基于機器視覺技術的電梯空間超載檢測方法

郎 坤，趙 靜，邊智健

(大連海事大學航運經濟與管理學院，大連 116000)

在城市的高樓大廈中，升降式電梯的使用非常普遍，但是電梯的頻繁啟動和停止造成了電能不必要的浪費和電梯運行效率的下降[1]。傳統電梯超載檢測主要是通過判斷壓力傳感器獲得的載重信號來進行檢測。但是，當廂體空間已經被人或物體占滿且重量未達到上限時，電梯并不會發出警報，由此會增加電梯的無效停靠次數并為乘客增加不必要的候梯時間[2]。因此，研究一種改進的超載檢測方法，以減少電機啟停次數，對于提高電梯運行效率以及減少能耗具有積極的意義。

眾所周知，攝像頭是目前電梯轎廂內的必備設備，無需額外引入其他傳感器即可輕松獲取轎廂內的監控視頻圖像[3]。利用機器視覺技術，通過獲取電梯轎廂內的人數[4]，從而判斷電梯空間是否超載，是較為常見的方法。金曉磊等[3]采用改進的隨機Hough變換檢測圓算法對電梯轎廂內人數進行檢測。靳海燕等[5]采用運動圖像判斷每個乘客運動方向，從而確定電梯乘客的進出人數，計算出當前轎廂內的乘客數。曹偉東等[6]對處理后的圖像進行人頭特征的擬合，從而對人員進行計數。但以上方法僅根據人數來判斷電梯是否超載，無法識別由物體引起的空間超載的情況。

針對電梯空間超載情況的判斷，學者們展開了進一步的研究，提出采用紅外線、機器視覺技術對電梯轎廂內人或物體的體積進行測量，從而判斷電梯空間是否超載[7-8]。張雷等[7]采用在電梯空間內建立紅外點陣的方法，對電梯空間占有率進行測量。譚飛剛等[8]采用將至少兩臺攝像機在同一時間拍攝得到的圖像進行圖像融合的方法，通過對圖像進行處理計算出電梯轎廂的空間占有率。這類直接根據電梯內人或物體的體積與電梯空間體積的占比來判斷空間是否超載的方法，存在一定的局限性。例如，針對一些實際體積較小但占地面積較大的物體，使用這種方法來判斷電梯是否能繼續容納人或物體時，會產生較大偏差。因此，判斷電梯空間是否真正滿載(即能否再容納一個人或物體)的依據是轎廂內人或物體的垂直投影面積與轎廂的地面面積之比是否達到滿載閾值。

基于已有的研究成果，同時考慮重量和空間占有率兩個因素，提出了一種空間超載檢測方法，既保證電梯的安全性[9]，又可以提高電梯的運行效率。首先將一個攝像頭固定在電梯轎廂頂部中央位置以獲取原始圖像，將預處理后的圖像進行前背景分離，得到二值圖像，然后利用改良的形態學方法處理圖像，最后計算得出空間占有率，以期能準確判斷電梯空間是否超載，有效提高電梯運行效率，且成本低、安裝方便。

1 新型電梯超載檢測方法設計

在傳統超載檢測方法的基礎上，設計了一種電梯超載檢測方法——基于機器視覺技術的電梯空間超載檢測方法。其基本原理如下：當乘客進入電梯后，首先利用重力超載檢測方法，借助電梯的壓力傳感器檢測重量是否超載。若重量超載，電梯轎廂內的報警系統啟動；若重量未超載，則電梯轎廂門關閉，同時判斷重量是否達到上限。若重量已達上限，則下一目標樓層不停靠；若重量未達上限，則利用空間超載檢測方法測量空間占有率是否超過電梯空間滿載值，若超過空間滿載值，則下一目標樓層不停靠；否則，電梯照常停靠。具體流程如圖1所示。

本文方法將通過對每次電梯轎廂門關閉后某一時刻的圖像進行圖像處理，然后計算出人或物體的垂直投影面積與整個電梯轎廂的地面面積之比作為電梯轎廂內空間占有率。

2 圖像處理

新型空間超載檢測方法是基于機器視覺技術的，因此，圖像處理至關重要。

電梯空間圖像處理可分為以下5步：第1步，圖像采集。采用CCD相機采集電梯轎廂圖像數據,相機安裝位置如圖2所示；第2步，圖像預處理。通過對圖像進行預處理減弱噪聲干擾對圖像的影響，提高圖片質量；第3步，背景建模。采用最大類間方差法(又稱OTSU算法)[10]將圖像前景與背景分離，用于提取目標的面積特征；第4步，形態學處理[11]。由于所提取的目標圖像存在圖像污染，因此通過進行形態學處理消除背景中由于環境因素影響導致的噪聲，并且填充前景中由于物體表面材質造成的空洞，在不改變圖像形態的前提下，去除干擾面積統計的因素；第5步，超載檢測。計算圖像中前景面積占比，得到空間占有率，可為電梯空間超載的判斷提供依據。

