[发明专利]一种基于机器视觉的电梯门故障实时检测方法

说明书

本发明涉及一种基于机器视觉的电梯门故障实时检测方法，包括：S1.采集包含有电梯门图像的视频流，并按照固定阈值的时间间隔在所述视频流中按照时序截取所述电梯门图像；S2.获取所述电梯门图像，并基于门状态监测模型判断所述电梯门图像中电梯门的状态，并获取所述电梯门运行的电梯门时序；S3.根据所述电梯门时序进行电梯门故障检测。本发明的检测实时性好，准确度高。

技术领域

本发明涉及电梯安全运行监测技术领域，尤其涉及一种基于机器视觉的电梯门故障实时检测方法。

背景技术

近年来，随着城镇化、旧楼改造、电梯加装等一系列政策的出台，城市电梯数量与日俱增，成为了现代城市建筑中不可或缺的交通工具，为人们的出行带去较大便利。但与此同时，电梯的运行安全问题越来越受人们关注。门故障是电梯常见的故障之一，对门故障的实时准确检测、及时维修保养，一方面可以避免更严重的安全事故发生，另一方面也可降低电梯停梯时长，提升居民的乘坐舒适感，而现有技术中，针对电梯门的实时检测通常基于门上显著的标识实现，其非常容易受到电梯内环境、灯光等的影响导致整个检测过程的准确率变低。例如，中国专利CN201610637687公开了一种基于智能视觉光幕的电梯运维监控方法，该发明基于智能视觉算法分析了电梯门关闭异常、开门运行以及电梯错峰停靠异常，具体来说，其电梯门关闭异常的识别是首先采集多帧门开关时无异物侵入状态下或门能正常关闭时图像，然后对图像进行特征提取，特征降维，接着再应用kmeans与Rbf模型方法对关门的图像进行建模，当新采集一张图片时，与建模的模板对比即可知道是否是关门状态，该发明一方面针对每个新接入的电梯均需预采集一些样本图片进行建模，较为复杂，另一方面电梯内的即使关门也可能具有多个场景，灯光变化，电梯装修，电梯张贴广告等，仅通过预采集的模型，很难覆盖全部的情况，这就造成遇到特定情况时，模型的准确率变低；另外其电梯门关闭异常较难区分更详细的子类别，例如到底是属于电梯门关闭异常中的门长时间全开异常还是门长时间半开异常等。其电梯开门运行检测首先基于识别的开关门信息，再结合卡尔曼滤波方法检测电梯运行状态，基于图像做电梯运行判别可能会由于图片的场景多样导致识别精度降低。

发明内容

本发明的目的在于提供一种基于多元分析的电梯门故障实时检测方法及检测系统，解决电梯实时异常检测准确率低的弊端。

为实现上述发明目的，本发明提供一种基于机器视觉的电梯门故障实时检测方法，包括：

S1.采集包含有电梯门图像的视频流，并按照固定阈值的时间间隔在所述视频流中按照时序截取所述电梯门图像；

S2.获取所述电梯门图像，并基于门状态监测模型判断所述电梯门图像中电梯门的状态，并获取所述电梯门运行的电梯门时序；

S3.根据所述电梯门时序进行电梯门故障检测。

根据本发明的一个方面，所述电梯门的状态包括：全开、半开和关门；

所述电梯门故障包括：重复开关门、开关门困难、开关门速度异常、门长时间全开、门长时间半开、开门走梯。

根据本发明的一个方面，步骤S3中，根据所述电梯门时序进行电梯门故障检测的步骤中，若根据所述视频流所获取的所述电梯门时序中电梯门出现“关门-半开-全开”多次循环，则判断所述电梯门故障为重复开关门。

根据本发明的一个方面，步骤S3中，根据所述电梯门时序进行电梯门故障检测的步骤中，若根据所述视频流所获取的所述电梯门时序中电梯门出现“关门-半开”多次循环或全开-半开”多次循环，则判断所述电梯门故障为开关门困难。

根据本发明的一个方面，步骤S3中，根据所述电梯门时序进行电梯门故障检测的步骤中，若根据所述视频流所获取的所述电梯门时序中电梯门出现“关门-全开”耗时超过预设阈值或“全开-关门”耗时低于预设阈值，则判断所述电梯门故障为开关门速度异常。