專利名稱：一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及優(yōu)化調(diào)度領(lǐng)域，特別是涉及一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法及系統(tǒng)。

背景技術(shù)：
隨著城市化進(jìn)程的發(fā)展和社會(huì)經(jīng)濟(jì)的進(jìn)步，高層建筑不斷涌現(xiàn)，從而給各種場(chǎng)所帶來了巨大的目標(biāo)調(diào)度壓力。例如，當(dāng)今的電梯產(chǎn)品在滿足用戶基本搭乘需求的同時(shí)，正在向著節(jié)能型、智能化等方向發(fā)展，如何在電梯間對(duì)乘梯人目標(biāo)進(jìn)行優(yōu)化調(diào)度，是各大電梯廠商和目標(biāo)優(yōu)化調(diào)度研發(fā)人員需要考慮的問題。
對(duì)電梯間乘梯人目標(biāo)進(jìn)行優(yōu)化調(diào)度，可以從兩方面來解決，一方面可以采用更加節(jié)能的設(shè)備，例如更先進(jìn)的拖動(dòng)方式、更節(jié)能的電機(jī)類型等。另一方面可以采用智能化調(diào)度，其目標(biāo)是減少候梯時(shí)間、乘梯時(shí)間和能量損耗。在電梯的目標(biāo)優(yōu)化調(diào)度中，候梯時(shí)間可以用來評(píng)價(jià)電梯外乘客的滿意度，乘梯時(shí)間可以用來評(píng)價(jià)電梯內(nèi)乘客的滿意度。
學(xué)者Peters于1998年提出了綠色電梯的概念，對(duì)電梯進(jìn)行智能化調(diào)度，即根據(jù)電梯間的乘梯人，對(duì)其進(jìn)行優(yōu)化調(diào)度，其中一個(gè)目標(biāo)就是要減少電梯的停層次數(shù)。
隨著人工智能的發(fā)展，各種目標(biāo)優(yōu)化調(diào)度方法，例如電梯的群控機(jī)制，即有多部電梯響應(yīng)呼梯信號(hào)。
目前的常用的目標(biāo)優(yōu)化調(diào)度方法有模糊理論、遺傳方法(算法)等。
但目前的目標(biāo)優(yōu)化調(diào)度方法存在很大的缺陷，例如在電梯間的目標(biāo)優(yōu)化調(diào)度過程中，電梯基于指令響應(yīng)的，如果某人按下按鈕，由于某種原因隨即離開，而電梯已經(jīng)接收到該指令，仍然會(huì)在該樓層?？浚涣硗?，如果電梯內(nèi)人滿的已經(jīng)進(jìn)不了人了，但沒有超重，電梯仍然會(huì)響應(yīng)下一個(gè)進(jìn)人指令，造成無謂停靠。費(fèi)時(shí)、費(fèi)能，影響乘客和候梯人員的心情；而且，現(xiàn)有的目標(biāo)優(yōu)化調(diào)度方法無法捕獲侯梯廳人數(shù)，從而無法根據(jù)欲乘梯人數(shù)進(jìn)行目標(biāo)優(yōu)化調(diào)度，比如安排較空閑的電梯響應(yīng)人多的樓層，或調(diào)多部電梯到人多的樓層等等。
為克服現(xiàn)有技術(shù)存在的缺陷，申請(qǐng)?zhí)朇N200610053699.3的中國(guó)公開申請(qǐng)公開了一種基于圖像識(shí)別技術(shù)的群控電梯智能調(diào)度裝置。其利用圖像信息輔助進(jìn)行電梯的優(yōu)化調(diào)度，但統(tǒng)計(jì)的是電梯間和電梯外空間的占有率，即利用當(dāng)前圖像減去相應(yīng)的背景圖像，求前景像素的面積，進(jìn)而求前景面積占背景面積的比率，根據(jù)這個(gè)比率進(jìn)行電梯的調(diào)度。
但是，該裝置的缺陷是在電梯間和候梯廳這種面積較小，光照變化較為劇烈場(chǎng)景下，采用前景面積比的方法確定人體數(shù)目是不準(zhǔn)確的，不合理的，無法很好地克服現(xiàn)有技術(shù)的缺陷。


發(fā)明內(nèi)容
本發(fā)明所要解決的問題在于提供一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法及系統(tǒng)，其通過目標(biāo)檢測(cè)技術(shù)統(tǒng)計(jì)目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度，提高目標(biāo)場(chǎng)所的工作效率。
為實(shí)現(xiàn)本發(fā)明而提供的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，包括下列步驟 步驟A，采集視頻圖像的正例樣本集合和反例樣本集合； 步驟B，在正例樣本集合和反例樣本集合中，提取圖像特征并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器； 步驟C，從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。
所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，還可以包括下列步驟 步驟D，將從目標(biāo)場(chǎng)所獲取的實(shí)時(shí)視頻圖像作為檢測(cè)出的目標(biāo)所在區(qū)域正例樣本，重復(fù)步驟B，進(jìn)行訓(xùn)練，進(jìn)一步提高分類器的分類精確度。
所述步驟A包括下列步驟 A1.采集訓(xùn)練的正例樣本集合； A2.采集訓(xùn)練的反例樣本集合。
所述正例樣本，是根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像，在所獲得的視頻圖像中，將目標(biāo)標(biāo)注出來作為訓(xùn)練的正例樣本。比如目標(biāo)可以是人體。
所述反例樣本，是指不包含目標(biāo)的圖像，來自采集的不包含目標(biāo)的視頻圖像，或者收集的不包含目標(biāo)的靜止圖像。
所述步驟B包括下列步驟 步驟B1，在確定了正例樣本集合和反例樣本集合之后，確定訓(xùn)練使用的圖像特征； 步驟B2，進(jìn)行正例樣本集合和反例樣本集合的圖像特征提取； 步驟B3，利用正例樣本集合和反例樣本集合，以及它們的視頻圖像的特征的值，進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器。
所述圖像特征為利用矩形特征表示法表示。
所述矩形特征表示法為擴(kuò)展Harr-like特征表示法。
所述圖像特征提取是通過利用積分圖方法實(shí)現(xiàn)的。
所述步驟B3中，訓(xùn)練得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器，包括下列步驟 步驟B31，利用迭代訓(xùn)練過程，每次訓(xùn)練得到一個(gè)弱分類器，將迭代得到的全部弱分類器線性組合形成一個(gè)強(qiáng)分類器； 步驟B32，將強(qiáng)分類器串聯(lián)在一起形成分級(jí)分類器。
