基于圖像與加速度傳感器的電梯開關(guān)門檢測

四川長虹電器股份有限公司 張 霍

0 引言

隨著社會經(jīng)濟(jì)的不斷發(fā)展，電梯的使用量不斷增加，電梯的開關(guān)門故障對人們的出行影響越來越大[1]，實(shí)時(shí)檢測電梯門的開關(guān)狀態(tài)在電梯安全保護(hù)系統(tǒng)中至關(guān)重要；與此同時(shí)，電梯廣告投影方式逐漸出現(xiàn)，電梯開關(guān)門檢測成為其投影控制系統(tǒng)的關(guān)鍵技術(shù)。通過圖像傳感器采集電梯門區(qū)域視頻序列，并進(jìn)行圖像處理，能夠?qū)崟r(shí)檢測電梯門的開關(guān)量，為安全保護(hù)系統(tǒng)與電梯廣告投影控制系統(tǒng)提供依據(jù)。電梯門邊界在開關(guān)過程中其到中線的距離變化，能夠有效表征電梯的開關(guān)狀態(tài)，因此可以通過檢測邊界特征的位置變化判斷電梯門的開關(guān)量。該檢測過程可分為3個(gè)部分：圖像預(yù)處理、邊界檢測和開關(guān)判斷。

1 預(yù)處理

經(jīng)圖像傳感器采集的原始圖像尺寸較大，噪聲偏多，直接對其進(jìn)行處理將影響圖像處理的效率和檢測結(jié)果的準(zhǔn)確性，故需對原始圖像進(jìn)行以下預(yù)處理。

1.1 檢測區(qū)域提取

在圖像采集時(shí)，相機(jī)位于電梯后側(cè)上方中間位置，與轎廂門相對，并成一定角度俯視。采集到的圖像包含很多無用的背景信息，且下方存在乘客的干擾。因此，需要將該部分信息去除，以提高圖像處理速度和排除干擾。本文將電梯轎廂門上方40cm高度區(qū)域作為待檢測區(qū)，兩門閉合處為檢測窗口中心，檢測區(qū)域?qū)挾葹殡S著電梯門邊界變化而調(diào)整。

1.2 透視變換

攝像頭的位置高于轎廂門，視口與轎廂門相對，成一定夾角俯視。攝像頭俯視造成轎廂門兩條邊界并不平行，且在電梯門開關(guān)過程中，邊界的傾斜角度處于變化狀態(tài)，不利于后續(xù)處理。透視變換可以對攝像頭俯視產(chǎn)生的圖像畸變進(jìn)行矯正，使得轎廂門的兩邊界由非平行狀態(tài)還原為平行狀態(tài)。

1.3 圖像濾波

在電梯中當(dāng)光線不充足時(shí)，攝像頭采集到的圖像存在較多噪聲[2]，噪聲對圖像邊緣檢測有較大影響，同時(shí)噪聲的干擾會降低邊緣檢測的速度。經(jīng)典圖像濾波算法有：高斯濾波、均值濾波、中值濾波、雙邊濾波等。其中高斯濾波與均值濾波屬于線性濾波器，中值濾波與雙邊濾波屬于非線性濾波器。線性濾波器會對圖像造成一定的模糊，造成細(xì)節(jié)特征丟失，而非線性濾波器能夠更好的保留細(xì)節(jié)特征。

對一幅620*360分辨率的灰度圖像分別采用以上4種濾波算法進(jìn)行濾波處理，結(jié)果如表1所示，從表1數(shù)據(jù)可以看出，線性濾波器相對于非線性濾波器在運(yùn)行速度上有著明顯優(yōu)勢。在電梯門開關(guān)過程中，受運(yùn)動和相機(jī)幀率的影響，其邊界特征較模糊，非線性濾波器在模糊邊界處會產(chǎn)生部分細(xì)小邊界；而線性濾波器受邊界模糊的影響較小，通過Canny邊緣檢測可以得到邊界清晰的線條，如圖3所示。從表1和圖1可以看出，均值濾波算法針對電梯門邊緣檢測在速度和結(jié)果上均能夠達(dá)到良好的效果。

