基于Mean Shift图像分割和支持向量机判决的候梯人数视觉检测系统

根据电梯群控系统的需求,提出了一种基于视觉检测技术获得候梯人数的新方法。考虑候梯人数检测系统的监测目标为候梯人群,而候梯人群的心理、建筑风格,摄像机的安装角度、复杂背景等因素均会影响到待识别模式的提取,故作者提出了以人体头部作为模式进行模式识别来检测候梯乘客的数量。该方法以Mean Shift图像分割算法和支持向量机(SVM)决策分类器为核心,考虑候梯人群图像采集角度、拍摄镜头的特殊性等对候梯人群头部进行精确识别,较为快速地得到了准确的识别结果。实验证明,该方法处理图像速度可保持在每幅图片2s以内,准确率超过80%,满足了电梯群控系统的需求。由于能够使电梯群控系统获得稳定可靠的输入参数,从而提高了电梯群的运送效率。