所述步驟C包括下列步驟 步驟C1，根據(jù)每個(gè)目標(biāo)場(chǎng)所的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，獲取目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像； 步驟C2，從目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，根據(jù)目標(biāo)場(chǎng)所的狀態(tài)選擇圖像幀； 步驟C3，對(duì)獲得的圖像幀進(jìn)行預(yù)處理，篩除未包含目標(biāo)的視頻圖像的圖像幀； 步驟C4，對(duì)包含目標(biāo)的圖像幀，利用分類器進(jìn)行目標(biāo)檢測(cè)； 步驟C5，根據(jù)實(shí)時(shí)監(jiān)控視頻圖像檢測(cè)出的目標(biāo)場(chǎng)所的目標(biāo)信息，及目標(biāo)場(chǎng)所的已知信息，對(duì)目標(biāo)場(chǎng)所進(jìn)行調(diào)度。
所述目標(biāo)場(chǎng)所為電梯間；所述目標(biāo)為乘梯人體。
所述正例樣本為圖像中的目標(biāo)對(duì)應(yīng)的圖像區(qū)域，比如電梯監(jiān)控視頻圖像中出現(xiàn)的人體頭肩部區(qū)域。。
所述步驟C2包括下列步驟 C21，在電梯關(guān)門并開始運(yùn)行之后，選擇電梯內(nèi)的圖像幀； C22，對(duì)有電梯外呼梯請(qǐng)求的候梯人的圖像幀進(jìn)行統(tǒng)計(jì)。
所述步驟C4包括下列步驟 C41，利用訓(xùn)練好的分類器對(duì)得到的預(yù)處理后的圖像幀進(jìn)行場(chǎng)景人體檢測(cè)和人數(shù)統(tǒng)計(jì)； C42，人體檢測(cè)結(jié)果可以用框住人體頭肩部的矩形窗口表示，判斷檢測(cè)結(jié)果的窗口關(guān)系，如果一個(gè)窗口全部包含在另一個(gè)窗口中，而且兩個(gè)窗口的中心點(diǎn)位置相近，則保留大點(diǎn)的窗口，去除小的窗口，篩選出目標(biāo)場(chǎng)所的精確目標(biāo)。
所述步驟C5包括下列步驟 步驟C51，如果電梯內(nèi)人數(shù)超過數(shù)值N時(shí)，即使有其他的電梯外呼梯信號(hào)，如果沒有出人信號(hào)，在該樓層不?？浚? 步驟C52，針對(duì)有呼梯請(qǐng)求的廳層，如果候梯乘客按動(dòng)電梯按鈕后隨即離開，即利用在時(shí)間T內(nèi)再次檢測(cè)時(shí)廳層沒有候梯人員，則取消該呼梯指令，如果電梯在該層沒有出人指令，則電梯在該樓層不停靠； 步驟C53，利用目前電梯內(nèi)人數(shù)和各呼梯廳層人數(shù)，對(duì)電梯調(diào)度進(jìn)行統(tǒng)一調(diào)配； 步驟C54，電梯內(nèi)如果沒人了，可以將電梯內(nèi)的出人指令清零。
所述步驟C53中，進(jìn)行統(tǒng)一調(diào)配，包括下列步驟 如果電梯外候梯人數(shù)眾多，而電梯內(nèi)基本飽和，則該電梯不響應(yīng)該樓層的呼梯信號(hào)，如果是多部電梯同時(shí)響應(yīng)呼梯指令，可以找電梯內(nèi)人數(shù)少的電梯響應(yīng)該指令。
為實(shí)現(xiàn)本發(fā)明目的還提供一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，包括 樣本采集模塊，用于采集視頻圖像的正例樣本集合和反例樣本集合； 訓(xùn)練器，用于從正例樣本集合和反例樣本集合中，提取圖像特征提取并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所檢測(cè)的分類器； 優(yōu)化器，用于從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。
所述樣本采集模塊，包括正例樣本采集子模塊和反例樣本采集模塊，其中 所述正例樣本采集子模塊，是根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像，在所獲得的視頻圖像中，將目標(biāo)標(biāo)注出來作為訓(xùn)練的正例樣本。比如目標(biāo)可以是人體。
所述反例樣本采集子模塊，是針對(duì)所定義的目標(biāo)，收集不包含目標(biāo)的圖像，可以來自采集的不包含目標(biāo)的視頻圖像，或者收集的不包含目標(biāo)的靜止圖像。
所述目標(biāo)場(chǎng)所為電梯間；所述目標(biāo)為乘梯人體。
所述正例樣本為電梯監(jiān)控視頻圖像中人體頭肩部對(duì)應(yīng)的圖像區(qū)域。。
本發(fā)明的有益效果是本發(fā)明的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法和系統(tǒng)，結(jié)合圖像處理和分析技術(shù)，利用視頻信息檢測(cè)目標(biāo)場(chǎng)所的目標(biāo)，進(jìn)行目標(biāo)優(yōu)化調(diào)度，提高目標(biāo)場(chǎng)所的工作效率，例如電梯的運(yùn)送能力及服務(wù)水平，具有重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義。



圖1是本發(fā)明目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法流程圖； 圖2是本發(fā)明實(shí)施例電梯內(nèi)場(chǎng)景示意圖； 圖3是本發(fā)明實(shí)施例電梯外候梯廳場(chǎng)景示意圖； 圖4是本發(fā)明實(shí)施例采集到的反例樣本示意圖； 圖5是本發(fā)明實(shí)施例標(biāo)注乘梯人目標(biāo)的電梯外正例樣本示意圖； 圖6A是本發(fā)明實(shí)施例Harr-like特征中4種邊特征示意圖； 圖6B是本發(fā)明實(shí)施例Harr-like特征中8種線特征示意圖； 圖6C是本發(fā)明實(shí)施例Harr-like特征中2種中心特征示意圖； 圖7是本發(fā)明實(shí)施例積分圖示意圖； 圖8是分級(jí)分類結(jié)構(gòu)示意圖； 圖9是圖2對(duì)應(yīng)的感興趣區(qū)域(白色部分)示意圖； 圖10是本發(fā)明實(shí)施例中對(duì)乘梯人目標(biāo)頭肩部檢測(cè)結(jié)果示意圖； 圖11是電梯優(yōu)化調(diào)度系統(tǒng)的示意圖。

具體實(shí)施例方式 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度的方法及系統(tǒng)進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明，并不用于限定本發(fā)明。