表1 不同濾波算法運(yùn)行時(shí)間

圖1 局部圖像濾波前后邊緣檢測效果

2 邊界檢測

邊界檢測用于提取電梯門的左右邊界線，邊界檢測的結(jié)果直接決定開關(guān)量檢測的準(zhǔn)確率。各類邊緣檢測算法檢測速度與效果不同，在進(jìn)行邊緣檢測時(shí)需要兼顧速度與效果，以滿足檢測的實(shí)時(shí)性與準(zhǔn)確性。同時(shí)，需要通過直線檢測、邊界過濾等方式對邊緣特征進(jìn)行篩選，排除干擾信息。

2.1 邊緣提取

常用的邊緣檢測算法有：Roberts算子、Sobel算子、Prewitt算子、Canny算子和Laplacian算子[3，4]。其中Canny算子檢測到的邊緣最為清晰準(zhǔn)確，且為單線條，易于處理[5]；其他算法檢測到的邊緣較寬，不夠清晰，如圖2所示。

2.2 邊緣特征增強(qiáng)

Canny具有優(yōu)秀的邊緣檢測效果，但計(jì)算量隨著檢測精度的提高顯著增大。當(dāng)閾值設(shè)定較小時(shí)，能夠檢測到更多的邊緣線條，但計(jì)算量較大；當(dāng)閾值設(shè)定較大時(shí)，能夠檢測到部分邊緣線條，計(jì)算量降低，閾值的選取對實(shí)時(shí)性與準(zhǔn)確性影響較大。

圖2 不同算法邊緣檢測

在電梯門開關(guān)過程中，門邊界運(yùn)動速度較快時(shí)，會導(dǎo)致邊界模糊，對模糊邊界采用Canny算法進(jìn)行邊緣檢測效果不佳或檢測不到。轎廂內(nèi)外環(huán)境光不同，待檢測區(qū)圖像直方圖為雙峰結(jié)構(gòu)，通過二值化處理可以得到清晰的邊界，進(jìn)而通過Canny算法得到邊界，如圖3所示。

二值化能夠補(bǔ)充邊緣特征，彌補(bǔ)模糊邊緣檢測的不穩(wěn)定性。非二值化能夠得到清晰的邊緣特征，而二值化能夠獲得模糊的邊緣特征，二者結(jié)合能夠提高邊緣檢測的準(zhǔn)確性。

最大類間方差法[6]（Otsu算法）是一種自適應(yīng)閾值分割法，能夠獲取較優(yōu)的二值化閾值，將圖像二值化[7]。通過將非二值化Canny檢測獲得的邊緣圖像與經(jīng)過Otsu算法二值化后Canny檢測獲得的邊緣圖像相疊加，得到融合后的邊緣圖像，該圖像所包含的邊緣信息要多于單一方法所得信息，可提高邊緣檢測準(zhǔn)確性。

圖3 模糊邊界邊緣檢測

2.3 邊界過濾

經(jīng)邊緣檢測獲取的圖像中包含有較多的線條信息，從中篩選出準(zhǔn)確的電梯門邊界特征需要多種方法的結(jié)合，如直線檢測、距離突變檢測等。

2.3.1 直線檢測

直線檢測用于將圖像邊緣特征中的直線邊緣提取出來。電梯門邊緣經(jīng)過透視變換形成近似垂直的兩條平行線，可結(jié)合直線檢測與直線傾斜度將其準(zhǔn)確提取出來?；舴颍℉ough）變換[8]是圖像直線檢測中的經(jīng)典算法，能夠準(zhǔn)確地檢測到圖像中的直線信息。計(jì)算所有直線的傾斜角度，保留傾斜角度在90°±3°之間的直線。電梯門關(guān)閉時(shí)，存在廣告信息干擾的情況下，通過傾斜角度可以過濾掉大多數(shù)直線，如圖6所示。

