Yürüyen Merdivenlerin Gerçek Zamanlı Video İzleme ve Uzaktan Kontrol Sistemine İlişkin Araştırma

Bu Mühendislik makalesinde, yazarınız güvenliği artırmanın yollarını araştırıyor.

Anahtar Kelimeler: video izleme; tespit etme; fonksiyonel güvenlik; uzaktan kumanda

Özet: Yürüyen merdivenler güvenlikle ilgili, ağır hizmet tipi özel ekipmanlardır. Yürüyen merdiven üreticilerinin, bir güvenlik izleme odasındaki yöneticilerin acil bir anda yürüyen merdiveni uzaktan kontrol etmelerine yardımcı olabilecek gerçek zamanlı video izleme kullanarak bir yürüyen merdivendeki yolcuların tehlikeli bir durumunu veya davranışlarını tespit etmesi zor bir iştir. Yürüyen merdiven 120 yıl önce icat edildiğinden beri bu etkili bir şekilde çözülmedi. Bu makale, bu iki yönü içeren zorlukların üstesinden gelmek için bazı pratik yöntemler sunmaktadır:

Gerçek zamanlı video analizine dayalı olarak kazara düşme veya ters yönde yürüme gibi yolcuların tehlikeli durumlarını veya davranışlarını tespit edin. Algılamanın doğruluğunu artırmak için bu makale, optik akış algoritmasını ve görüntü derin öğrenme algoritmasını birleştiren gerçek zamanlı video analizi yöntemini tanıtmaktadır.

İşlevsel güvenlik teknolojisine dayalı olarak, ekipmanın tehlikeli durumunun veya yolcuların davranışlarının uzaktan algılandığı yürüyen merdivenlerden herhangi birini kontrol etmek için güvenlik izleme odasında yalnızca bir acil durdurma düğmesi kullanın.

Sistemin metro istasyonlarındaki fiili çalışması, tehlikeli ekipman durumlarını veya yolcuların davranışlarını doğru ve istikrarlı bir şekilde tespit edebildiğini ve güvenlik izleme odalarındaki yöneticilerin yürüyen merdiveni daha güvenli ve rahat bir şekilde durdurabildiğini göstermektedir. Uygulama sonucu, önerilen sistemin asansör sektörü için önemli bir değer sunduğunu göstermektedir.

Giriş

Yürüyen merdivenler metroda, hafif raylı sistem ve tren istasyonlarında, havaalanlarında, iskelelerde, alışveriş merkezlerinde vb. insanların dikey olarak taşınması için yaygın olarak kullanılmaktadır. Çin'de, kentsel metroların hızlı gelişimi ile birlikte, yürüyen merdivenlerin metrolar için kullanımı artmıştır. Örnek olarak Çin'deki en büyük kentsel raylı ulaşım ağı olan Şanghay Metrosu'nu ele alalım: 2018'in sonunda, Şanghay şehir içi raylı ulaşım ağının toplam uzunluğu 705 km'ye ulaşarak dünyada ilk sırada yer aldı ve 2.038 milyar yolcu kaydetti. yıl içinde geziler, üçüncü sırada.^[1] Şanghay Metrosu, günde 4,000 milyondan fazla yolcu taşıyan ve Şanghay'ın toplu taşıma kapasitesinin %30'sinden fazlasını taşıyan 50'den fazla yürüyen merdivene sahiptir.^[2]

Hareketli parçaların yolcularla kaçınılmaz teması nedeniyle, yürüyen merdivenlerdeki yaralanmalar, toplam demiryolu taşımacılığı yolcu yaralanmalarının %60'ından fazlasını oluşturur: ayda 80'e kadar.^[3] İstatistiklere göre, düşmeler, tüm yürüyen merdiven yolcu yaralanmalarının yaklaşık %75'ini oluşturmaktadır.^[4] Bu nedenle, yürüyen merdivende bir düşüşü olduğu anda algılamak ve yürüyen merdivenin kontrol odasındaki personel tarafından uzaktan ve güvenli bir şekilde durdurulması, büyük kişisel yaralanmaların önlenmesine yardımcı olabilir. Yürüyen bir yürüyen merdiven, düşen yolcuların sürekli yuvarlanmasına neden olabilir ve bu, yürüyen merdivenin günlük operasyon yönetiminde çözülmesi gereken acil bir sorundur.

