CN114314243A - 基于视频识别技术的升降机超载报警***及超载报警方法 - Google Patents
基于视频识别技术的升降机超载报警***及超载报警方法 Download PDFInfo
- Publication number
- CN114314243A CN114314243A CN202210021916.XA CN202210021916A CN114314243A CN 114314243 A CN114314243 A CN 114314243A CN 202210021916 A CN202210021916 A CN 202210021916A CN 114314243 A CN114314243 A CN 114314243A
- Authority
- CN
- China
- Prior art keywords
- elevator
- personnel
- door
- overload
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明公开了基于视频识别技术的升降机超载报警***及超载报警方法,包括通讯连接的第一人数检测***、第二人数检测***、***主处理模块和人机交互***;第一人数检测***设置于升降机的进料门和出料门,用于获取进料口和出料口的人员视频信息;第二人数检测***设置于升降机内部,用于获取升降机内部的人员视频信息;***主处理模块用于通过第一人数检测***和第二人数检测***的视频信息求解升降机内部人员数目和人员超载信息;人机交互***用于接收升降机的人员超载信息并依据人员超载信息进行报警。本发明可有效提高升降机内部人数检测的精度,避免出现超载误报警或超载不报警的情况,提高升降机工作的安全性和可靠性。
Description
技术领域
本发明涉及基于视频识别技术的升降机超载报警***及超载报警方法,属于升降机技术领域。
背景技术
施工电梯通常称为施工升降机,在工地用作向建筑物中运输物料或施工人员。
但由于施工人员或佩戴安全帽、或手持安全帽,导致人数监控***无法精确识别升降机内部人数,导致检测的人数多于实际人数,出现超载误报警情况;同时人数监控***无法确保完整获取升降机内部视频数据,容易导致人数判定失误容易,导致检测人数少于实际人数,出现超载不报警情况。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供基于视频识别技术的升降机超载报警***及超载报警方法,解决现有技术中施工升降机人数监控***对于升降机内部人数监控不准确的情况,提高升降机内部人数检测的精度,避免出现超载误报警或超载不报警的情况,提高升降机工作的安全性和可靠性。
为达到上述目的,一方面,本发明提供基于视频识别技术的升降机超载报警***,包括通讯连接的第一人数检测***、第二人数检测***、***主处理模块和人机交互***;
所述第一人数检测***设置于升降机的进料门和出料门,用于获取进料口和出料口的人员视频信息;
所述第二人数检测***设置于升降机内部,用于获取升降机内部的人员视频信息;
所述***主处理模块用于通过第一人数检测***和第二人数检测***的视频信息求解升降机内部人员数目和人员超载信息;
所述人机交互***用于接收升降机的人员超载信息并依据人员超载信息进行报警。
进一步地,所述第一人数检测***包括进料门摄像头和出料门摄像头,所述进料门摄像头设置于进料门,用于获取人员进出进料门的视频信息;所述出料门摄像头设置于出料门,用于获取人员进出出料门的视频信息。
进一步地,所述第二人数检测***包括笼顶摄像头,所述笼顶摄像头设置于升降机内部空间的顶部,用于获取升降机内部人员的视频信息。
进一步地,所述升降机超载报警***还把包括升降机称重***,用于获取升降机的载荷信息,辅助求解升降机内部人员数目。
另一方面,如上述任一项所述的基于视频识别技术的升降机超载报警***的超载报警方法,包括如下步骤:
获取施工升降机的人员视频信息;
获取升降机的载荷信息;
计算施工升降机内人员数目;
判断升降机内人员是否超载,若超载则进行报警。
进一步地,获取施工升降机的人员视频信息包括如下步骤:
检测进料门或出料门的工作状态;
若进料门或出料门处于打开状态,第一人数检测***获取视频信息并传送至***主处理模块:
所述进料门摄像头获取进料门处的人员视频信息;
所述出料门摄像头获取出料门处的人员视频信息;
第二人数检测***获取升降机内部视频信息并传输至***主处理模块。
进一步地,计算施工升降机内人员数目,包括如下步骤:
将第一人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数,记为PN1:
对摄像头的拍摄区域进行区域分割:
以升降机的门框为分界线,门框以内为门内,门框以外为门外;
对视频信息进行移动物体检测,当判断有物体从门内移动到门外时,计数减1;当判断有物体从门外移动到门内时,计数加1;
依据进料门摄像头和出料门摄像头的计数数据求解升降机内部人员数目;
将第二人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数,记为PN2:
构建神经网络模型;
将视频数据导入神经网络模型,通过求解升降机内的人员数目;
综合PN1和PN2,并导入升降机载荷数据求解升降机内部实际人员数目。