圖4 垂直直線檢測

2.3.2 距離突變檢測

距離檢測用于通過距離信息對直線進(jìn)行篩選過濾。電梯門兩邊界于中線對稱，到中線的距離相近，距離的變化能夠反映電梯門的開關(guān)量。每幀圖像可檢測到多條垂直直線，其中由乘客、地板、墻壁等產(chǎn)生的干擾線多存在于兩門中間區(qū)域，門邊界多為最大距離對應(yīng)的直線，因此，可將最大距離對應(yīng)的直線作為電梯門的邊界。檢測窗口需略寬于電梯門兩邊界距離，根據(jù)邊界的位置變化不斷調(diào)整檢測窗口的大小，以提高計(jì)算速度。

當(dāng)電梯門邊界直線未檢測到或電梯門上存在干擾線時(shí)，相鄰幀圖像最大距離變化可超過一定閾值，即發(fā)生距離突變。當(dāng)檢測到距離突變時(shí)，根據(jù)電梯門開啟與關(guān)閉各個(gè)階段的距離變化速率對最大距離進(jìn)行修正，各階段距離變化速率經(jīng)統(tǒng)計(jì)計(jì)算得到。圖5所示為電梯門邊界到中線的距離變化曲線，距離由圖像中的像素表示，從圖中可以看出各階段的距離變化速度的差異。

圖5 距離變化曲線

3 開關(guān)判斷

電梯門開關(guān)判斷需要對連續(xù)幀的距離變化進(jìn)行分析，距離的變化能夠反映開關(guān)量的變化，同時(shí)結(jié)合加速度傳感器能夠進(jìn)一步保障電梯門開關(guān)檢測的準(zhǔn)確性。

3.1 連續(xù)幀距離分析

連續(xù)幀距離變化反映電梯門開關(guān)狀態(tài)，當(dāng)距離連續(xù)遞減，則電梯正在關(guān)閉，小于設(shè)定關(guān)閉閾值Tc時(shí)，電梯已關(guān)閉；當(dāng)距離連續(xù)遞增，則電梯正在打開，大于設(shè)定打開閾值To時(shí)，電梯已打開。

本文以連續(xù)4幀的距離變化為依據(jù)，判斷電梯門的開關(guān)狀態(tài)。為了避免距離波動造成誤判，本文以前后兩幀的距離均值作為當(dāng)前幀的距離，對連續(xù)幀距離值進(jìn)行濾波處理，保證距離平緩變化。

3.2 加速度傳感器輔助判斷

電梯在運(yùn)行過程中垂直方向的加速度變化具有一定規(guī)律，加速度傳感器能夠記錄電梯運(yùn)行過程中的加速度變化，根據(jù)該加速度變化可以得知電梯正處于升降狀態(tài)或是停止?fàn)顟B(tài)。

電梯在啟動和停止的短暫時(shí)間中會出現(xiàn)失重或超重，加速度傳感器能夠測得該過程的加速度變化值。當(dāng)加速度＞0時(shí)，處于超重狀態(tài)；當(dāng)加速度＜0，處于失重狀態(tài)；電梯啟動與停止總成對存在的，在電梯啟動到停止的一個(gè)完整過程中，必然有一個(gè)失重，一個(gè)超重。此外，當(dāng)出現(xiàn)連續(xù)兩個(gè)超重或失重狀態(tài)時(shí)，電梯完成換向，電梯先下降再上升時(shí)，連續(xù)兩次超重；電梯先上升再下降時(shí)，連續(xù)兩次失重。根據(jù)此規(guī)律可以準(zhǔn)確判斷電梯的運(yùn)行狀態(tài)。在電梯運(yùn)行過程中，受乘客和電梯振動的影響，加速度數(shù)據(jù)會存在一定的噪聲，噪聲通過鄰域均值濾波可以有效抑制。

加速度變化與電梯開關(guān)門存在不同步的現(xiàn)象，電梯啟動總是在電梯門閉合之后進(jìn)行，即門閉合后加速度才變化，此時(shí)圖像可優(yōu)先完成電梯門關(guān)閉的判斷；電梯停止時(shí)，加速度先發(fā)生變化，停穩(wěn)后門打開，圖像判斷開門在加速度判斷開門之后發(fā)生，如果是在加速度判斷開門之前判斷的，那么該次判斷即為誤判，以加速度判斷結(jié)果為準(zhǔn)。同時(shí)，加速度能夠?qū)崟r(shí)監(jiān)測電梯的升降運(yùn)行狀況，為電梯安全運(yùn)行提供數(shù)據(jù)依據(jù)。

