一种电梯烟雾检测方法、装置、电子设备及存储介质与流程

1.本发明涉及图像识别技术领域，尤其涉及一种电梯烟雾检测方法、装置、电子设备及存储介质。


背景技术：

2.实时监控电梯轿厢内的烟雾情况，能够及时发现电梯轿厢的异常情况，以做出及时应对，对于安全隐患或人为犯罪及早预警，从而防止犯罪或灾害发生，为人民群众的生命财产安全提供保障。
3.目前对于电梯中的烟雾检测方法主要烟雾传感器来对电梯轿厢内是否存在烟雾情况来进行预警，现有的技术方案中使用烟雾传感器来对检测电梯轿厢内的烟雾情况，会存在检测不灵敏的情况，烟雾传感器可能对于少量的烟雾存在检测不出来的状况，同时，使用烟雾传感器检测难以直接迅速地了解当前电梯轿厢内的烟雾扩散情况，并且无法评价烟雾存在的严重程度，进一步使工作人员难以迅速反应做出合理的措施。


技术实现要素：

4.本发明提供了一种电梯烟雾检测方法、装置、电子设备及存储介质，以通过摄像头拍摄的图像在线监测出电梯轿厢的烟雾存在情况，并且判断出当前烟雾存在的严重程度，以使工作人员能够做出对应不同的措施。
5.根据本发明的一方面，提供了一种电梯烟雾检测方法，包括：
6.获取电梯轿厢的轿厢rgb直方图；
7.将所述轿厢rgb直方图转换为轿厢hsv直方图，得到饱和度通道像素值及亮度通道像素值；
8.将所述轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢hsv直方图对应的背景图像和前景图像；
9.基于饱和度通道像素值及亮度通道像素值计算所述轿厢hsv直方图的饱和度标准差、亮度标准差；
10.计算所述背景图像的饱和度通道均值和所述轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差；
11.将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
12.根据本发明的另一方面，提供了一种电梯烟雾检测装置，包括：
13.轿厢rgb直方图获取模块，用于获取电梯轿厢的轿厢rgb直方图；
14.直方图转换模块，用于将所述轿厢rgb直方图转换为轿厢hsv直方图；
15.背景分离模块，用于将所述轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢hsv直方图对应的背景图像和前景图像；
16.标准差计算模块，用于计算所述轿厢hsv直方图的饱和度标准差、亮度标准差；
17.饱和度均值差计算模块，用于计算所述背景图像的饱和度通道均值和所述轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差；
18.电梯烟雾判定结果生成模块，用于将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
19.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
20.至少一个处理器；以及
21.与所述至少一个处理器通信连接的存储器；其中，
22.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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本发明任一实施例所述的电梯烟雾检测方法。
23.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电梯烟雾检测方法。
24.本发明实施例的技术方案，通过获取电梯轿厢的轿厢rgb直方图；将轿厢rgb直方图转换为轿厢hsv直方图，得到饱和度通道像素值及亮度通道像素值；将轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型，得到轿厢hsv直方图对应的背景图像和前景图像；基于饱和度通道像素值及亮度通道像素值计算轿厢hsv直方图的饱和度标准差、亮度标准差；计算背景图像的饱和度通道均值和轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差；将饱和度标准差、亮度标准差以及饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。能够通过对轿厢监控中拍摄到的图像进行识别检测，能够迅速地反应当前电梯轿厢中的烟雾情况，并且能够基于对轿厢hsv直方图中饱和度通道像素值以及亮度像素通道值中的一系列计算和操作、使用混合高斯分布模型对图像进行前后景分离分析得到当前图像的均值差，根据烟雾判定标准来确定当前电梯烟雾存在程度的判定结果，以能够得知当前电梯轿厢中的烟雾存在情况，以使工作人员能够及时根据烟雾存在的严重程度作出不同的措施，尽可能保护电梯的安全，及时避免事故发生。
25.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
26.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，还可以根据这些附图获得其他的附图。
