电梯监测方法、装置及系统

1.本发明属于电梯监测技术领域，尤其涉及电梯监测方法、装置及系统。


背景技术：

2.近年来，城市里的高层建筑越来越多，电梯则成为其不可或缺的一部分，所以对电梯运行状态的监控是保障人身安全和排除电梯故障的重要手段。
3.由于电梯的使用率极高，每年因电梯故障造成的安全事故也越来越多。目前，国内的电梯多数是通过各种传感器进行数据采集以对电梯状态进行监测。然而，采集电梯的运行数据需要布局较多的不同类型传感器，这大大提高了电梯的成本，同时提高了电梯监测的复杂度，随之也增加了电梯的故障率。


技术实现要素：

4.本发明的目的在于提供一种电梯监测方法、装置及系统，旨在解决现有技术中传感器较多的技术问题。
5.第一方面，本发明提供了一种电梯监测方法，该方法包括：
6.获取摄像头针对电梯的轿厢采集的图像数据；
7.采用深度学习模型对所述图像数据进行迭代运算，确定所述电梯轿厢内的人物信息；
8.根据所述人物信息确定电梯的运行状态。
9.可选的，根据所述人物信息确定电梯的运行状态的步骤包括：
10.判断所述人物信息中是否存在禁入物，若为是，则
11.确定所述电梯的运行状态为异常乘梯状态。
12.可选的，所述方法还包括：
13.获取针对所述电梯采集的传感器数据；
14.将所述传感器数据与所述图像数据进行融合分析，确定所述电梯的运行状态。
15.可选的，所述将所述传感器数据与所述图像数据进行融合分析，确定所述电梯的运行状态的步骤包括：
16.根据所述传感器数据计算所述电梯的楼层信息、运行速度、电梯门开闭状态；
17.将所述楼层信息、运行速度、电梯门开闭状态与人物信息、所述电梯的通电信息进行融合分析，确定所述电梯的运行状态。
18.可选的，所述传感器数据包括气压数据、温度数据、一层状态数据、平层状态数据、电梯门开闭数据、加速度数据中的一种或多种，根据所述传感器数据计算所述电梯的楼层信息、运行速度、电梯门开闭状态的步骤包括：
19.根据所述气压数据、温度数据计算电梯的瞬时高度数据；
20.根据所述一层状态数据、所述平层状态数据与所述瞬时高度数据计算所述电梯的楼层信息；
21.根据所述加速度数据计算所述运行速度；
22.根据电梯门开闭数据确定所述电梯门开闭状态。
23.可选的，所述将所述楼层信息、运行速度、电梯门开闭状态与人物信息、所述电梯的通电信息进行融合分析，确定所述电梯的运行状态的步骤包括：
24.根据所述楼层信息、运行速度及人物信息，判断所述电梯的运行状态是否为非平层停梯；并
25.根据所述运行速度、电梯门开闭状态及人物信息，判断所述电梯的运行状态是否为开门走梯；并
26.根据所述楼层信息、电梯门开闭状态及人物信息，判断所述电梯的运行状态是否为平层困人；并
27.根据所述电梯门开闭状态、通电信息及人物信息，判断所述电梯的运行状态是否为停电困人。
28.可选的，根据所述人物类型确定电梯的运行状态的步骤之后，所述方法还包括：
29.在所述运行状态为异常运行状态时，针对所述电梯进行异常报警提醒。
30.第二方面，本发明还提供了一种电梯监测装置，包括：
31.图像数据获取模块，用于获取摄像头针对电梯的轿厢采集的图像数据；
32.人物信息确定模块，用于采用深度学习模型对所述图像数据进行迭代运算，确定所述电梯轿厢内的人物信息；
33.运行状态确定模块，用于根据所述人物信息确定电梯的运行状态。
34.第三方面，本发明还提供了一种电梯监测系统，包括：
35.处理器；以及
36.与所述处理器通讯连接的存储器；其中，
37.所述存储器存储有可读性指令，所述可读性指令被所述处理器执行时实现如第一方面所述的方法。
38.第四方面，本发明提供了一种计算机可读性存储介质，其上存储有计算机程序，所述计算机程序在被执行时实现如第一方面的方法。
39.本发明所示的电梯监测方法、装置及系统中，通过摄像头采集的图像数据即可实现对轿厢内人物的识别，相比现有的电梯监测装置，减少了人体感应传感器的使用，有效减少了传感器的数量，并且通过摄像头采集的图像可智能识别人物的种类及数量等信息，有效提高了电梯监测的准确性和智能性。
附图说明
40.图1是根据实施例一示出的一种电梯监测方法的实现流程图。
41.图2是根据实施例一示出的电梯监测方法中进行多源数据融合的实现流程图。
