图对应的背景图像和前景图像；基于饱和度通道像素值及亮度通道像素值计算轿厢HSV直方图的饱和度标准差、亮度标准差；计算背景图像的饱和度通道均值和轿厢HSV直方图的饱和度通道均值的差值，作为饱和度均值差；将饱和度标准差、亮度标准差以及饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。能够得知电梯轿厢中的烟雾存在情况，工作人员能够及时根据烟雾存在的严重程度作出不同的措施。烟雾存在的严重程度作出不同的措施。烟雾存在的严重程度作出不同的措施。

【技术实现步骤摘要】
一种电梯烟雾检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像识别
，尤其涉及一种电梯烟雾检测方法、装置、电子设备及存储介质。

技术介绍

[0002]实时监控电梯轿厢内的烟雾情况，能够及时发现电梯轿厢的异常情况，以做出及时应对，对于安全隐患或人为犯罪及早预警，从而防止犯罪或灾害发生，为人民群众的生命财产安全提供保障。
[0003]目前对于电梯中的烟雾检测方法主要烟雾传感器来对电梯轿厢内是否存在烟雾情况来进行预警，现有的技术方案中使用烟雾传感器来对检测电梯轿厢内的烟雾情况，会存在检测不灵敏的情况，烟雾传感器可能对于少量的烟雾存在检测不出来的状况，同时，使用烟雾传感器检测难以直接迅速地了解当前电梯轿厢内的烟雾扩散情况，并且无法评价烟雾存在的严重程度，进一步使工作人员难以迅速反应做出合理的措施。

