本发明公开了一种基于机器视觉的多电梯并联运行协调控制方法及系统，包括以下步骤：将电梯内外摄像头采集的图像转化为灰度图，并进行二值化处理；进行HOG特征提取，得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神经分类器对其进行二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数；通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置，采用协调控制算法对电梯运行进行调度。本发明有效减少电梯不必要的升降，减少电梯的磨损，延长电梯使用寿命，并减少乘梯人员的等待时长，在节能的基础上，使人们的生活更加便捷。
1.一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：包括以下步骤：(1)将电梯内外摄像头采集的图像转化为灰度图，进行二值化处理，并进行HOG特征提取；
(2)根据得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神经分类器对其进行头部与非头部的二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数；
(3)通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置，采用协调控制算法对电梯运行进行调度；
(4)主控制器向楼层控制器发送派梯命令，控制派梯实现电路完成电梯呼叫，实现电梯运行的协调；
所述楼层控制器通过CAN总线与主控制器进行通信，所述派梯实现电路与楼层面板按键并联连接。
2.如权利要求1所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(1)中，步骤包括：首先将电梯内外摄像头拍摄的彩图转变成灰度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点梯度大小和梯度方向来捕获轮廓信息，将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的Hog特征向量。
3.如权利要求1所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(1)的具体方法为：首先将电梯内外摄像头拍摄的彩图转变成灰度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点(x,y)处梯度大小和梯度方向来捕获轮廓信息，其中H(x,y)分别表示输入图像中
像素点(x,y)处的像素值；将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的Hog特征向量，就得到了人体头部和非头部的所有特征X＝(x1,x2,…xn)T，用于供二型模糊神经分类器对人体头部与非头部的分类学习使用。
4.如权利要求1所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(2)中，具体方法包括：
(2-1)选取一个带有人头与非人头标记的训练样本集；
(2-2)随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输出矩阵；
(2-3)设置规则层与输出层的区间权重向量和训练样本集估计的最优值，输出二型模糊神经分类器的输入输出模型。
5.如权利要求4所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(2-1)中，选取一个带有人头与非人头标记的训练样本集，记为其中Xi＝(xi1,xi2,…xin)T为第i个样本特征，ti∈{0,1}，1表示为人头轮廓，0为非人头轮廓，将N个样本的类标号组合成一个向量T＝[t1，…，tN]T。
6.如权利要求4所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(2-2)中，随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输出矩阵:其中 与
分别为针对第j个特征划分的第k个二型模糊集合 的上下隶属函数。
7.如权利要求4所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(2-3)中，规则层与输出层的区间权重向量为 根
据训练样本集估计β的最优值为 其中H+为输出矩阵H的Moore-Penrose广义逆矩阵，能对人体头部与非头部特征X＝(x1,x2,…xn)T实现分类的二型模糊神经分类器的输入输出模型为
8.如权利要求1所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(3)中，其具体方法为：
(3-1)标注每层以及每一个电梯的运行状态，统计建筑物内各电梯及各楼层的人数和剩余容量；
(3-2)获取当前电梯的基本状态数据，根据电梯运行状态，梯内外人数统计及剩余容量协调派梯。
9.如权利要求8所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(3-1)具体为：可运行的楼层共N层，电梯数为S，电梯i的基本状态为(ki,Oi,Fi)，其中Fi为电梯i所在楼层，ki∈{1,0,-1}为运行状态，1表示电梯上行，0表示电梯停靠，-1表示电梯下行，Oi＝Ui-Ei为剩余容量，其中的Ei是由机器视觉系统得到的梯内已有人数，Ui为电梯i最大容量，楼层Fj的基本状态数据为(Kj,Ej)，其中Ej是该层候梯人数，Kj为该楼层候梯状态集，为 {1},{-1},{-1,1}中的一个，1表示有人员上行，-1表示有人员下行。
10.如权利要求8所述的一种基于机器视觉的多电梯并联运行协调控制方法，其特征是：所述步骤(3-2)中，其具体方法为：根据所有电梯运行状态，各楼层候梯人数进行协调派梯，对电梯i派梯，(1)若此时Oi＝Ui，电梯内无人乘梯，令ki＝0，即电梯停止运行；若检测到上行信号令ki＝1，若检测到下行信号，令ki＝-1，电梯开始运行；若Oi≠Ui，此时的电梯是处于运行状态中的；当电梯i运行时，根据ki∈Kj与否，确定与其上下行状态一致的候梯楼层，并选择与其最近的楼层Fj，由该楼层候梯人数Ej进一步判断是否向该楼层派电梯i；
