阅读说明：本技术 一种电梯防夹手方法 (method for preventing hands of elevator from being clamped ) 是由 邓道举 钟亚林 曹学升 李京乐 杨莉 许小康 徐越翰 赵雷杰 杨嘉炀 寿梦娜 孔 于 2019-10-17 设计创作，主要内容包括：本发明公开了一种电梯防夹手方法,包括以下步骤：S1、摄像头获取视频图像；S2、对视频图像进行预处理,得到电梯门目标区域图像；S3、将目标区域图像输入防夹手模型,经过学习,得到有手或无手的预测结果；S4、根据预测结果,进行相应动作。本申请通过拍摄视频图像,依据防夹手模型,对电梯门边的图像进行有手或无手的预测,实现了对电梯门边细小物体存在时的判断,降低事故发生的机率。(The invention discloses a elevator hand-clamping prevention method which comprises the following steps of S1, acquiring a video image by a camera, S2, preprocessing the video image to obtain an elevator target area image, S3, inputting the target area image into a hand-clamping prevention model, obtaining a prediction result of hands or no hands through learning, and S4, performing corresponding action according to the prediction result.)

一种电梯防夹手方法

技术领域

本发明涉及电梯控制技术领域，尤其是涉及一种电梯防夹手方法。

背景技术

目前，电梯门处障碍物的检测采用的是红外光幕的方式，在电梯门边上等距离安装红外发射管与红外接收管，在开关门的过程中，如果红外接收管接收不到红外信号，就说明有障碍物存在，如果遇到透明物体就无法检测，对比较小的物体，如狗绳、儿童的小手、或大人手的一部分，其很大机率是检测不到的，检测效果很差，会发生小狗在外面，主人进入电梯，电梯门关闭的现象，从而发生安全事故。如果儿童的小手或大人的手的一部分位于电梯门边上，而电梯没有检测到，电梯门关闭就会发生夹手事故。

再有，光幕具有与电梯门高度一样的长度，安装过程麻烦，安装运输效率低。

因此，如何提高电梯门的检测精度，防止事故的发生，是目前亟待解决的问题。

发明内容

本发明的目的是提供一种电梯防夹手方法，采用摄像头检测电梯门边的状态，对摄像头拍摄到的视频图像进行处理，获得电梯门边目标区域的图像，输入到防夹手模型进行训练，得到电梯门边是否有手的预测结果，从而进行相应动作，防止事故的发生，保护障碍物的安全。

