(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210949340.3 (22)申请日 2022.08.09 (71)申请人 日立楼宇 技术 （广州） 有限公司 地址 510660 广东省广州市广州高新 技术 产业开发区科 学城南翔三路2号 (72)发明人 李志武　程伟　尹力　仲兆峰　 胡欣　唐其伟　李予同　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 骆文欣 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/50(2022.01) G06V 10/56(2022.01)G06V 10/75(2022.01) G06V 10/774(2022.01) (54)发明名称 一种电梯烟雾检测方法、 装置、 电子设备及 存储介质 (57)摘要 本发明公开了一种电梯烟雾检测方法、 装 置、 电子设备及存储介质。 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。 能够得知电梯 轿厢中的烟雾存在情况， 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。 权利要求书4页 说明书16页 附图3页 CN 115311621 A 2022.11.08 CN 115311621 A 1.一种电梯 烟雾检测方法， 其特 征在于， 包括： 获取电梯轿厢的轿厢RGB直方图； 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； 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； 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； 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； 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。 2.根据权利 要求1所述的方法， 其特征在于， 所述将所述轿厢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， 包括： 通过以下公式计算饱和度通道的像素值： 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； 通过以下公式计算亮度通道的像素值： 3.根据权利要求1所述的方法， 其特征在于， 所述烟雾检测混合高斯模型的构建方法， 包括： 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： 其中， i为高斯函数的序号， xt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； μi,t表示t时刻第i个高斯 函数的均值矩阵； 所述烟雾检测混合高斯模型的公式为： 其中， K为所述烟雾检测混合 高斯模型中高斯函数个数， ωi,t表示t时刻第i个高斯函数 的所占权 重； 获取若干轿厢烟雾训练图片； 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：权　利　要　求　书 1/4 页 2 CN 115311621 A 2|Xt‑μi,t|＜Sσi,t； 其中， S为预设的背景阈值， ui,t为高斯函数的均值； 依次判断所述像素点与所述高斯 函数是否匹配； 若所述像素点与所述高斯函数存在匹配， 则根据 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： ωi,t＝ωi,t‑1+α(1‑ωi,t‑1) ut＝(1‑ρ )ut‑1+ρ Xt 其中， 所述ωi,t、 μt， 为该像素点在t时刻第i个高斯函数的权重、 均值和方差， ωi,t‑1、 μt、 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 /ωi,t‑1； 若所述像素点与所述高斯函数均不匹配， 则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： ωi,t＝(1‑α )ωi,t‑1。 4.根据权利要求3所述的方法， 其特征在于， 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， 包括： 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； 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； 将若干所述高斯 函数按照对应的参数值降序排列； 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： 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； 将其余所述高斯 函数作为前 景点， 生成所述前 景图像； 更新所述烟雾检测混合高斯模型。 5.根据权利要求1 ‑4任一所述的方法， 其特征在于， 所述计算所述轿厢HSV直方图的饱 和度标准差、 亮度标准差， 包括： 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； 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； 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：权　利　要　求　书 2/4 页 3 CN 115311621 A 3