本發(fā)明實(shí)施例以電梯這種目標(biāo)場(chǎng)所，乘梯人為例，對(duì)本發(fā)明的目標(biāo)優(yōu)化調(diào)度方法進(jìn)行詳細(xì)的說明，但應(yīng)當(dāng)說明的是，本發(fā)明的目標(biāo)場(chǎng)所并不限定于電梯，其也可以是商場(chǎng)、機(jī)場(chǎng)、辦公室、樓宇等各種需要進(jìn)行目標(biāo)優(yōu)化的調(diào)度的目標(biāo)場(chǎng)所。同時(shí)，也應(yīng)當(dāng)說明的是，所述目標(biāo)并不限定于人，其也可以是其它在目標(biāo)場(chǎng)所需要調(diào)度的，如機(jī)場(chǎng)運(yùn)送貨物或者輪船運(yùn)送貨物等目標(biāo)。
本發(fā)明實(shí)施例的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度的方法及系統(tǒng)，利用電梯監(jiān)控系統(tǒng)采集的電梯監(jiān)控視頻圖像，通過標(biāo)注出目標(biāo)圖像區(qū)域作為正例樣本集合，收集不包含目標(biāo)的圖像作為反例樣本集合，進(jìn)行視頻圖像的圖像幀的特征提取，利用圖像幀的特征進(jìn)行分類訓(xùn)練，得到分類器，然后利用分類器對(duì)實(shí)時(shí)電梯監(jiān)控視頻圖像進(jìn)行分類，判斷目標(biāo)場(chǎng)所-電梯中目標(biāo)乘梯人，統(tǒng)計(jì)人數(shù)，并將目標(biāo)乘梯人的信息反饋給現(xiàn)有的電梯調(diào)度系統(tǒng)，進(jìn)行電梯的優(yōu)化調(diào)度。
本發(fā)明要解決的技術(shù)問題包括 1、采集視頻圖像。利用電梯監(jiān)控系統(tǒng)采集電梯監(jiān)控的視頻圖像； 2、特征提取和分類訓(xùn)練。對(duì)采集的電梯監(jiān)控視頻圖像標(biāo)注出目標(biāo)圖像區(qū)域作為正例樣本集合，收集不包含目標(biāo)的圖像作為反例樣本集合，進(jìn)行視頻圖像的圖像幀的特征提取，利用所獲得的正例樣本集合的圖像幀特征和反例樣本集合的圖像幀特征，進(jìn)行分類訓(xùn)練，得到分類器； 3、實(shí)時(shí)視頻圖像檢測(cè)。利用訓(xùn)練得到的分類器，對(duì)實(shí)時(shí)電梯監(jiān)控視頻圖像進(jìn)行目標(biāo)檢測(cè)，判別出電梯間中的乘梯人，統(tǒng)計(jì)人數(shù)。
4、電梯調(diào)度，將乘梯人等目標(biāo)的信息傳送給現(xiàn)有的電梯調(diào)度系統(tǒng)，進(jìn)行電梯調(diào)度的優(yōu)化。
下面結(jié)合所要解決的問題詳細(xì)介紹本發(fā)明一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，如圖1所示，包括下列步驟 步驟100采集視頻圖像的正例樣本集合和反例樣本集合。
在進(jìn)行特征提取和分類器訓(xùn)練之前，需要確定特征提取和分類器訓(xùn)練的正例樣本集合和反例樣本集合。
步驟110采集訓(xùn)練的視頻圖像的正例樣本集合。
所述視頻圖像的正例樣本，是指包含優(yōu)化調(diào)度目標(biāo)在內(nèi)的視頻圖像中目標(biāo)對(duì)應(yīng)的圖像區(qū)域。如對(duì)電梯進(jìn)行目標(biāo)優(yōu)化調(diào)度時(shí)，則將包含人體對(duì)應(yīng)的圖像區(qū)域作為正例樣本。
較佳地，所述視頻圖像的正例樣本，是根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像獲得視頻圖像，將圖像中目標(biāo)出現(xiàn)的圖像區(qū)域標(biāo)注出來作為正例樣本。例如，對(duì)電梯的進(jìn)行目標(biāo)優(yōu)化調(diào)度時(shí)，可以以電梯間的監(jiān)控錄像獲得視頻圖像中人體目標(biāo)對(duì)應(yīng)的圖像區(qū)域作以正例樣本，或者來自于與電梯間相近似的場(chǎng)所，如商場(chǎng)的監(jiān)控錄像等。
直接利用電梯監(jiān)控系統(tǒng)對(duì)如圖2所示的電梯內(nèi)(轎廂)和如圖3所示電梯外(廳層)的視頻采集功能，采集電梯監(jiān)控視頻圖像，包括電梯內(nèi)和電梯外的視頻圖像。
作為一種可實(shí)施方式，現(xiàn)有的電梯監(jiān)控系統(tǒng)，可以利用有線攝像頭或無線攝像頭方式，獲取電梯監(jiān)控視頻圖像。
通過現(xiàn)有電梯監(jiān)控系統(tǒng)獲取電梯監(jiān)控視頻是一種現(xiàn)有的公知技術(shù)，因此，在本發(fā)明中不再一一詳細(xì)描述。
更佳地，針對(duì)電梯間視頻監(jiān)控的特點(diǎn)，所述正例樣本集合是包含人體頭肩部區(qū)域的圖像集合。
步驟120采集訓(xùn)練的反例樣本集合。
反例樣本集合是指不包含優(yōu)化調(diào)度目標(biāo)在內(nèi)的視頻圖像。如對(duì)電梯進(jìn)行目標(biāo)優(yōu)化調(diào)度時(shí)，則將不包含人體的視頻圖像作為反例樣本，或者來自其它的不包含目標(biāo)的靜止圖片。
如圖4所示，可以從網(wǎng)絡(luò)上或者現(xiàn)有圖像數(shù)據(jù)庫(kù)中得到的不包含人體的大量風(fēng)景或建筑圖片，作為視頻圖像的反例樣本。
步驟200在正例樣本集合和反例樣本集合中，提取圖像特征提取并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所檢測(cè)的分類器； 為了減少計(jì)算量，提高準(zhǔn)確度，作為一種可實(shí)施方式，本發(fā)明實(shí)施例對(duì)目標(biāo)場(chǎng)所中的目標(biāo)，如電梯間的人體特征進(jìn)行標(biāo)注，進(jìn)行特征提取和分類器訓(xùn)練， 步驟210在確定了正例樣本集合和反例樣本集合之后，確定訓(xùn)練使用的圖像特征。
作為一種可實(shí)施方式，因?yàn)槔锰卣鞅硎鰣D像要比直接使用圖像點(diǎn)的灰度值表述圖像速度快很多，所以本發(fā)明實(shí)施例采用矩形特征表示方法來表征視頻圖像的圖像特征，即包含電梯視頻圖像中的人體頭肩部的視頻圖像的圖像特征，以及反例樣本集合中的視頻圖像的圖像特征，確定訓(xùn)練使用的特征。
作為一種可實(shí)施方式，對(duì)包含人體頭肩部的視頻圖像的正例樣本集合的每一個(gè)圖像，人工標(biāo)注或者利用現(xiàn)有的圖像識(shí)別方法，如人體識(shí)別方法，或者兩者結(jié)合，以矩形圖像的方式標(biāo)注出視頻圖像中的人體目標(biāo)，存儲(chǔ)為標(biāo)注文件，并在標(biāo)注文件中存貯該圖像名，以及人體頭肩部個(gè)數(shù)，每個(gè)人體頭肩部的左上角坐標(biāo)，以及包含人體頭肩部的矩形圖像的寬和長(zhǎng)。
將這些標(biāo)注出的包含人體頭肩部矩形圖像將被作為訓(xùn)練的正例樣本。
