[發明專利]一種基于機器視覺的電梯門故障實時檢測方法

在審

• 申請號: 202011123569.9
• 申請日: 2020-10-20
• 公開（公告）號: CN112347862A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 邱中凱;張雷;萬敏;蔡巍偉;靳旭哲
• 申請（專利權）人: 浙江新再靈科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;B66B5/00
• 代理公司: 北京謹誠君睿知識產權代理事務所(特殊普通合伙) 11538
• 代理人: 孫征;延慧

1.一種基于機器視覺的電梯門故障實時檢測方法，包括：

S1.采集包含有電梯門圖像的視頻流，并按照固定閾值的時間間隔在所述視頻流中按照時序截取所述電梯門圖像；

S2.獲取所述電梯門圖像，并基于門狀態監測模型判斷所述電梯門圖像中電梯門的狀態，并獲取所述電梯門運行的電梯門時序；

S3.根據所述電梯門時序進行電梯門故障檢測。

2.根據權利要求1所述的電梯門故障實時檢測方法，其特征在于，所述電梯門的狀態包括：全開、半開和關門；

所述電梯門故障包括：重復開關門、開關門困難、開關門速度異常、門長時間全開、門長時間半開、開門走梯。

3.根據權利要求2所述的電梯門故障實時檢測方法，其特征在于，步驟S3中，根據所述電梯門時序進行電梯門故障檢測的步驟中，若根據所述視頻流所獲取的所述電梯門時序中電梯門出現“關門-半開-全開”多次循環，則判斷所述電梯門故障為重復開關門。

4.根據權利要求3所述的電梯門故障實時檢測方法，其特征在于，步驟S3中，根據所述電梯門時序進行電梯門故障檢測的步驟中，若根據所述視頻流所獲取的所述電梯門時序中電梯門出現“關門-半開”多次循環或全開-半開”多次循環，則判斷所述電梯門故障為開關門困難。

5.根據權利要求4所述的電梯門故障實時檢測方法，其特征在于，步驟S3中，根據所述電梯門時序進行電梯門故障檢測的步驟中，若根據所述視頻流所獲取的所述電梯門時序中電梯門出現“關門-全開”耗時超過預設閾值或“全開-關門”耗時低于預設閾值，則判斷所述電梯門故障為開關門速度異常。

6.根據權利要求5所述的電梯門故障實時檢測方法，其特征在于，步驟S3中，根據所述電梯門時序進行電梯門故障檢測的步驟中，若根據所述視頻流所獲取的所述電梯門時序中電梯門出現全開的狀態持續時間大于預設閾值，則判斷所述電梯門故障為門長時間全開；

若根據所述視頻流所獲取的所述電梯門時序中電梯門出現半開的狀態持續時間大于預設閾值，則判斷所述電梯門故障為門長時間半開。

7.根據權利要求6所述的電梯門故障實時檢測方法，其特征在于，步驟S3中，根據所述電梯門時序進行電梯門故障檢測的步驟中，若根據所述視頻流所獲取的所述電梯門時序中電梯門出現全開或半開，以及所述電梯處于運動狀態，則判斷所述電梯門故障為開門走梯。

8.根據權利要求1至7任一項所述的電梯門故障實時檢測方法，其特征在于，所述門狀態監測模型基于以下步驟生成，包括：

S21.獲取包含有電梯門開關狀態的圖像作為訓練樣本；

S22.對所述訓練樣本進行標注后輸入卷積神經網絡進行模型的參數訓練，并輸出所述門狀態監測模型。

9.根據權利要求8所述的電梯門故障實時檢測方法，其特征在于，還包括：

S23.獲取測試樣本并輸入所述門狀態監測模型，根據所述門狀態監測模型的輸出判斷所述門狀態監測模型的輸出精度，若滿足要求，則輸出所述門狀態監測模型，否則，重新執行步驟S21至S23。

10.根據權利要求9所述的電梯門故障實時檢測方法，其特征在于，步驟S22中，對標注后的所述訓練樣本進行壓縮和灰度轉換后輸入所述卷積神經網絡進行模型的參數訓練。

11.根據權利要求10所述的電梯門故障實時檢測方法，其特征在于，所述訓練樣本中所述電梯門開關狀態包括關門、半開、全開；

所述測試樣本中所述電梯門開關狀態的分配比例與所述訓練樣本保持一致。