进一步地,判断升降机内人员是否超载,若超载则进行报警,包括如下步骤:
将计算得出的升降机内人员数目与规定人数上限值进行比较,若计算得出的人员数目大于规定人数上限值,则判定超载,并将超载信号发送至人机交互***,人机交互***依据超载信号进行报警。
进一步地,构建神经网络模型包括如下步骤:
采集和标注样本:选择多个升降机,采集在不同工况下的升降机内的图片,并利用图片标注工具对图片中 的人员进行标注,将图片分为训练样本数据集、评估数据集和测试数据集;
构建神经网络模型:选择目标检测模型,利用训练样本数据集对样本进行训练,求解期望精度的神经网络模型。
评估和测试神经网络模型:通过评估数据集评估神经网络模型,通过测试数据集测试神经网络模型。
进一步地,所述工况的属性包括:时间段、光照条件、天气和载客量。
本发明所达到的有益效果:
本发明提供基于视频识别技术的升降机超载报警***及超载报警方法,设置第一人数检测***,检测进料门和出料门的人流数据,通过动态人数检测的方式获取升降机内部人数,同时设置第二人数检测***升降机内部的人数通过静态人数检测方式,获取升降机内部人数;通过以上两种方式分别获取的升降机的内部人数进行权衡,求解获得置信度更高的升降机内部实际人数的数据,可有效提高升降机内部人数检测的精度,提高超载判断的可靠性,可有效避免超载不报警或超载误报警情况的发生,提高升降机载人运时的安全性。
设置升降机称重***,引入升降载荷参数,协助求解升降机内部实际人数,可有效提高升降机内部人数识别的精确性和可靠性。
附图说明
图1是本发明实施例一提供的基于视频识别技术的升降机超载报警***的结构框图;
图2是本发明实施例二提供的基于视频识别技术的升降机超载报警方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
本发明提供的基于视频识别技术的升降机超载报警***,如图1所示,包括第一人数检测***、第二人数检测***、升降机称重***、***主处理模块和人机交互***,第一人数检测***设置于升降机的进料口和出料口,用于获取进料口和出料口的人员视频数据,并传输到***主处理模块,通过***主处理模块求解升降机内部人员数据,记为PN1;第二人数检测***设置于升降机内部,用于获取升降机内部人员的视频数据,并传输到***主处理模块,通过***主处理模块求解升降机内部人员数据,记为PN2;升降机称重***用于获取升降机的载荷信息,并传输到***主处理模块;***主处理模块求解出PN1和PN2后进行权衡比对,并融合升降机的载荷信息,求解置信度最高的最终的升降机内部人员数目,并与设定人数限值进行比较,求解人数超载报警信息并输入至人机交互***;人机交互***用于接收人数超载报警信息并进行报警。本发明提供一种基于视频识别技术的施工升降机人数识别***,设置两套人数检测***,通过不同的检测方法在分别求解出升降机内部人员数目后综合升降机载荷信息,求解出最终的人员数目,可有效提高人员数目求解的置信度,提高人员数目检测的精确度,降低升降机的误报警和不报警机率,提高升降机人数自检和报警的可靠性,提高升降机运行的安全性。
施工升降机的一侧为进料门用于供人员进入施工升降机,施工升降机的另一侧为出料门用于供人员走出施工升降机,本发明的实施例一中,第一人数检测***包括进料门摄像头和出料门摄像头,进料门摄像头通讯连接***主处理模块,进料门摄像头设置于施工升降机进料门的一侧,用于获取进料门内外一定范围内的视频数据,并传输至***主处理模块;出料门摄像头通讯连接***主处理模块,出料门摄像头设置于施工升降机出料门的一侧,用于获取出料门内外一定范围内的视频数据,并传输至***主处理模块;本发明的实施例一中,由于进料门摄像头和出料门摄像头均用于获取视频数据并传送至***主处理模块,出于经济性和选配时间考虑,进料门摄像头和出料门摄像头选用相同型号的摄像头。
本发明的实施例一中,第二人数检测***包括笼顶摄像头,笼顶摄像头通讯连接***主处理模块,笼顶摄像头设置于施工升降机内部空间的顶部,用于获取升降机内部整体的视频数据,并传送至***主处理模块;本发明的实施例一中,由于笼顶摄像头用于获取升降机内部整体的视频数据,所以本发明的实施例一中笼顶摄像头优选使用广角摄像头。
升降机称重***通讯连接***主处理模块,升降机称重***用于获取施工升降机的载荷数据,并传输到***主处理模块;本发明的实施例一中,升降机称重***通过485总线连接***处理器模块。
人机交互***通讯连接***主处理模块,用于获取***主处理模块输出的人数超载报警信息,人机交互***依据获取的信息进行人数检测报警;本发明的实施例一中,人机交互***通过485总线连接***主处理模块。
实施例二:
本发明实施例二在实施例一的基础上提供基于视频识别技术的升降机超载报警***的超载报警方法,如图2所示,包括如下步骤:
步骤一:获取施工升降机的人员视频信息:
检测进料门或出料门的工作状态;
若进料门或出料门处于打开状态,第一人数检测***获取视频信息并传送至***主处理模块:
进料门摄像头获取进料门处的人员视频信息;
出料门摄像头获取出料门处的人员视频信息;
第二人数检测***获取视频升降机内部信息并传送至***主处理模块:
笼顶摄像头获取升降机内部人员视频信息。
步骤二:获取升降机的载荷信息:
通过升降机称重***获取升降机的载荷信息并传输至***主处理模块。