本发明的上述发明目的通过以下技术方案得以实现：

一种电梯防夹手方法，包括以下步骤：

S1、摄像头获取视频图像；

S2、对视频图像进行预处理，得到电梯门目标区域图像；

S3、将目标区域图像输入防夹手模型，经过学习，得到有手或无手的预测结果；

S4、根据预测结果，进行相应动作。

本发明进一步设置为：步骤S1中，对视频图像进行抽帧，获得彩色图像。

本发明进一步设置为：步骤S2中，对彩色图像进行裁剪，得到电梯门一定范围内的目标区域图像。

本发明进一步设置为：步骤S3中，防夹手模型的建立，包括以下步骤：

A1、采集电梯门边图像数据样本；

A2、对图像数据样本进行清洗和预处理，得到电梯门目标区域图像样本；

A3、将目标区域图像样本输入神经网络进行训练；

A4、完成训练后，得到学习好的防夹手模型。

本发明进一步设置为：步骤A1中，将摄像头安装在电梯门的正上方，摄像头对电梯门一定区域内进行拍摄，获得大量电梯门一定范围内，在各种情况下有手与无手的图像数据样本。

本发明进一步设置为：步骤A2中，对步骤A1中获得的图像数据样本进行清洗，获得有效图像数据样本，对有效图像数据样本进行裁剪，得到目标区域图像样本。

本发明进一步设置为：步骤A3中，将目标区域图像样本输入神经网络进行训练，得到判断目标区域中有手与无手时的特征，获得对图像的预测能力。

本发明进一步设置为：步骤A4中，训练完成后，得到能预测有手、无手的防夹手模型。

本发明进一步设置为：步骤S4中，如果预测到有手靠近，则进行语音报警提示，如果预测到无手，则不报警。

本发明进一步设置为：防夹手模型是预先训练好后，部署在电梯控制系统中。

与现有技术相比，本发明的有益技术效果为：

1.本申请采用摄像头对电梯门边进行拍摄，能够对电梯门边的所有障碍物都检测到，防止对细小物体的漏检测；

2.进一步地，本申请通过大量的电梯门边有手与无手时的图像，采用神经网络，建立防夹手模型，为电梯门边状态的提取提供了依据；

3.进一步地，本申请通过截取摄像头拍摄的视频图像，得到电梯门目标区域图像，并将目标区域图像输入防夹手模型，对电梯门边的图像进行预测，实现了对电梯门边细小物体存在时的判断，降低事故发生的机率。

附图说明

图1是本发明的一个具体实施例的防夹手控制流程示意图；

图2是本发明的一个具体实施例的建立防夹手模型流程示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

本发明的一种电梯防夹手方法，如图1所示，包括以下步骤：

S1、摄像头获取视频图像；

S2、对视频图像进行预处理，得到电梯门目标区域图像；

S3、将目标区域图像输入防夹手模型，经过学习，得到有手或无手的预测结果；

S4、根据预测结果，进行相应动作。

电梯门边设置摄像头，对电梯门边的状态进行视频拍摄，实时记取电梯门边的状态。

步骤S1中，对视频图像进行抽帧，取得视频图像中按照一定间隔的帧频图像，获得RGB三通道彩色图像。

步骤S2中，对彩色图像进行清洗、裁剪，得到电梯门一定范围内的目标区域图像。

对彩色图像进行清洗，就是对大量的重复图像、曝光过度或过暗的图像、模糊的图像进行删除，得到清楚、无重复的图像。

设定电梯门前一定范围，对清洗后的图像进行裁剪，得到目标区域图像。

在本申请的一个实施例中，先对彩色图像进行裁剪，得到小区域的彩色图像，再对小区域的彩色图像进行清洗，能够减小数据处理量，加快处理速度。

得到目标区域图像后，再进行预处理，包括平移、旋转、加噪声等数据增加操作。

步骤S3中，将处于过的目标区域图像，输入防夹手模型进行学习，学习完成后，得到目标区域有手或无手的预测结果。

步骤S4中，如果预测到有手靠近，则进行语音报警提示、停止电梯门的关闭、反向打开电梯门等相应地保护动作，防止夹手事故的发生。

如果预测到无手，则不报警，电梯门继续关闭。

本申请的一个建立防夹手模型，如图2所示，包括以下步骤：

A1、采集电梯门边图像数据样本；

A2、对图像数据样本进行清洗和预处理，得到电梯门目标区域图像样本；

A3、将目标区域图像样本输入神经网络进行训练；

A4、完成训练后，得到学习好的防夹手模型。

在本申请的一个具体实施例中，将摄像头安装在电梯门的正上方，摄像头对电梯门一定区域内进行视频拍摄，获得电梯门边的实时图像，对实时图像进行抽帧，得到大量的电梯门边一定范围内，各种情况下电梯门边有手或无手的图像数据样本。

对图像数据样本进行清洗，获得有效图像数据样本，对有效图像数据样本进行裁剪，得到目标区域图像样本。

将目标区域图像样本输入神经网络进行训练，得到判断目标区域中有手与无手时的特征，获得对图像的预测能力。

训练完成后，得到能预测有手、无手的防夹手模型。

将训练好的防夹手模型，部署在电梯控制系统中。如移动设备中，实现对实时图像中有手、无手的预测判定。

在本申请的一个具体实施例中，图像的分辨率为640*480。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。