[发明专利]一种家用电梯轿厢内乘客摔倒检测方法及装置

说明书

本发明属于电梯轿厢监控和行为识别技术领域，公开了一种家用电梯轿厢内乘客摔倒检测方法及装置。所述方法包括：S1：获取电梯轿厢内的实时图像；S2：提取乘客的骨架信息；S3：在电梯轿厢内放置超声波传感器并获取其实时距离测量信息，计算乘客的位置数据信息；S4：构建初始摔倒行为检测模型，使用数据集对初始摔倒行为检测模型进行训练，得到最终的摔倒行为检测模型；S5：将实时获取的骨架信息和位置信息共同输入最终的摔倒行为检测模型，实现摔倒行为实时检测。本发明将机器视觉和超声波测距技术相结合，利用乘客的骨架信息和位置数据信息共同判断摔倒行为，可有效解决机器视觉受制于外界干扰的问题，检测识别精度更高。

技术领域

本发明属于电梯轿厢监控和行为识别技术领域，具体涉及一种家用电梯轿厢内乘客摔倒检测方法及装置。

背景技术

家用电梯是指安装在私人住宅中，仅供单一家庭成员使用的电梯。目前，家用电梯的数量在逐步增加，其可以为使用者，尤其是老年人，在多楼层间的运动带来便利。但是由于家用电梯的私有性，电梯轿厢中的乘客数量较少，很多情形下仅为单人，其安全问题日显突出。当单人，尤其是老人，乘坐电梯时，可能发生突然摔倒的行为，如不能及时发现，可能危及生命。因此，如果电梯具备能够及时检测乘客摔倒行为的能力，那么对提升电梯整体的安全性是十分有帮助的。

目前，对电梯轿厢内异常行为的检测方法仍然是采用人工视频监控的方法。该方法需要监控人员进行长时间的监控，同时监控人员通常需要对上百台摄像机进行同时监看，异常行为的误检和漏检现象经常发生。虽然近年来基于计算机视觉技术的自动监控方法（如专利CN110765964A：基于计算机视觉的电梯轿厢内异常行为的检测方法）已经逐步改善误检、漏检现象，但是由于机器视觉方法本身的限制，其检测精度仍然有进一步的提升空间。同时，电梯轿厢的环境不是一成不变的，如光线可能会增强或减弱，轿厢中存在镜面等多种干扰因素，这需要检测方法具备在线更新能力，从而能够自适应环境的变化。

中国专利CN116002480A公开了一种电梯轿厢内乘客意外摔倒的自动检测方法和系统，其中，该自动检测方法包括以下步骤：获取电梯轿厢内的监控视频，并根据监控视频获取预设时间内N帧监控视频对应的N张监控图像；通过骨架提取算法识别N张监控图像中乘客的骨架信息，并根据骨架信息对骨架线条进行标注，以获取N张骨架线条标注图像；对N张骨架线条标注图像进行二值化处理以获取N张二值化图像；采用目标检测模型根据N张二值化图像判断乘客是否发生意外摔倒；根据本发明的电梯轿厢内乘客意外摔倒的自动检测方法，无需人工参与即可实现电梯轿厢内乘客意外摔倒的自动检测，不仅节省了人力资源，而且能够实时准确进行检测，可靠性较高；但是，该专利仅使用视觉检测方法，其检测效果会受视觉检测环境制约，如检测光线变化、乘客站立角度、电梯镜面重影等均可能导致骨架信息提取错误或无法提取，这将会直接导致检测方法将失效；此外，该专利的技术方案在提取的骨架信息基础上，使用自定义规则进行的摔倒行为检测，需要在每次检测识别时都进行复杂的规则计算与处理，判断处理过程耗时长、具有一定的滞后性，会影响实际部署中的实时检测效果。

中国专利CN111401144A公开了一种基于视频监控的手扶电梯乘客行为识别方法，包括步骤：1)使用关键点提取方法对手扶电梯行为数据集进行骨架提取，并打上标签；2)将提取的骨架划分训练集和验证集；3)搭建合适的图卷积神经网络；4)使用数据集对图卷积神经网络进行训练，并保存最佳的网络模型；5)对手扶电梯场景的图像使用关键点提取方法进行人体关键点提取，并使用行人跟踪方法对行人进行跟踪，得到每个乘客在不同帧的骨架坐标及其置信度；6)将每一帧中的所有乘客的骨架坐标及其置信度输入到训练好的最佳模型中进行行为分类；7)对同一个乘客的行为序列，使用滑动窗统计的方法对其进行滤波，决策出最后的行为。本发明可有效实现对手扶电梯监控视频的行为识别；但是，该专利仅使用提取的骨架坐标及置信度作为神经网络的输入，当视觉检测环境不佳时，如检测光线变化、乘客站立角度、电梯镜面重影等情形下，骨架坐标容易提取错误或无法提取，此时乘客行为检测效果将受到严重影响，会导致检测结果不准确；此外，骨架坐标仅能反应静态信息，不能全面反应摔倒行为，且其检测模型未进行及时、有效地更新，一直保持初始建模状态，检测模型的检测识别精度有待进一步提高。