[發(fā)明專利]一種自學(xué)習(xí)的轎廂視覺分析方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110129704.9
• 申請(qǐng)日: 2021-01-29
• 公開（公告）號(hào): CN112819782B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 潘依航;盧健佳;劉向民;林景宏
• 申請(qǐng)（專利權(quán)）人: 菱王電梯有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;B66B1/34;B66B5/00
• 代理公司: 佛山市禾才知識(shí)產(chǎn)權(quán)代理有限公司 44379
• 代理人: 羅凱欣;曹振

1.一種自學(xué)習(xí)的轎廂視覺分析方法，其特征在于：包括以下步驟：

S1：設(shè)置轎廂滿載時(shí)的閾值F_AB；

S2：當(dāng)轎廂處于空載且照度合適時(shí)，獲取轎廂的當(dāng)前圖像并標(biāo)記為原始圖像；

S3：當(dāng)轎廂處于空載時(shí)，視覺輸入系統(tǒng)獲取轎廂的當(dāng)前圖像并標(biāo)記為基準(zhǔn)圖像；

S4：當(dāng)轎廂處于載重時(shí)，視覺輸入系統(tǒng)獲取轎廂的當(dāng)前圖像作為比對(duì)圖像；

S5：通過(guò)所述視覺輸入系統(tǒng)將所述基準(zhǔn)圖像和比對(duì)圖像以同樣的方式分割成n個(gè)區(qū)域，并通過(guò)自學(xué)習(xí)系統(tǒng)得到每個(gè)區(qū)域的加權(quán)平均值k_i，所述基準(zhǔn)圖像分割成多個(gè)單位圖像Ai，所述比對(duì)圖像分割成多個(gè)單位圖像Bi，其中1≤i≤n，所述單位圖像Ai與所述單位圖像Bi一一對(duì)應(yīng)；

S6：所述視覺輸入系統(tǒng)依次將所有單位圖像Ai與單位圖像Bi結(jié)合對(duì)應(yīng)區(qū)域的加權(quán)平均值k_i進(jìn)行對(duì)應(yīng)區(qū)域的加權(quán)相似度計(jì)算，獲得平均加權(quán)相似度并將所述平均加權(quán)相似度與閾值F_AB作比較；當(dāng)所述平均加權(quán)相似度大于或等于所述閾值F_AB時(shí)，所述視覺輸入系統(tǒng)向中央控制系統(tǒng)發(fā)送已滿載信號(hào)；當(dāng)所述平均加權(quán)相似度小于所述閾值F_AB時(shí)，所述視覺輸入系統(tǒng)向中央控制系統(tǒng)發(fā)送未滿載信號(hào)；

S7：當(dāng)所述中央控制系統(tǒng)接收到所述已滿載信號(hào)時(shí)，不響應(yīng)層站呼梯信號(hào)；當(dāng)所述中央控制系統(tǒng)接收到所述未滿載信號(hào)時(shí)，響應(yīng)層站呼梯信號(hào)；

在步驟S6中，首先通過(guò)所述視覺輸入系統(tǒng)將第i個(gè)區(qū)域?qū)?yīng)的單位圖像Ai與單位圖像Bi進(jìn)行余弦相似度計(jì)算，得到第i個(gè)區(qū)域的相似度F_i；

然后所述視覺輸入系統(tǒng)確定所述相似度F_i對(duì)應(yīng)的區(qū)域的加權(quán)平均值k_i；

最后得到所述平均加權(quán)相似度其中

所述余弦相似度計(jì)算具體為：

首先將所述單位圖像Ai形成RGB信息以及將所述單位圖像Bi形成RGB信息

然后通過(guò)L-P范數(shù)得到

最后通過(guò)歐幾里得點(diǎn)積公式得到相似度

還包括步驟S8，所述步驟S8為：

自學(xué)習(xí)系統(tǒng)通過(guò)梯度下降法進(jìn)行訓(xùn)練得到對(duì)應(yīng)的加權(quán)平均值k_i；

在所述步驟S8中，首先通過(guò)實(shí)驗(yàn)人員穿不同顏色衣服或者攜帶不同樣品塞滿轎廂，所述視覺輸入系統(tǒng)拍照得到不同的滿載時(shí)的相片，并將滿載時(shí)的照片分割成n個(gè)區(qū)域；