27.图1a是根据本发明实施例一提供的一种电梯烟雾检测方法的流程图；
28.图1b是根据本发明实施例一提供的一种全局烟雾对应的监控可视界面的界面图；
29.图1c是根据本发明实施例一提供的一种局部烟雾对应的监控可视界面的界面图；
30.图2是根据本发明实施例二提供的一种烟雾检测混合高斯模型的构建方法的流程图；
31.图3是根据本发明实施例三提供的一种电梯烟雾检测装置的结构示意图；
32.图4是是实现本发明实施例的电梯烟雾检测方法的电子设备的结构示意图。
具体实施方式
33.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
34.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
35.实施例一
36.图1a为本发明实施例一提供了一种电梯烟雾检测方法的流程图，本实施例可适用于通过摄像头拍摄的图像在线监测出电梯轿厢的烟雾存在情况，并且判断出当前烟雾存在的严重程度，以使工作人员能够做出对应不同的措施的情况，该方法可以由电梯烟雾检测装置来执行，该电梯烟雾检测装置可以采用硬件和/或软件的形式实现，该电梯烟雾检测装置可配置于个人电脑、服务器中。如图1a所示，该方法包括：
37.s101、获取电梯轿厢的轿厢rgb直方图。
38.电梯轿厢中通常设置有用于监控电梯轿厢内实施情况的摄像头。从电梯轿厢的摄像头中获取一段视频图像序列，此时得到若干帧视频序列图像，这些图像存在的形式为轿厢rgb(red-green-blue，红-绿-蓝)直方图。
39.轿厢rgb直方图的颜色空间具有直观和鲁棒性的特征，由红、绿、蓝三种基本颜色组成；rgb直方图作为图像检索系统的物理特征，且三种基本颜色关联程度高，并不适用于描述图像中目标对象，因此需要执行s102将轿厢rgb直方图转换为适用于图像处理的轿厢hsv(hue-saturation-value，色调-饱和度-亮度)直方图。
40.需要说明的是，在本发明实施例中，获取一段视频图像序列为本发明实施例的示例性说明，在本发明的其他实施例中还可以获取单帧轿厢rgb直方图，本发明实施例仅作举例，不作限定。
41.s102、将轿厢rgb直方图转换为轿厢hsv直方图，得到饱和度通道像素值及亮度通道像素值。
42.在电梯轿厢这类密闭空间内，烟雾运动速度迅速，且无规则运动，无序扩散分布整个空间，具有折射、反射、散射等光学现象。根据这些现象，获得烟雾的两种物理特征，分别是颜色特征和运动特征。
43.hsv颜色直方图是rgb颜色直方图的的分层描述，能够有效地捕获感知颜色，计算简单，hsv直方图在图像处理方面具有明显优势，亮度，饱和度和色调元素具有相异的特点，
能够相互分离。
44.将轿厢rgb直方图中红色、绿色、蓝色三个通道的像素值经过计算，转换为hsv模型中色调、饱和度、亮度三个通道的像素值，即得到对应的轿厢hsv直方图。
45.转换得到的轿厢hsv直方图中饱和度通道像素值和亮度通道像素值可以在后续进行进一步的运算分析，以得到电梯轿厢中的烟雾颜色特征，进一步通过烟雾颜色特征确定电梯轿厢的烟雾存在情况。
46.需要说明的是，本发明实施例对得到饱和度通道像素值及亮度通道像素值的方法仅作举例，不作限定。
47.在本发明的一些实施例中，s102包括：
48.s1021、通过以下公式计算饱和度通道的像素值：
[0049][0050]
其中，r(x,y)表示红色通道的像素值，g(x,y)表示绿色通道的像素值，b(x,y)表示蓝色通道的像素值。
[0051]
获取轿厢rgb直方图中的各个像素点的红色通道像素值、绿色通道的像素值以及蓝色通道的像素值按照上述公式进行计算，得到轿厢hsv直方图中各个像素点的饱和度通道像素值。
[0052]
s1022、通过以下公式计算亮度通道的像素值：
[0053][0054]
将获取得到的轿厢rgb直方图中的各个像素点的红色通道像素值、绿色通道的像素值以及蓝色通道的像素值按照上述公式进行计算，得到轿厢hsv直方图中各个像素点的饱和度通道像素值。
[0055]
本发明实施例还可以根据实际需求求得轿厢hsv直方图中的色调通道像素值，本发明实施例仅作举例，不作限定。
[0056]
s103、将轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型，得到轿厢hsv直方图对应的背景图像和前景图像。
[0057]
由于烟雾是无规则运动物体，为了检测、识别、追踪电梯轿厢中烟雾无规则的运动特征，需要使用预先构建好的烟雾检测混合高斯模型区分出轿厢hsv直方图中的前景和后景，以便于根据电梯轿厢的背景模型区分出无规则运动的烟雾前景。
[0058]
混合高斯模型是使用概率密度函数精确地量化事物的模型，它将图像分解为若干基于高斯函数的模型，混合高斯模型容易区分出前景和背景。其中，前景是指在假设背景为静止的情况下，任何有意义的运动物体即为前景。
[0059]
将轿厢hsv直方图输入预先使用若干图片训练好的烟雾检测混合高斯模型中，进而分离出对应的背景图像和前景图像，以便于后续根据背景图像或前景图像对烟雾的无规则运动进行分析，进而得出电梯的烟雾情况。
