IT201900018653A1 - Procedura per la determinazione del peso umano in una cabina di un ascensore - Google Patents

Description

DESCRIZIONE DELL'INVENZIONE AVENTE PER TITOLO:

“Procedura per la determinazione del peso umano in una cabina di un ascensore.”

[001] L’invenzione prende forma all’interno delle procedure che, utilizzando immagini catturate da telecamere, riescono a stimare parametri fisici degli elementi inquadrati dalle stesse. Tali procedure vengono proficuamente integrate in campi di applicazione come quello dell’invenzione, ovvero nelle cabine degli ascensori dotate di supporti tecnologici di ultima generazione, al fine di garantire alti livelli di sicurezza attiva e passiva. L’idea dell’invenzione mira, nello specifico, alla determinazione del peso singolo e complessivo degli utenti all’interno della cabina stessa.

STATO DELL'ARTE.

[002] I sistemi del rilevamento del peso degli utenti all’interno di una cabina di un ascensore sono largamente diffusi nello stato dell’arte. Tali dispositivi permettono di fornire alla logica di controllo integrata negli elevatori, di un parametro essenziale sia per la sicurezza degli utenti, sia per la garanzia di un funzionamento ottimale dell’ascensore.

[003 ]A livello logico sono normalmente riconosciuti quattro stati: 1) l’assenza di carico 2) la presenza di carico 3) il raggiungimento del carico massimo 4) il superamento del carico max. L’hardware che trasduce il peso rilevato in un’informazione elettronica è generalmente costituito da una pedana sul fondo della cabina operante come bilancia elettronica. Tale soluzione pur essendo molto diffusa, risulta onerosa economicamente e caratterizzata da una fisicità dei componenti che deve essere presa in considerazione in fase di progettazione della cabina.

[004] Un’altra soluzione è costituita dall’interposizione di sistemi di misura della deformazione e della trazione sui cavi che movimentano la cabina dell’ascensore. Questa soluzione, pur avendo un impatto strutturale minore di quella della bilancia, presenta aspetti non ottimali di utilizzo che debbono essere accuratamente presi in considerazione. L’uso intensivo e le dilatazioni meccaniche sulla struttura dei cavi possono portare le letture di questi dispositivi fuori dalle tolleranze massime accettate per un funzionamento in piena sicurezza. Per tale motivo sono frequenti gli interventi di manutenzione, interventi che vengono effettuati portando in loco pesi-campione da installare nella cabina per tarare complessivamente il sistema di rilevazione.

[005] Metodi di determinazione dei parametri fisici umani tramite telecamere sono in fase di sviluppo ed alcuni di questi sono stati divulgati dalla letteratura scientifica. Il bollettino “Seeing human weight from a single RGB-D image” di Tam Nguyen, Jiashi Feng, Shuicheng Yan, Journal of Computer Science and Technology del 2014 svela l’utilizzo di una tecnica in cui la ripresa del corpo umano è frontale ed effettuata tramite una telecamera stereoscopica. I dati della profondità dell’immagine vengono rielaborati alla fine di determinare un modello denominato “Side View” che costituisce una parametrizzazione della figura del corpo umano. Tale parametrizzazione viene quindi sottoposta ad un processo matematico in cui due metodologie di Regressione ”L2 Regularization” e ”Support Vector Regression - SVR” riescono a determinare con buona approssimazione il dato del peso del corpo umano inquadrato dalla telecamera. Nella pubblicazione “Body weight estimation for dose-filing and heath monitoring of lying, standing and walking patients based on RGB-D data” di Christian Pfitzner, Stefan May, Andreas Nüchter, MDPI Journal, 2018 viene utilizzato un metodo simile ma più evoluto ed accurato. Le immagini sono integrate da una rilevazione termografica del corpo umano. Ciò consente una migliore definizione del suo volume nello scenario in cui avviene la ripresa. Inoltre il rilevamento dei parametri che vengono utilizzati per la stima del peso si basano sull’ANN, ovvero l’Artificial Neural Network. Nello specifico viene utilizzata un’architettura “Three Layer Feed Forward Network”. L’applicazione di queste tecniche di rilevamento si basa sull’estrazione di parametri biometrici più evoluti; oltre a quelli puramente geometrici, di compattezza, piattezza, sfericità si possono localmente generare parametri statistici ed autovalori che possono essere scalati, ruotati etc.

[006] Entrambe le metodologie, tuttavia, si basano sul livello fisico delle immagini catturate frontalmente all’utente, immagini quindi caratterizzate da due requisiti fondamentali: il primo è che tale elemento contiene le fattezze del viso dell’utente, quindi non è possibile garantire un severo livello di privacy durante l’acquisizione; il secondo requisito è che gli utenti inquadrati non dovrebbero mai occludere l’obbiettivo della telecamera, pena l’interruzione della funzione della stima del peso. Tali limitazioni all’interno di una cabina di un ascensore pongono serie limitazioni, particolarmente il fattore dell’occlusione della telecamera, considerato lo spazio limitato disponibile e il completo sfruttamento dello stesso da parte dei passeggeri dell’ascensore.