如圖5所示，是部分人體頭肩部標(biāo)注示例圖，可以看到人體姿態(tài)變化較大，有的是背影，有的是側(cè)影，有的是正臉，有的被遮擋等現(xiàn)象，通過人工標(biāo)注的方法，標(biāo)注出包括給人體頭肩部矩形圖像，作為訓(xùn)練的正例樣本。
作為一種可實(shí)施的方式，對(duì)不包含人體的視頻圖像的反例樣本集合的每一個(gè)圖像，以一定尺寸的窗口隨機(jī)截取部分圖像區(qū)域作為訓(xùn)練的反例樣本。
較佳地，所述矩形特征表示方法為擴(kuò)展Harr-like特征表示法來表征視頻圖像的圖像特征，如電梯視頻圖像中的包含人體頭肩部的矩形圖像的特征；以及反例樣本集合的視頻圖像的圖像特征。
所述Harr-like特征具體包括視頻圖像的14種特征，如圖6A、圖6B、圖6C所示，包括 (1)4種邊特征。
(2)8種線特征。
(3)2種中心特征。
步驟220進(jìn)行正例樣本集合和反例樣本集合的圖像特征提取。
對(duì)圖像進(jìn)行特征提取，是一種現(xiàn)有技術(shù)，本領(lǐng)域技術(shù)人員根據(jù)所確定的視頻圖像，以及圖像特征表示，可以利用相應(yīng)的圖像特征提取方法提取出視頻圖像的特征。
較佳地，作為一種可實(shí)施方式，本發(fā)明實(shí)施例利用積分圖方法(算法)對(duì)矩形特征表示的正例樣本集合和反例集本集的視頻圖像進(jìn)行圖像特征的提取。
用Harr-like特征表示方法進(jìn)行圖像特征時(shí)，可以用積分圖方法(由Viola命名的一種與Harr-like特征表示方法相應(yīng)的圖像特征提取算法)對(duì)其視頻圖像進(jìn)行特征提取。
所述積分圖方法實(shí)現(xiàn)過程如下 在一張積分圖上，點(diǎn)x，y的值，如圖7所示，是原圖像上這個(gè)點(diǎn)的上方和左邊所有點(diǎn)的亮度值的和，如式(1)所示 在這里ii(x，y)是積分圖，i(x，y)是原圖象。利用式(2)和式(3)，積分圖可以只用遍歷一次原圖象所有點(diǎn)就可以計(jì)算出來。
s(x，y)＝s(x，y-1)+i(x，y)(2) 其中，s(x，y)的初始值為0。
ii(x，y)＝ii(x-1，y)+s(x，y)(3) 利用積分圖，一個(gè)矩形圖像區(qū)域內(nèi)的所有點(diǎn)的亮度和可以通過引用其上下左右四個(gè)相對(duì)位置積分值得到。
其中，當(dāng)相對(duì)位置積分值不存在(即上下左右四個(gè)位置中某個(gè)位置不存在)時(shí)，其積分值為0。
利用積分圖對(duì)應(yīng)位置的積分值可以通過矩形之間的加減運(yùn)算快速得到相應(yīng)的矩形特征的值。
步驟230利用正例樣本集合和反例樣本集合，以及他們的視頻圖像的特征的值，進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器。
在確定了正例樣本集合和反例樣本集合，以及他們的視頻圖像的特征的值之后，訓(xùn)練一個(gè)用于目標(biāo)場(chǎng)所--電梯內(nèi)或電梯外的目標(biāo)-人體檢測(cè)的分類器。
作為一種可實(shí)施方式，本發(fā)明實(shí)施例使用Adaboost學(xué)習(xí)方法(算法)進(jìn)行訓(xùn)練。這個(gè)方法能夠同時(shí)完成選擇特征和訓(xùn)練分類器兩個(gè)任務(wù)。Adaboost學(xué)習(xí)方法原本是用來提高簡(jiǎn)單分類法的性能的，利用一個(gè)迭代的訓(xùn)練過程最終得到一個(gè)強(qiáng)分類器。Adaboost學(xué)習(xí)方法中，在第一次訓(xùn)練出一個(gè)弱分類器后，訓(xùn)練樣本的權(quán)重得到調(diào)整，從而使沒有被第一次訓(xùn)練出的弱分類器正確分類的樣本的權(quán)重增加，如此迭代下去，最終得到的強(qiáng)分類器是對(duì)每次訓(xùn)練得到的弱分類器的一個(gè)線性組合。
所述步驟230中訓(xùn)練得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器，包括下列步驟 步驟231利用迭代訓(xùn)練過程，每次訓(xùn)練得到一個(gè)弱分類器，將迭代得到的全部弱分類器線性組合形成一個(gè)強(qiáng)分類器； 較佳地，作為一種可實(shí)施方式，本發(fā)明實(shí)施中，包含檢測(cè)目標(biāo)的圖像特征是指包含人體頭肩部的矩形圖像的特征。
已知n個(gè)訓(xùn)練樣本(x1，y1，...，(xn，yn)是訓(xùn)練樣本集，其中xi∈X對(duì)應(yīng)圖像樣本，yi∈Y＝{0，1}對(duì)應(yīng)反例樣本和正例樣本。
第j個(gè)特征生成的簡(jiǎn)單分類器形式，如式(4)所示，為
其中hj表示簡(jiǎn)單分類器的值，θj為閾值，pj表示不等號(hào)的方向，只能取±1，fj(x)表示特征值。
作為一種可實(shí)施方式，其方法實(shí)現(xiàn)過程如下 ●初始化權(quán)重，設(shè)正例樣本和反例樣本特征分別有m，l個(gè)。則 ●For t＝1，...，T i)規(guī)格化權(quán)重，使wt是一個(gè)概率分布。
ii)對(duì)每個(gè)特征j，訓(xùn)練一個(gè)弱分類器hj只使用這一個(gè)特征。計(jì)算加了權(quán)重的誤差 εj＝∑iwi|hj(xi)-yi|。
iii)選擇誤差εt最小的弱分類器ht加入到強(qiáng)分類器中去。
iv)更新權(quán)重如果xi被分類正確ei＝0，否則ei＝1。
其中 ●最后輸出最終得到的分類器，如式(5)所示，為 其中， 步驟232將強(qiáng)分類器串聯(lián)在一起形成分級(jí)分類器。
然后需要將強(qiáng)分類器串聯(lián)在一起形成分級(jí)分類器(classifier cascade)。
較佳地，串聯(lián)時(shí)遵循“先重后輕”分級(jí)分類器，即將由更重要特征構(gòu)成的結(jié)構(gòu)較簡(jiǎn)單的強(qiáng)分類器放在前面，這樣可以先排除大量的假樣本，提高檢測(cè)速度。
作為一種可實(shí)施方式，本發(fā)明實(shí)施例使用在電梯間人體檢測(cè)的包含人體頭肩部的視頻圖像的特征而得到分級(jí)分類器，提高目標(biāo)檢測(cè)的速度，在使用更為復(fù)雜的分類器來確認(rèn)這個(gè)窗口是不是檢測(cè)目標(biāo)之前，利用簡(jiǎn)單的分類器先行排除掉大部分的非檢測(cè)目標(biāo)窗口。
如圖8所示，是分級(jí)分類結(jié)構(gòu)示意圖，對(duì)于一個(gè)輸入的電梯視頻圖像檢測(cè)窗，如果它通過了第1級(jí)分類器，才能進(jìn)入到第2級(jí)分類器，否則被當(dāng)作不包含人體頭肩部的視頻圖像窗口而被排除；接下來的各層分類器依次保留人體頭肩部窗口，排除非人體頭肩部窗口，得到電梯視頻圖像檢測(cè)的分級(jí)分類器。
