周薇，鄭耿峰，張健

（福建省特種設(shè)備檢驗研究院高新技術(shù)研究所，福建福州350008）

電梯門鎖嚙合深度的圖像測量方法研究

周薇，鄭耿峰，張健

（福建省特種設(shè)備檢驗研究院高新技術(shù)研究所，福建福州350008）

為了提高電梯門鎖的檢測精度和效率，提出采用圖像識別的方法實現(xiàn)電梯門鎖嚙合深度的測量。首先，通過觸點接通電壓突變的特性采集電梯門閉合瞬間的門鎖圖像，然后在HSV空間中采用閾值法分割出圖像中的紅色標(biāo)記區(qū)域，選擇離心率和連通域面積作為衡量標(biāo)準(zhǔn)進行刻度線和標(biāo)記點的特征提取，同時采用密度聚類實現(xiàn)有效像素點篩選，最后通過分層霍夫變換識別和定位刻度線，對其累加得到嚙合深度。對本文算法的試驗表明，本文算法提取刻度線的準(zhǔn)確率達93.8%，耗時753 ms，能滿足實時檢測要求。

電梯門安全；嚙合深度；圖像識別；分層霍夫變換

電梯事故的種類按發(fā)生事故的系統(tǒng)位置可分為：門系統(tǒng)事故、沖頂或蹲底事故、其他事故，據(jù)統(tǒng)計，門系統(tǒng)事故占到了事故總起數(shù)的80%左右［1］，確保電梯門系統(tǒng)的正常運行至關(guān)重要。電梯國標(biāo)GB10060-1993《電梯安全驗收規(guī)范》及國家質(zhì)檢總局頒布的《電梯監(jiān)督檢驗規(guī)定》中提出：電梯轎廂在鎖緊元件嚙合長度不小于7 mm時才能啟動。目前，檢驗員主要采用直尺測量電氣裝置觸點剛剛閉合時鎖緊元件的嚙合深度，存在較大的誤差，無法保證檢驗效率和測試精度。機器視覺系統(tǒng)具有速度快、精度高、抗干擾能力強等突出的優(yōu)點，近年來在在工業(yè)檢測中得到了廣泛應(yīng)用，促進了生產(chǎn)線的自動化和智能化。提高電梯檢測智能化水平是我國電梯檢測發(fā)展的必然趨勢。

上海交通大學(xué)［2］研究了電梯導(dǎo)軌垂直度檢測機器人來檢測導(dǎo)軌垂直度，可移動機構(gòu)搭載發(fā)光圓環(huán)在豎直導(dǎo)軌上運行，并由安置在井底的攝像機對發(fā)光圓環(huán)的位置進行攝像，通過圖像處理技術(shù)得到發(fā)光圓環(huán)空中位姿參數(shù)，從而實現(xiàn)導(dǎo)軌垂直度的檢測。北京市朝陽區(qū)特種設(shè)備檢測所［3］使用相機采集門鎖鎖鉤的圖像，基于形狀匹配的方法搜索與模板圖像相似的圖像區(qū)域，自動計算門鎖的嚙合深度，該方法簡單直接，但是不具備旋轉(zhuǎn)不變性和尺度不變性，因此只適用于特定條件下的門鎖嚙合深度測量。

本文提出采用基于圖像識別的方法測量電梯門鎖的嚙合深度，在門鎖上粘貼刻度標(biāo)識，電梯門接通瞬間觸發(fā)攝像頭采集電梯門鎖圖像，通過對刻度線的提取和識別得到嚙合深度，本文的研究旨在提高電梯檢測數(shù)據(jù)的精度、減少檢驗員的時間花銷，同時為電梯門系統(tǒng)事故鑒定提供測試條件。

1　電梯門鎖嚙合深度的圖像測量方法

本文采用視頻成像技術(shù)建立電梯門鎖嚙合深度測量系統(tǒng)，使用工業(yè)攝像頭采集門鎖鎖鉤圖像，設(shè)計圖像處理算法，計算門鎖嚙合深度。

轎廂啟動瞬間指觸點接觸引起門鎖電路導(dǎo)通或斷開瞬間的狀態(tài)。在電梯門鎖電路通斷的瞬間，兩個觸點間電壓值由V突變?yōu)槟骋唤咏愕闹?，電壓階躍的變化產(chǎn)生脈沖式的觸發(fā)信號，為圖像采集提供轎廂啟動瞬間的同步信號，電梯門鎖嚙合深度的圖像測量過程如圖1所示。

圖1　電梯門鎖嚙合深度的圖像測量過程

2　基于圖像識別的刻度線提取

在獲取觸點閉合瞬間的電梯門鎖圖像后，本文采用基于圖像識別的方法實現(xiàn)刻度線檢測，主要的步驟有：基于HSV彩色空間的圖像分割、形態(tài)學(xué)圖像特征檢測和基于霍夫變換的刻度線提取。

