王勝鵬 史凡躍 王 錚 劉 衡 陳思雨 王誠露

（武漢理工大學(xué)，湖北 武漢430070）

1 系統(tǒng)簡介

首先由攝像頭（OpenCV 模塊）進(jìn)行圖片的采集，然后STM32芯片將接收到的圖片進(jìn)行濾波去噪、圖像增強(qiáng)、彩色圖像灰度化等預(yù)處理后，接著將預(yù)處理后的灰度圖片用作識別圖像識別（系統(tǒng)結(jié)構(gòu)如圖1 所示），統(tǒng)計出當(dāng)前轎廂外的候梯人數(shù)并傳給可編程邏輯控制器（電氣控制器）?？删幊踢壿嬁刂破鳎≒LC）將這個輸入變量的值帶入群控算法中，實(shí)時地將每一個呼叫信號分配給最優(yōu)電梯。系統(tǒng)電路圖如圖2 所示。

2 圖像識別系統(tǒng)

2.1 基于決策理論法的人數(shù)統(tǒng)計方法

整體方法：由于考慮到對候梯乘客進(jìn)行人數(shù)統(tǒng)計時不需要提取特殊面部特征，僅需根據(jù)人體輪廓判斷大致人數(shù)實(shí)現(xiàn)快速的處理，因此我們采用技術(shù)較為成熟的決策理論法對圖像進(jìn)行處理分析。通過將攝像頭采集到的當(dāng)前區(qū)域內(nèi)等候電梯的乘客圖像傳入預(yù)處理模塊，以達(dá)到去除干擾和噪聲,使原始圖像適于計算機(jī)進(jìn)行特征提取的目的。

2.1.1 圖像信息采集

為了實(shí)現(xiàn)人體輪廓判斷需進(jìn)行邊緣檢測，但因圖像采集需占用較大內(nèi)存，為保證數(shù)據(jù)處理可以更快的運(yùn)行，故采用集成有STM32F4 芯片的OpenMV 模塊，如圖3 所示。這樣可以使圖像識別單獨(dú)交給集成模塊上的芯片處理，然后通過雙芯片通訊將處理結(jié)果發(fā)送至主控芯片，既能保證圖像處理的質(zhì)量和速度，又能保證整體系統(tǒng)的高效有序進(jìn)行，避免主程序和圖像識別程序發(fā)生時序性沖突。

圖1 圖像識別系統(tǒng)

圖2 基于圖像識別的電梯群控硬件電路圖

圖3 OpenMV 模塊

2.1.2 圖像預(yù)處理

2.1.2.1 中值濾波器去噪聲：由于邊緣檢測算法涉及到的導(dǎo)數(shù)計算對噪聲很敏感, 因此需先去噪處理。為了保留圖像完整邊緣信息并減少運(yùn)算時間，采用中值濾波器進(jìn)行去噪聲處理，其原理是將圖像中的一點(diǎn)的值用鄰域中各點(diǎn)的中值來代替。設(shè)圖像二維平面中各點(diǎn)的灰度值為。一維序列中值y 可表示為：

拓展到二維層面中，則

則以此值作為濾波器的輸出值。

2.1.2.2 灰度化處理：為便于計算機(jī)進(jìn)行邊緣化檢測，需對彩色圖像進(jìn)行灰度化，利用平均值法對RGB 圖進(jìn)行灰度化處理：

2.1.2.3 伽馬矯正：調(diào)節(jié)圖像對比度，減少非均勻光照和局部陰影對圖像造成的過曝和欠曝的影響，一定程度上增加后序圖像處理檢測的效果。

圖4 伽馬矯正公式

伽馬矯正公式：

式中I 為圖像，Γ 為冪指數(shù)系數(shù)，攝像機(jī)的非線性補(bǔ)償伽馬值為2.2，因此對圖像進(jìn)行補(bǔ)償后得到伽馬變換圖為圖5。