本發(fā)明在實(shí)驗(yàn)過程中，一共使用了來自1200幅圖像中的1888個(gè)人體頭肩部樣本即正例樣本，和8000個(gè)反例進(jìn)行Adaboost訓(xùn)練，得到一組18個(gè)級(jí)聯(lián)分類器。
步驟300從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。
步驟310根據(jù)每個(gè)目標(biāo)場(chǎng)所的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，獲取目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像。
作為一種可實(shí)施方式，本發(fā)明實(shí)施例中，對(duì)電梯間進(jìn)行優(yōu)化調(diào)度時(shí)，根據(jù)電梯間的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，獲取電梯間(包括電梯內(nèi)和電梯外)等目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像。
電梯監(jiān)控視頻的場(chǎng)景一般是固定不變的，為了減少干擾和計(jì)算量，可以根據(jù)每個(gè)場(chǎng)景的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，即感興趣區(qū)域。感興趣區(qū)域在此是指人體經(jīng)常出現(xiàn)的位置，可以根據(jù)每個(gè)場(chǎng)景的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，比如人體不可能出現(xiàn)在監(jiān)控場(chǎng)景的上部，不可能出現(xiàn)在電梯壁上等等。
如圖9所示，是圖1代表的場(chǎng)景對(duì)應(yīng)的感興趣區(qū)域(白色部分)，僅在該區(qū)域進(jìn)行人體檢測(cè)可以減少計(jì)算量，同時(shí)減少墻壁或電梯壁反光引起的誤檢。該感興趣區(qū)域可以根據(jù)場(chǎng)景特點(diǎn)進(jìn)行確定。
步驟320從目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，根據(jù)目標(biāo)場(chǎng)所的狀態(tài)選擇圖像幀。
由于視頻數(shù)據(jù)量大，每一秒就有25到30幀的圖像數(shù)據(jù)，如果對(duì)每一幀圖像進(jìn)行分析，計(jì)算量巨大，無法滿足電梯調(diào)度的實(shí)時(shí)性要求。因此，作為一種可實(shí)施方式，本發(fā)明實(shí)施例不對(duì)所有的電梯監(jiān)控視頻都進(jìn)行實(shí)時(shí)的人數(shù)統(tǒng)計(jì)，而是僅選擇有意義的圖像幀，這些有意義的圖像幀是結(jié)合電梯運(yùn)行狀態(tài)決定的。
步驟321在電梯關(guān)門并開始運(yùn)行之后，選擇電梯內(nèi)的圖像幀； 如圖2所示，由于電梯內(nèi)采集的圖像在電梯門開關(guān)過程中，環(huán)境光照會(huì)產(chǎn)生劇烈的變化，給人體檢測(cè)帶來很大的難度。另外，在電梯門關(guān)閉并運(yùn)行的過程中，電梯內(nèi)的人體基本處于靜止?fàn)顟B(tài)，人數(shù)也不會(huì)發(fā)生明顯變化，這個(gè)過程持續(xù)到電梯門再次開啟為止。所以，本發(fā)明實(shí)施例對(duì)于電梯內(nèi)圖像幀的選擇僅在電梯關(guān)門并開始運(yùn)行之后。
步驟322對(duì)有電梯外呼梯請(qǐng)求的候梯人的圖像幀進(jìn)行統(tǒng)計(jì)并且需要重復(fù)進(jìn)行； 如圖3所示，針對(duì)電梯外候梯人圖像幀的選擇問題，如果對(duì)每個(gè)樓層外的人數(shù)進(jìn)行統(tǒng)計(jì)，非常耗時(shí)且達(dá)不到實(shí)時(shí)效果。電梯調(diào)度實(shí)際關(guān)心的是發(fā)出指令的那些樓層的候梯人數(shù)。作為一種可實(shí)施的方式，本發(fā)明實(shí)施例僅對(duì)有電梯外呼梯請(qǐng)求的候梯人的圖像幀進(jìn)行統(tǒng)計(jì)并且需要重復(fù)進(jìn)行。
較佳地，在電梯到達(dá)該樓層前需要間隔一段時(shí)間T再選擇電梯外候梯人的圖像幀，這是一個(gè)循環(huán)過程，直到電梯到達(dá)該層。這種方法可以及時(shí)捕獲電梯外呼梯需求的動(dòng)態(tài)變化，比如一人按下電梯請(qǐng)求按鈕后，隨即離開的情況。
步驟330對(duì)獲得的圖像幀進(jìn)行預(yù)處理，篩除未包含目標(biāo)的視頻圖像的圖像幀。
本發(fā)明實(shí)施例采用一種分層的判斷方式，為了減少計(jì)算時(shí)間，本發(fā)明采用由粗到細(xì)的分類統(tǒng)計(jì)方法。首先獲取場(chǎng)景的背景圖像，然后對(duì)待檢測(cè)圖像進(jìn)行背景減除，初步判斷是否有人。如果沒人就不再進(jìn)行后面的處理。
由于監(jiān)控場(chǎng)景的背景是固定不變的，如果場(chǎng)景中出現(xiàn)人體，人體會(huì)覆蓋部分背景，使得人體和其覆蓋的背景有明顯的不同。利用這一特點(diǎn)，首先獲取不含人體的監(jiān)控場(chǎng)景背景圖像，然后求待檢測(cè)圖像和背景圖像逐像素的差，如果差值不為零的像素比例小于一定的閾值，則判斷圖像中沒有人體。否則，說明有人，然后再進(jìn)行人體數(shù)目檢測(cè)。
步驟340對(duì)包含目標(biāo)的圖像幀，利用分類器進(jìn)行目標(biāo)檢測(cè)。
步驟341利用訓(xùn)練好的分類器對(duì)由步驟330得到的預(yù)處理后的圖像幀進(jìn)行場(chǎng)景人數(shù)統(tǒng)計(jì)。
作為一種可實(shí)施方式，本實(shí)施例針對(duì)經(jīng)過預(yù)處理后的電梯間視頻的圖像幀，利用步驟240訓(xùn)練好的分級(jí)分類器進(jìn)行人體目標(biāo)檢測(cè)，從而對(duì)場(chǎng)景人數(shù)進(jìn)行統(tǒng)計(jì)。
作為一種可實(shí)施的方式，較佳地，在本發(fā)明利用分類器進(jìn)行目標(biāo)檢測(cè)過程中，為了檢測(cè)不同大小的人體目標(biāo)，依據(jù)檢測(cè)視頻圖像的圖像幀，以根據(jù)正例樣本的矩形圖像而訓(xùn)練得到的分類器中的矩形窗口，掃描檢測(cè)圖像幀。
分類器對(duì)圖像幀利用矩形窗口進(jìn)行掃描檢測(cè)該矩形窗口對(duì)應(yīng)的被檢測(cè)矩形圖像，然后以一定步長(zhǎng)將檢測(cè)窗口移動(dòng)到圖像的下一個(gè)掃描檢測(cè)位置，直到整個(gè)圖像掃描檢測(cè)完畢。只有矩形窗口對(duì)應(yīng)的圖像幀的矩形圖像通過了所有的級(jí)聯(lián)分類器，該矩形窗口對(duì)應(yīng)的矩形圖像才判別為包含目標(biāo)。