2.1HSV彩色空間中的圖像分割

圖像分割是從雜亂無章的信息中獲取有意義的對象集合體的過程，現(xiàn)有的圖像分割方法主要有：基于閾值、基于區(qū)域和基于邊緣的分割方法［4］，本文通過設(shè)置彩色信息的閾值實現(xiàn)圖像分割。由于RGB顏色空間中分量之間相關(guān)程度很高，難以描述顏色認知屬性，而HSV（Hue Saturation Value）顏色空間的描述更直觀，更符合人的視覺特性［5］。Androutsos等人通過實驗對HSV顏色空間進行了大致劃分，H分量的范圍是［0，360°），S分量的范圍是［0，255］，V分量的范圍是［0，255］。

為了增強圖像中的線條信息，采用反銳化掩模算法實現(xiàn)圖像增強，計算公式如式（1）：

2.2形態(tài)學(xué)圖像特征檢測

圖像特征可分成3類：尺寸測量、形狀分析和紋理分析，基于形態(tài)學(xué)的特征檢測能夠有效地用于目標(biāo)物體的分類和識別，常用的形狀有：橢圓離心率、圓形度和形狀描述子等。本文采用離心率和區(qū)域面積實現(xiàn)特征提取。與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的離心率定義為兩焦點的距離與長軸長度的比值，是橢圓扁平程度的一種量度，在［0，1］的范圍內(nèi)，值越大，形狀越趨于扁平，表達式如式（2）：

其中，a、b、c分別為與區(qū)域具有相同標(biāo)準(zhǔn)二階矩的橢圓的長軸長、短軸長和兩焦點的距離，e為橢圓離心率。

2.3基于密度聚類的特征篩選

聚類是指將物理或抽象的對象集合分成由類似的對象組成的多個類的過程。由聚類所生成的一組數(shù)據(jù)對象的集合被稱為簇，同一個簇中的對象彼此相似，與其他簇中的對象相異。利用基本密度的常有噪聲的窨聚類（DBSCAN），把具有足夠高密度的區(qū)域劃分為簇，去除目標(biāo)區(qū)域以外滿足形態(tài)學(xué)特征的稀疏區(qū)域的干擾。DBSCAN算法的思想是：對于圖像中符合條件的每一個點，計算給定半徑鄰域內(nèi)的點的個數(shù)，如果該點在指定半徑內(nèi)的鄰接點數(shù)大于給定的閾值，則屬于核心點，那么將處于該半徑內(nèi)的點歸為一簇，同時采用廣度優(yōu)先遍歷此鄰域內(nèi)的點，逐步將這個簇擴大，重復(fù)這種操作，直到所有的點都被訪問［6］。

對于圖像I，可表示為：

其中，pm=｛（x，y）|x∈Z，y∈Z，1≤x≤n，1≤y≤n｝。

核心點、邊界點和噪聲點的定義為：

其中，N［epsneb（pm）］為點pm鄰域eps范圍內(nèi)的點的數(shù)量，epsneb（pm）是點pm的鄰域，滿足：

2.4基于霍夫變換的刻度線提取

霍夫變換提取直線的原理是在二維坐標(biāo)平面中，所有經(jīng)過點（x，y）的直線可以由坐標(biāo)原點到直線的距離ρ和直線的垂線與X軸的夾角θ來描述，參數(shù)方程為：

假如圖像空間的一條直線上有n個像素點，那么參數(shù)空間上相交于（ρ，θ）點上的曲線則有n條，通過設(shè)置構(gòu)成直線的像素點個數(shù)，即可判斷其是否為直線。傳統(tǒng)的霍夫變換方法對每個有效像素點均做［-90°，90°）的坐標(biāo)空間變換，計算量非常大，本文采用分層霍夫變換的思想［7］，首先每隔5°計算n值，在最大值對應(yīng)的方向上，然后在該區(qū)間內(nèi)精確定位直線，大大降低了直接檢測的計算量。

通過比較標(biāo)記點坐標(biāo)與刻度線坐標(biāo)關(guān)系，即可得到電梯門鎖的嚙合深度。

3　試驗驗證與分析

本課題組采集了大量不同結(jié)構(gòu)的電梯門鎖在接通電氣觸電瞬間的圖像，用于電梯門鎖嚙合深度的圖像測量方法研究。

3.1電梯門鎖嚙合深度測量算法的試驗分析

選取其中一幅圖像對電梯門鎖嚙合深度的圖像測量方法的過程進行分析，如圖2所示，圖2（a）是獲取的電梯門鎖的原圖，采用RGB顏色空間和HSV顏色空間分別進行閾值分割后得到的效果如圖2（b）和圖2（c），RGB空間的閾值難以確定，并且容易看出分割出的刻度線存在較嚴(yán)重的斷裂現(xiàn)象，對后續(xù)的特征提取造成較大的干擾，這是由于RGB各分量相關(guān)性大，難以準(zhǔn)確的表征顏色；而HSV空間可以較好的分離出刻度線，且對不同光線下的紅色特征具有較強的魯棒性，但是仍然存在形狀不規(guī)則的干擾區(qū)域。通過形態(tài)學(xué)算法和DBSCAN密度聚類相結(jié)合，效果如圖2（d），此時僅含有刻度線和標(biāo)記點的區(qū)域已完整提取出來，基于霍夫變換的直線檢測效果如圖2（e）所示，僅有一條直線未被檢測出來，文中依據(jù)直線間距離恒定做出決策，計算出漏檢的直線，具有一定的容錯性能。對二十幅圖像結(jié)果進行統(tǒng)計分析顯示，本文算法提取刻度線的準(zhǔn)確率達93.8%，且均能準(zhǔn)確顯示出標(biāo)記點對應(yīng)的刻度線結(jié)果。

