本發(fā)明涉及圖像處理，尤其涉及一種電梯井道底坑異物檢測方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、電梯在井道中升降運(yùn)行，井道底坑環(huán)境對電梯安全至關(guān)重要，在電梯運(yùn)行過程中，當(dāng)人或異物誤入井道會造成嚴(yán)重的人員安全事故以及破壞電梯的結(jié)構(gòu)，影響電梯的正常工作，因此，需要對井道底坑異物進(jìn)行檢測。

2、現(xiàn)有技術(shù)中，對井道底坑進(jìn)行異物檢測，需要先對井道底坑進(jìn)行三維場景重建，將重建的三維場景數(shù)據(jù)投影變換到世界坐標(biāo)系，基于世界坐標(biāo)系下的數(shù)據(jù)確定井道底坑中物體的位置和高度，三維場景重建和坐標(biāo)變換計算量大，在低算力的硬件設(shè)備中異物檢測實時性差，且對井道底坑中異物目標(biāo)之間關(guān)系復(fù)雜的情況(比如一個目標(biāo)部分覆蓋另一個目標(biāo))存在檢測結(jié)果偏差。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種電梯井道底坑異物檢測方法、裝置、電子設(shè)備和存儲介質(zhì)，以解決現(xiàn)有井道底坑異物檢測存在計算量大，實時性差以及檢測結(jié)果存在偏差的問題。

2、第一方面，本發(fā)明提供了一種電梯井道底坑異物檢測方法，包括：

3、獲取井道底坑區(qū)域的原始圖像；

4、從所述原始圖像中提取地面區(qū)域圖像；

5、根據(jù)所述地面區(qū)域圖像確定出候選目標(biāo)，并獲取所述候選目標(biāo)的局部峰值圖；

6、將所述候選目標(biāo)的局部峰值圖輸入預(yù)先訓(xùn)練的目標(biāo)分類模型中得到所述候選目標(biāo)的分類結(jié)果；

7、在所述分類結(jié)果為異物時確定所述井道底坑中存在異物。

8、可選的，從所述原始圖像中提取地面區(qū)域圖像，包括：

9、在所述原始圖像中設(shè)置提示點；

10、將設(shè)置提示點之后的原始圖像輸入預(yù)先訓(xùn)練的sam模型中得到多個子區(qū)域；

11、計算各個子區(qū)域的綜合評分，將綜合分?jǐn)?shù)最大的子區(qū)域確定為地面區(qū)域；

12、從所述原始圖像中截取所述地面區(qū)域，得到地面區(qū)域圖像。

13、可選的，計算各個子區(qū)域的綜合評分，包括：

14、確定各個子區(qū)域的最小外接矩形，并計算所述最小外接矩形的長邊和短邊的比值得到長寬比；

15、從各個子區(qū)域中確定出長寬比小于預(yù)置閾值的子區(qū)域得到候選子區(qū)域；

16、計算各個候選子區(qū)域的面積，以及計算各個候選子區(qū)域的重心到預(yù)置參考點的距離；

17、計算預(yù)設(shè)系數(shù)與所述距離的乘積，并計算所述面積與所述乘積的差值，得到所述候選子區(qū)域的綜合評分。

18、可選的，根據(jù)所述地面區(qū)域圖像確定出候選目標(biāo)，并獲取所述候選目標(biāo)的局部峰值圖，包括：

19、對所述地面區(qū)域圖像進(jìn)行濾波處理，得到濾波后的地面區(qū)域圖像；

20、采用預(yù)置的梯度算法對濾波后的地面區(qū)域圖像計算梯度得到梯度圖像；

21、對所述梯度圖像進(jìn)行局部峰值過濾得到局部峰值圖；

22、基于預(yù)先配置的閾值對所述局部峰值圖進(jìn)行二值化處理的二值圖像；

23、基于所述二值圖像確定出候選目標(biāo)，并從所述局部峰值圖中截取所述候選目標(biāo)的局部峰值圖。

24、可選的，對所述梯度圖像進(jìn)行局部峰值過濾得到局部峰值圖，包括：

25、通過以下方式對所述梯度圖像進(jìn)行局部峰值過濾得到局部峰值圖：

26、l＝d－a×f(d)；

27、其中，l為局部峰值圖，d為梯度圖像，f為濾波函數(shù)，a為系數(shù)。

28、可選的，基于所述二值圖像確定出候選目標(biāo)，包括：

29、對所述二值圖像進(jìn)行邊界增強(qiáng)處理，并對邊界增強(qiáng)處理后的二值圖像進(jìn)行輪廓檢測，得到多個目標(biāo)的第一輪廓；

30、統(tǒng)計多個第一輪廓的像素數(shù)量，并過濾像素數(shù)量小于預(yù)設(shè)數(shù)量的第一輪廓，得到第二輪廓；

31、確定所述第二輪廓的最小外接矩形，并計算所述第二輪廓的最小外接矩形的面積；

32、將最小外接矩形面積大于預(yù)設(shè)值的第二輪廓確定為候選輪廓，并將所述二值圖像中所述候選輪廓對應(yīng)的目標(biāo)確定為候選目標(biāo)。

33、可選的，所述目標(biāo)分類模型通過以下步驟訓(xùn)練：

34、獲取訓(xùn)練數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集包括各個目標(biāo)樣本的局部峰值圖樣本以及所述目標(biāo)樣本的第一類別；

35、構(gòu)建目標(biāo)分類模型，并初始化所述目標(biāo)分類模型；

36、隨機(jī)提取目標(biāo)樣本的局部峰值圖樣本輸入所述目標(biāo)分類模型中，得到所述目標(biāo)樣本的第二類別；

37、采用所述第一類別和所述第二類別計算損失值；

38、判斷是否滿足預(yù)置的訓(xùn)練條件；

39、若是，確定所述目標(biāo)分類模型完成訓(xùn)練；

40、若否，根據(jù)所述損失值對所述目標(biāo)分類模型的模型參數(shù)進(jìn)行調(diào)整，并返回隨機(jī)提取目標(biāo)樣本的局部峰值圖樣本輸入所述目標(biāo)分類模型中的步驟。

41、第二方面，本發(fā)明提供了一種電梯井道底坑異物檢測裝置，包括：

42、原始圖像獲取模塊，用于獲取井道底坑區(qū)域的原始圖像；

43、地面區(qū)域圖像提取模塊，用于從所述原始圖像中提取地面區(qū)域圖像；

44、局部峰值圖獲取模塊，用于根據(jù)所述地面區(qū)域圖像確定出候選目標(biāo)，并獲取所述候選目標(biāo)的局部峰值圖；

45、分類模塊，用于將所述候選目標(biāo)的局部峰值圖輸入預(yù)先訓(xùn)練的目標(biāo)分類模型中得到所述候選目標(biāo)的分類結(jié)果；

46、異物確定模塊，用于在所述分類結(jié)果為異物時確定所述井道底坑中存在異物。

47、第三方面，本發(fā)明提供了一種電子設(shè)備，所述電子設(shè)備包括：

48、至少一個處理器；以及

49、與所述至少一個處理器通信連接的存儲器；其中，

50、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機(jī)程序，所述計算機(jī)程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明第一方面任一項所述的電梯井道底坑異物檢測方法。

51、第四方面，本發(fā)明提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)指令，所述計算機(jī)指令用于使處理器執(zhí)行時實現(xiàn)本發(fā)明第一方面任一項所述的電梯井道底坑異物檢測方法。

52、本發(fā)明實施例從井道底坑區(qū)域的原始圖像中提取地面區(qū)域圖像，并從地面區(qū)域圖像中確定出候選目標(biāo)后，進(jìn)一步獲取候選目標(biāo)的局部峰值圖，將局部峰值圖輸入目標(biāo)分類模型中得到分類結(jié)果，在分類結(jié)果為異物時確定井道底坑中存在異物，無需采集圖像后對井道底坑進(jìn)行三維場景重建并進(jìn)行世界坐標(biāo)系變換后識別物體的位置和高度，降低了異物識別的計算量，適合在低算力的硬件設(shè)備中識別異物，提高了異物檢測的實時性，滿足了根據(jù)異物識別結(jié)果控制電梯實時性要求高的場景，另外，通過目標(biāo)分類模型對局部峰值圖識別異物，無需計算高度，適用于井道底坑中異物之間關(guān)系復(fù)雜的情況，提高了異物識別的準(zhǔn)確度。

53、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識本發(fā)明的實施例的關(guān)鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種電梯井道底坑異物檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，從所述原始圖像中提取地面區(qū)域圖像，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，計算各個子區(qū)域的綜合評分，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述地面區(qū)域圖像確定出候選目標(biāo)，并獲取所述候選目標(biāo)的局部峰值圖，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，對所述梯度圖像進(jìn)行局部峰值過濾得到局部峰值圖，包括：

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，基于所述二值圖像確定出候選目標(biāo)，包括：

7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，所述目標(biāo)分類模型通過以下步驟訓(xùn)練：

8.一種電梯井道底坑異物檢測裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)指令，所述計算機(jī)指令用于使處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的電梯井道底坑異物檢測方法。

技術(shù)總結(jié)
本發(fā)明公開了一種電梯井道底坑異物檢測方法、裝置、電子設(shè)備和存儲介質(zhì)，包括：從井道底坑區(qū)域的原始圖像中提取地面區(qū)域圖像，根據(jù)地面區(qū)域圖像確定出候選目標(biāo)，將候選目標(biāo)的局部峰值圖輸入目標(biāo)分類模型中得到候選目標(biāo)的分類結(jié)果，在分類結(jié)果為異物時確定井道底坑中存在異物，無需采集圖像后對井道底坑進(jìn)行三維場景重建并進(jìn)行世界坐標(biāo)系變換后識別物體的位置和高度，降低了異物識別的計算量，適合在低算力的硬件設(shè)備中識別異物，提高了異物檢測的實時性，滿足了根據(jù)異物識別結(jié)果控制電梯實時性要求高的場景，另外，通過目標(biāo)分類模型對局部峰值圖識別異物，無需計算高度，適用于井道底坑中異物之間關(guān)系復(fù)雜的情況，提高了異物識別的準(zhǔn)確度。

技術(shù)研發(fā)人員：杜卉然,唐其偉,張寧
受保護(hù)的技術(shù)使用者：日立樓宇技術(shù)（廣州）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15