[007] Scopo dell’invenzione è quello di sintetizzare efficacemente una procedura ed un dispositivo di rilevazione del peso degli utenti di un ascensore che sia scevro dalle limitazioni concettuali ivi esposte, e che possa determinare un valore aggiunto alle funzioni di sicurezza già note nella gestione di una cabina di un ascensore.

RIASSUNTO DELL'INVENZIONE.

[008] L’invenzione è realizzata da un livello hardware costituito da un sistema di rilevazione stereoscopica delle immagini, nello specifico di uno o più utenti in un ascensore, e da un livello software in cui vengono estrapolati dalle immagini catturate, dei parametri che forniscono l’indicazione del peso dell’utente stesso.

DESCRIZIONE DELL'INVENZIONE.

[009] Nella tavola dei Disegni sono raffigurati delle illustrazioni in cui:

• la Fig1 mostra cabina frutto dell’idea dell’invenzione.

• la Fig2 mostra i blocchi funzionali di un processo di riconoscimento del peso di un utente nella cabina tramite un’elaborazione Machine Learning.

• la Fig3 mostra un modello digitale del corpo, umano visto dall’alto, acquisito dalla telecamera stereoscopica ed elaborato dal software secondo l’idea dell’invenzione.

• la Fig4 mostra i blocchi funzionali di un processo di riconoscimento del peso di un utente nella cabina tramite un’elaborazione Deep Learning.

• la Fig5 mostra il workflow del processo di Data Augmentation.

Il procedimento frutto dell’idea dell’invezione prende forma dall’utilizzo di una telecamera stereoscopica [Fig1(10)] che possa fornire un’ immagine a colori ed un immagine della profondità di un inquadratura. Tali telecamere sono diffuse nello stato dell’arte, e possono essere opportunamente integrate a esempio con telecamere termiche, che forniscono un elemento in più nell’analisi delle immagini catturate. Al fine di preservare la privacy degli utenti, è stato ideato un posizionamento che differisce molto dallo stato dell’arte, ovvero una posizione non frontale né laterale, bensì a livello del tetto della cabina.

[010] La telecamera, quindi, inquadra dall’alto in maniera perfettamente verticale gli utenti, catturando un’immagine costituita dal perimetro del corpo degli stessi. I vantaggi di tale installazione sono rappresentati dall’impossibilità che un utente possa occludere la visuale dell’obbiettivo per troppa vicinanza alla telecamera stessa, fattore determinante di una cabina di un ascensore, e da un alto livello di privacy nel sistema. Infatti non si tratta di un oscuramento successivo delle immagini del viso degli utenti, bensì di un’inquadratura in cui tale dettaglio è del tutto assente. E’ anche utile ricordare che tale posizionamento secondo l’idea dell’invenzione permette un’eccellente occultamento del dispositivo di ripresa, a vantaggio anche di possibili attività vandaliche all’interno dell’ascensore.

[011] La cabina è quindi dotata di uno scomparto ricavato sul soffitto in cui viene alloggiata la telecamera e, all’occorrenza, ulteriori sensori. La telecamera comunica in modo bidirezionale con un’unità logica [Fig1(11)] atta all’elaborazione dei dati per la stima del peso degli utenti secondo l’idea dell’invenzione. Tale unità logica può essere opportunamente integrata nella cabina oppure demandata in un’altra sezione strutturale dell’ascensore, in relazione alle variabili relative al luogo di installazione dell’ascensore e la sua configurazione nel layout dei vari blocchi.

[012] Lo scenario prescelto per la simulazione e la determinazione dei parametri di Training della logica è costituito da una platea di 103 individui (maschi e femmine) all’interno di una ricostruzione fedele dell’hardware di una cabina di un ascensore. Frutto dell’invenzione è anche quindi il nuovo DataSet di dati estratti dai frame catturati della telecamera mediante l’attività software di Computer Vision. In Fig5 è visibile il workflow che mostra la procedura specifica dell’estrazione delle immagini dai frame ed il processo di Data Augmentation per l’applicazione Deep Learning.

[013] Considerando la singolarità del campo di applicazione determinato dal particolare posizionamento della telecamera, secondo l’idea dell’invenzione vengono utilizzati due modelli concettuali: il primo si basa sull’utilizzo dei modelli del Machine Learnig, dei Multi Depth Decision Tree e della Regressione Lineare e Non-lineare. Il secondo si basa sui modelli del Deep Learning di una rete CNN (Convolution Neural Network) caratterizzata dalla fase del Data Augmentation per le informazioni estrapolate dall’analisi delle immagini catturate. Metodo Machine Learning.

