一种车门与屏蔽门间隙防夹人的方法及装置与流程

本发明涉及轨道交通技术领域，具体涉及一种车门与屏蔽门间隙防夹人的方法及装置。

背景技术：

随着城市轨道交通建设的不断发展，越来越多的乘客选择地铁、高铁等轨道交通工具出行。在列车运营过程中，时常会发生乘客夹于站台的屏蔽门与列车的车门之间的事故，严重影响到乘客的人身安全。

现阶段，为防止乘客被夹于站台的屏蔽门与列车的车门之间，通常可以设置屏蔽门安全挡板、瞭望灯带、对射式光电开关、红外光幕，并结合列车工作人员的瞭望观察，确定是否有乘客被夹于站台的屏蔽门与列车车门之间，以防止发生安全事故。这样，由于列车通常由多节车厢连接而成，列车车身长度通常较长，可能会出现工作人员无法看清远距离的车门与屏蔽门间隙的情况(即距离工作人员较远车门与屏蔽门的情况)而出现误判，从而会在一定程度上降低乘客的安全性，进而影响到列车运营效率。

技术实现要素：

由于现有方法存在上述问题，本发明实施例提出一种车门与屏蔽门间隙防夹人方法及装置。

第一方面，本发明实施例提出一种车门与屏蔽门间隙防夹人方法，包括：

获取当前车门与屏蔽门间隙的实时间隙数据，及预设基准间隙数据，其中，所述预设基准间隙数据为当前车门与屏蔽门间隙无人时的数据；

基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，以防止所述当前车门与屏蔽门夹人。

可选的，所述间隙数据包括间隙激光点云数据、间隙图像数据中的一种或两种。

可选的，当所述间隙数据为间隙激光点云数据时，所述基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，包括：

确定实时间隙激光点云数据中的当前探测点在所述预设基准间隙激光点云数据中对应的基准探测点，并确定所述当前探测点与所述基准探测点的距离是否大于预设最大距离；

若大于所述预设最大距离，则将所述当前探测点确定为第一探测点，并判断第一探测点的数量是否大于预设最大数量；

若大于所述预设最大数量，则确定所述当前车门与屏蔽门间隙中有人。

可选的，当所述间隙数据为间隙图像数据时，所述基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，包括：

获取当前时刻前的预设时长内，当前车门与屏蔽门间隙有人时的历史间隙图像数据，基于所述历史间隙图像数据及基准间隙图像数据构建预判模型；

基于实时间隙图像数据及所述预判模型，确定所述当前车门与屏蔽门间隙是否有人。

可选的，所述间隙数据包括间隙激光点云数据、间隙图像数据时，所述基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，包括：

基于实时间隙激光点云数据及预设基准间隙激光点云数据，确定当前车门与屏蔽门间隙是否有人，得到第一确定结果；

基于实时间隙图像数据及基准间隙图像数据，确定当前车门与屏蔽门间隙是否有人，得到第二确定结果；

基于所述第一确定结果和所述第二确定结果，确定所述当前车门与屏蔽门间隙中的目标危险区域，并通过物体识别确定所述目标危险区域中是否有人。

可选的，所述基于所述第一确定结果和所述第二确定结果，确定所述当前车门与屏蔽门间隙中的目标危险区域，包括：

基于所述第一确定结果及所述第二确定结果，对所述实时间隙激光点云数据及所述实时间隙图像数据进行联合标定，得到联合标定间隙数据；

基于所述联合标定间隙数据，通过马氏距离及联合概率密度函数，确定所述当前车门与屏蔽门间隙中的目标危险区域。

可选的，所述确定所述当前车门与屏蔽门间隙是否有人之后，还包括：

若所述当前车门与屏蔽门间隙有人，则确定所述当前车门的标识号，基于所述标识号生成报警消息，并发送所述报警消息。

第二方面，本发明实施例还提出一种车门与屏蔽门间隙防夹人装置，包括获取模块和处理模块，其中：

所述获取模块，用于获取当前车门与屏蔽门间隙的实时间隙数据，及预设基准间隙数据，其中，所述预设基准间隙数据为当前车门与屏蔽门间隙无人时的数据；

所述处理模块，用于基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，以防止所述当前车门与屏蔽门夹人。

第三方面，本发明实施例还提出一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

第四方面，本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。

由上述技术方案可知，本发明实施例通过获取车门与屏蔽门间隙的实时间隙数据及预设基准间隙数据，并基于实时间隙数据与设基准间隙数据确定车门与屏蔽门间隙是否有人。这样，一方面，自动确定车门与屏蔽门间隙是否有人的情况，可以避免人工确认时出现的误判，减少事故发生，从而可以有效提高乘客的安全性，提高列车运行效率。另一方面，还可以有效节省人力资源的消耗，降低运营成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种检测系统的结构示意图；

图2为本发明一实施例提供的一种激光雷达的安装侧视图；

图3为本发明一实施例提供的一种车门与屏蔽门间隙防夹人方法的流程示意图；

图4为本发明一实施例提供的一种车门与屏蔽门间隙防夹人装置的结构示意图；

图5为本发明一实施例提供的电子设备的逻辑框图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。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。

本发明实施例提供了一种车门与屏蔽门间隙防夹人方法，该方法的执行主体可以是检测系统，参照图1，该检测系统可以包括设置在每个车门的激光雷达和摄像头、获取并存储激光雷达和摄像头采集的数据的存储主机、以及处理主机，该处理主机包括通信单元、点云数据处理单元、图像数据处理单元和数据识别处理单元。其中，通信单元可以从存储主机获取间隙数据；点云数据处理单元可以对间隙激光点云数据进行数据处理，确定车门与屏蔽门间隙是否有人；图像数据处理单元可以对间隙图像数据进行数据处理，确定车门与屏蔽门间隙是否有人；数据识别处理单元可以对间隙激光点云数据和间隙图像数据，进行数据处理确定车门与屏蔽门间隙是否有人。激光雷达与摄像头之间、激光雷达与存储主机、摄像头与存储主机，及存储主机与处理之间均通过以太网接口通信。参见图2，图2示为前述激光雷达的安装侧视图，前述激光雷达可以是3d固态激光雷达，其扫描范围为132*9degree(660*24线)，距离分辨率为5cm，人体宽度最小为10cm(新生婴儿)，分辨率的安装高度高于0.7m，即可覆盖宽度为15cm的间隙空间，且最多可覆盖宽度为28.44cm的区域限界范围。

图3示出了本实施例提供的一种车门与屏蔽门间隙防夹人方法的流程示意图，包括：

s301，获取当前车门与屏蔽门间隙的实时间隙数据，及预设基准间隙数据。

其中，所述当前车门与屏蔽门间隙指列车的任一车门与该车门对应的屏蔽门之间的间隙。

所述预设基准间隙数据为预先获取的当前车门与屏蔽门间隙无人时的数据。

所述间隙数据可以包括间隙激光点云数据、间隙图像数据中的一种或两种。

在实施中，可以基于当前车门与屏蔽门(与当前车门对应的屏蔽门)间隙的实时间隙数据，及预设基准间隙数据，确定当前列车与屏蔽门间隙之间是否有人，以防止当前车门与屏蔽门夹人。具体的，首先，可以获取当前车门与屏蔽门间隙的实时间隙数据，该实时间隙数据可以是间隙激光点云数据、间隙图像数据中的一种或两种。然后，还可以获取前述当前车门与屏蔽门间隙对应的预设基准间隙数据。

s302，基于实时间隙数据与预设基准间隙数据，确定当前车门与屏蔽门间隙是否有人，以防止所述当前车门与屏蔽门夹人。

在实施中，在获取到当前车门与屏蔽门间隙的实时间隙数据和预设基准间隙数据之后，可以对前述获取到实时间隙数据和预设基准间隙数据进行数据处理，确定当前车门与屏蔽门间隙是否有人。然后，可以根据前述确定结果，即当前车门与屏蔽门间隙是否有人，发送不同的消息，以使工作人员可以根据不同的消息采取不同的措施，以防止当前车门与屏蔽门夹人，防止发生事故。

由上述技术方案可知，本发明实施例通过获取车门与屏蔽门间隙的实时间隙数据及预设基准间隙数据，并基于实时间隙数据与设基准间隙数据确定车门与屏蔽门间隙是否有人。这样，一方面，自动确定车门与屏蔽门间隙是否有人的情况，可以避免人工确认时出现的误判，减少事故发生，从而可以有效提高乘客的安全性，提高列车运行效率。另一方面，还可以有效节省人力资源的消耗，降低运营成本。

进一步地，在上述方法实施例的基础上，可以基于实时间隙激光点云数据和预设基准间隙激光点云数据，确定当前车门与屏蔽门间隙是否有人，相应的上述步骤s302的处理可以如下：确定实时间隙激光点云数据中的当前探测点在预设基准间隙激光点云数据中对应的基准探测点，并确定当前探测点与所述基准探测点的距离是否大于预设最大距离；若大于预设最大距离，则将当前探测点确定为第一探测点，并判断第一探测点的数量是否大于预设最大数量；若大于预设最大数量，则确定所述车门与屏蔽门间隙中有人。