42.图3是根据实施例二示出的一种电梯监测装置的框图。
具体实施方式
43.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并
不用于限定本发明。
44.以下结合具体实施例对本发明的具体实现进行详细描述：
45.实施例一：
46.图1是实施例一示出的电梯监测方法的实现流程图。实施例一示出的电梯监测方法适用于电梯监测系统中，电梯监测系统中设置有处理器，以简便实现对电梯的运行状态监测。
47.步骤s110，获取摄像头针对电梯的轿厢采集的图像数据。
48.步骤s120，采用深度学习模型对图像数据进行迭代运算，确定电梯轿厢内的人物信息。
49.步骤s130，根据人物信息确定电梯的运行状态。
50.通过如上步骤，电梯监测装置、系统将通过摄像头采集的图像数据即可实现对轿厢内人物的识别，相比现有的电梯监测装置，减少了人体感应传感器的使用，有效减少了传感器的数量，并且通过摄像头采集的图像可智能识别人物的种类及数量等信息，有效提高了电梯监测的准确性和智能性。
51.具体的，通过电梯轿厢内安装的摄像头(例如，可为ds2cd3525fv2-l型摄像头)对电梯轿厢内进行实时动态图像拍摄或视频采集，并将摄像头连接到安装在电梯轿厢顶部的系统箱体外侧的rj45接口，获取电梯轿厢内的图像或视频，运用基于深度学习模型对图像或视频进行智能识别，检测并标记出电梯轿厢内人、动物或电动车的种类及数量等信息，以对电梯运行情况和轿厢内的事物进行实时监控。
52.根据实际场景中常见的进入电梯的犬类和电瓶车类型，制作深度学习数据集，构建深度学习分类模型，训练优化分类模型，并基于该模型对异常乘梯状况进行实时监测。
53.需要说明的是，在采用深度学习模型构建分类模型时，可采用yolov4、svm、boost等深度学习模型，在此不对采用的深度学习模型进行具体限定，实际应用中，将采用合适的深度学习模型进行预先训练，以实现对人、宠物、电瓶车等人、物的智能识别。
54.通过判断人物信息中是否存在禁入物以确定电梯的运行状态是否为异常乘梯状态。例如，当人物信息中存在电瓶车或犬类时，则判定此时电梯的运行状态为异常乘梯状态。
55.由于通过摄像头即可实现对轿厢内人物的识别，相比现有的电梯监测装置，减少了人体感应传感器的使用，有效减少了传感器的数量，并且通过摄像头采集的图像可智能识别人物的种类及数量，有效提高了电梯监测的准确性和智能性。
56.可选的，电梯监测装置中还布设有传感器，传感器数据可包括气压数据、温度数据、一层状态数据、平层状态数据、电梯门开闭数据、加速度数据中的一种或多种。
57.通过将传感器数据与图像数据进行融合分析，从而综合确定电梯的运行状态，有效提高电梯运行状态监测的准确性和全面性。
58.如图2所示，在获取摄像头针对电梯的轿厢采集的图像数据，并采用深度学习模型对所述图像数据进行迭代运算确定所述电梯轿厢内的人物信息时，同时获取针对该电梯采集的传感器数据(见步骤s210)，并将传感器数据与所述图像数据进行融合分析，以确定所述电梯的运行状态(见步骤s140)。
59.具体的，根据传感器数据计算电梯的楼层信息、运行速度、电梯门开闭状态；再将
楼层信息、运行速度、电梯门开闭状态与人物信息、电梯的通电信息进行融合分析，确定电梯的运行状态。
60.例如，在通过气压传感器获取电梯的温度数据与气压数据后，可通过以下公式计算电梯的瞬时高度数据：
[0061][0062]
其中，p0位标准大气压强，取值101.325kpa；p为实际测量的大气压强，单位kpa；t为实际测量温度，单位℃；上式中，(t 273.15)是将摄氏度转换为华氏度。
[0063]
同时，通过磁开关可获取到电梯的一层状态数据、平层状态数据，于是，获取电梯处于一层状态时的高度数据，即可计算出电梯运行时任意时刻的相对高度数据，并将该相对高度数据与平层状态数据相结合即可确定电梯的楼层信息。
[0064]
具体的，一层状态数据可采用镜面反射型光电开关传感器进行采集，镜面反射型光电开关传感器包括反射镜片和传感器主体，发射镜片安装于一层的电梯井外壁上，传感器主体安装于电梯轿厢顶部。当电梯运行到一层时，获得高电平信号(1)，而在其他楼层时，获得低电平信号(0)。
[0065]