[0060]
需要说明的是，本发明实施例对如何构建烟雾检测混合高斯模型，以及具体如何通过烟雾检测混合高斯模型仅作举例，不作限定。
[0061]
在本发明的一些实施例中，s103包括：
[0062]
s1031、将轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型中，得到若干高斯函数对应的权重、均值和方差。
[0063]
烟雾检测混合高斯模型中有多个高斯函数，高斯函数均有对应的权重、均值和方差。
[0064]
在进行电梯烟雾检测之前电梯烟雾检测装置中预先为轿厢hsv直方图中的每一各像素点进行烟雾检测混合高斯模型的构建，示例性的，若轿厢hsv直方图的尺寸为h
×
w，则电梯烟雾检测装置中预先构建了h
×
w个烟雾检测混合高斯模型，其中，每个烟雾检测混合高斯模型中均包含有预设数量个高斯函数，且每个高斯函数均有对应的权重、均值和方差。
[0065]
将转换后的轿厢hsv直方图的每个像素点分别输入至对应预先构建好的烟雾检测混合高斯模型，按照预设的匹配规则将像素点和烟雾检测混合高斯模型进行匹配，并更新该像素点对应的烟雾检测混合高斯模型中各个高斯函数的权重、均值及方差。具体的匹配方法及确定烟雾检测混合高斯模型中若干高斯函数对应的权重、均值和方差在此不详细叙述，本发明提供的实施例二中有详细记载。
[0066]
需要说明的是，本发明实施例对确定烟雾检测混合高斯模型中若干高斯函数对应的权重、均值及方差的过程不作限定。
[0067]
s1032、计算若干高斯函数对应的权重除以方差，得到若干高斯函数对应的参数值。
[0068]
针对某一像素点，计算该像素点对应的烟雾检测混合高斯模型中，各个高斯函数的权重和方差的比值，作为各个高斯函数对应的参数值。
[0069]
需要说明的是，本发明实施例对参数值的具体求值过程仅作举例，不作限定，在本发明的其他实施例中还可以进一步计算得到参数值。
[0070]
s1033、将若干高斯函数按照对应的参数值降序排列。
[0071]
在烟雾检测混合高斯模型中，一些高斯函数表示背景，其他的高斯函数表示前景。运动目标进入背景时候，新的像素值无法匹配任何高斯模型，方差值会增大，直到运动目标停止运动。因此需要对烟雾检测混合高斯模型中的若干高斯分布函依据参数值降序排列，以选取前面若干高斯函数作为背景。
[0072]
s1034、选择烟雾检测混合高斯模型中前第一数量的高斯函数作为背景点，生成背景图像，其中，第一数量满足：
[0073][0074]
其中，b为第一数量，ωi为第i个高斯函数对应的权重，t为预设的临界阈值，ωi为第i个高斯函数的权重。
[0075]
对轿厢hsv模型中的各个像素点依次执行将选择该像素点前第一数量对应的若干高斯函数作为背景点，最终生成背景图像。
[0076]
本发明实施例的生成背景图像选取的高斯函数的第一数量为自适应，可调整的，对应图像的前后景分离更加的准确。
[0077]
s1035、将其余高斯函数作为前景点，生成前景图像。
[0078]
对轿厢hsv模型中的各个像素点依次执行将该像素点对应的若干高斯函数中，除了前第一数量的高斯函数之外的其他高斯函数作为前景点，最终生成前景图像。
[0079]
s1036、更新烟雾检测混合高斯模型。
[0080]
将各像素原有的烟雾检测混合高斯模型中的高斯函数中对应的权重、均值、方差都替换为s1031中匹配更新得到的各个像素对应的烟雾检测混合高斯模型中的得到若干高斯函数对应的权重、均值和方差，以作为更新后的烟雾检测混合高斯模型，便于在对下一帧轿厢hsv直方图进行烟雾检测时，更加准确地区分前景和后景，进一步提高对电梯烟雾检测的准确性。
[0081]
需要说明的是，本发明实施例对如何更新烟雾检测混合高斯模型仅作举例，不作限定，在本发明的一些实施例中还可以将前后景性质是否发生改变的像素点进行标记，将前后景性质没有发生改变的像素点维持当前的权重、均值及方差不变，将前后景性质发生改变的像素点的权重、均值及方差进行更新，本发明实施例仅作举例，不作限定。
[0082]
s104、基于饱和度通道像素值及亮度通道像素值计算轿厢hsv直方图的饱和度标准差、亮度标准差。
[0083]
利用轿厢hsv直方图中的饱和度通道像素值及亮度通道像素值进行计算，得到当前轿厢hsv直方图对应的饱和度标准差以及亮度标准差。通过饱和度标准差和亮度标准差能够分析出当前轿厢hsv直方图的饱和度像素值、亮度像素值的离散程度，通过离散程度可以判断当前烟雾的颜色特征，进一步判断出烟雾存在的严重程度，例如为全局布满烟雾、局部起烟雾或电梯轿厢中无烟雾。
[0084]
在本发明的而一些实施例中，s104包括：
[0085]
s1041、将轿厢hsv直方图中所有像素的饱和度通道像素值相加，得到饱和度通道像素总值。
[0086]
将轿厢hsv直方图中转换得到的所有像素点在饱和度通道中的饱和度通道像素值进行相加，得到该轿厢hsv直方图对应的饱和度通道像素总值。
[0087]
示例性的，轿厢hsv直方图宽度为w,高为h，则将h
×
w个像素点对应的饱和度通道像素值相加，得到饱和度通道像素总值。
[0088]