4 試驗(yàn)結(jié)果及分析

試驗(yàn)采用普通CMOS攝像頭用于視頻圖像獲取，攝像頭安裝于電梯后側(cè)中間上方位置，以一定角度俯視，攝像頭設(shè)置分辨率640*480，幀率15幀/s，待檢測窗口分辨率為250*200，在CPU為Hi3798M V100、主頻1.5GHz的Android平臺上進(jìn)行數(shù)據(jù)處理。

試驗(yàn)對3部不同電梯的開關(guān)視頻圖像進(jìn)行驗(yàn)證，分別檢測100次開關(guān)過程得到檢測成功率，并統(tǒng)計(jì)得到每幀圖像的平均運(yùn)行時(shí)間，試驗(yàn)結(jié)果如表2所示。電梯2中存在1次未檢測到開門的判斷，該種情況由電梯內(nèi)投影圖像的干擾引起，通過結(jié)合加速度傳感器能夠有效解決該問題。

表2 電梯開關(guān)判斷測試

圖6 電梯加速度數(shù)據(jù)濾波

試驗(yàn)同時(shí)采集了3部電梯的在運(yùn)行過程中的加速度變化數(shù)據(jù)，對加速度數(shù)據(jù)進(jìn)行濾波處理并判斷電梯的開關(guān)狀態(tài)，如圖6所示。根據(jù)濾波后的波形圖能夠得知，該組數(shù)據(jù)包含3對啟停，分別為下降、上升、上升。同時(shí)，圖6所示數(shù)據(jù)段在采集時(shí)加入了較為劇烈的人為振動干擾，試驗(yàn)結(jié)果表明，經(jīng)過濾波處理能夠有效對振動噪聲完成過濾，并保證電梯啟停加速度的準(zhǔn)確性。

綜上所述，圖像檢測方式能夠保證檢測的實(shí)時(shí)性，而加速度檢測方式能夠保證檢測的穩(wěn)定性和準(zhǔn)確性，本文方法將兩種方式相結(jié)合在電梯開關(guān)檢測中能夠兼顧實(shí)時(shí)性和準(zhǔn)確性。

5 結(jié)語

本文提出的基于圖像和加速度傳感器的電梯開關(guān)門檢測方法通過圖像預(yù)處理、邊界檢測、開關(guān)判斷等方式快速、準(zhǔn)確地判斷電梯門的開關(guān)狀態(tài)。文中對多種邊界檢測算法和干擾情況分別進(jìn)行了分析判斷，以提高該方法的穩(wěn)定性。后續(xù)需要驗(yàn)證更多的應(yīng)用場景，在準(zhǔn)確性和穩(wěn)定性上做進(jìn)一步的分析研究。

[1]易風(fēng)華,徐義.電梯事故原因分析與預(yù)防措施[J].電力安全技術(shù),2011(06):22-23.

[2]崔鵬,張立昂,吉利久,等.兩種平滑優(yōu)化算法在一維情況下的比較研究[J].北京大學(xué)學(xué)報(bào)自然科學(xué)版,2003,39(5):681-689.

[3]甘金來.圖像邊緣檢測算法的比較研究[D].電子科技大學(xué),2005.

[4]厲梁,戴勇,丁東輝,等.電梯門檢測中邊緣檢測技術(shù)方法[J].輕工機(jī)械,2012(06):72-74.

[5]章毓晉.圖像處理和分析技術(shù)[M].高等教育出版社,2014.

[6]Otsu N.A Threshold Selection Method from Gray-Level Histograms[J].IEEE Transactions on Systems Man & Cybernetics,1979,9(1):62-66.

[7]孟瑜,趙忠明,柳星春,等.基于最大類間方差準(zhǔn)則的變化區(qū)域提取[J].光電工程,2008(12):63-66.

[8]Duda R O,Hart P E.Use of the Hough transformation to detect lines and curves in pictures[J].Commun.ACM,1972,15(1):11-15.