然后所述自學(xué)習(xí)系統(tǒng)通過(guò)梯度下降法對(duì)滿載時(shí)的相片的每個(gè)區(qū)域進(jìn)行訓(xùn)練得到對(duì)應(yīng)區(qū)域的加權(quán)平均值k_i；

所述梯度下降法具體為：

首先確定執(zhí)行第j次梯度下降法后第i個(gè)區(qū)域?qū)?yīng)損失函數(shù)E(k_ij)；

然后通過(guò)修正方程得到第i個(gè)區(qū)域?qū)?yīng)的新的加權(quán)平均值

最后將加權(quán)平均值k_ij替換成新的加權(quán)平均值k_ij′；

所述損失函數(shù)E(k_ij)通過(guò)差平方公式確定，具體為：

其中為執(zhí)行第j次梯度下降法后通過(guò)步驟S6得到的所有區(qū)域的平均加權(quán)相似度，F(xiàn)_ij為執(zhí)行第j次梯度下降法后通過(guò)步驟S6得到的第i個(gè)區(qū)域的相似度。

2.根據(jù)權(quán)利要求1所述的一種自學(xué)習(xí)的轎廂視覺分析方法，其特征在于：在所述余弦相似度計(jì)算中，所述L-P范數(shù)中P的取值為2，所述相似度F_i為：

3.根據(jù)權(quán)利要求1所述的一種自學(xué)習(xí)的轎廂視覺分析方法，其特征在于：還包括步驟S9，所述步驟S9為：

首先獲取轎廂合適照度下空載時(shí)的原始圖像，設(shè)置轎廂的亮度限制區(qū)間；

然后所述視覺輸入系統(tǒng)對(duì)所述步驟S3中的基準(zhǔn)圖像通過(guò)亮度轉(zhuǎn)換法轉(zhuǎn)換成平均亮度值；

所述亮度轉(zhuǎn)換法具體為：所述基準(zhǔn)圖像的像素點(diǎn)的RGB值通過(guò)轉(zhuǎn)換成HSL值得到亮度L，并通過(guò)所有像素點(diǎn)的亮度L得到平均亮度值，其中max和min為RGB值的三個(gè)值中的最大值和最小值；

最后判斷所述平均亮度值是否落于所述亮度限制區(qū)間，當(dāng)所述平均亮度值超出所述亮度限制區(qū)間時(shí)，所述視覺輸入系統(tǒng)通過(guò)所述中央控制系統(tǒng)通知維保單位維修。

4.根據(jù)權(quán)利要求1所述的一種自學(xué)習(xí)的轎廂視覺分析方法，其特征在于：還包括步驟S10，所述步驟S10為：

首先獲取轎廂合適照度下空載時(shí)的原始圖像，設(shè)置轎廂的灰度限制區(qū)間；

然后所述視覺輸入系統(tǒng)對(duì)所述步驟S3中的基準(zhǔn)圖像通過(guò)灰度轉(zhuǎn)換法轉(zhuǎn)換成平均灰度值；

所述灰度轉(zhuǎn)換法具體為：通過(guò)Gray＝R*0.299+G*0.587+B*0.114得到所述基準(zhǔn)圖像的每個(gè)像素點(diǎn)的灰度Gray，并通過(guò)所有像素點(diǎn)的灰度Gray得到平均灰度值，其中R為像素點(diǎn)的紅色值，G為像素點(diǎn)的綠色值，B為像素點(diǎn)的藍(lán)色值；

最后判斷所述平均灰度值是否落于所述灰度限制區(qū)間，當(dāng)所述平均灰度值超出所述灰度限制區(qū)間時(shí)，所述視覺輸入系統(tǒng)通過(guò)所述中央控制系統(tǒng)通知維保單位維修。