步驟342人體檢測(cè)結(jié)果可以用框住人體頭肩部的矩形窗口表示，判斷檢測(cè)結(jié)果的窗口關(guān)系，如果一個(gè)窗口全部包含在另一個(gè)窗口中，而且兩個(gè)窗口的中心點(diǎn)位置相近，則保留大點(diǎn)的窗口，去除小的窗口，篩選出目標(biāo)場(chǎng)所的精確目標(biāo)。
由于僅利用該方法對(duì)圖像進(jìn)行檢測(cè)，會(huì)有一些誤報(bào)現(xiàn)象，例如重疊的人臉窗口，本發(fā)明根據(jù)頭肩部檢測(cè)結(jié)果的位置和大小關(guān)系，進(jìn)一步進(jìn)行后處理操作。具體的步驟是判斷檢測(cè)結(jié)果的窗口關(guān)系，如果一個(gè)窗口全部包含在另一個(gè)窗口中，而且兩個(gè)窗口的中心點(diǎn)位置相近，則保留大點(diǎn)的窗口，去除小的窗口。通過后處理操作，減少了一些誤報(bào)現(xiàn)象。
圖10是利用訓(xùn)練出來的分類器并進(jìn)行后處理之后，對(duì)電梯外視頻進(jìn)行人體頭肩部檢測(cè)的結(jié)果，大小根據(jù)頭肩部大小改變。可以看到場(chǎng)景中存在的頭肩部基本被找到，有些嚴(yán)重遮擋的，在圖像上幾乎看不到的沒有找到，而且人體姿態(tài)是多樣的，使用本發(fā)明的方法能夠找到，目標(biāo)檢測(cè)速度在計(jì)算機(jī)上達(dá)到了實(shí)時(shí)效果。
圖10是以電梯外的人體頭肩部檢測(cè)為例，而對(duì)本發(fā)明的目標(biāo)優(yōu)化調(diào)度方法進(jìn)行詳細(xì)說明，對(duì)于電梯內(nèi)的圖像，同樣采用分類器檢測(cè)人體頭肩部的方法檢測(cè)電梯內(nèi)人數(shù)。但是由于攝像機(jī)角度關(guān)系，有些電梯內(nèi)的人體在圖像中根本看不到。另外，在人多情況下，存在嚴(yán)重遮擋，以及光照的變化等情況，導(dǎo)致頭肩部檢測(cè)不完全，存在漏檢現(xiàn)象。這個(gè)可以結(jié)合電梯重量，以及人體平均體重，得到人數(shù)信息，來指導(dǎo)電梯內(nèi)人數(shù)判斷。
步驟350根據(jù)實(shí)時(shí)監(jiān)控視頻圖像檢測(cè)出的目標(biāo)場(chǎng)所的目標(biāo)信息，及目標(biāo)場(chǎng)所的已知信息，對(duì)目標(biāo)場(chǎng)所進(jìn)行調(diào)度。
本發(fā)明實(shí)施例以電梯間的目標(biāo)優(yōu)化調(diào)度為例，根據(jù)實(shí)時(shí)將得到的電梯內(nèi)人數(shù)信息和電梯外候梯人數(shù)信息，以及包括電梯標(biāo)號(hào)或廳層標(biāo)號(hào)等已知信息，進(jìn)行電梯調(diào)度的優(yōu)化調(diào)度。
作為一種可實(shí)施方式，其可以根據(jù)這些信息進(jìn)行以下幾種情況下的優(yōu)化 步驟351，如果轎廂內(nèi)人數(shù)超過一定數(shù)值N時(shí)，即使有其他的電梯外呼梯信號(hào)，如果沒有出人信號(hào)，在該樓層不?？浚? 步驟352，針對(duì)有呼梯請(qǐng)求的廳層，如果候梯乘客按動(dòng)電梯按鈕后隨即離開，即利用在時(shí)間T內(nèi)再次檢測(cè)時(shí)廳層沒有候梯人員，則取消該呼梯指令，如果電梯在該層沒有出人指令，則電梯在該樓層不?？?； 步驟353，利用目前電梯內(nèi)人數(shù)和各呼梯廳層人數(shù)，對(duì)電梯調(diào)度進(jìn)行統(tǒng)一調(diào)配。如果電梯外候梯人數(shù)眾多，而電梯內(nèi)基本飽和，則該電梯不響應(yīng)該樓層的呼梯信號(hào)，如果是多部電梯同時(shí)響應(yīng)呼梯指令，可以找電梯內(nèi)人數(shù)少的電梯響應(yīng)該指令。
步驟354，電梯內(nèi)如果沒人了，可以將電梯內(nèi)的出人指令清零。
更佳地，本發(fā)明的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其還包括下列步驟 步驟400，將從目標(biāo)場(chǎng)所獲取的實(shí)時(shí)視頻圖像檢測(cè)出的目標(biāo)所在區(qū)域作為正例樣本，重復(fù)步驟200，進(jìn)行檢測(cè)，進(jìn)一步提高分類器的分類精確度。
本發(fā)明的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，結(jié)合圖像處理和分析技術(shù)，利用視頻信息檢測(cè)目標(biāo)場(chǎng)所的目標(biāo)，進(jìn)行目標(biāo)優(yōu)化調(diào)度，提高目標(biāo)場(chǎng)所的工作效率。
相應(yīng)于本發(fā)明的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，本發(fā)明還提供一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，如圖11所示，其包括 樣本采集模塊100，用于采集視頻圖像的正例樣本集合和反例樣本集合； 所述樣本采集模塊，包括正例樣本采集子模塊110和反例樣本采集子模塊120，其中 所述正例樣本采集子模塊110，用于根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像獲得視頻圖像，標(biāo)注出圖像中的目標(biāo)區(qū)域作為正例樣本。
例如，對(duì)電梯的進(jìn)行目標(biāo)優(yōu)化調(diào)度時(shí)，可以以電梯間的監(jiān)控錄像獲得的視頻圖像，標(biāo)注出人體頭肩部作為正例樣本，或者以與電梯間相近似的場(chǎng)所，如商場(chǎng)的監(jiān)控錄像而獲得正例樣本。
所述反例樣本采集子模塊120，用于根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)于不包含目標(biāo)的視頻圖像或其它的靜止圖片?？梢詮木W(wǎng)絡(luò)上或者現(xiàn)有圖像數(shù)據(jù)庫(kù)中得到的不包含人體的大量風(fēng)景或建筑圖片，作為視頻圖像的反例樣本。
訓(xùn)練器200，用于從正例樣本集合和反例樣本集合中，提取圖像特征提取并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所檢測(cè)的分類器； 優(yōu)化器300，用于從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度； 本發(fā)明的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，采用與本發(fā)明的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度的方法相同的工作過程進(jìn)行目標(biāo)場(chǎng)所的優(yōu)化調(diào)度，因此，在本發(fā)明實(shí)施例中，不再一一詳細(xì)進(jìn)行描述。