圖1 新型電梯超載檢測流程圖Fig.1 Flow chart of new elevator overload detection

圖2 相機安裝位置示意圖Fig.2 Schematic diagram of camera installation location

2.1 中值濾波

使用相機采集原始圖像時，由于受到工作環境和感光元件過熱的影響，會導致圖像具有大量噪聲。噪聲的存在會使圖像質量降低、特征模糊，影響圖像分析結果。因此需要對原始圖像進行預處理，消除圖像噪聲。常用的去噪方法有線性濾波法(如均值濾波、高斯濾波等)和非線性濾波法(如中值濾波、雙邊濾波等)。

電梯轎廂中內部的相機端和外部的控制端接地時，由于地電阻和電纜外皮電阻的存在，兩者之間會產生電位差，使得電梯內采集的圖像產生椒鹽噪聲[12-13]。線性濾波在處理像素鄰域內包含噪聲的圖像問題時，總會或多或少的受到噪聲的干擾，從而影響該點像素值的計算，但在中值濾波中，噪聲點的值則通常被該點的鄰域中各點值的中值代替，因此能有效降低噪聲點的影響，特別是對椒鹽噪聲具有良好的過濾作用[14-15]。而且同線性濾波相比，中值濾波在降噪的同時，能夠保護信號的邊緣，引起模糊效應降低[16]。中值濾波是在“最小絕對誤差”準則下的最優濾波。因此，采用中值濾波方法對圖像進行預處理。

中值濾波的原理是將圖像中每個點及其八鄰域內的像素點作為一個滑動窗口(圖3)，對3×3窗口內各個像素點進行排序，然后將中值賦值給窗口中心點，可達到去除孤立噪聲點的效果。中值濾波算法的描述如圖4所示。

圖3 中值濾波滑動窗口示意圖Fig.3 Schematic diagram of median filter sliding window

圖4 中值濾波算法實現流程圖Fig.4 Flow chart of median filter algorithm

2.2 背景建模

為了準確提取轎廂內目標的面積特征，采用OTSU算法對圖片進行前背景分離。前背景分離的常用方法是閾值分割法，其中對閾值的選取尤為關鍵。一般閾值分割法是通過求目標函數的最大值來確定閾值[17]。然而，電梯轎廂內環境復雜，采用上述方法確定閾值缺乏自適應性，會產生噪聲干擾和過分割現象，而OTSU算法是一種自適應閾值確定的方法，自適應閾值的選取不會影響目標的完整性，且對環境噪聲的敏感度低。

OTSU算法是以最小二乘法為基礎推導而來[18]，該方法通過設置圖像灰度閾值，逐個判斷圖像中像素點的特征屬性能否滿足閾值要求，據此將各像素點劃分至前景區域或背景區域，進而生成二值圖像。在分割過程中，若將圖像像素點錯分成前景區域或背景區域都會導致圖像中兩部分的差別減小。只有當選擇最大類間方差作為閾值時，分割后所產生的錯分概率最小，此閾值即為最佳閾值。OTSU算法描述如圖5所示。

圖5 OTSU算法實現流程圖Fig.5 OTSU algorithm implementation flow chart

2.3 改良形態學處理

經過閾值分割后提取的二值圖像，存在部分噪聲，會對后續的檢測造成不良影響。這些噪聲的來源有兩種：一是背景區域中由陰影生成的小連通區域，二是前景區域中由物體表面材質的顏色等因素導致圖像閾值分割后產生的空洞。中值濾波等方法主要用于處理灰度圖或彩色圖像的噪聲，對于二值圖像的噪聲，主要采用形態學方法進行處理。

傳統的形態學方法是基于集合代數理論，采用膨脹、腐蝕、開啟、閉合4種基本運算的組合來處理圖像，提取出圖像的形狀特征。

然而，采用傳統的形態學方法對二值圖像進行噪聲處理的結果并不理想。如圖6所示，該方法對于小噪聲的處理效果較好，而對于大噪聲(如大塊的連通區域和空洞)處理效果不佳，會導致統計結果出現偏差。此外，針對受噪聲影響程度不同的圖片，需要對其進行不同次數的腐蝕、膨脹操作，并且操作順序也存在差別，這將增加系統操作的復雜度。