[014] Nel primo metodo [Fig2] il video registrato dalla telecamera viene rielaborato per l’estrazione dei singoli frame; quindi viene generata un’immagine in cui è presente la sola silhouette dell’utente/utenti della cabina. Le caratteristiche antropometriche che vengono quindi estratte sono schematizzate nella generazione di un nuovo modello grafico frutto dell’idea dell’invenzione definito Top View [Fig3]. Questa particolare ricostruzione della silhoutte del corpo visto dall’alto consta in 7 parametri:

● Altezza [Fig3(31)].

● Altezza delle spalle [Fig3(32)].

● Lunghezza delle spalle/corpo [Fig3(33)].

● Profondità del corpo [Fig3(34)].

● Area della testa [Fig3(35)].

● Area del corpo [Fig3(36)].

● Rapporto di dimensione della testa [Fig3(37)].

[015] A questo punto sempre le caratteristiche antropometriche rilevate vengono processate dai modelli concettuali del Machine Learnig (ad esempio il Support Vector Machines ed il Dense Neural Network) dai sistemi Multi Depth Decision Tree, dalla Regressione Lineare e Non-Lineare. Uno dei parametri più indicativi per determinare la bontà della tecnica di stima del peso di un corpo è definito MAE (Mean Absolute Error) ovvero la media dell’errore assoluto tra il valore stimato secondo l’idea dell’invenzione ed il peso reale del corpo. I risultati più promettenti sono stati ottenuti utilizzando il Decision Tree Regressor ed il Random Forest Regressor come visibile dalla Tabella 1.

Tabella 1

Metodo Deep Learning.

[016] Questo metodo [Fig4] viene utilizzato in alternativa all’estrazione manuali delle caratteristiche antropometriche degli utenti. Caratteristica principale di questo modello concettuale una volta acquisite le immagini, è il procedimento del Data Augmentation, ottenuto con la selezione delle aree interessate dall’analisi (ROI-Region Of Interest) e dalla loro elaborazione finalizzata all’espansione di dati utilizzabili per l’allenamento della Rete Neurale ai fini della stima del peso. Sono stati utilizzati tre strutture di Reti Neuronali Convoluzionali full training: “VGG-16”, il Residual Neural Network con 50 layer “ResNet(50)” ed il Sparse Connected Network “InceptionV3”. I risultati più promettenti sono stati ottenuti dal modello InceptionV3 come visibile dalla Tabella 2. E’ evidente come questa soluzione e questa tecnica risulti più efficace per la stima del peso in corpo umano e/o quello di un animale in questo specifico campo di applicazione.

Tabella 2

APPLICAZIONI SECONDO L'IDEA DELL'INVENZIONE

[017] Oltre alle applicazioni in una cabina di un ascensore, il procedimento frutto dell’idea dell’invenzione può essere applicato in scenari differenti, operando opportune calibrazioni nei modelli di Training e nelle caratteristiche tecniche del sistema di ripresa delle immagini.

VANTAGGI DELL'INVENZIONE.

Di seguito vengono elencati i principali vantaggi che scaturiscono dall’idea dell’invenzione:

1. Il procedimento consente la determinazione del peso umano e/o di un animale senza l’utilizzo di dispositivi meccanici specifici in una cabina di un ascensore, od in altro ambiente specifico.

2. Il procedimento consente la riservatezza dei dati personali in quanto non si basa su immagini in cui sono presenti caratteri distintivi facciali.

3. Il procedimento preclude la possibilità che l’inquadratura della telecamera sia occlusa o resa inoperante dalla vicinanza eccessiva corpi inquadrati.

4. Il procedimento consente un’evoluzione nell’accuratezza della capacità di rilevazione del peso data dalle tecnologie intrinseche del Deep Learning e del Machine Learning.

5. Il procedimento grazie alle tecnologie utilizzate può essere addestrato per il rilevamento del peso di animali o altre specifiche realtà.

6. La cabina che utilizza il procedimento frutto dell’idea dell’invenzione è esente da manutenzioni meccaniche dei dispositivi che attuano la misurazione del peso umano.

7. La cabina che utilizza il procedimento frutto dell’idea dell’invenzione ha mediamente un peso minore rispetto allo stato dell’arte.

8. La cabina che utilizza il procedimento frutto dell’idea dell’invenzione può interagire con le procedure di sicurezza e controllo normalmente usate negli ascensori [Fig1(12)] utilizzando una maggior quantità di dati, al fine di pervenire a delle strategie operative più mirate ed efficienti.