本發(fā)明提供的一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度的方法及系統(tǒng)，結(jié)合圖像處理和分析技術(shù)，利用視頻信息檢測(cè)目標(biāo)場(chǎng)所的目標(biāo)，進(jìn)行目標(biāo)優(yōu)化調(diào)度，提高目標(biāo)場(chǎng)所的工作效率。如在電梯間的優(yōu)化調(diào)度過程中，直接檢測(cè)人體頭肩目標(biāo)，并統(tǒng)計(jì)具體人數(shù)，能夠給電梯間調(diào)度提供更具體的準(zhǔn)確的信息，進(jìn)一步地，僅對(duì)有呼梯請(qǐng)求的候梯樓層檢測(cè)人體數(shù)目，這樣大大減少了計(jì)算量和需要傳輸給電梯調(diào)度系統(tǒng)的參數(shù)。在實(shí)際應(yīng)用中，本發(fā)明的目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)可作為一個(gè)軟件模塊嵌入目標(biāo)場(chǎng)所優(yōu)化調(diào)度算法中，或者做成嵌入式方式和實(shí)時(shí)監(jiān)控系統(tǒng)相連，并將統(tǒng)計(jì)到的目標(biāo)信息通過有線或無線方式發(fā)送給優(yōu)化調(diào)度系統(tǒng)，優(yōu)化調(diào)度系統(tǒng)可以利用這些信息進(jìn)行目標(biāo)場(chǎng)所的優(yōu)化調(diào)度，以提高目標(biāo)場(chǎng)所的工作效率，如電梯的運(yùn)送能力及服務(wù)水平。
通過以上結(jié)合附圖對(duì)本發(fā)明具體實(shí)施例的描述，本發(fā)明的其它方面及特征對(duì)本領(lǐng)域的技術(shù)人員而言是顯而易見的。
以上對(duì)本發(fā)明的具體實(shí)施例進(jìn)行了描述和說明，這些實(shí)施例應(yīng)被認(rèn)為其只是示例性的，并不用于對(duì)本發(fā)明進(jìn)行限制，本發(fā)明應(yīng)根據(jù)所附的權(quán)利要求進(jìn)行解釋。
權(quán)利要求
1.一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，包括下列步驟
步驟A，采集視頻圖像的正例樣本集合和反例樣本集合；
步驟B，在正例樣本集合和反例樣本集合中，提取圖像特征并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器；
步驟C，從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。
2.根據(jù)權(quán)利要求1所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，還包括下列步驟
步驟D，將從目標(biāo)場(chǎng)所獲取的實(shí)時(shí)視頻圖像檢測(cè)出的目標(biāo)所在區(qū)域作為正例樣本，重復(fù)步驟B，進(jìn)行訓(xùn)練，進(jìn)一步提高分類器的分類精確度。
3.根據(jù)權(quán)利要求1或2所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟A包括下列步驟
A1.采集訓(xùn)練的正例樣本集合；
A2.采集訓(xùn)練的反例樣本集合。
4.根據(jù)權(quán)利要求3所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述正例樣本，是根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像，在所獲得的視頻圖像中，將目標(biāo)標(biāo)注出來作為訓(xùn)練的正例樣本。
5.根據(jù)權(quán)利要求4所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述反例樣本，是指不包含目標(biāo)的圖像，是來自采集的不包含目標(biāo)的視頻圖像，或者收集的不包含目標(biāo)的靜止圖像。
6.根據(jù)權(quán)利要求1或2所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟B包括下列步驟
步驟B1，在確定了正例樣本集合和反例樣本集合之后，確定訓(xùn)練使用的圖像特征；
步驟B2，進(jìn)行正例樣本集合和反例樣本集合的圖像特征提?。?br> 步驟B3，利用正例樣本集合和反例樣本集合，以及它們的視頻圖像的特征的值，進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器。
7.根據(jù)權(quán)利要求6所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述圖像特征為利用矩形特征表示法表示。
8.根據(jù)權(quán)利要求7所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述矩形特征表示法為擴(kuò)展Harr-like特征表示法。
9.根據(jù)權(quán)利要求8所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述圖像特征提取是通過利用積分圖方法實(shí)現(xiàn)的。
10.根據(jù)權(quán)利要求6所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟B3中，訓(xùn)練得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器，包括下列步驟
步驟B31，利用迭代訓(xùn)練過程，每次訓(xùn)練得到一個(gè)弱分類器，全部弱分類器線性組合形成一個(gè)強(qiáng)分類器；
步驟B32，將強(qiáng)分類器串聯(lián)在一起形成分級(jí)分類器。
11.根據(jù)權(quán)利要求1所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟C包括下列步驟
步驟C1，根據(jù)每個(gè)目標(biāo)場(chǎng)所的特點(diǎn)設(shè)定相應(yīng)的檢測(cè)區(qū)域，獲取目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像；
步驟C2，從目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，根據(jù)目標(biāo)場(chǎng)所的狀態(tài)選擇圖像幀；
