基于機器視覺技術的電梯超載檢測技術

羅 睿

（湖北特種設備檢驗檢測研究院孝感分院，湖北孝感 432000）

機器視覺是指用機器來代替人眼進行測量，做出判斷。機器視覺系統是指根據像素分布、亮度、顏色等信息將捕獲的物體轉換為圖像信號，轉發給中央圖像處理系統并轉換為數字信號的圖像處理產品（即分為CCD 和CMOS 的圖像攝取設備）系。統對這些信號執行各種操作，以提取目標的特征，然后根據檢測結果檢查現場設備的動作。近年來，國內一些高校、科研院所和企業在圖像與機器視覺技術領域開展了大膽的嘗試，并且將其應用到了工業領域中。業內專家一致認為，機器視覺的發展將進一步推動中國工業從“自動化”走向“智能化”。有專家對于電梯智能化的描述如下：“電梯智能化是指將現有電梯控制系統與人工智能、計算機技術、先進通信技術等技術有機結合，利用系統集成方法，有效提高電梯調解效率，減少等待時間，降低電梯能耗”[1]。

1 電梯超載檢測方法設計

文章基于傳統電梯超載方法進行新型超載檢測方法的優化設計，提出了基于機器視覺的電梯過載檢測。該方法的檢測原理為：乘客進入電梯后，通過重力超載檢測方法，利用電梯壓力傳感對于重量進行檢測，了解是否超載。圖像單元被配置為獲取電梯內的圖像，并對其進行處理，判斷電梯內是否存在電動車；如果重量超載，則轎廂內的報警系統啟動；如果未超載，電梯門關閉；下個乘客進入電梯后重新評估重量，當重量達到上限時，不會在下一個目標地停止，選擇繼續運行。而重量未達上限的情況下，對于電梯轎廂的空間占用率進行檢測，通過空間超載檢測方法檢測空間是否超過滿載值；同時如果電梯內存在電動車，控制單元控制電梯停止運行。如果超過滿負荷值，則不會停止下一個目標樓層；否則，電梯將像往常一樣停止[2]。文章對于轎廂內的圖像進行處理，計算人與物體的垂直投影平面與整個電梯轎廂地板面的比值，作為電梯轎廂的占用率。

2 圖像處理

基于機器視覺技術在電梯檢測中的應用，電梯內的圖像處理可以分為幾方面：①圖像采集。通過CCD 相機采集電梯內的圖像。②圖像預處理。降低噪聲干燥對于圖像的影響；③背景建模。采用最大類間方差法（OTSU 算法）對于圖像背景進行分離，成為前景和背景，提取目標的區域特征；④形態學處理。因為提取的目標圖像存在污染，所以通過形態學處理消除了環境因素引起的背景噪聲，填補了前景物體表面材料造成的空洞。在不改變圖像形狀的情況下，消除了影響區域統計的因素。⑤過載檢測與電動車檢測。通過計算圖像中前景區域的比例，獲得空間利用率，從而為評估電梯過載以及電梯內是否存在電動車提供依據[3]。圖像采集位置如圖1所示。

圖1 相機安裝位置示意圖

2.1 中值濾波

當相機拍攝到電梯轎廂中的原始圖像之后，因為工作環境、傳感器過熱等因素，圖像內存在大量噪聲，從而導致圖像質量不夠穩定，特征模糊，對于圖像分析結果產生嚴重影響?；诖?，需對原始圖像進行預處理，將圖像中的噪聲消除。而噪聲去除方法主要有非線性濾波和線性濾波方法。其中，非線性濾波包括中值濾波法、雙邊濾波法等；線性濾波則包括均值濾波、高斯濾波等[4]。當電梯內的攝像頭端和外部控制端在電梯中接地時，因為存在接地電阻和電纜皮電阻，所以存在電位差，導致圖像中存在噪聲。當使用線性濾波處理噪聲時，會引發更多干擾，并對像素值計算造成影響。但在中值濾波中，噪聲點的值會被該點附近各點的中值取代。因此，其可以降低噪聲點產生的影響，特別是對于椒鹽噪聲。此外，與線性濾波相比，媒體濾波可以保護信號的邊緣，并在減少噪聲的同時減少模糊效果。中值濾波器是“絕對誤差最小”準則下的最優濾波。利用中值濾波來對圖像進行預處理，對于圖像中的每一個點和8個相鄰的像素點作為滑動窗口，3×3窗口中的像素排序，將中值賦值給窗口中心，去除孤立噪聲點。

2.2 背景建模

為了準確提取電梯中物體的表面特征，采用最大類間方差法對背景圖像進行分離。對于前景和背景分割，閾值分割是一種常見的分割方法，閾值的選擇尤為關鍵。閾值分割的一般方法是通過建立目標函數的最大值來確定閾值。然而，電梯內部環境復雜，閾值確定方法缺乏自適應性，導致噪聲過大。雖然最大類間方差法使用最小二乘法，但它通過設置圖像的灰度閾值來確定圖像像素的特征屬性是否可以連續達到閾值。在此基礎上，將每個像素劃分為前景或背景區域，然后生成二值圖像。在分割過程中，在前景或背景區域分割像素，以減少圖像兩部分之間的差異。只選取類間最大偏差作為閾值，分割后的分類錯誤概率最小，閾值最好。