Yöntemler

Gerçek Zamanlı Video Analizi

Mevcut yürüyen merdiven algılama sistemleri yalnızca geleneksel makinelerin çalışmasını algılayabilir, bu nedenle yolcu davranışının izlenmesi esas olarak manuel gerçek zamanlı görüntüleme ile video gözetimine bağlıdır. Yürüyen merdivenlerin geniş dağılımı, izlenecek çok sayıdaki ve gerçek zamanlı izlemeyi uygulayacak yeterli personelin eksikliği nedeniyle, video gözetim sistemleri genellikle kazadan sonra yalnızca pasif izleme rolünü oynayabilir.

AI görüntü tanıma teknolojisinin gelişmesiyle birlikte, yürüyen merdiven yolcu davranışının gerçek zamanlı video analizi ile ilgili araştırmaları hızla artıyor. Örneğin, Openpose dayalı^[5] insan vücudu yapısını elde etmek için anahtar nokta algılama algoritması ve resimdeki yaya düşme olgusunun algılanmasını ve alarmını gerçekleştirmek için destek vektör makinesi (SVM) sınıflandırıcısının kullanımı,^[6] Algoritmanın kusuru, arka yolcu veya nesne tarafından kolayca bloke edilen insan vücudunun kilit noktasının tespit edilmesinin gerekli olması ve insan vücudu duruşunu SVM tarafından sınıflandırırken, doğru ayrımcılığı tamamlamanın zor olmasıdır. . Algoritma, yürüyen merdiven anormal davranış tanıma algoritmasının insan iskeleti dizisine dayanmaktadır. Algoritma ilk olarak, deforme olabilen bileşen modelinin özelliklerini birleştiren ve yolcunun yürüyen merdivendeki hareketini geliştirilmiş bir çekirdek korelasyon filtresi ile izleyen SVM'yi kullanarak yolcunun yüzünü algılar. Daha sonra, evrişim sinir ağı kullanılarak yolcunun insan iskelet dizisi çıkarılır ve anormal davranış dizisi, şablon eşleştirme ile yolcu iskelet dizisinden tespit edilir. Son olarak, algoritma, en yakın beş komşu yöntemine dayalı olarak anormal davranış dizisini tanımlamak için dinamik zaman düzenlemesini kullanır. Optik akış izleme algoritması ve insan nesnesi, ilgili anormal davranışı tanımlamak için izlenir ve anormal davranış tespiti gerçekleştirilir.^[7] Bu algoritma yalnızca optik akış izleme yoluyla düşüşü belirler ve yanlış değerlendirme oranı yüksektir.

Yürüyen merdivene düşen yolcuları tespit etmek için yüksek doğrulukta, düşük yanlış değerlendirme oranı ve düşük maliyetli, gerçek zamanlı bir video yöntemi elde etmek için bu makale, yoğun optik akışa dayalı olarak yolcu hareketinin yönünü ilk olarak çıkarmak için bir yöntem önermektedir. yöntemi, daha sonra hareket yönündeki piksel noktalarına uyan bloktaki her bir alt bloğun hareket yönü, hızı, ivmesi vb. bilgi özdeğerlerini gruplandırın ve ardından matrisin özdeğerlerini sınıflandırmak için SVM sınıflandırıcısını kullanın. Resimdeki yayanın normal mi, geri mi yürüyor veya düşüyor mu olduğunu belirlemek için sürekli 1 ila 2 s.

Hesaplama İşlemi Şu Şekildedir:

1. Optik akış yöntemiyle algılanan ilk kare görüntüsünü elde edin.
   
2. İkinci çerçeve görüntüsünü, optik akış yöntemiyle algılanan geçerli çerçeve görüntüsü olarak alın.
   