圖6 傳統形態學處理效果圖Fig.6 Effect picture of traditional morphological processing

因此，采用改良的形態學方法來處理二值圖像中的噪聲。針對兩類圖像噪聲，其處理過程分為兩個部分：去除小連通區域和填充局部空洞。

2.3.1 去除小連通區域

利用連通區域標記[19]的基本思想去除二值圖像中的小連通區域。對于連通區域的判斷，有兩種方法：四鄰域連通和八鄰域連通。

在本文場景中，采用四鄰域連通可更加準確地判斷連通區域，有利于準確地計算出空間占有率。如圖7所示，四鄰域連通判斷是對中心點上、下、左、右4個緊鄰的位置進行判斷，如果這4個位置上的點的像素值同中心點的像素值一致，則認為該點與中心點相連通，否則，認為該中心點是孤立點。

在二值圖像的噪聲處理中，首先，采用四鄰域連通法搜尋出所有連通區域，然后，判斷連通區域的大小，對于小的連通區域，可直接刪除。

在該方法的具體實現過程中，為圖像的每個像素點分配一個檢驗狀態標簽，其中，數字0、1、2、3分8別代表未檢查狀態、正在檢查狀態、檢查不合格(需要反轉顏色)狀態、檢查合格或不需檢查狀態。首先，將輸入的二值圖像每個像素點的檢驗狀態初始化為0。然后遍歷圖像所有的像素點，將鄰域壓入容器進行檢查，并不斷更新鄰域點的檢查標簽，避免重復檢查。最后判斷連通區域大小，并反轉面積較小的連通區域。

圖7 四鄰域示意圖Fig.7 Schematic diagram of the four-neighborhood

采用這種方法可有效去除背景中由小連通區域產生的噪聲，而不會影響到圖像中的其他區域。

2.3.2 填充局部空洞

由于前景區域內局部空洞的大小是難以預知的，因此，其不能作為小連通區域被去除。考慮到填充局部空洞的最終目的是填充圖像中的閉合區域，所以從整體的角度出發，先獲取二值圖像中最外層輪廓再進行區域填充，從而消除局部空洞。

試驗采用Suzuki85算法來檢索圖像的最外層輪廓[20]。輸入的二值圖像為0-1圖像，假定圖像背景像素點的值為0，從上至下、從左至右對圖像進行掃描，用點(i,j)表示位于第i行第j列的像素點，當且僅當滿足如下條件(1)或條件(2)時，位于值為0的像素點右側的點(i,j)即可判定為最外層的邊界點。

(1)點(i,j)左側的所有像素點的值都為0。

(2)在掃描過程中最新遇到的輪廓點(i,h)位于外邊界上，點(i,h+1)屬于背景。

待輪廓的邊界起始點被確定后，跟蹤以起始點為中心的八鄰域區域，如圖8所示，從中心點右側開始標記，按照順時針方向標號0～7。從標號0開始檢測各像素點的值是否為非0，將最先出現的非0像素點判定為邊界點，并以該點為中心點，采用同樣的方法繼續檢測各像素點，直至新的中心點和起始點相重合，即可終止本條輪廓線的跟蹤。最后以最外層輪廓線為邊界，進行區域填充。該方法可以簡便高效地實現對局部空洞的消除。

圖8 八鄰域標記示意圖Fig.8 Schematic diagram of the eight-neighborhood

2.4 圖像處理實驗

基于VC++14.0開發平臺和計算機視覺庫OpenCV對所提圖像處理算法進行仿真試驗，并通過模擬電梯環境進行算法效果檢驗。

首先，利用中值濾波算法對圖像做去噪處理。圖9(a)為含有椒鹽噪聲的原始圖像，經過中值濾波算法處理后，得到圖9(b)。通過對比，可見，中值濾波法具有理想的降噪能力。

1995年，民政部確定了第一批國家級愛國主義教育基地。遴選、確定國家級愛國主義教育基地的依據主要有三條：（1）能反映中華民族悠久的歷史文化；（2）能反映近代中國遭受帝國主義侵略和我國人民反抗侵略英勇斗爭的歷史；（3）能反映中國人民在中國共產黨領導下進行革命的歷程和社會主義現代化建設取得的偉大成就。愛國主義教育基地“真實記錄了中華民族悠久的歷史文化，展現了近代中國人民英勇奮斗的壯麗篇章，反映了中國共產黨人的豐功偉業和社會主義現代化建設的豐碩成果”[3]。愛國主義教育基地承載的這些教育主題內容與“綱要”課程的主題內容高度一致。

圖9 算法處理后的效果Fig.9 Effect after algorithm processing

然后，采用OTSU算法進行圖像前背景分離，對提取的前景目標圖像進行形態學處理，填充空洞，去除離散點，結果如圖10所示。通過對比圖10(d)與圖10(e)，可明顯看出，采用改良的形態學方法處理后的圖像可被有效填充空洞和去除離散點，并且不影響圖像整體效果。

最后，通過計算前景圖像面積與整體圖像的面積之比得到空間占有率，根據電梯的空間滿載閾值，判斷電梯是否超載。

試驗測得的空間占有率結果如表1所示，即此時電梯空間的占有率為35.939 9%。若采用傳統的形態學方法處理圖像，圖像則無法被有效地填充空洞并去除離散點，從而會導致計算所得空間占有率有偏差，進而會影響在電梯實際運行中對空間超載狀態的判斷。

圖10 實測結果Fig.10 Measured results

表1 空間占有率計算結果Table 1 Calculation results of space occupancy

3 仿真試驗

3.1 實例背景

選取湖北宜昌某賓館的乘客電梯A作為試驗對象，通過仿真試驗對電梯的運行效率進行分析。

乘客電梯A的型號為TKJW1000-VVVF，電梯參數設置如表2所示。賓館共6層(n=6)，每層高4 m，則電梯在相鄰樓層勻速運行所需時間為2 s；電梯加速度為1 m/s2，則若電梯停靠加速(或減速)時間為2 s，加速(或減速)過程中運行2 m。

表2 湖北宜昌某賓館乘客電梯A的參數設置Table 2 Parameter setting of passenger elevator A in a hotel in Yichang,Hubei Province

3.2 模擬試驗

針對電梯A的運行情況進行仿真試驗，假設條件如下：

(1)在第2、3、4、5層各有等候乘坐電梯且攜帶行李的4名賓館乘客，其目標樓層均為第1層。

(2)在第6層有兩位推著清潔車的賓館保潔人員，其進入電梯后，重量未達到上限，但電梯不再有空余空間搭載乘客。

(3)假設每位乘客的體重相等，均為75 kg，行李重量相等均為10 kg且占有一定空間。則按照電梯載重限制，理論上一次最多只能搭載15名攜帶行李的乘客。

(4)由于電梯空間有限，一次最多只能搭載8名攜帶行李的乘客。

(5)假設每位乘客進入(離開)電梯所需的時間為2 s，賓館保潔人員推車進入(離開)電梯所需的時間為6 s。

(6)電梯轎廂初始位置停靠在第6層。

根據以上假設，借助C++圖形用戶界面開發框架Qt，編程實現電梯仿真模型，模擬實際電梯運行情況。為簡化模型，在仿真試驗中，僅計算電梯A搭載乘客向下運行的時間，不計其上行時間。仿真結果如下。

(1)若電梯A運行時采用傳統超載檢測方法，A的運行情況及運行效率分別如表3、表4所示。

(2)若電梯A運行時采用基于機器視覺的超載檢測方法，A的運行情況及運行效率分別如表5、表6所示。

表3 采用傳統超載檢測方法的電梯A運行情況Table 3 The operation of elevator A with traditional overload detection method

表4 采用傳統超載檢測方法的電梯A運行效率Table 4 The operation efficiency of elevator A with traditional overload detection method

表5 采用基于機器視覺的超載檢測方法電梯運行情況Table 5 Operation of the elevator with the overload detection method based on machine vision

表6 采用基于機器視覺的超載檢測方法電梯運行效率Table 6 Operation efficiency of the elevator with the overload detection method based on machine vision

仿真結果表明，在電梯運行趟數相同的情況下，采用傳統超載檢測方法的電梯停靠總次數為14次，一共需要216 s。采用基于機器視覺的超載檢測方法的電梯停靠總次數減少到8次，共需要168 s，時間效率可提升22.2%。

由此可見，在完成相同工作量的前提下，考慮到空間超載對電梯運行效率的影響，采用基于機器視覺的超載檢測方法，可減少不必要的電梯停靠次數，不僅可以提高電梯運行效率，還可節省乘客乘梯時間，提高其乘梯滿意度。

4 結論

為提高電梯運行效率、節省能源，考慮到空間超載對電梯運行效率的影響，在傳統超載檢測方法的基礎上，提出了基于機器視覺技術的新型電梯空間檢測方法。試驗采用圖像處理技術，包括中值濾波、背景建模、改良的形態學處理等，計算出電梯轎廂內乘客和物體垂直投影面的面積占電梯轎廂地面面積的占比，判斷其是否超過閾值，從而判斷其空間是否超載。通過采用改良的形態學處理方法，可減少傳統形態學處理所引起的誤差，消除機器視覺中光照以及環境背景對圖像處理結果的影響，使測出的空間占有率更加準確。仿真試驗結果表明，采用基于機器視覺的超載檢測方法，可減少不必要的電梯停靠次數，提升時間效率。

試驗方法不僅適用于客梯，還適用于貨梯、病房電梯等特殊電梯，其可提高電梯運行效率、節約能源，并可提升乘客的滿意度，具有廣闊的應用前景。