9. La cabina che utilizza il procedimento frutto dell’idea dell’invenzione è dotata di una telecamera occultata alla vista degli utenti dell’ascensore.

10. I sistemi e le apparecchiature di sicurezza basate sulla visione di immagini possono essere integrati e gestiti utilizzando l’hardware del sistema del rilevamento del peso umano presente nella cabina dell’ascensore.

Claims (1)

1. RIVENDICAZIONI. 1)Cabina di un ascensore dotata di un sistema di rilevamento del peso degli utenti attraverso le immagini registrate da una telecamera [Fig1(10)] ed un’unità di elaborazione dati [Fig1(11)], caratterizzata dal fatto che: • la telecamera è posizionata sulla parete interna del soffitto della cabina ed inquadra perpendicolarmente l’intera superficie dell’area del pavimento occupata dagli utenti. • la telecamera è dotata di un sistema di rilevazione stereoscopico per la generazione di dati sul colore e sulla profondità dello scenario e degli elementi inquadrati. • la telecamera è dotata di un sistema di illuminazione dello scenario, anche di tipo infrarosso. • la telecamera è collegata mediante un collegamento bidirezionale all’unità di elaborazione dati tramite un’interfaccia analogico/digitale cablata e/o wireless. • l’unità di elaborazione dati processa le immagini della telecamera per la stima del peso degli utenti. • l’unità di elaborazione dati comunica con la logica di gestione dell’ascensore [Fig1(12)] tramite un un’interfaccia analogico/digitale cablata e/o wireless. 2)L’unità di elaborazione dati della cabina della Rivendicazione 1 è collegata ad un sistema di visualizzazione e di data entry, anche di tipo touch e/o tastiera proiettata [Fig1(13)] presente all’interno della cabina dell’ascensore. 3)Procedimento per la determinazione del peso di un corpo umano e/o animale [Fig2] della cabina di un ascensore della Rivendicazione 1 in cui: • l’ottica di un dispositivo di cattura delle immagini di tipo stereoscopico viene posizionata in uno scenario affinchè l’inquadratura sia perpendicolare verso il basso. • il dispositivo di cattura delle immagini di tipo stereoscopico produce immagini e dati correlati discriminanti il colore e la profondità dell’inquadratura. • un software di tipo Computer Vision identifica la presenza di persone e/o animali dai dati delle immagini catturate. • un software di tipo Computer Vision genera una modello matematico delle caratteristiche antropometriche delle sezioni costituenti un corpo umano e/o animale visto dall’alto [Fig3], suddiviso in area della testa, il rapporto di dimensioni della testa, altezza dal suolo, altezza dal suolo delle spalle, lunghezza e larghezza delle spalle, area del corpo. • un processo di Regressione, anche di tipo Decision Tree e/o Random Forest, viene applicato al modello matematico antropometrico del corpo umano e/o animale per la stima del peso. 4)Procedimento per la determinazione del peso di un corpo umano e/o animale [Fig4] della cabina di un ascensore della Rivendicazione 1 in cui: • l’ottica di un dispositivo di cattura delle immagini di tipo stereoscopico viene posizionata in uno scenario affinché l’inquadratura sia perpendicolare verso il basso. • il dispositivo di cattura delle immagini di tipo stereoscopico produce immagini e dati correlati discriminanti il colore e la profondità dell’inquadratura. • le aree di interesse raffiguranti il corpo umano e/o animale vengono isolate. • le aree di interesse raffiguranti il corpo umano e/o animale vengono elaborate con un procedimento di Data Augmentation per allenare la Rete di Deep Learning. • un processo di Deep Learning eseguito da una Rete Neurale Convoluzionale, anche del tipo VGG-16 e/o ResNet e/o Sparse Connected Network, viene applicata al set di dati ottenuto dal processo del Data Augmentation per la stima del peso di un corpo umano e/o animale. 5)Procedure delle Rivendicazioni 3 e 4 utilizzate nella cabina di un ascensore per la stima del peso degli utenti, in cui i due processi vengono eseguiti contemporaneamente. 6) Procedure delle Rivendicazioni 3 e 4 utilizzate nella cabina di un ascensore eseguite in un’unità logica esterna e connessa in un’infrastruttura di Rete in comunicazione con l’ascensore e la cabina. 7)Unità di elaborazione dati della Rivendicazione 1 [Fig1(11)] in cui la discriminazione del peso di un utente singolo, il peso complessivo degli utenti presenti nella cabina, l’indicazione di assenza di carico, della presenza di carico, della presenza del carico massimo e del carico eccessivo è convertita in un segnale analogico e/o digitale e resa disponibile alle interfacce della logica di gestione dell’ascensore [Fig1(12)]. 8)Cabina di un ascensore della Rivendicazione 1 in cui è presente un sistema di acquisizione termografica delle immagini.