3. Görüntüdeki her pikselin hareket yönü ve yer değiştirmesi yoğun optik akış yöntemi ile hesaplanır.
   
4. Üçüncü adım optik akış diyagramında yer değiştirme mesafesi, ortalama hız ve varyansta yürüyen merdiven ile hareketli bloğun alanını ve hareketli bloğun hızını hesaplayın.
   
5. 4. adımın hesaplanan sonuçlarını bu çerçevenin özellik vektörü olarak önbelleğe alın.
   
6. Algılama için ilk kare olarak geçerli kareyi kullanarak 2, 3, 4, 5 adımlarını tekrarlayın.
   
7. Mevcut çerçeve öncesi N çerçeve hareket blok alanı > MIN_S ile çerçeve sayısını yargılamak için, çerçeve sayısı > K olduğunda, ön kararın düşme veya geriye doğru yürüme olduğundan şüphelenilir.
   
8. N çerçeveden oluşan özellik matrisi, düşme, geri yürüme veya yanlış alarm olup olmadığını belirlemek için sınıflandırma için SVM sınıflandırıcısına girildi.

Özellik Oluşturma ve Eğitime Özgü Algoritmalar

Tek Çerçeve Özelliği Oluşturma:

Optik akış hesaplamasına göre, görüntünün sırasıyla x-yönü ve y-yönünün yer değiştirme haritaları elde edilir:

Yürüyen merdivenin gerileme ve düşme hareketi özelliklerine göre aşağı doğru yer değiştirme, sol ve sağ yer değiştirmeden daha büyük olmalıdır. Yukarıdaki yer değiştirme haritasından hareket bloğu maskesi görüntüsünü alın:

Ne zaman ; ne zaman ; ne zaman ; ne zaman Hangi Aksi halde .

2) Hareketli blokların alandan çıkarılması:

Maske görüntüsünün açık işlemi; maskedeki maske görüntüsünü hesapla , bağlı etki alanının alanını S olarak hesaplayın.

Ortalama Dikey Yer Değiştirme Hızının Hesaplanması

Hareket bloğu maskesi harita maskesine göre hareketli bloğun ortalama hızını hesaplayın, yer değiştirme haritası y yönünde.

  3) Hız varyansını elde etmek için 3. adımda hesaplanan ortalama hıza dayalı hız varyansı hesaplaması:

25 Kare Tek Kare Özelliklerin Birleşimi:

25 ardışık çerçevenin öznitelik vektörü 25*3=75 özdeğerdir.

• F'deki üç vektör grubundaki elemanlar sırasıyla artan sırada düzenlenmiştir. .

• Özellik vektörlerini topla her durumda SVM sınıflandırıcı eğitimi için.

• Sınıflandırıcının eğitim sonuçlarını sonraki sınıflandırma kullanımı için kaydedin.

Yürüyen Merdiveni Uzaktan Durdurun

120 yıldan daha uzun bir süre önce icat edildiğinden, yürüyen merdivenlerin çalışma modu tamamen yerel operasyondur ve metro şirketleri tarafından uzaktan çalıştırılmaya çalışılması uygulaması başarılı olmamıştır. Olay yerinde acil bir durum olduğunda (yürüyen merdivene yolcu düşmesi, yürüyen merdiven çıkışında tıkanıklık vb.), durum sadece olay yeri personelinin yerinde acil müdahaleyi bulmasına bağlı olabilir. Operasyon güvenliğini sağlamak için bazı metro işletme şirketleri, yoğun dönemlerde ve acil müdahalelerde daha fazla personel gönderiyor.

• Moskova Metrosu'nda (Şekil 1) yürüyen merdivenlerin yanına bir bekçi kulübesi ve görevli bir operatör kurulur. Operatör yürüyen merdivenleri gözlemler ve acil bir durumda hemen acil durdurma anahtarına basar.