圖5 伽馬變換圖

2.1.3 邊緣檢測

圖像的邊緣指圖像灰度發(fā)生突變的像素的集合，在沿邊緣走向，像素變化較平緩，相反在垂直邊緣走向變化較劇烈，因此可以通過求導(dǎo)的方法進(jìn)行確定。

由于在候梯人數(shù)的估算上并不需要過多細(xì)節(jié)保留，同時考慮到應(yīng)有較快處理速度，故采用高效的Sobel 邊緣檢測算子，根據(jù)對圖像每個像素 ｛f ( x , y)｝的鄰域灰度的加權(quán)差做出如下Sobel 算子定義：

其計算模板算子為：

如果 s (i, j )＞ H，( i , j ) 為階狀邊緣點(diǎn)，｛ s (i, j) ｝為邊緣圖像。

2.1.4 圖像識別算法

本項目基于決策理論方法，使用貝葉斯分類器對人體輪廓和背景環(huán)境進(jìn)行分辨，根據(jù)人體特征，建立幾種人體輪廓特征模板。通過多種特征模板可有效在人體被遮蓋的情況下準(zhǔn)確判斷當(dāng)前人數(shù)。

成立，則未知模式x 賦予子類wi，即完成對人體輪廓的識別。

因為候梯人通常站在運(yùn)行方向與目的方向相同的電梯門外等候，所以可以利用獲取的圖像信息，結(jié)合相應(yīng)電梯當(dāng)前的運(yùn)行方向，統(tǒng)計出信號樓層的上下行候梯人數(shù)。

2.2 實(shí)驗結(jié)果及分析

采用OpenCV-Python 的開源庫CV2 對測試圖片進(jìn)行Sobel算子圖像分割處理，得到圖6 所示的邊緣檢測圖像。

圖6 Sobel 算子圖像分割

采用人體身軀檢測模型對測試圖片進(jìn)行檢測得到訓(xùn)練模型的結(jié)果圖7。

從邊緣檢測圖中可以看出Sobel 梯度算子在垂直與水平方向的像素突變出會產(chǎn)生敏感性的檢測效果，實(shí)用于人體身軀模型，在電梯門口低暗的空間會有一定的檢測效果；從身軀模型的檢測結(jié)果看，對人體身軀進(jìn)行檢測可以得到較高的識別效果，對于混疊行人可能無法檢測成功。

圖7 身軀模型檢測結(jié)果

3 電梯群控算法研究

如今的電梯群控調(diào)度算法已不局限于呼叫信號調(diào)度分配，他還能識別不同交通模式，并根據(jù)不同的場景使用不同的調(diào)度算法，使得電梯的運(yùn)行更加高效合理。主流電梯群控算法有基于專家系統(tǒng)的電梯群控調(diào)度算法、基于模糊控制的電梯群控算法、基于多目標(biāo)優(yōu)化的電梯群控調(diào)度算法等。該研究中我們只討論呼梯信號的分配算法，算法采用基于多目標(biāo)規(guī)劃的電梯群控算法。

電梯群控系統(tǒng)性能通常由平均候梯時間、平均乘梯時間和系統(tǒng)能耗三個評價指標(biāo)決定，電梯群控系統(tǒng)具有多目標(biāo)的特點(diǎn)，呼叫信號的調(diào)度分配可以看作是求解多目標(biāo)函數(shù)最優(yōu)解的過程。因此，根據(jù)電梯群控系統(tǒng)調(diào)度的多目標(biāo)性，我們可以利用多目標(biāo)規(guī)劃的相關(guān)知識來設(shè)計調(diào)度算法。加入候梯人數(shù)后的群控算法流程圖，如圖8 所示。

圖8 群控算法流程圖

群控性能分析：根據(jù)設(shè)計者賦予的權(quán)值將它們用線性求和構(gòu)造單目標(biāo)的評價函數(shù):