另外，根据加速度数据计算运行速度。当电梯开始移动时，加速度数据的正负可以用来确定电梯的上\下行信号，利用前面所得的高度数据的微分和加速度数据的积分即可计算出电梯的运行速度，同时加速度数据可以计算振动频率。
[0066]
根据电梯门开闭数据确定电梯门开闭状态。
[0067]
在确定楼层信息、运行速度、电梯门开闭状态后，可将这些信息与人物信息、电梯的通电信息进行融合分析，确定电梯的运行状态。
[0068]
电梯的运行状态包括非平层停梯状态、开门走梯状态、平层困人状态、停电困人状态、失速状态、异常抖动状态、长时间开门状态、反复开关门状态、拽引绳磨损状态等。
[0069]
例如，根据楼层信息、运行速度及人物信息，即可判断电梯的运行状态是否为非平层停梯；根据运行速度、电梯门开闭状态及人物信息，即可判断电梯的运行状态是否为开门走梯；根据楼层信息、电梯门开闭状态及人物信息，即可判断电梯的运行状态是否为平层困人；根据电梯门开闭状态、通电信息及人物信息，即可判断电梯的运行状态是否为停电困人；根据运行速度及振动频率，即可判断电梯是否失速、异常抖动；根据电梯开闭状态的时间长短，即可判断电梯是否长时间开门或反复开关门。
[0070]
需要说明的是，将传感器数据与图像数据进行融合分析时，还可能存在其他的融合分析方式，具体应用场景中，将根据实际情况将传感器数据与图像数据进行融合分析，以高效、准确确定电梯的运行状态。
[0071]
可选的，传感器数据还包括激光视觉传感器数据，激光视觉传感器安装于电梯井道顶层并正对拽引绳，通过收发激光对拽引绳的表面磨损进行检测。例如，使用一束激光照射到拽引绳表面，根据激光的反射情况重建出拽引绳的形状，从而检测到拽引绳表面是否发生严重磨损(变细、有毛刺)。
[0072]
在对电梯进行监测过程中，图像和文本数据组成的监测结果将存储在数据库中，可以通过web客户端或云端进行访问。用户界面可通过两种方式访问电梯运行状态的即时
数据。第一种方式是通过mqtt协议上传到现有物联网平台(云服务器)，在现有物联网平台中访问和存储即时数据；第二种方式是电梯物联网终端模块作为websocket client与已有的websocket server做通信交互，用户界面基于websocket server获取即时数据。客户端可以方便地获取电梯的楼层数、速度、升降状态、门开/关状态等状态信息。另外，通过图像/视频数据对电梯轿厢状态进行监控，实时呈现在客户端中。当电梯出现异常时，客户端的故障状态会转化为相应的故障信息，保证了状态呈现的及时性和准确性。
[0073]
可选的，在监测到电梯的运行状态为异常运行状态时，将针对电梯进行异常报警提醒，例如可触发电梯轿厢中的报警单元进行报警提醒，也可以将异常运行状态信息发送给云服务器或客户端，并进行异常状态的报警提醒。
[0074]
实施例二：
[0075]
图3是实施例二示出的电梯监测装置的框图。该装置可执行上述任一所示的电梯监测方法的全部或者部分步骤。该装置包括：
[0076]
图像数据获取模块1，用于获取摄像头针对电梯的轿厢采集的图像数据；
[0077]
人物信息确定模块2，用于采用深度学习模型对图像数据进行迭代运算，确定电梯轿厢内的人物信息；
[0078]
运行状态确定模块3，用于根据人物信息确定电梯的运行状态。
[0079]
实施例三：
[0080]
本发明实施例三提供了一种电梯监测系统，该电梯监测系统可执行上述任一所示的电梯监测方法的全部或者部分步骤。该电梯监测系统包括：
[0081]
处理器；以及
[0082]
与处理器通信连接的存储器；其中，
[0083]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任一示例性实施例所述的方法，此处将不做详细阐述说明。
[0084]
在本实施例中，还提供了一种存储介质，该存储介质为计算机可读存储介质，例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质例如包括指令的存储器，上述指令可由服务器系统的处理器执行以完成上述电梯监测方法。
[0085]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。