• Yerli kısım MTR Corporation (Çin, Şekil 2): ​​Tehlikenin en yoğun olduğu saatlerde geçici personel görev başındadır; bir acil durum meydana gelirse, görevli personel müdahale etmek için bir Acil Durdurma başlatır.

Güvenlik personeli izleme odasındaki yürüyen merdivenlerin uzaktan kontrolünü, özellikle akıllı farkındalık ve acil durum olaylarının güvenli, uzaktan kontrolü ile gerçekleştirebilirsek, bu, acil durum müdahalelerini büyük ölçüde hızlandıracak ve kişisel yaralanmaları azaltacaktır. Ancak özel ekipman olarak yürüyen merdivenlerin uzaktan kumandası, güvenlik standartlarına ve yönetmeliklerine kesinlikle uygun olmalıdır. Aksi takdirde, bir yazılım hatası, bileşen arızası veya elektromanyetik uyumluluk sorunu varsa, uzaktan yanıt bir acil durdurmayı doğru şekilde uygulayamayacak veya yanlış bir acil durdurmaya neden olacak ve bu da daha tehlikeli bir duruma yol açacaktır. Acil durdurma cihazı, EN115-1:2008+A1:2010 5.12.1.2 ile uyumlu bir elektrikli güvenlik cihazı olacaktır, yani: A) bir veya daha fazla emniyet anahtarından veya B) emniyet devresinden (arıza emniyetli) oluşabilir. devre) veya C) programlanabilir elektronik güvenlikle ilgili sistem (PESRAE).

Şu anda, dünyanın müdahale stratejisi, her yürüyen merdiven için elektrikli güvenlik cihazına uygun bir fiziksel acil durdurma düğmesi ile A tipi gibidir (EN115-1:2008+A1:2010 5.12.1.2). Operatörler, bir yolcunun düşmesi durumunda yürüyen merdiveni uzaktan durdurmak için ilgili fiziksel acil durdurma düğmesine (Şekil 3) manuel olarak basar.

Bu yaklaşımın aşağıdaki dezavantajları vardır:

• Acil bir durumda doğru düğmeleri bulmak kolay değildir.

• Çalıştırma hatası daha fazla yaralanmaya neden olduğunda, operatörün bunu kullanmaya istekli olmaması veya kullanmaya cesaret edememesi için ilgili güvenlik sorumluluğunu üstlenmelidir.^[8]

Bu makale, yürüyen merdivenleri uzaktan durdurmak için güvenli ve kullanışlı bir yol önermektedir (yani, mod C). Operatörler, güvenlik devresini kesmek ve üzerinde tehlikeli olayın meydana geldiği yürüyen merdiveni durdurmak için video analiz sunucusu ve uzaktan kumanda bileşenlerinin (PESRAE güvenlik sertifikasını geçen ve tip testi sertifikası alan) kontrolü aracılığıyla yalnızca bir fiili durdurma düğmesine basar; Şekil 4 ).

İşletim prosedürleri aşağıdaki gibidir:

1. Video analiz sunucusu ve uzaktan kumanda bileşenleri, bir yolcunun yürüyen merdivende tehlikeli bir durumda olduğunu tespit ettiğinde yürüyen merdiven bilgilerini korur;
   
2. Güvenlik izleme odasındaki monitör, video analiz sunucusunda ve uzaktan kontrol bileşenlerinde korunan bilgilere göre ilgili gerçek zamanlı videoyu görüntüler;
   
3. Operatör, yürüyen merdiven bilgilerinin tutarlı olduğunu manuel olarak onaylar ve videoda yürüyen merdivende tehlikeli durumlar varsa asıl durdurma düğmesine basar;
   
4. Video analiz sunucusu ve uzaktan kumanda cihazı bileşenleri, yürüyen merdiveni durdurmak için yürüyen merdivenin ilgili güvenlik devresini keser.