步骤三:计算施工升降机内人员数目:
3.1、将第一人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数:
***主处理模块对摄像头的拍摄区域进行区域分割:
以升降机的门框为分界线,门框以内为门内,门框以外为门外;
***主处理模块对视频信息进行移动物体检测,当判断有物体从门内移动到门外时,计数减1;当判断有物体从门外移动到门内时,计数加1。
依据进料门摄像头和出料门摄像头的计数数据求解升降机内部人员数目,记为PN1。
3.2、将第二人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数:
***主处理模块中构建神经网络模型,将视频数据导入神经网络模型,通过神经网络模型求解升降机内的人员数目,记为PN2。
构建神经网络模型包括如下步骤:
进行样本的采集和标注:选择多个升降机,采集在不同工况下的升降机内的图片,并利用图片标注工具对图片中的人员进行标注,并将图片分为训练样本数据集、评估数据集和测试数据集;
工况属性包括:时间段、光照条件、天气和载客量。
本发明的实施例二中,采集5万张图片,其中4万张用作神经网络模型的训练样本数据集,5千张用作神经网络模型的评估数据集,5千张用作神经网络模型的测试数据集。
训练、评估和测试神经网络模型:选择目标检测模型利用训练样本数据集对样本进行训练,得到期望精度的神经网络模型,通过评估数据集评估神经网络模型,通过测试数据集测试神经网络模型。
本发明的实施例二中,目标检测模型为PP-YOLO。
3.3、将升降机称重***获取的升降机的载荷信息导入***主处理模块,并综合PN1和PN2,通过滤波算法求解置信度更高的人员数目作为升降机内部实际人员数目,记为PN0。
3.4、将PN0与规定人数上限值进行比较,求解超载信息,若计算得出的人员超载则向人机交互***发送超载报警信号。
步骤4、人机交互***接收超载报警信号,并依据超载报警信号进行报警。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.基于视频识别技术的升降机超载报警***,其特征在于:包括通讯连接的第一人数检测***、第二人数检测***、***主处理模块和人机交互***;
所述第一人数检测***设置于升降机的进料门和出料门,用于获取进料口和出料口的人员视频信息;
所述第二人数检测***设置于升降机内部,用于获取升降机内部的人员视频信息;
所述***主处理模块用于通过第一人数检测***和第二人数检测***的视频信息求解升降机内部人员数目和人员超载信息;
所述人机交互***用于接收升降机的人员超载信息并依据人员超载信息进行报警。
2.根据权利要求1所述的基于视频识别技术的升降机超载报警***,其特征在于:所述第一人数检测***包括进料门摄像头和出料门摄像头,所述进料门摄像头设置于进料门,用于获取人员进出进料门的视频信息;所述出料门摄像头设置于出料门,用于获取人员进出出料门的视频信息。
3.根据权利要求1所述的基于视频识别技术的升降机超载报警***,其特征在于:所述第二人数检测***包括笼顶摄像头,所述笼顶摄像头设置于升降机内部空间的顶部,用于获取升降机内部人员的视频信息。
4.根据权利要求1所述的基于视频识别技术的升降机超载报警***,其特征在于:所述升降机超载报警***还把包括升降机称重***,用于获取升降机的载荷信息,辅助求解升降机内部人员数目。
5.基于权利要求1-4任一项所述的基于视频识别技术的升降机超载报警***的超载报警方法,其特征在于:包括如下步骤:
获取施工升降机的人员视频信息;
获取升降机的载荷信息;
计算施工升降机内人员数目;
判断升降机内人员是否超载,若超载则进行报警。
6.根据权利要求5所述的基于视频识别技术的升降机超载报警方法,其特征在于:获取施工升降机的人员视频信息包括如下步骤:
检测进料门或出料门的工作状态;
若进料门或出料门处于打开状态,第一人数检测***获取视频信息并传送至***主处理模块:
所述进料门摄像头获取进料门处的人员视频信息;
所述出料门摄像头获取出料门处的人员视频信息;
第二人数检测***获取升降机内部视频信息并传输至***主处理模块。
7.根据权利要求5所述的基于视频识别技术的升降机超载报警方法,其特征在于:计算施工升降机内人员数目,包括如下步骤:
将第一人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数,记为PN1:
对摄像头的拍摄区域进行区域分割:
以升降机的门框为分界线,门框以内为门内,门框以外为门外;
对视频信息进行移动物体检测,当判断有物体从门内移动到门外时,计数减1;当判断有物体从门外移动到门内时,计数加1;
依据进料门摄像头和出料门摄像头的计数数据求解升降机内部人员数目;
将第二人数检测***获取的视频数据导入***主处理模块,计算升降机内部人数,记为PN2:
构建神经网络模型;
将视频数据导入神经网络模型,求解升降机内的人员数目;
综合PN1和PN2,并导入升降机载荷数据求解升降机内部实际人员数目。
8.根据权利要求5所述的基于视频识别技术的升降机超载报警方法,其特征在于:判断升降机内人员是否超载,若超载则进行报警,包括如下步骤:
将计算得出的升降机内人员数目与规定人数上限值进行比较,若计算得出的人员数目大于规定人数上限值,则判定超载,并将超载信号发送至人机交互***,人机交互***依据超载信号进行报警。