2.3 改良形態學處理

閾值分割之后所提取的二值圖像具有一定噪聲，對于后續檢測存在不利。噪聲有兩個來源：一個是背景區域中陰影引起的小連通區域，另一個是圖像閾值分割后由對象表面材質的顏色等因素引起的前景中的空洞。中值濾波等方法主要用來處理灰度圖像以及彩色圖像的噪聲。形態學方法可以用以二值圖像的噪聲處理。傳統的形態學方法是基于數量代數理論，將膨脹法、腐蝕法和開放法相結合，提取圖像中的形狀屬性。然而，傳統的形態學方法對于二值圖像去噪的效果不佳。該方法對小噪聲有很好的效果，但對大噪聲（如大鄰域、大孔洞）有負面影響，導致統計結果出現偏差。此外，具有不同降噪效果的圖像需要不同的腐蝕和膨脹過程，工作流程也不同，增加了系統操作的復雜性。因此，文中采用一種改進的形態學方法對于二值圖像的噪聲問題進行處理。兩種類型的圖像噪聲處理分為去除小的連續區域和填充局部空洞。

2.4 圖像處理實驗

對于文章提出的圖像處理方法進行仿真，基于vc++14.0開發平臺、opencv 計算機視覺庫進行，然后驗證電梯環境的算法效果。通過OTSU 算法預分離圖像背景，對提取的前景圖像進行形態學處理，填充孔洞，去除離散點。經過改進之后的圖像能夠將離散點去除，并且不會對圖像的整體效果造成影響。對于前景區域與總圖像區域的比率進行計算，可以得到空間占用率，同時基于電梯空間的滿載閾值來評估過載。測試中測得的空間占用率見表1，即電梯空間占用率為359.399%。如果采用傳統的形態學方法來進行圖像處理，則無法有效地填充圖像空洞并去除離散點，導致計算所得空間占有率存在偏差，甚至影響電梯空間超載的判斷。

表1 空間占有率計算

3 仿真實驗

3.1 實驗背景

某一電梯層高共6層，對于該電梯的運行開展仿真實驗。表2為電梯的參數設置。

表2 電梯的參數設置

假設該環境一共有6層，每層層高為3 m，相鄰樓層的電梯運行為2 s；加速度為1 m/s2，電梯?？考铀伲ɑ驕p速）時間為2 s，加速（或減速）過程中運行2 m。

3.2 模擬實驗

對電梯的運行進行了模擬和測試。假設如下：①在二、三、四、五層共有四位目標乘客等待乘坐電梯，其目標樓層均為一樓。②在六樓，兩名清潔工推著一輛清潔車。進入電梯轎廂之后，重量上限未達到，但無多余空間。③假設每一位乘客重量均為75 kg，行李重量相等，即10 kg，并占據一定位置。根據電梯的裝載限制，理論上僅可以同時運送15名乘客。④由于空間有限，攜帶行李的乘客只能搭載8位。⑤假設每位乘客上下電梯所需時間為2s，酒店清潔工上下電梯所需時間為6s。⑥電梯起始樓層為第六層。

根據上述假設，通過C++圖形用戶界面開發框架QT 來設計電梯運行的仿真模型。而為了進一步簡化模型，僅計算電梯搭載乘客向下運行的時間。

仿真結果如下：①采用傳統的過載檢測方法對于電梯運行進行檢測，表3～表4為電梯的運行條件和效率。②電梯運行過程中，基于機器視覺的超載檢測方法來進行超載檢測，表5～表6為電梯的運行條件和效率。

表3 傳統超載檢測方法的電梯運行情況

表4 傳統超載檢測方法的電梯運行效率

表5 基于機器視覺算法的電梯超載檢測方法運行情況

表6 基于機器視覺算法的電梯超載檢測方法運行效率

結果表明，相同運行次數時，基于機器視覺的過載檢測方法發現，電梯總?？看螖禐? 次，時間為168s；傳統超載檢測的電梯?？看螖?4次，總計216s；在時間效率方面對比，基于機器視覺的監測方法提升了22.2%。因此，在相同工作量的前提下，需要充分考慮到電梯超載對于運行效率的影響，基于機器視覺的超載檢測方法可以有效避免不必要的?？?，從而縮短運行時間。

4 結論

為了提高電梯運行效率，考慮空間過載對電梯運行效率的影響，提出了基于機器視覺技術的電梯運行檢測方法。通過圖像處理技術，如平均過濾、背景建模和改進的形態學處理，計算乘客和物體在電梯層上的垂直投影平面的比例，并評估其是否超過空間過載閾值。改進的形態學處理方法能夠有效減少傳統形態學處理帶來的誤差，避免光照、環境背景等因素對圖像結果的影響，提高電梯空間的檢測準確率。同時，通過檢測電梯轎廂內是否存在電動車，可以保證電動車從公共樓層進入電梯時無法上樓，并發出警示信息。仿真結果表明，基于機器視覺的超載檢測方法具有顯著效果，能夠有效提高電梯的運行效率，為縮短乘客乘電梯的時間，避免不必要的樓層?？?。