在電梯群控系統(tǒng)中，它主要包括以下幾個變量：

Trun：電梯正常平滑經(jīng)過一層電梯的時間；

Tstop：電梯啟停一次消耗的時間；

則某部電梯當(dāng)前情況下到達(dá)目標(biāo)樓層所需時間為：

則當(dāng)前樓層i 的候梯人數(shù)需要的運(yùn)載批次，即啟停次數(shù)為ε。已知考慮候梯人數(shù)后的第i 層呼叫信號對于第 η( m)部電梯的加權(quán)候梯時間為：

依據(jù)上述評判函數(shù)計算出每一部單部電梯的加權(quán)時間后，群控系統(tǒng)對樓層i 的呼叫信號最短加權(quán)候梯時間為：

4 結(jié)論

所對應(yīng)的電梯，即將呼叫信號分配給加權(quán)時間最短所對應(yīng)的電梯，這樣就能保證在候梯時間盡量短的同時，充分利用電梯的剩余空間，以較少的?？看螖?shù)運(yùn)完乘客，減少電梯運(yùn)行時總的啟停次數(shù)。因為電梯停靠一次消耗的時間通常比電梯平滑經(jīng)過一層所消耗的時間多得多，所以此群控算法能間接地縮短平均候梯時間、乘梯時間，并提高電梯的運(yùn)行效率以及乘客的乘梯體驗。此外，電梯的機(jī)械損耗和能源的消耗主要是由電梯啟停造成的，所以本方案通過減少不合理的啟停次數(shù)也能很好地解決電梯能耗方面的問題。

5 展望

電梯群控系統(tǒng)的服務(wù)質(zhì)量、運(yùn)行效率和能耗既相互制約、又緊密聯(lián)系的，如何找到三者的平衡點(diǎn)至關(guān)重要。此研究中我們根據(jù)群控系統(tǒng)的特性，采用多目標(biāo)規(guī)劃算法，引入圖像識別技術(shù)，利用候梯人數(shù)進(jìn)行優(yōu)化算法，根據(jù)理論推導(dǎo)易知有效提高了電梯群控系統(tǒng)的運(yùn)行效率，降低了系統(tǒng)能耗。該算法雖然能縮短平均乘、候梯時間，但是會不可避免的導(dǎo)致先到達(dá)呼叫信號樓層，且滿足運(yùn)行方向的電梯未響應(yīng)該信號，造成焦慮和心理不平衡。這種情況雖然可以通過減小加權(quán)值,,......，以盡可能縮短一般候梯時間最短電梯和加權(quán)候梯時間最短電梯到達(dá)呼叫信號樓層的時間間隔，減少乘客的焦慮和心理不平衡。此外可以將該研究應(yīng)用到貨運(yùn)電梯，這樣只需考慮運(yùn)行效率和能耗，不需要考慮乘客的心理因素。

此外考慮到目標(biāo)樓層候梯人數(shù)具有變化性，若按照傳統(tǒng)的一次分配原則（即只要有呼叫信號就立即分配出去，且后續(xù)不會再變更），則可能會存在誤差導(dǎo)致不合理的分配情況出現(xiàn)，所以我們考慮通過刷新計算結(jié)果可以解決上述問題，但如果程序每執(zhí)行一次刷新一次，會導(dǎo)致計算量過大，增加PLC 的工作負(fù)荷，此外計算出錯的幾率也增大了。鑒于以上情況，可以設(shè)置一個中斷函數(shù)，當(dāng)單片機(jī)傳到PLC 相應(yīng)寄存器的候梯人數(shù)發(fā)生變化或變化超過某一人數(shù)范圍后觸發(fā)中斷，取消分配到各個單梯而還未執(zhí)行的呼梯信號，并讀取PLC 相應(yīng)寄存器中候梯人數(shù)，將呼梯信號重新計算分配給當(dāng)前最優(yōu)的電梯。