9.根据权利要求7所述的基于视频识别技术的升降机超载报警方法,其特征在于:构建神经网络模型包括如下步骤:
采集和标注样本:选择多个升降机,采集在不同工况下的升降机内的图片,并利用图片标注工具对图片中 的人员进行标注,将图片分为训练样本数据集、评估数据集和测试数据集;
训练神经网络模型:选择目标检测模型,利用训练样本数据集对样本进行训练,求解期望精度的神经网络模型;
评估和测试神经网络模型:通过评估数据集评估神经网络模型,通过测试数据集测试神经网络模型。
10.根据权利要求9所述的基于视频识别技术的升降机超载报警方法,其特征在于:所述工况的属性包括:时间段、光照条件、天气和载客量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021916.XA CN114314243A (zh) | 2022-01-10 | 2022-01-10 | 基于视频识别技术的升降机超载报警***及超载报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021916.XA CN114314243A (zh) | 2022-01-10 | 2022-01-10 | 基于视频识别技术的升降机超载报警***及超载报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114314243A true CN114314243A (zh) | 2022-04-12 |
Family
ID=81027599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210021916.XA Pending CN114314243A (zh) | 2022-01-10 | 2022-01-10 | 基于视频识别技术的升降机超载报警***及超载报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114314243A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115321298A (zh) * | 2022-09-09 | 2022-11-11 | 中信重工开诚智能装备有限公司 | 一种矿用罐笼超载滞留检测装置及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101402428A (zh) * | 2007-10-03 | 2009-04-08 | 三菱电机株式会社 | 人数检测装置以及电梯 |
CN202414916U (zh) * | 2011-11-01 | 2012-09-05 | 大连科信起重电器有限公司 | 一种施工升降机智能预警*** |
CN202529670U (zh) * | 2012-05-11 | 2012-11-14 | 山东鑫华泰电子科技有限公司 | 应用电梯内人数统计设备 |
CN103552890A (zh) * | 2013-11-07 | 2014-02-05 | 深圳市汇川技术股份有限公司 | 电梯轿厢人数检测***及方法 |
CN104168442A (zh) * | 2013-05-17 | 2014-11-26 | 上海航鼎电子科技发展有限公司 | 基于摄像头的施工升降机监控装置及监控方法 |
CN203998490U (zh) * | 2014-07-03 | 2014-12-10 | 杨德明 | 一种升降机人数检测装置 |
CN207713204U (zh) * | 2017-06-26 | 2018-08-10 | 西安电子科技大学 | 基于模糊推理的电梯轿厢内人数检测*** |
CN109052092A (zh) * | 2018-09-12 | 2018-12-21 | 南通星云智能科技有限公司 | 一种分布式升降机安全管理***及管理方法 |
CN112733677A (zh) * | 2020-12-31 | 2021-04-30 | 桂林海威科技股份有限公司 | 一种人流量统计***及方法 |
CN113044694A (zh) * | 2021-03-05 | 2021-06-29 | 苏州威视通智能科技有限公司 | 基于深度神经网络的工地电梯人数统计***及方法 |
CN214429605U (zh) * | 2021-03-18 | 2021-10-19 | 倪树华 | 一种应用于施工升降机的超员视频监控仪 |
-
2022
- 2022-01-10 CN CN202210021916.XA patent/CN114314243A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101402428A (zh) * | 2007-10-03 | 2009-04-08 | 三菱电机株式会社 | 人数检测装置以及电梯 |
CN202414916U (zh) * | 2011-11-01 | 2012-09-05 | 大连科信起重电器有限公司 | 一种施工升降机智能预警*** |
CN202529670U (zh) * | 2012-05-11 | 2012-11-14 | 山东鑫华泰电子科技有限公司 | 应用电梯内人数统计设备 |
