基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，涉及一種基于多信息融合的施工升降機轎廂人 數(shù)統(tǒng)計方法。
【背景技術(shù)】
[0002] 隨著城鎮(zhèn)化建設(shè)的推進，高樓大廈越來越多，施工升降機的使用日益頻繁，為了避 免群死、群傷事故，國內(nèi)對施工升降機的載運人數(shù)進行了限制，要求安全監(jiān)控系統(tǒng)實現(xiàn)升降 機吊籠內(nèi)人數(shù)的統(tǒng)計。根據(jù)施工升降機工作特點，因為轎廂需要在建筑物不同層樓運輸物 品或工作人員，不能簡單在門外安全計算裝置，因此，最簡單可行的方法是利用圖像識別的 方法。利用圖像在區(qū)域環(huán)境下進行人數(shù)統(tǒng)計主要有兩種算法，一是基于視頻圖像的跟蹤，通 過對圖像序列分析，實現(xiàn)對運動目標檢測與跟蹤；二是利用靜態(tài)圖像的目標特征，基于先驗 知識與規(guī)則進行人數(shù)識別。施工升降機吊籠尺寸一般為3. lm*l. 5m*2. 4m，空間狹小，在該區(qū) 域內(nèi)，人的運動行程短，人與人容易彼此遮擋，圖像跟蹤的方法容易丟失目標。根據(jù)施工升 降機工作特點，人數(shù)統(tǒng)計只需在每次門關(guān)閉的時刻進行，本發(fā)明采用了靜態(tài)圖像識別。本算 法采用頭部特征和輪廓面積特征。Haritaoglu利用頭部與人體的高度之比的幾何特征方 法提取人頭；于海濱提出了在基于人體頭部梯度信息Hough變換的基礎(chǔ)上，用形狀信息提 取人頭，然而，現(xiàn)有的頭部特征提取都要求圖像中每個人的頭部成像是獨立的，不能相互遮 擋，所以對于施工升降機內(nèi)人員粘連圖像問題不能解決。針對施工升降機吊籠空間小，人體 圖像出現(xiàn)重疊、粘連，人員位置對圖像面積影響較大的問題，目前沒有相關(guān)方法報道。本發(fā) 明方法利用施工現(xiàn)場，工作人員都必須佩戴安全帽這一特點，基于靜態(tài)圖像，采用目標顏色 以及最小外接矩形的面積、占空比、質(zhì)心距離、寬徑比等多種幾何特征的融合，可以有效解 決因位置不同的面積差異以及粘連問題，實現(xiàn)施工升降機吊籠內(nèi)人數(shù)統(tǒng)計。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，解決 了現(xiàn)有技術(shù)存在的施工升降機轎廂背景復雜、圖像粘連，分辨率低，導致施工升降機吊籠內(nèi) 人數(shù)統(tǒng)計不準確的問題。
[0004] 本發(fā)明所采用的技術(shù)方案是，一種基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方 法，按照以下步驟實施；
[0005] 步驟1、獲取安全帽RGB顏色特征閾值；
[0006] 步驟2、圖像分割及二值化處理；
[0007] 步驟3、去除背景干擾；
[0008] 步驟4、對圖像進行數(shù)學形態(tài)學處理；
[0009] 步驟5、提取圖像中的多幾何特征；
[0010] 步驟6、通過多信息融合方式識別出人數(shù)。
[0011] 本發(fā)明的有益效果是，有效解決了用圖像處理方法統(tǒng)計施工升降機內(nèi)人數(shù)的問 題，算法識別準確率高，實時性好，能夠滿足工程應(yīng)用的需要。
【附圖說明】
[0012] 圖1是本發(fā)明方法的實施例轎廂內(nèi)視頻圖像；
[0013] 圖2是本發(fā)明方法中的安全帽面積與距離的線性關(guān)系圖；
[0014] 圖3是本發(fā)明方法中的不同特征的連通域圖；
[0015] 圖4是本發(fā)明方法實施例的統(tǒng)計原始圖像；
[0016] 圖5是本發(fā)明方法對圖4進行圖像分割二值化后的圖像；
[0017] 圖6是本發(fā)明方法對圖4最終得到的處理結(jié)果圖像。
【具體實施方式】
[0018] 下面結(jié)合附圖和【具體實施方式】對本發(fā)明進行詳細說明。
[0019] 以下假設(shè)施工現(xiàn)場的工人僅戴紅色安全帽或黃色安全帽，
[0020] 本發(fā)明基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，通過采用圖像處理的方 法，對施工升降機轎廂內(nèi)的人數(shù)進行統(tǒng)計，具體按照以下步驟實施：
[0021] 步驟1、獲取安全帽RGB顏色特征閾值
[0022] 在施工現(xiàn)場獲取大量的轎廂內(nèi)工作圖像，從中截取安全帽樣本，利用安全帽樣本 圖像分別得到紅色安全帽的r-g和r-b直方圖，以及黃色安全帽g-b和r-b直方圖，由此得 到紅、黃色的色差閾值為：r-g > 40&&r-b > 40和g-b > 40&&r-b > 60,其中，r、g、b分別 表示RGB顏色空間的紅、綠和藍三個分量；
[0023] 步驟2、圖像分割及二值化處理
[0024] 讀入待檢測圖像，獲取圖像的紅、綠和藍三個分量；
[0025] 根據(jù)公式（1)計算F值，
[0026]
【主權(quán)項】
1. 一種基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點在于，按照以下步驟 實施； 步驟1、獲取安全帽RGB顏色特征閾值； 步驟2、對圖像分割及二值化處理； 步驟3、去除背景干擾； 步驟4、對圖像進行數(shù)學形態(tài)學處理； 步驟5、提取圖像中的多幾何特征； 步驟6、通過多信息融合方式識別出人數(shù)。
2. 根據(jù)權(quán)利要求1所述的基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點在 于：所述的步驟2中，具體步驟如下： 讀入待檢測圖像，獲取圖像的紅、綠和藍三個分量； 根據(jù)公式（1)計算F值，
其中，該F值用于判斷圖像像素是否為彩色，單色提取因子D= 20,當F> = 1為彩色， 當F〈1為單色，為了對標志顏色進行分類提取，在提取彩色信息基礎(chǔ)上，即F> = 1時，利用 RGB空間紅色和黃色的色差閾值進行二值化，從而實現(xiàn)不同標志顏色的分類分割提取結(jié)果。
3. 根據(jù)權(quán)利要求1所述的基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點 在于：所述的步驟3中，具體步驟如下：采用位置背景濾除的方式去除非人員位置的顏色背 景。
4. 根據(jù)權(quán)利要求1所述的基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點在 于：所述的步驟4中，具體步驟如下： 首先要對二值圖像使用膨脹、腐蝕算子進行形態(tài)學開運算操作，結(jié)構(gòu)元素選擇半徑為 4的圓盤模板，對閉運算的結(jié)果圖像進行空洞填充；然后，對圖像再進行兩次形態(tài)學的開運 算，使得圖像有微粘連的部分得到比較清楚的分割。
5. 根據(jù)權(quán)利要求1所述的基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點在 于：所述的步驟5中，具體步驟如下： 5. 1)提取面積特征 利用連通域的面積特征可以去除圖像中面積比較小，不合理的連通域，連通域的面 積是靠貼標簽再計算的方法，本步驟采用4連接的貼標簽方法，設(shè)二值圖像的標簽矩陣為 L(i，j)，i、j分別為原圖像矩陣的像素行號與列號，圖像貼標具體步驟如下： 5. 11)設(shè)標簽值A(chǔ)=〇,已貼標簽數(shù)N= 0,按照從左到右、從上到下的順序?qū)Χ祷?圖像進行掃描，尋找像素值為1的目標像素點； 5. 12)對于尚未貼標簽的目標像素點，搜索其鄰域已掃描過的點， 如果這些點的標簽值為0,則標簽值A(chǔ)=A+1，該點的標簽矩陣值為L(i，j) =A，貝占 標簽數(shù)N=N+1 ; 如果這些點的標簽值相同且不為0,則L(i，j)=入； 如果標簽值不同，設(shè)標簽值分別為A、A'，且〇<A<A'，則當前目標像素點的 標簽值L(i，j) =A，并將標簽值為A'的所有像素點的標簽值改為A，并令標簽數(shù)N=N-1 ； 5. 13)將圖像中所有像素按步驟5. 12)的方式進行處理； 5. 14)判斷是否A=N，若是則處理結(jié)束； 否則，說明已貼標簽為不連續(xù)編號，則進行編號調(diào)整，使其標簽號連續(xù)排列， 經(jīng)過貼標簽之后再針對各個連通域計算面積，即計算每個不同標簽值下聯(lián)通域的像素 點的總個數(shù)，并將其記錄在各自的標簽值下，即為連通域的面積As; 5. 2)提取形狀特征 利用了目標圖像連通域的最小外接矩形的長寬比C以及占空比Z兩個特征，長寬比C以及占空比Z分別定義為：
其中，a為外接矩形的長，b為外接矩形的寬，As是連通區(qū)域面積，A^是連通區(qū)域外接矩 形的面積，具體步驟如下： 5. 21)對每個做標記的連通域邊界以每次3度的增量在90度范圍內(nèi)旋轉(zhuǎn)，每旋轉(zhuǎn)一次 記錄其坐標系方向上的外接矩形邊界點的最大和最小的x值和y值，x值和y值分別代表 圖像中像素點的橫坐標與縱坐標，旋轉(zhuǎn)到某一角度后，外接矩形的面積達到最小，即為該連 通域的最小外接矩形； 5.22) 得到最小外接矩形后即可得到連通域四個拐角點圖像坐標分別是（Xl，yi)、 (x2,y2)、（x3,y3)及（x4,y4)，再根據(jù)兩點坐標求距離得到外接矩形的長a、外接矩形的寬b以 及外接矩形的面積Ay 5.23) 利用公式（2)分別得到連通域的長寬比C和占空比Z。
6. 根據(jù)權(quán)利要求1所述的基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，其特點在 于：所述的步驟6中，具體步驟如下： 6. 1)面積濾除 結(jié)合連通域位置，利用距離與安全帽面積的線性函數(shù)關(guān)系計算不同位置處的安全帽最 小面積Amin，使用該最小面積對圖像中非安全帽進行面積濾除； 6. 2)識別目標連通域 標準圓圖像最小外接矩形的長寬比C= 1，占空比Z= 0. 79,當目標粘連時，最小外接 矩形長寬比C能夠確定目標個數(shù)，占空比Z則能夠判定該連通域是否為檢測目標區(qū)域， 根據(jù)施工升降機的工況，確定安全帽連通域的占空比Z>0. 7 ; 6. 3)識別人數(shù) 當連通域的面積大于該位置處最小面積，且占空比滿足條件，即Amin<AS&&Z> 0. 7,確 定該連通域為目標區(qū)域，在此基礎(chǔ)上，根據(jù)連通域的長寬比C，以及連通域面積^與該位置 處最小面積Amin，的比值識別該連通域人數(shù)；考慮施工升降機吊籠的尺寸，一般情況最多三 人粘連，則人數(shù)識別的判斷邏輯如下： 如果1彡C彡2,且0? 8*Amin彡A1. 1*Amin，則該連通域目標個數(shù)1 ; 如果1. 8彡C彡2,且1. 6*Amin彡A 2*Amin，則該連通域目標個數(shù)2 ; 如果2. 5彡C彡3,且2. 5*Amin彡A 3*Amin，則該連通域目標個數(shù)3 ; 最后，累加各個連通域目標個數(shù)即為轎廂內(nèi)總?cè)藬?shù)。
【專利摘要】本發(fā)明公開了一種基于多信息融合的施工升降機轎廂人數(shù)統(tǒng)計方法，步驟包括；步驟1、獲取安全帽RGB顏色特征閾值；步驟2、對圖像分割及二值化處理；步驟3、去除背景干擾；步驟4、對圖像進行數(shù)學形態(tài)學處理；步驟5、提取圖像中的多幾何特征；步驟6、通過多信息融合方式識別出人數(shù)。本發(fā)明的方法，有效解決了用圖像處理方法統(tǒng)計施工升降機內(nèi)人數(shù)的問題，算法識別準確率高，實時性好，能夠滿足工程應(yīng)用的需要。
【IPC分類】G06K9-54, G06K9-46
【公開號】CN104573697
【申請?zhí)枴緾N201410850070
【發(fā)明人】楊靜, 李偉
【申請人】西安豐樹電子科技發(fā)展有限公司
【公開日】2015年4月29日
【申請日】2014年12月31日