张〓媛1，李〓岩1，安婷婷1，华志超2，臧〓坤2，李双全2
                              (1.江苏省特种设备安全监督检验研究院无锡分院,江苏 无锡〓214174)
                                       (2.东南大学自动化学院,江苏 南京〓210096)
摘要：提出了一种基于监控视频信号的电梯门运动轨迹识别算法。首先，为了提高电梯门识别的准确度，将边缘检测、阈值分割两种思想相结合，提出了一种基于两者的电梯门识别算法，能够较为准确地识别电梯门的运动轨迹；然后，依据运动轨迹预测和跟踪的思想提出类高斯加权模型对原算法进行改进，提高了算法的鲁棒性。实验结果表明，该算法能够在复杂的环境下准确且稳定地对电梯门的运动轨迹进行识别和追踪。
关键词：电梯门运动轨迹识别；阈值分割；运动轨迹预测；类高斯加权模型；鲁棒性
中图分类号：TP391.4〓文献标识码：A〓文章编号：2095-509X(2018)02-0055-06


    资料显示，居民小区中电梯安全事故频繁发生，且由电梯门引起的安全事故占有较大的比重。电梯门引起的故障主要包括电梯门开关异常以及电梯门开关不够标准等。与电梯门有关的故障会提前体现在电梯门的运动轨迹上。使用计算视觉技术对电梯门的运动轨迹进行识别能够及时发现电梯门系统的异常。
    针对电梯门运动轨迹识别的课题，文献提出了背景差分法，其基本思想是首先得到背景模型，然后把当前采集到的图像与背景模型进行差分来识别电梯门边缘，缺点是该算法受外界的光线、噪声等影响较大；文献［5］提出了帧间差分法，其基本思想是通过对视频流中相邻或相近的两幅图像进行差分来获取运动物体的轮廓，进而识别出电梯门的边框。该算法运算量小、速度快，缺点是准确度不高。文献［6］提出了光流法，通过计算速度矢量来判别图像的前景与背景，在背景变化的场合适用性较强，缺点是计算量较大，很难达到电梯门运动轨迹实时检测的要求。文献提出的Mean-shift算法基于特征概率密度，以前一帧图像中目标的位置为起点进行搜索，获取到的特征概率密度最大的搜索框即为识别到的目标。该算法的缺点是过分依赖前帧数据的信息，当出现前帧数据丢失时会造成较大的识别误差。以上算法对电梯门运动轨迹的识别效果均不够理想。
    本文以边缘检测和阈值分割的思想为基础，提出了一种精度较高的电梯门运动轨迹识别算法，并对电梯门的运动轨迹进行预测，依据预测轨迹构建类高斯加权模型对原算法进行改进，使算法具有较强的鲁棒性。

1〓电梯门运动轨迹识别算法设计
1.1〓基于边缘检测和阈值分割的电梯门识别算法设计
边缘是图像中亮度发生突变的像素点的集合，它是图像的最基本特征之一。针对电梯门的运动轨迹，可以使用简单的水平梯度来检测电梯门边框的效果。本文定义图像I在第x列的水平梯度为D(I,x)：

D(I,x)=〖SX(〗1〖〗H〖SX)〗∑〖DD(〗H〖〗i=1〖DD)〗［I(i,x+1)-I(i,x)］(1)

式中：H为图像高度。
水平梯度均值越大的地方存在电梯门边缘的可能性越大，该方法对线状噪声干扰比较敏感，对于均匀的面状噪声抗干扰能力较强。 阈值分割方法的基本思想是确定一个或多个阈值，然后把像素.......

基金项目：(国家自然科学基金青年项目(61503081,61473079);江苏省自然科学基金青年项目(BK20140649)；江苏省质量技术监督局科技项目(KJ168355)；江苏省特检院科技项目（KJ(Y)2015014）
作者简介：张媛(1982—)，女，甘肃平凉人，江苏省特种设备安全监督检验研究院无锡分院高级工程师，硕士，主要研究方向为图像处理在电梯监控中的应用。


（文章来源《机械设计与制造工程》杂志如需详细资料请联系江苏机械门户网客服QQ:2980918915,电话025-83726289）

更多关注，请扫码