CN104168442A (zh) * | 2013-05-17 | 2014-11-26 | 上海航鼎电子科技发展有限公司 | 基于摄像头的施工升降机监控装置及监控方法 |
CN103552890A (zh) * | 2013-11-07 | 2014-02-05 | 深圳市汇川技术股份有限公司 | 电梯轿厢人数检测***及方法 |
CN203998490U (zh) * | 2014-07-03 | 2014-12-10 | 杨德明 | 一种升降机人数检测装置 |
CN207713204U (zh) * | 2017-06-26 | 2018-08-10 | 西安电子科技大学 | 基于模糊推理的电梯轿厢内人数检测*** |
CN109052092A (zh) * | 2018-09-12 | 2018-12-21 | 南通星云智能科技有限公司 | 一种分布式升降机安全管理***及管理方法 |
CN112733677A (zh) * | 2020-12-31 | 2021-04-30 | 桂林海威科技股份有限公司 | 一种人流量统计***及方法 |
CN113044694A (zh) * | 2021-03-05 | 2021-06-29 | 苏州威视通智能科技有限公司 | 基于深度神经网络的工地电梯人数统计***及方法 |
CN214429605U (zh) * | 2021-03-18 | 2021-10-19 | 倪树华 | 一种应用于施工升降机的超员视频监控仪 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115321298A (zh) * | 2022-09-09 | 2022-11-11 | 中信重工开诚智能装备有限公司 | 一种矿用罐笼超载滞留检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132045B (zh) | 一种基于计算机视觉的小区人员异常行为监控方案 | |
KR101748121B1 (ko) | 객체 인지 기반의 실시간 영상 검지 시스템 및 그 방법 | |
CN110263686A (zh) | 一种基于深度学习的施工工地图像安全帽检测方法 | |
US20090195382A1 (en) | Video sensor and alarm system and method with object and event classification | |
CN112623919B (zh) | 一种基于计算机视觉的自动扶梯智能监控管理*** | |
WO2020052436A1 (zh) | 车辆超载报警方法、装置、电子设备及存储介质 | |
EP0567059A1 (en) | Object recognition system and abnormality detection system using image processing | |
CN112287816A (zh) | 一种基于深度学习的危险工作区事故自动检测报警方法 | |
CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及*** | |
CN110589647A (zh) | 一种通过监控对电梯门进行实时故障检测及预测的方法 | |
CN109919066B (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
CN112419686B (zh) | 一种桥梁撞击探测的多级判断报警与事件记录*** | |
CN111523386B (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及*** | |
CN112800975A (zh) | 一种基于图像处理的安检通道内行为识别方法 | |
CN110597165B (zh) | 一种堆钢监测***及堆钢监测方法 | |
CN114314243A (zh) | 基于视频识别技术的升降机超载报警***及超载报警方法 | |
KR20180081645A (ko) | 지하철 스크린도어에서 안전 이상을 실시간으로 검출하기 위한 임베디드 비전시스템 및 그 방법 | |
CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 | |
KR101612867B1 (ko) | 돌발상황발생 차량정보 인식을 통한 돌발상황 감시시스템 및 방법 | |
CN114049614A (zh) | 一种地铁列车紧急制动防撞控制方法 | |
CN116455944B (zh) | 一种基于物联网采集的装配式建筑监测预警方法及*** | |
CN112623920A (zh) | 一种自动扶梯用智能监控管理*** | |
CN110458114B (zh) | 一种人数确定方法、装置及存储介质 | |
CN117978978A (zh) | 一种基于多源数据融合的地铁客流监测与预警方法及*** | |
CN118172711A (zh) | 一种ai大数据智能管理方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |