1.一种基于视频分析的电梯门开关异常检测方法，包括以下步骤：(1)基于背景差分的电梯门开关检测；

首先，通过背景差分提取电梯门区域的前景变化，判断电梯门是否完全关闭，具体算法如下：输入：电梯视频数据

输出：电梯门区域实时开关情况

步骤：

Step1:调取电梯摄像机的IP地址，将接收到的实时RTSP数据解析成为图片数据；

Step2:调取图片数据生成对应的灰度图像；

Step3:输入视频流第一帧，使用第一帧初始化前景与背景图像，并将其保存为背景图像缓存；

Step4:获取视频流其余帧图像，得到当前帧图像灰度图，并将其转化为浮点数格式；

Step5:获得缓存中的背景帧图像，并将其转化成浮点数格式；

Step6:将当前帧与背景帧相减，通过阈值筛选得到差分后的前景图像并输出；

Step7:复制前景图像并保存为新的背景图像；

Step8:对电梯门区域的前景图像进行判断，当电梯门区域不再有图像变化且前景提取像素小于阈值，则判断得出此时电梯门已经关闭，此处的阈值根据实验结果得到；否则，则判断电梯门此时正在开关或尚未关紧；

(2)基于目标跟踪的电梯门开关检测；

(2.1)跟踪电梯门开关标志物

选定电梯门定位标志物，使用Kernelized Correlation Filter(KCF)跟踪算法对其进行跟踪，通过计算标志物的位置检测电梯门开关情况，标志物跟踪算法如下：输入：电梯视频数据

输出：电梯门标志物实时位置信息

步骤：

StepS1:选定电梯门定位标志物，如常见的警示牌，将标志物起始位置作为视频图像跟踪的参考位置；

StepS2:将起始参考位置设为目标检测Target的标准boxx；

StepS3:设置padding boxx得到下一帧目标可能存在的预测区域；

StepS4:训练当前的padding boxx得到目标检测分类器的正样本；

StepS5:将boxx循环位移得到负样本，并训练得到相应目标检测分类器；

StepS6:对接下来的一帧图像，同样对上一帧padding bbox进行循环移位，对得到的样本bbox内的图像进行分类，选择响应最强的bbox作为当前帧目标所在的padding bbox；

StepS7:根据当前帧padding bbox与上一帧padding bbox之间位置变化精确获得目标的位置变化并将其输出；

StepS8:获得当前帧目标精确位置后，按照当前padding bbox进行循环移位得到负样本更新检测分类器，如此循环往复，实现目标的连续跟踪。

(2.2)对跟踪对象进行自动修正

在跟踪标志物的同时，由于电梯门的频繁开关与短时间内对标志物的遮挡，容易出现跟踪丢失的情况，因此，需要结合背景差分对跟踪目标作出实时修正，修正算法如下：输入：电梯门跟踪实时图像

输出：修正后的电梯门跟踪图像

步骤：

StepT1:通过背景差分检测电梯门标志物与前景变化判断当前是否属于正常关闭状态；

StepT2:若正常关闭，则对安全区内标志物的中心位置作出计算，判断当前偏移量；若电梯门正处于开启状态，则不做处理，正常检测；

StepT3:判断偏移量是否达到阈值，阈值设定为安全区以内初始位置偏移5～15个像素点，若超过则目标偏移，需要修正跟踪位置；

StepT4:若偏移量达到阈值，则将标志物跟踪位置重置为初始位置；若未达到阈值，则显示目标跟踪正常；

(2.3)设定跟踪对象正常停留位置

通过对电梯视频分析，设定电梯门标志物boxx的正常停留范围，当背景差分判断电梯门完全关闭时，记录此时标志物的位置作为电梯门标志物的初始位置，并取该位置周围1～

2个像素作为标志物的安全区域；当标志物boxx进入安全区域时，判断电梯门已经关闭完全；如果boxx位置处于安全区域之外，则判断电梯门未完全关闭；

(3)综合检测电梯门开关异常

结合背景差分与目标检测两种方法综合检测电梯门开关是否存在异常：若电梯门区域的前景图像未达到差分像素阈值且标志物运行至安全区域内，则允许电梯运行；若前景图像的阈值超出正常值或标志物未进入安全区域，则电梯门未完全关闭，后台阻止电梯运行；

若电梯门长时间处于未正常关闭状态，则发出预警。