步驟C3，對(duì)獲得的圖像幀進(jìn)行預(yù)處理，篩除未包含目標(biāo)的視頻圖像的圖像幀；
步驟C4，對(duì)包含目標(biāo)的圖像幀，利用分類器進(jìn)行目標(biāo)檢測(cè)；
步驟C5，根據(jù)實(shí)時(shí)監(jiān)控視頻圖像檢測(cè)出的目標(biāo)場(chǎng)所的目標(biāo)信息，及目標(biāo)場(chǎng)所的已知信息，對(duì)目標(biāo)場(chǎng)所進(jìn)行調(diào)度。
12.根據(jù)權(quán)利要求11所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述目標(biāo)場(chǎng)所為電梯間；所述目標(biāo)為乘梯人體。
13.根據(jù)權(quán)利要求12所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述正例樣本為包含人體頭肩部的電梯監(jiān)控視頻圖像。
14.根據(jù)權(quán)利要求11所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟C2包括下列步驟
C21，在電梯關(guān)門并開始運(yùn)行之后，選擇電梯內(nèi)的圖像幀；
C22，對(duì)有電梯外呼梯請(qǐng)求的候梯人的圖像幀進(jìn)行統(tǒng)計(jì)。
15.根據(jù)權(quán)利要求11所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟C4包括下列步驟
C41，利用訓(xùn)練好的分類器對(duì)得到的預(yù)處理后的圖像幀進(jìn)行場(chǎng)景人數(shù)統(tǒng)計(jì)；
C42，判斷檢測(cè)結(jié)果的窗口關(guān)系，如果一個(gè)窗口全部包含在另一個(gè)窗口中，而且兩個(gè)窗口的中心點(diǎn)位置相近，則保留大點(diǎn)的窗口，去除小的窗口，篩選出目標(biāo)場(chǎng)所的精確目標(biāo)。
16.根據(jù)權(quán)利要求11所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟C5包括下列步驟
步驟C51，如果電梯內(nèi)人數(shù)超過數(shù)值N時(shí)，即使有其他的電梯外呼梯信號(hào)，如果沒有出人信號(hào)，在該樓層不?？浚?br> 步驟C52，針對(duì)有呼梯請(qǐng)求的廳層，如果候梯乘客按動(dòng)電梯按鈕后隨即離開，即利用在時(shí)間T內(nèi)再次檢測(cè)時(shí)廳層沒有候梯人員，則取消該呼梯指令，如果電梯在該層沒有出人指令，則電梯在該樓層不?？?；
步驟C53，利用目前電梯內(nèi)人數(shù)和各呼梯廳層人數(shù)，對(duì)電梯調(diào)度進(jìn)行統(tǒng)一調(diào)配；
步驟C54，電梯內(nèi)如果沒人了，可以將電梯內(nèi)的出人指令清零。
17.根據(jù)權(quán)利要求16所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法，其特征在于，所述步驟C53中，進(jìn)行統(tǒng)一調(diào)配，包括下列步驟
如果電梯外候梯人數(shù)眾多，而電梯內(nèi)基本飽和，則該電梯不響應(yīng)該樓層的呼梯信號(hào)，如果是多部電梯同時(shí)響應(yīng)呼梯指令，可以找電梯內(nèi)人數(shù)少的電梯響應(yīng)該指令。
18.一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，其特征在于，包括
樣本采集模塊，用于采集視頻圖像的正例樣本集合和反例樣本集合；
訓(xùn)練器，用于從正例樣本集合和反例樣本集合中，提取圖像特征提取并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所檢測(cè)的分類器；
優(yōu)化器，用于從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。
19.根據(jù)權(quán)利要求18所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，其特征在于，所述樣本采集模塊，包括正例樣本采集子模塊和反例樣本采集模塊，其中
所述正例樣本采集子模塊，是根據(jù)目標(biāo)優(yōu)化調(diào)度的目標(biāo)場(chǎng)所，對(duì)目標(biāo)場(chǎng)所或者與目標(biāo)場(chǎng)所相近似的場(chǎng)所進(jìn)行監(jiān)控錄像，在所獲得的視頻圖像中，將目標(biāo)標(biāo)注出來作為訓(xùn)練的正例樣本；所述反例樣本采集子模塊，是針對(duì)所定義的目標(biāo)，收集不包含目標(biāo)的圖像，是來自采集的不包含目標(biāo)的視頻圖像，或者收集的不包含目標(biāo)的靜止圖像。
20.根據(jù)權(quán)利要求19所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，其特征在于，所述目標(biāo)場(chǎng)所為電梯間；所述目標(biāo)為乘梯人體。
21.根據(jù)權(quán)利要求20所述的目標(biāo)場(chǎng)所優(yōu)化調(diào)度系統(tǒng)，其特征在于，所述正例樣本為包含人體頭肩部的電梯監(jiān)控視頻圖像。
全文摘要
本發(fā)明公開了一種目標(biāo)場(chǎng)所優(yōu)化調(diào)度方法及系統(tǒng)。該方法包括下列步驟采集目標(biāo)場(chǎng)所相應(yīng)目標(biāo)對(duì)應(yīng)的正例樣本集合和反例樣本集合；在正例樣本集合和反例樣本集合中，提取圖像特征并進(jìn)行訓(xùn)練，得到用于目標(biāo)場(chǎng)所目標(biāo)檢測(cè)的分類器；從獲取的目標(biāo)場(chǎng)所的實(shí)時(shí)視頻圖像中，利用分類器檢測(cè)出目標(biāo)，對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度。將從目標(biāo)場(chǎng)所獲取的實(shí)時(shí)視頻圖像檢測(cè)出的目標(biāo)所在區(qū)域作為正例樣本，重復(fù)訓(xùn)練，進(jìn)一步提高分類器的分類精確度。其對(duì)目標(biāo)場(chǎng)所進(jìn)行優(yōu)化調(diào)度，提高目標(biāo)場(chǎng)所的工作效率。
文檔編號(hào)B66B1/06GK101200252SQ200710179079
公開日2008年6月18日 申請(qǐng)日期2007年12月10日 優(yōu)先權(quán)日2007年12月10日
發(fā)明者錢躍良, 宏 劉, 楊 高, 丹 趙, 群 劉 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所