其中，所述第一探测点指实时数据与基准数据的距离在预设最大距离之外的探测点。

所述预设最大距离指预先设定的每个探测点对应的实时数据与基准数据的距离的最大值，即当某探测点对应的实时数据与基准数据的距离大于该最大值时，可以将该探测点确定为第一探测点。

在实施中，当间隙数据为间隙激光点云数据时，即实时间隙数据是实时间隙激光点云数据，预设基准数据是预设基准间隙激光点云数据时，首先，可以确定实时间隙激光点云数据中的当前探测点在预设基准激光点云数据中对应的探测点(可称为基准探测点)。然后，可以确定前述当前探测点与基准探测点的距离是否大于上述预设最大距离。若前述当前探测点与基准探测点的距离大于上述预设最大距离，则可以将该当前探测点确定为第一探测点。之后，可以确定当前已确定为第一探测点的数量，并判断该数量是否大于预设最大数量。若该数量大于前述预设最大数量，则可以确定当前车门与屏蔽门间隙有人。可以理解，可以在确定完实时间隙激光点云数据中的每个探测点是否是第一探测点之后，再判断第一探测点的数量是否大于预设最大数量，或者也可以在每次确定完当前探测点之后都进行判断。这样，在第一探测点的数量大于预设最大数量时，确定当前车门与屏蔽门间隙是否有人，可以进一步提高确定结果的准确性，从而可以进一步提高乘客的安全性，进一步提高运营效率。

进一步地，在上述方法实施例的基础上，可以基于实时间隙图像数据和预设基准间隙图像数据，确定当前车门与屏蔽门间隙是否有人，相应的上述步骤s302的处理可以如下：获取当前时刻前的预设时长内，当前车门与屏蔽门间隙有人时的历史间隙图像数据，基于历史间隙图像数据及预设基准间隙图像数据构建预判模型；基于实时间隙图像数据及预判模型，确定当前车门与屏蔽门间隙是否有人。

其中，随所述预设时长指预先设定的历史间隙图像数据对应的时长。

在实施中，当间隙数据为间隙图像数据时，即实时间隙数据是实时间隙图像数据，预设基准数据是预设基准间隙图像数据时，首先，可以获取当前时刻前的预设时长内，当前车门与屏蔽门间隙有人时对应的历史间隙图像数据。然后，可以基于前述历史间隙图像数据及预设基准间隙图像数据构建预判模型。如首先可以基于特征提取算法，分别提取出历史间隙图像数据及预设基准间隙图像数据中，当前车门与屏蔽门间隙对应的区域界限范围；然后可以基于深度学习，分别针对出历史间隙图像数据及预设基准间隙图像数据中，乘客头部、肩膀等特征进行提取，以对当前车门与屏蔽门间隙内的乘客进行识别；之后可以将前述基于实时间隙图像数据和预设基准间隙图像数据提取的特征进行对比，进行形状和光流特征分析，以根据前述不同的特征对确定结果(即当前车门与屏蔽门间隙是否有人的确定结果)的影响力不同，构建具有联合判决和多层判决的预判模型。在构建预判模型之后，可以基于前述实时间隙图像数据及预判模型，确定当前车门与屏蔽门间隙是否有人，以防止出现当前车门与屏蔽门夹人事故。这样，基于实时间隙图像数据和预判模型，可以预先快速、直观的确定出当前车门与屏蔽门间隙是否有人，可以进一步避免出现当前车门与屏蔽门间隙夹人事故，以进一步提高乘客的安全性和运营效率。

进一步地，在上述方法实施例的基础上，可以基于间隙激光点云数据和间隙图像数据，确定当前车门与屏蔽门间隙是否有人，相应的上述步骤s302的处理可以如下：基于实时间隙激光点云数据及预设基准间隙激光点云数据，确定当前车门与屏蔽门间隙是否有人，得到第一确定结果；基于实时间隙图像数据及预设基准间隙图像数据，确定当前车门与屏蔽门间隙是否有人，得到第二确定结果；基于第一确定结果和第二确定结果，确定当前车门与屏蔽门间隙中的目标危险区域，并通过物体识别确定目标危险区域中是否有人。

在实施中，考虑到某些材质的激光雷达反射率低，以及当前车门与屏蔽门间隙可能会出现灯光昏暗的问题，单独基于间隙激光点云数据或间隙图像数据，确定当前车门与屏蔽门间隙是否有人的结果可能不够准确。故而，可以基于间隙激光点云数据和间隙图像数据确定当前车门与屏蔽门间隙是否有人。具体的，当间隙数据包括间隙激光点云数据、间隙图像数据时，即实时间隙数据包括实时间隙激光点云数据和实时间隙图像数据，预设基准数据包括预设基准间隙激光点云数据和预设基准间隙图像数据时，首先，可以基于前述实时间隙激光点云数据及预设基准间隙激光点云数据，确定当前车门与屏蔽门间隙是否有人，即第一确定结果。然后，可以基于前述实时间隙图像数据及预设基准间隙图像数据，确定当前车门与屏蔽门间隙是否有人，即第二确定结果。之后，可以基于前述第一确定结果和第二确定结果，进行进一步分析，确定出当前车门与屏蔽门间隙中可能有人的区域，即目标危险区域。然后，可以进一步基于物体识别方法确定前述目标危险区域中是否有人。这样，对第一确定结果和第二确定结果进行进一步分析，确定当前车门与屏蔽门间隙是否有人，可以进一步提高确定结果的准确性，从而可以进一步减少车门与屏蔽门夹人事故的发生，进而可以进一步提高乘客的安全性，提高运营效率。

进一步地，在上述方法实施例的基础上，可以对上述第一确定结果和第二确定结果进行联合标定，确定当前车门与屏蔽门间隙中的目标危险区域，相应的处理可以如下：基于第一确定结果及第二确定结果，对实时间隙激光点云数据及实时间隙图像数据进行联合标定，得到联合标定间隙数据；基于联合标定间隙数据，通过马氏距离及联合概率密度函数，确定当前车门与屏蔽门间隙中的目标危险区域。

在实施中，在确定出第一确定结果和第二确定结果之后，可以基于前述第一确定结果和第二确定结果，对上述实时间隙激光点云数据及实时间隙图像数据进行联合标定，得到联合标定间隙数据。然后，可以基于前述来拟合标定间隙数据，通过马氏距离进行观测值匹配，并可以通过联合概率密度函数对采集实时间隙激光点云数据的激光雷达对应的传感器，及采集实时间隙图像数据的摄像头对应的传感器进行权重值分配，完成实时间隙激光点云数据及实时间隙图像数据的融合，以确定当前车门与屏蔽门间隙中的目标危险区域。这样，基于联合标定、马氏距离及联合概率密度函数确定当前车门与屏蔽门间隙的目标危险区域，可以提高确定出的目标危险区域的准确性，从而可以进一步提高确定结果的准确性，进而可以进一步减少车门与屏蔽门夹人事故的发生，提高乘客的安全性和运营效率。

进一步地，在上述方法实施例的基础上，确定当前车门与屏蔽门间隙有人时，可以发送报警消息，相应的处理可以如下：若当前车门与屏蔽门间隙有人，则确定当前车门的标识号，基于标识号生成报警消息，并发送报警消息。

在实施中，当确定当前车门与屏蔽门间隙有人时，可以获取当前车门的标识号，该标识号可以包括当前车门所在的车厢号和当前车门的车门编号。然后，可以基于该当前车门的标识号生成报警消息，该报警消息中至少可以携带有前述当前车门的标识号，以及表示当前车门与屏蔽门间隙有人的夹人信息。之后，可以发送该报警消息，如可以发送至列车控制系统，以使列车控制系统可以接收前述报警消息，基于该报警消息确定有人的车门和屏蔽门间隙，并控制该车门与屏蔽门开启，且保持列车制动，以防止出现车门与屏蔽门间隙夹人事故。这样，可以进一步提高乘客的安全性和运营效率。

图4示出了本实施例提供的一种车门与屏蔽门间隙防夹人装置，包括获取模块401和处理模块402，其中：

所述获取模块401，用于获取当前车门与屏蔽门间隙的实时间隙数据，及预设基准间隙数据，其中，所述预设基准间隙数据为当前车门与屏蔽门间隙无人时的数据；

所述处理模块402，用于基于所述实时间隙数据与所述设基准间隙数据，确定所述当前车门与屏蔽门间隙是否有人，以防止所述当前车门与屏蔽门夹人。

本实施例所述的车门与屏蔽门间隙防夹人装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

参照图5，所述电子设备，包括：处理器(processor)501、存储器(memory)502和总线503；

其中，

所述处理器501和存储器502通过所述总线503完成相互间的通信；

所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。