圖2　電梯門鎖嚙合深度測量

3.2時間性能分析

本文通過兩個措施提高算法運行效率：1）由于獲取的原圖空間分辨率大，在圖像分割過程中耗時較長，因此在后續(xù)處理中，自動剪裁掉不含目標(biāo)像素的邊緣區(qū)域，有效縮短了處理時間；2）由于適用于本文的刻度線與水平線的夾角較小，因此設(shè)置在［-90°，-70°］∪［70°，90）區(qū)間內(nèi)進行直線提取，并采用分層霍夫變換的思想，每隔5°進行直線檢測，運行時間縮短了三分之二。本文算法在內(nèi)存2 G，Win32位PC機上測試，各個步驟需要的時間如表1所示，總耗時753 ms，能夠滿足實時測量的要求。

表1　本文算法各個步驟耗時

4　結(jié)束語

文中提出了采用圖像識別的方法進行電梯門鎖嚙合深度測量，旨在提高電梯檢測數(shù)據(jù)的精度、減少檢驗員的時間花銷，同時為電梯門系統(tǒng)事故鑒定提供測試條件。采用HSV顏色空間進行圖像分割，通過離心率和連通域區(qū)域等形態(tài)學(xué)算法實現(xiàn)特征檢測，并結(jié)合DBSCAN聚類算子去除干擾區(qū)域，最后利用分層霍夫變換完成刻度線提取，最終實現(xiàn)對標(biāo)記點指向的刻度數(shù)的計算。對不同結(jié)構(gòu)的電梯門鎖在接通電氣觸電瞬間的圖像進行本文測量算法的驗證分析和時間性能分析，提取刻度線的準(zhǔn)確率達93.8%，耗時753 ms，能夠滿足實時測量的要求。

［1］楊柏山.重視電梯門系統(tǒng)參數(shù)對電梯安全運行的影響［J］.科技創(chuàng)新導(dǎo)報，2013（21）:62.

［2］鄭淑娟.電梯門系統(tǒng)狀態(tài)監(jiān)控和實驗研究［D］.上海：上海交通大學(xué)，2009.

［3］王躍宗，盧志遠，杜文廣，等.電梯門鎖嚙合深度視頻檢測系統(tǒng)設(shè)計［J］.中國特種設(shè)備安全，2012，28（11）:13-15.

［4］蔡燕偉，崔紅霞.基于彩色空間的二維OSTU的圖像分割算法［J］.電子設(shè)計工程，2014，5:131-133.

［5］Phan R，Androutsos D.Colour logo and trademark retrieval and tracking in unconstrained image sequences using Colour Edge Gradient Co-occurrence Histograms［C］//Electrical and Computer Engineering，2009.CCECE'09.Canadian Conference on.IEEE，2009:225-228.

［6］周薇，馬曉丹，張麗嬌，等.基于多源信息融合的果樹冠層三維點云拼接方法研究［J］.光學(xué)學(xué)報，2014（12）:193-200.

［7］邸男，朱明，王毅楠.提取直線特征實現(xiàn)機場跑道實時檢測［J］.光學(xué)精密工程，2009，17（9）:2336-2341.

Image measurement on meshing depth of elevator door

ZHOU Wei，ZHENG Geng-feng，ZHANG Jian
（Fujian Special Equipment Inspection and Research Institute，F(xiàn)uzhou 350008，China）

In order to improve the accuracy and efficiency of elevator door detection，this paper proposed a novel method based on image recognition to measure the meshing depth of elevator door.Firstly，elevator door image was acquired relying on voltage transients caused by contact connected.Secondly，red labeled areas were segmented by setting threshold of hue component in HSV（Hue Saturation Value）color space，and feature regions were checked out combining morphological characteristics with density clustering algorithm.Thirdly，hierarchical Hough transform was used to recognize and pinpoint tick marks.Finally，meshing depth was obtained by cumulating tick marks above mark point.Several groups of experiments were conducted for verification.Simulation experiments show the algorithm is completed within 753 ms and its positioning accuracy rate reaches 93.8%，which proves that this method can meet the requirements of real-time detection.

elevator door safety；meshing depth；image recognition；hierarchical Hough transform

TP242.62

A

1674－6236（2016）12-0156-03

2015-07-15稿件編號：201507111

福建省質(zhì)量技術(shù)監(jiān)督局科技項目（FJQI2012018）

周薇（1990—），女，江西撫州人，碩士。研究方向：機器視覺。