ÇIKTILAR

19 yürüyen merdivene karşılık gelen toplam sekiz kamera içeren gerçek zamanlı video izleme ve uzaktan kumanda sistemi, Şanghay Metro Hanzhong Yol İstasyonunda Ağustos 2018'den Ekim 2019'a kadar çalışıyor.

1. Başarıyla yakalayın:
   
   • 32 yolcu düşüşü (tüm yolcu düşüşleri başarıyla kaydedildi)
   • 738 yolcu ters-yürüme etkinliği
   
2. Güvenlik uzaktan kumandasını gerçekleştirin:
   
   • Yolcunun daha fazla kişisel yaralanması etkin bir şekilde önlenir ve güvenlik büyük ölçüde iyileştirilir.

3 Ağustos 20'de öğleden sonra 17:2018'de, Şanghay Metro Hanzhong Yolu İstasyonunda yukarı doğru çalışan bir yürüyen merdivenle ilgili bir vakayı ele alalım. Bu durumda yaşlı bir kadın tırabzanı tutamadığı için düşer. Güvenlik izleme odasındaki operatör, monitör tarafından bilgilendirilir ve Şekil 5 ve 6'da gösterildiği gibi yürüyen merdiveni hemen durdurmak için gerçek acil durum düğmesine basar. düşüşün gerçekleştiği andan istasyondaki avukatın yürüyen merdivene varmasına kadar geçen süre 14 saniyedir.

Sonuçlar, sistemin yüksek doğruluk ve düşük yanlış değerlendirme oranına sahip olduğunu ve uzaktan duran yürüyen merdivenin güvenli ve kullanışlı olduğunu gösteriyor. Tüm dünyada asansör endüstrisinde geniş uygulama olanakları sunar.

Referanslar

^[1] Liu Chunjie. “Şanghay Akıllı Metro [J] Araştırması ve Uygulaması.” Kentsel Raylı Ulaşım Araştırması, 2019 (6): 1-6.

^[2] Liu Chunjie. “Şanghay Demiryolu Transit Yürüyen Merdiveninin [J] Akıllı Kontrolünün İnovasyonu ve Uygulaması.” Çin Belediye Mühendisliği, 2019 (06): 1-3+100.

^[3] Long, Sijin,Lu, Jian,Xing, Yingying, et al. “Çin'deki metro istasyonlarında yürüyen merdivenle ilgili yaralanmaların analizi, 2013-2015[J].” Kaza Analizi ve Önleme, 2019, 122 (Ocak): 332-341.

^[4] Filippone, J., Feldman, JD, Schloss, RD ve Cooper, DA(2002). “Asansör ve Yürüyen Merdiven Kazası Yeniden İnşası ve Dava”, Avukatlar ve Hakimler Yayıncılık Şirketi, Inc.

^[5] M. Andriluka, S. Roth ve B. Schiele. "Monoküler 3D poz tahmini ve algılama yoluyla izleme." CVPR, 2010.

^[6] Chen Dong. “Video analizine dayalı elektrikli yürüyen merdivenler için yaya güvenliği izleme sisteminin yazılım geliştirmesi[D].” Zhejiang Üniversitesi, 2019.

^[7] Tian Lianfang, Wu Qichao, du Qiliang, Huang Liguang, Li Miao, Zhang Daming. Yürüyen asansör yolcularının anormal davranışlarının insan iskeleti dizisine dayalı olarak tanımlanması[J]." Güney Çin Teknoloji Üniversitesi Dergisi (Doğa Bilimi), 2019, 47 (04): 10-19.

^[8] Yang Guanbao. "Panoramik görüşe dayalı yürüyen merdiven enerji tasarrufu ve akıllı izleme sistemi[D]." Zhejiang Teknoloji Üniversitesi, 2011.

^[9] O Cheng. “AI Görüntü Tanıma ve İşlevsel Güvenlik Tabanlı Yürüyen Merdiven Denetleme ve Kontrol Sistemi ve İlgili Güvenlik Yönetmelikleri[J].” Çin Asansörü, 2019, (15): 6-8.