技术实现思路

[0004]本专利技术提供了一种电梯烟雾检测方法、装置、电子设备及存储介质，以通过摄像头拍摄的图像在线监测出电梯轿厢的烟雾存在情况，并且判断出当前烟雾存在的严重程度，以使工作人员能够做出对应不同的措施。
[0005]根据本专利技术的一方面，提供了一种电梯烟雾检测方法，包括：
[0006]获取电梯轿厢的轿厢RGB直方图；
[0007]将所述轿厢RGB直方图转换为轿厢HSV直方图，得到饱和度通道像素值及亮度通道像素值；
[0008]将所述轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢HSV直方图对应的背景图像和前景图像；r/>[0009]基于饱和度通道像素值及亮度通道像素值计算所述轿厢HSV直方图的饱和度标准差、亮度标准差；
[0010]计算所述背景图像的饱和度通道均值和所述轿厢HSV直方图的饱和度通道均值的差值，作为饱和度均值差；
[0011]将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
[0012]根据本专利技术的另一方面，提供了一种电梯烟雾检测装置，包括：
[0013]轿厢RGB直方图获取模块，用于获取电梯轿厢的轿厢RGB直方图；
[0014]直方图转换模块，用于将所述轿厢RGB直方图转换为轿厢HSV直方图；
[0015]背景分离模块，用于将所述轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢HSV直方图对应的背景图像和前景图像；
[0016]标准差计算模块，用于计算所述轿厢HSV直方图的饱和度标准差、亮度标准差；
[0017]饱和度均值差计算模块，用于计算所述背景图像的饱和度通道均值和所述轿厢HSV直方图的饱和度通道均值的差值，作为饱和度均值差；
[0018]电梯烟雾判定结果生成模块，用于将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
[0019]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0020]至少一个处理器；以及
[0021]与所述至少一个处理器通信连接的存储器；其中，
[0022]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的电梯烟雾检测方法。
[0023]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的电梯烟雾检测方法。
[0024]本专利技术实施例的技术方案，通过获取电梯轿厢的轿厢RGB直方图；将轿厢RGB直方图转换为轿厢HSV直方图，得到饱和度通道像素值及亮度通道像素值；将轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到轿厢HSV直方图对应的背景图像和前景图像；基于饱和度通道像素值及亮度通道像素值计算轿厢HSV直方图的饱和度标准差、亮度标准差；计算背景图像的饱和度通道均值和轿厢HSV直方图的饱和度通道均值的差值，作为饱和度均值差；将饱和度标准差、亮度标准差以及饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。能够通过对轿厢监控中拍摄到的图像进行识别检测，能够迅速地反应当前电梯轿厢中的烟雾情况，并且能够基于对轿厢HSV直方图中饱和度通道像素值以及亮度像素通道值中的一系列计算和操作、使用混合高斯分布模型对图像进行前后景分离分析得到当前图像的均值差，根据烟雾判定标准来确定当前电梯烟雾存在程度的判定结果，以能够得知当前电梯轿厢中的烟雾存在情况，以使工作人员能够及时根据烟雾存在的严重程度作出不同的措施，尽可能保护电梯的安全，及时避免事故发生。
[0025]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0026]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1A是根据本专利技术实施例一提供的一种电梯烟雾检测方法的流程图；
[0028]图1B是根据本专利技术实施例一提供的一种全局烟雾对应的监控可视界面的界面图；
[0029]图1C是根据本专利技术实施例一提供的一种局部烟雾对应的监控可视界面的界面图；
[0030]图2是根据本专利技术实施例二提供的一种烟雾检测混合高斯模型的构建方法的流程图；
[0031]图3是根据本专利技术实施例三提供的一种电梯烟雾检测装置的结构示意图；
[0032]图4是是实现本专利技术实施例的电梯烟雾检测方法的电子设备的结构示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0035]实施例一
[0036]图1A为本专利技术实施例一提供了一种电梯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电梯烟雾检测方法，其特征在于，包括：获取电梯轿厢的轿厢RGB直方图；将所述轿厢RGB直方图转换为轿厢HSV直方图，得到饱和度通道像素值及亮度通道像素值；将所述轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢HSV直方图对应的背景图像和前景图像；基于饱和度通道像素值及亮度通道像素值计算所述轿厢HSV直方图的饱和度标准差、亮度标准差；计算所述背景图像的饱和度通道均值和所述轿厢HSV直方图的饱和度通道均值的差值，作为饱和度均值差；将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。2.根据权利要求1所述的方法，其特征在于，所述将所述轿厢RGB直方图转换为轿厢HSV直方图，得到饱和度通道像素值及亮度通道像素值，包括：通过以下公式计算饱和度通道的像素值：其中，R(x,y)表示R通道的像素值，G(x,y)表示G通道的像素值，B(x,y)表示B通道的像素值；通过以下公式计算亮度通道的像素值：3.根据权利要求1所述的方法，其特征在于，所述烟雾检测混合高斯模型的构建方法，包括：初始化烟雾检测混合高斯模型的高斯函数个数及各所述高斯函数对应的权重、均值以及方差，其中，所述高斯函数的公式为：其中，i为高斯函数的序号，x
t
为当前t时刻的像素近似值，∑
i,t
表示t时刻的像素在第i个高斯函数的协方差矩阵；μ
i,t
表示t时刻第i个高斯函数的均值矩阵；所述烟雾检测混合高斯模型的公式为：其中，K为所述烟雾检测混合高斯模型中高斯函数个数，ω
i,t
表示t时刻第i个高斯函数的所占权重；获取若干轿厢烟雾训练图片；将所述轿厢烟雾训练图片的每个像素点分别与所述烟雾检测混合高斯模型中的高斯函数按照预设的匹配规则进行匹配，其中，所述匹配规则为：
|X
t
‑
μ
i,t
|＜Sσ
i,t
；其中，S为预设的背景阈值，u
i,t
为高斯函数的均值；依次判断所述像素点与所述高斯函数是否匹配；若所述像素点与所述高斯函数存在匹配，则根据下述公式更新参数值最大的高斯函数的所述权重、所述均值及所述方差：ω
i,t
＝ω
i,t
‑1+α(1
‑
ω
i,t
‑1)u
t
＝(1
‑
ρ)u
t
‑1+ρX
t
其中，所述ω
i,t
、μ
t
，为该像素点在t时刻第i个高斯函数的权重、均值和方差，ω
i,t
‑1、μ
t
、为该像素点在t
‑
1时刻图像中对应位置像素点的第i个高斯函数的权重、均值和方差，α表示预设的学习率，ρ表示参数学习率，其中，所述参数学习率为ρ＝α/ω
i,t
‑1；若所述像素点与所述高斯函数均不匹配，则维持参数值最小的高斯函数的所述均值和所述方差不变，并修改所述参数值最小的高斯函数的权重为：ω
i,t
＝(1
‑
α)ω
i,t
‑1。4.根据权利要求3所述的方法，其特征在于，将所述轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢HSV直方图对应的背景图像和前景图像，包括：将所述轿厢HSV直方图输入预先构建好的烟雾检测混合高斯模型中，得到若干所述高斯函数对应的权重、均值和方差；计算若干所述高斯函数对应的所述权重除以所述方差，得到若干所述高斯函数对应的参数值；将若干所述高斯函数按照对应的参数值降序排列；选择所述烟雾检测混合高斯模型中前第一数量的所述高斯函数作为背景点，生成所述背景图像，其中，所述第一数量满足：其中，B为第一数量，所述ω
i
为第i个高斯函数对应的权重，T为预设的临界阈值，ω
i
为第...

【专利技术属性】
技术研发人员：李志武，程伟，尹力，仲兆峰，胡欣，唐其伟，李予同，
申请(专利权)人：日立楼宇技术广州有限公司，
类型：发明
国别省市：