s1042、饱和度通道像素总值除以饱和度通道像素总数量，得到饱和度通道像素均值。
[0089]
示例性的，轿厢hsv直方图中共有h
×
w个像素点，使用饱和度通道像素总值除以饱和度通道像素总数量h
×
w，得到饱和度通道像素均值。
[0090]
s1043、基于饱和度通道像素值和饱和度通道像素均值，通过下述公式计算饱和度标准差：
[0091][0092]
其中，pn是饱和度通道像素点总数，β(x,y)表示像素对应的饱和度通道像素值，meanβ表示饱和度通道像素均值，h和w分别表示轿厢hsv直方图的高度和宽度。
[0093]
通过上述公式计算当前轿厢hsv直方图在饱和度标准差，即得到在饱和度通道上表现出来的颜色特征。
[0094]
s1044、将轿厢hsv直方图中所有像素的亮度通道像素值相加，得到亮度通道像素总值。
[0095]
将轿厢hsv直方图中转换得到的所有像素点在亮度通道中的亮度通道像素值进行相加，得到该轿厢hsv直方图对应的亮度通道像素总值。
[0096]
示例性的，轿厢hsv直方图宽度为w,高为h，则将h
×
w个像素点对应的亮度通道像素值相加，得到亮度通道像素总值。
[0097]
s1045、亮度通道像素总值除以亮度通道像素总数量，得到亮度通道像素均值。
[0098]
示例性的，轿厢hsv直方图中共有h
×
w个像素点，使用亮度通道像素总值除以亮度通道像素总数量h
×
w，得到亮度通道像素均值。
[0099]
s1046、基于亮度通道像素值和亮度通道像素均值，通过下述公式计算亮度标准差：
[0100][0101]
其中，qn是亮度通道像素总值，φ(x,y)表示像素对应的亮度通道像素值，meanφ表示亮度通道像素均值，h和w分别表示轿厢hsv直方图的高度和宽度。
[0102]
通过上述公式计算当前轿厢hsv直方图在亮度标准差，即得到在亮度通道上表现出来的颜色特征。
[0103]
需要说明的是，本发明实施例对如何计算轿厢hsv直方图的饱和度标准差、亮度标准差的方法仅作举例，不作限定，在本发明的其他实施例中，还可以等间隔抽取轿厢hsv直方图中的像素点，使用抽取得到的像素点计算饱和度标准差以及亮度标准差等等。
[0104]
s105、计算背景图像的饱和度通道均值和轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差。
[0105]
将由混合高斯模型得到的背景图像的饱和度通道均值和原始的轿厢hsv直方图的饱和度通道均值进行对比，当背景图像和原始的轿厢hsv直方图的像素的饱和度均值相差越小，则说明混合高斯分布模型得到的背景图像和原始图像的状态越相似；当背景图像和原始的轿厢hsv直方图的饱和度均值相差越大，则说明轿厢hsv直方图可能存在有改变饱和度均值的前景图像，即可能为轿厢中可能存在烟雾。
[0106]
需要说明的是，本发明实施例对如何计算背景图像的饱和度通道均值和轿厢hsv直方图的饱和度通道均值的差值为本发明实施例的示例性说明，在本发明的其他实施例中还可以将背景图像的饱和度通道均值和轿厢hsv直方图的饱和度通道均值分别乘以相关的权重再进行比较，本发明实施例仅作举例，不作限定。
[0107]
在本发明的一些实施例中，s105包括：
[0108]
s1051、将背景图像中所有像素的背景饱和度通道像素值相加，得到背景饱和度通道像素总值。
[0109]
将经过混合高斯模型得到的背景图像中的各个像素点对应的背景饱和度通道像素值相加，得到该背景图像对应的背景饱和度通道像素总值。
[0110]
s1052、背景饱和度通道像素总值除以背景饱和度通道像素总数量，得到背景饱和度通道像素均值。
[0111]
示例性的，背景图像中共有h
×
w个像素点，使用背景饱和度通道像素总值除以背景饱和度通道像素总数量h
×
w，得到背景饱和度通道像素均值。
[0112]
s1053、计算背景饱和度像素均值减去饱和度通道像素均值，得到饱和度均值差。
[0113]
背景图像对应的背景饱和度像素均值减去原始轿厢hsv直方图对应的饱和度通道像素均值，得到两个图像的饱和度均值差，作为两个图像的比较结果。计算得到的饱和度均值差作为轿厢hsv直方图中烟雾的运动特征。
[0114]
s106、将饱和度标准差、亮度标准差以及饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
[0115]
电梯烟雾检测装置中预先设置了若干数量的烟雾判定标准，每一烟雾判定标准中设置了饱和度标准差的阈值、亮度标准差的阈值以及饱和度均值差的阈值，每一个预设的烟雾判定标准代表不同的电梯轿厢中烟雾存在的程度。
[0116]
饱和度标准差和亮度标准差作为电梯轿厢中烟雾的颜色特征，饱和度均值差作为电梯轿厢中烟雾的运动特征。将表示烟雾的颜色特征和运动特征的参考数据与若干个预先设置的判定标准比较，得到根据当前轿厢hsv直方图检测出来的电梯烟雾判定结果。本发明通过设置若干预设的烟雾判定标准，能够将电梯轿厢存在烟雾的情况进行进一步细分，能够通过摄像头获取的图片进行计算分析得到电梯轿厢存在烟雾的严重程度，便于工作人员能够根据不同的严重程度作出对应的保护措施，同时，也能够灵敏地检测到电梯轿厢中的烟雾，增加烟雾检测的准确性。
[0117]
示例性的，预先设置有两种烟雾判定标准，分别为全局烟雾判定标准、局部烟雾判定标准，通过这两种烟雾判定标准将电梯烟雾判定结果分为三种程度，分别为全局烟雾、局部烟雾以及无烟雾。
[0118]
需要说明的是，本发明实施例预先设置两种烟雾判定标准以区分出三种电梯烟雾判定结果为本发明实施例的示例性说明，在本发明的其它实施例中，还可以设置其他数量的烟雾判定标准，以细化区分出更多不同程度的电梯烟雾判定结果，本发明实施例仅作举例，不作限定。
[0119]
在本发明的一些实施例中，s106包括：
[0120]
s1061、判断饱和度标准差、亮度标准差以及饱和度均值差是否符合预设的全局烟雾判断标准。
[0121]
先判定当前的参考数据是否满足预先设置全局烟雾判断标准，具体的全局烟雾判断标准至少包括：饱和度标准差小于预设的全局饱和度标准差阈值，且亮度标准差小于预设的全局亮度标准差阈值，且饱和度均值差大于预设的全局均值差；若符合预设的全局烟雾判断标准，则执行s1062；若不符合预设的全局烟雾判断标准，则执行s1063。
[0122]
示例性的，判断参考数据是否满足饱和度标准差小于预设的20、且亮度标准差小于预设的45、且饱和度均值差大于预设的5，即判断当前轿厢hsv直方图中的颜色特征是否符合电梯轿厢充满烟雾的轿厢标准，当计算得出的参考数据均满足全局烟雾判断标准的阈值条件，则执行s1062确定当前电梯烟雾判定结果为全局烟雾，如果参考数据中有任一数值不符合全局判断标准的阈值，则执行s1063进一步判断是否为局部烟雾。
[0123]
s1062、确定电梯烟雾判定结果为全局烟雾。
[0124]
当饱和度标准差、亮度标准差以及饱和度均值差均符合预设的全局烟雾判断标准时，则确定烟雾判定结果为全局烟雾，同时，需要在电梯烟雾检测对应的监控可视界面中进行提示，以告知工作人员当前全局烟雾的异常情况。
[0125]
示例性的，图1b是根据本发明实施例一提供的一种全局烟雾对应的监控可视界面的界面图，如图1b所示，当电梯烟雾判定结果为全局烟雾时，则将监控可视界面中表示是否有烟雾的字符“smoke-flag”修改为“true”，以提醒工作人员当前电梯轿厢中存在烟雾，并在监控可视化界面中增加红色边框轮廓，进一步提醒工作人员当前的紧急情况，以使工作人员能够尽快发现当前电梯中的紧急情况，及时作出该程度相应的措施，以尽可能减少人员的生命危险以及财产的损失。
[0126]
s1063、判断饱和度标准差、亮度标准差以及饱和度均值差是否符合预设的局部烟雾判断标准。
[0127]
当参考数据不满足预设的全局烟雾判断标准，则进一步判断参考数据是否满足全局烟雾判断标准。具体的，局部烟雾判断标准至少包括：饱和度标准差小于预设的局部饱和度标准差阈值，且亮度标准差小于预设的局部亮度标准差阈值，且饱和度均值差大于预设的局部均值差。若符合预设的局部烟雾判断标准，则执行s1064；若不符合预设的局部烟雾判断标准，则执行s1065。
[0128]
示例性的，判断参考数据是否满足饱和度标准差小于预设的10、且亮度标准差小于预设的22.5、且饱和度均值差大于预设的10，即判断当前轿厢hsv直方图中的颜色特征是否符合电梯轿厢有部分区域小范围存在烟雾的判断标准，当计算得出的参考数据均满足局部烟雾判断标准的阈值条件，则执行s1064确定当前电梯烟雾判定结果为局部烟雾，如果参考数据中有任一数值不符合全局判断标准的阈值，则执行s1065确定当前电梯烟雾判定结果为无烟雾。
[0129]
s1064、确定电梯烟雾判定结果为局部烟雾。
[0130]
当饱和度标准差、亮度标准差以及饱和度均值差均符合预设的局部烟雾判断标准且不满足预设的全局烟雾判断标准时，则确定烟雾判定结果为局部烟雾，同时，需要在电梯烟雾检测对应的监控可视界面中进行提示，以告知工作人员当前局部烟雾的异常情况。
[0131]
示例性的，图1c是根据本发明实施例一提供的一种局部烟雾对应的监控可视界面的界面图，如图1c所示，当电梯烟雾判定结果为局部烟雾时，则将监控可视界面中表示是否有烟雾的字符“smoke-flag”修改为“true”，并标记出烟雾存在的位置，以提醒工作人员当前电梯轿厢中存在有烟雾，以使工作人员能够尽快发现当前电梯中的异常情况并作出该程度相应的紧急措施。
[0132]
s1065、确定电梯烟雾判定结果为无烟雾。
[0133]
当饱和度标准差、亮度标准差以及饱和度均值差均不满足预设的全局烟雾判断标准及局部烟雾判断标准时，则确定烟雾判定结果为无烟雾，即当前电梯没有异常情况发生，需要在电梯烟雾检测对应的监控可视界面中提示当前电梯处于正常情况。
[0134]
示例性的，当电梯烟雾判定结果为无烟雾时，则将监控可视界面中表示是否有烟雾的字符“smoke-flag”修改为“flase”，表示电梯轿厢中当前无异常。
[0135]
需要说明的是，本发明实施例对全局烟雾判定标准、局部烟雾判定标准的具体阈值数据仅作举例，不作限定，在本发明的其他实施例中，还可以根据管理者的实际需求修改烟雾判定标准中的数值，本发明实施例仅作举例，不作限定。
[0136]
本发明实施例的技术方案，通过获取电梯轿厢的轿厢rgb直方图；将轿厢rgb直方图转换为轿厢hsv直方图，得到饱和度通道像素值及亮度通道像素值；将轿厢hsv直方图输
入预先构建好的烟雾检测混合高斯模型，得到轿厢hsv直方图对应的背景图像和前景图像；基于饱和度通道像素值及亮度通道像素值计算轿厢hsv直方图的饱和度标准差、亮度标准差；计算背景图像的饱和度通道均值和轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差；将饱和度标准差、亮度标准差以及饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。能够通过对轿厢监控中拍摄到的图像进行识别检测，能够迅速地反应当前电梯轿厢中的烟雾情况，并且能够基于对轿厢hsv直方图中饱和度通道像素值以及亮度像素通道值中的一系列计算和操作、使用混合高斯分布模型对图像进行前后景分离分析得到当前图像的均值差，根据烟雾判定标准来确定当前电梯烟雾存在程度的判定结果，以能够得知当前电梯轿厢中的烟雾存在情况，以使工作人员能够及时根据烟雾存在的严重程度作出不同的措施，尽可能保护电梯的安全，及时避免事故发生。
[0137]
实施例二
[0138]
图2是根据本发明实施例二提供的一种烟雾检测混合高斯模型的构建方法的流程图，本实施例为上述实施例中所使用的混合高斯模型的构建方法。如图2所示，该方法包括：
[0139]
s201、初始化烟雾检测混合高斯模型的高斯函数个数及各高斯函数对应的权重、均值以及方差。
[0140]
针对轿厢hsv直方图的尺寸，即像素点总数，初始化对应个数的烟雾检测混合高斯模型，每个烟雾检测混合高斯模型的公式为：
[0141][0142]
其中，k为烟雾检测混合高斯模型中高斯函数个数，ω
i,t
表示t时刻第i个高斯函数的所占权重。
[0143]
具体的，烟雾检测混合高斯模型中的高斯函数的公式为：
[0144][0145]
其中，i为高斯函数的序号，x
t
为当前t时刻的像素近似值，∑
i,t
表示t时刻的像素在第i个高斯函数的协方差矩阵；μ
i,t
表示t时刻第i个高斯函数的均值矩阵。
[0146]
示例性的，设置烟雾检测混合高斯模型中高斯函数的数量，将各个高斯函数的权重初始化为1、均值都设置为预设的初始均值、方差均设置为预设的初始方差，以完成烟雾检测混合高斯模型的初始化。
[0147]
需要说明的是，本发明对具体如何初始化烟雾检测混合高斯模型仅作举例，不作限定，在本发明的其他实施例中可以有其他的初始化方式。
[0148]
此外，本发明实施例对烟雾检测混合高斯模型及高斯函数的公式仅作举例，不作限定。
[0149]
s202、获取若干轿厢烟雾训练图片。
[0150]
获取若干张电梯轿厢的图片，以用于训练构建烟雾检测混合高斯模型。示例性的，可以在监控摄像头的视频中获取预设帧数的视频片段，将视频片段中的图片序列作为轿厢烟雾训练照片。
[0151]
需要说明的是，本发明实施例对轿厢烟雾训练图片的获取方式仅作举例，不作限定。
[0152]
s203、将轿厢烟雾训练图片的每个像素点分别与烟雾检测混合高斯模型中的高斯函数按照预设的匹配规则进行匹配，其中，匹配规则为：
[0153]
|x
t-μ
i,t
|《sσ
i,t
；
[0154]
其中，s为预设的背景阈值，u
i,t
为高斯函数的均值。
[0155]
s204、依次判断像素点与高斯函数是否匹配；若像素点与高斯函数存在匹配，则执行s205；若像素点与高斯函数均不匹配，则执行s206。
[0156]
s205、根据下述公式更新参数值最大的高斯函数的权重、均值及所述方差：
[0157]
ω
i,t
＝ω
i,t-1
+α(1-ω
i,t-1
)
[0158]ut
＝(1-ρ)u
t-1
+ρx
t
[0159][0160]
其中，ω
i,t
、μ
t
，为该像素点在t时刻第i个高斯函数的权重、均值和方差，ω
i,t-1
、μ
t
、为该像素点在t-1时刻图像中对应位置像素点的第i个高斯函数的权重、均值和方差，α表示预设的学习率，ρ表示参数学习率，其中，参数学习率为ρ＝α/ω
i,t-1
。
[0161]
s206、维持参数值最小的高斯函数的均值和方差不变，并修改参数值最小的高斯函数的权重为：
[0162]
ω
i,t
＝(1-α)ω
i,t-1
。
[0163]
s203～s206中判断轿厢烟雾训练照片的某一像素点与对应的烟雾检测混合高斯模型中的高斯函数是否匹配，如果有匹配的高斯函数，则执行s205对参数值最大的高斯函数更新的权重、均值及方差；如果该像素点和烟雾检测混合高斯模型中所有高斯函数均不匹配，则执行s206对参数值最小的高斯函数，维持其均值和方差不变，修改该高斯函数的权重。利用轿厢烟雾训练图片依次修改烟雾检测混合高斯模型中各个高斯函数的权重、均值和方差，以构建各个像素点的烟雾检测混合高斯模型。
[0164]
需要说明的是，本发明实施例对烟雾检测混合高斯模型的训练过程仅作举例，不作限定。
[0165]
此外，实施例一中的s103将轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型中，得到若干高斯函数对应的权重、均值和方差,具体实施方式为：将轿厢hsv直方图作为轿厢烟雾训练图片，并执行本实施例二中的s203～s206，以得到各个高斯函数对应的权重、均值和方差。本发明的烟雾检测混合高斯模型是处于不断更新和学习的过程，在使用构建好的烟雾检测混合高斯模型确定新的权重、均值和方差以计算参数值的同时，将新得到的权重、均值、方差更新烟雾检测混合高斯模型，保持烟雾检测混合高斯模型检测前景和背景的灵敏度，也能够保证电梯烟雾检测的及时性和准确性。
[0166]
实施例三
[0167]
图3为本发明实施例三提供的一种电梯烟雾检测装置的结构示意图。如图3所示，该装置包括：
[0168]
轿厢rgb直方图获取模块301，用于获取电梯轿厢的轿厢rgb直方图；
[0169]
直方图转换模块302，用于将所述轿厢rgb直方图转换为轿厢hsv直方图；
[0170]
背景分离模块303，用于将所述轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型，得到所述轿厢hsv直方图对应的背景图像和前景图像；
[0171]
标准差计算模块304，用于计算所述轿厢hsv直方图的饱和度标准差、亮度标准差；
[0172]
饱和度均值差计算模块305，用于计算所述背景图像的饱和度通道均值和所述轿厢hsv直方图的饱和度通道均值的差值，作为饱和度均值差；
[0173]
电梯烟雾判定结果生成模块306，用于将所述饱和度标准差、所述亮度标准差以及所述饱和度均值差与若干预设的烟雾判定标准比较，得到电梯烟雾判定结果。
[0174]
可选的，直方图转换模块302包括：
[0175]
饱和度通道像素值计算子模块，用于通过以下公式计算饱和度通道像素值：
[0176][0177]
其中，r(x,y)表示r通道的像素值，g(x,y)表示g通道的像素值，b(x,y)表示b通道的像素值；
[0178]
亮度通道像素值计算子模块，用于通过以下公式计算亮度通道像素值：
[0179][0180]
可选的，电梯烟雾检测装置包括：
[0181]
烟雾检测混合高斯模型初始化模块，初始化烟雾检测混合高斯模型的高斯函数个数及各所述高斯函数对应的权重、均值以及方差，其中，所述高斯函数的公式为：
[0182][0183]
其中，i为高斯函数的序号，x
t
为当前t时刻的像素近似值，∑
i,t
表示t时刻的像素在第i个高斯函数的协方差矩阵；μ
i,t
表示t时刻第i个高斯函数的均值矩阵；
[0184]
所述烟雾检测混合高斯模型的公式为：
[0185][0186]
其中，k为所述烟雾检测混合高斯模型中高斯函数个数，ω
i,t
表示t时刻第i个高斯函数的所占权重；
[0187]
训练图片获取模块，用于获取若干轿厢烟雾训练图片；
[0188]
图片模型匹配模块，用于将所述轿厢烟雾训练图片的每个像素点分别与所述烟雾检测混合高斯模型中的高斯函数按照预设的匹配规则进行匹配，其中，所述匹配规则为：
[0189]
|x
t-μ
i,t
|《sσ
i,t
；
[0190]
其中，s为预设的背景阈值，u
i,t
为高斯函数的均值；
[0191]
匹配判断模块，用于依次判断所述像素点与所述高斯函数是否匹配；
[0192]
高斯函数第一更新模块，用于根据下述公式更新参数值最大的高斯函数的所述权重、所述均值及所述方差：
[0193]
ω
i,t
＝ω
i,t-1
+α(1-ω
i,t-1
)
[0194]ut
＝(1-ρ)u
t-1
+ρx
t
[0195]
[0196]
其中，所述ω
i,t
、μ
t
，为该像素点在t时刻第i个高斯函数的权重、均值和方差，ω
i,t-1
、μ
t
、为该像素点在t-1时刻图像中对应位置像素点的第i个高斯函数的权重、均值和方差，α表示预设的学习率，ρ表示参数学习率，其中，所述参数学习率为ρ＝α/ω
i,t-1
；
[0197]
高斯函数第二更新模块，用于维持参数值最小的高斯函数的所述均值和所述方差不变，并修改所述参数值最小的高斯函数的权重为：
[0198]
ω
i,t
＝(1-α)ω
i,t-1
。
[0199]
可选的，背景分离模块303包括：
[0200]
权重方差确定子模块，用于将所述轿厢hsv直方图输入预先构建好的烟雾检测混合高斯模型中，得到若干所述高斯函数对应的权重、均值和方差；
[0201]
参数值计算子模块，用于计算若干所述高斯函数对应的所述权重除以所述方差，得到若干所述高斯函数对应的参数值；
[0202]
参数值排列子模块，用于将若干所述高斯函数按照对应的参数值降序排列；
[0203]
背景图像生成子模块，用于选择所述烟雾检测混合高斯模型中前第一数量的所述高斯函数作为背景点，生成所述背景图像，其中，所述第一数量满足：
[0204][0205]
其中，b为第一数量，所述ωi为第i个高斯函数对应的权重，t为预设的临界阈值，ωi为第i个高斯函数的权重；
[0206]
前景图像生成子模块，用于将其余所述高斯函数作为前景点，生成所述前景图像；
[0207]
混合高斯模型更新子模块，用于更新所述烟雾检测混合高斯模型。
[0208]
可选的，标准差计算模块包括：
[0209]
饱和度通道像素总值计算子模块，用于将所述轿厢hsv直方图中所有像素的饱和度通道像素值相加，得到所述饱和度通道像素总值；
[0210]
饱和度通道像素均值计算子模块，用于所述饱和度通道像素总值除以饱和度通道像素总数量，得到所述饱和度通道像素均值；
[0211]
饱和度标准差计算子模块，用于基于所述饱和度通道像素值和所述饱和度通道像素均值，通过下述公式计算饱和度标准差：
[0212][0213]
其中，pn是所述饱和度通道像素点总数，β(x,y)表示所述像素对应的饱和度通道像素值，meanβ表示所述饱和度通道像素均值，h和w分别表示所述轿厢hsv直方图的高度和宽度；
[0214]
亮度通道像素总值计算子模块，用于将所述轿厢hsv直方图中所有像素的亮度通道像素值相加，得到所述亮度通道像素总值；
[0215]
亮度通道像素均值计算子模块，用于所述亮度通道像素总值除以亮度通道像素总数量，得到所述亮度通道像素均值；
[0216]
亮度标准差计算子模块，用于基于所述亮度通道像素值和所述亮度通道像素均
值，通过下述公式计算亮度标准差：
[0217][0218]
其中，qn是所述亮度通道像素点总数，表示所述像素对应的亮度通道像素值，表示所述亮度通道像素均值，h和w分别表示所述轿厢hsv直方图的高度和宽度。
[0219]
可选的，饱和度均值差计算模块305包括：
[0220]
背景饱和度通道像素总值计算子模块，用于将所述背景图像中所有像素的背景饱和度通道像素值相加，得到所述背景饱和度通道像素总值；
[0221]
背景饱和度通道像素均值计算子模块，用于所述背景饱和度通道像素总值除以背景饱和度通道像素总数量，得到所述背景饱和度通道像素均值；
[0222]
饱和度均值差计算子模块，用于计算所述背景饱和度像素均值减去所述饱和度通道像素均值，得到所述饱和度均值差。
[0223]
可选的，电梯烟雾判定结果生成模块306包括：
[0224]
烟雾判断第一子模块，用于判断所述饱和度标准差、所述亮度标准差以及所述饱和度均值差是否符合预设的全局烟雾判断标准，其中，所述全局烟雾判断标准至少包括：所述饱和度标准差小于预设的全局饱和度标准差阈值，且所述亮度标准差小于预设的全局亮度标准差阈值，且所述饱和度均值差大于预设的全局均值差；
[0225]
全局烟雾确定子模块，用于确定所述电梯烟雾判定结果为全局烟雾；
[0226]
烟雾判断第二子模块，用于判断所述饱和度标准差、所述亮度标准差以及所述饱和度均值差是否符合预设的局部烟雾判断标准，其中，所述局部烟雾判断标准至少包括：所述饱和度标准差小于预设的局部饱和度标准差阈值，且所述亮度标准差小于预设的局部亮度标准差阈值，且所述饱和度均值差大于预设的局部均值差；
[0227]
局部烟雾确定子模块，用于确定所述电梯烟雾判定结果为局部烟雾；
[0228]
无烟雾确定子模块，用于确定所述电梯烟雾判定结果为无烟雾。
[0229]
本发明实施例所提供的电梯烟雾检测装置可执行本发明任意实施例所提供的电梯烟雾检测方法，具备执行方法相应的功能模块和有益效果。
[0230]
实施例四
[0231]
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0232]
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计
算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0233]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0234]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电梯烟雾检测方法。
[0235]
在一些实施例中，电梯烟雾检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的电梯烟雾检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电梯烟雾检测方法。
[0236]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0237]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0238]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0239]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0240]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0241]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0242]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0243]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。