(2)假定已向楼层Fj派出电梯i'1, i'2,…i'm，若派梯数量不够，即满足条件 且 时则派电梯i至楼层Fj；派梯之后在返回步骤(1)继续执行，当已派足够的电梯i'1,i'2,…i'm至楼层Fj时，若Fj是建筑物顶部N-1层或者底部倒数第二层，电梯则返回步骤(1)继续执行；否则在Kj中剔除ki后继续进行下一次寻优。
基于机器视觉的多电梯并联运行协调控制方法及系统
技术领域
[0001] 本发明涉及一种基于机器视觉的多电梯并联运行协调控制方法及系统。
背景技术
[0002] 随着城市的发展，人们对生活水平的要求不断提高，建筑的智能化越发重要。不管是在居民小区还是在办公大楼，电梯成了必不可少的交通工具之一。
[0003] 而且随着人流密度的增大，为了便于人们能及时快捷的乘坐电梯，建筑物会有多部电梯并联运行。当人们在等电梯时，往往为了省时会同时按好几部并联电梯，让其一起接收指令，哪部来得快乘哪部电梯。但这种做法在方便一部分人的同时，也加长了其他乘梯人的等待时间，并增多了电梯的磨损，使电梯寿命减少，故障增多。
[0004] 因此，有必要进行多电梯并联协调运行控制方法与装置的研发，以达到减少电梯运行能耗、人员等待时间，增加电梯寿命的效果。
[0005] 另一方面，随着摄像头的成本的降低，在楼宇及电梯内得到了广泛应用。通过电梯内外的摄像头拍摄的视频图像进行电梯运行的安全监控已经得到了广泛应用，但目前尚未见到如何采用这些视频图像实现多电梯并联运行协调控制方面的研究。
[0006] 实现多电梯并联运行协调控制的基础是根据梯内外拍摄的图像进行人数统计发现，现阶段，基于视频图像进行人数统计的处理有Hough圆检测算法、Harr方法等。但由于梯内外的视频图像往往清晰度低、且极易受到光线等干扰因素的影响。在此种情况下，采用常规的基于视频图像的人员计数方法往往精度不高。
发明内容
[0007] 本发明为了解决上述问题，提出了一种基于机器视觉的多电梯并联运行协调控制方法及系统，本发明对电梯内外的摄像机拍摄的视频图像进行图像处理，采用Hog特征提取算法及二型模糊神经网络分类器对梯内外人员数量进行精确计数；根据人员计数情况，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算法对电梯运行进行调度，实现最优派梯，降低电梯能耗及磨损；通过CAN总线进行通信，实现多电梯并联运行的协调，使电梯在任何时候都高效运行。
[0008] 为了实现上述目的，本发明采用如下技术方案：
[0009] 一种基于机器视觉的多电梯并联运行协调控制方法，包括以下步骤：
[0010] (1)将电梯内外摄像头采集的图像转化为灰度图，进行二值化处理，并进行HOG特征提取；
[0011] (2)根据得到人体特征样本，构造二型模糊神经分类器，利用训练好的二型模糊神经分类器对其进行头部与非头部的二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数；
[0012] (3)通过对电梯内外的人数统计，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置，采用协调控制算法对电梯运行进行调度；
[0013] (4)进行通信，实现电梯运行的协调。
[0014] 所述步骤(1)中，具体方法为：首先将电梯内外摄像头拍摄的彩图转变成灰度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点梯度大小和梯度方向来捕获轮廓信息，将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的Hog特征向量。
[0015] 所述步骤(1)的具体方法为：首先将电梯内外摄像头拍摄的彩图转变成灰度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点(x,y)处梯度大小 和梯度方向来捕获轮廓信息，其中H(x,y)分别表示输入图像
中像素点(x,y)处的像素值；将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的Hog特征向量，就得到了人体头部和非头部的所有特征X＝(x1,x2,…xn)T，用于供二型模糊神经分类器对人体头部与非头部的分类学习使用。
[0016] 所述步骤(2)中，具体方法包括：
[0017] (2-1)选取一个带有人头与非人头标记的训练样本集；
[0018] (2-2)随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输出矩阵；
[0019] (2-3)设置规则层与输出层的区间权重向量和训练样本集估计的最优值，输出二型模糊神经分类器的输入输出模型。
[0020] 所述步骤(2-1)中，选取一个带有人头与非人头标记的训练样本集，记为其中Xi＝(xi1,xi2,…xin)T为第i个样本特征，ti∈{0,1}，1表示为人头轮廓，0为非人头轮廓，将N个样本的类标号组合成一个向量T＝[t1,…,tN]T。
[0021] 所述步骤(2-2)中，随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输出矩阵:
[0022]
[0023] 其中 k＝1,…,M,与 分别为针对第j个特征划分的第k个二型模糊集合 的上下隶属函数。
[0024] 所述步骤(2-3)中，规则层与输出层的区间权重向量为+
根据训练样本集估计β的最优值为 其中H 为输出矩阵H的Moore-Penrose广义逆矩阵，能对人体头部与非头部特征X＝(x1,x2,…xn)T实现分类的二型模糊神经分类器的输入输出模型为
[0025]
[0026] 所述步骤(3)中，其具体方法为：
[0027] (3-1)标注每层以及每一个电梯的运行状态，统计建筑物内各电梯及各楼层的人数和剩余容量；
[0028] (3-2)获取当前电梯的基本状态数据，根据电梯运行状态，梯内外人数统计及剩余容量协调派梯。
[0029] 所述步骤(3-1)具体为：可运行的楼层共N层，电梯数为S，电梯i的基本状态为(ki,Oi,Fi)，其中Fi为电梯i所在楼层，ki∈{1,0,-1}为运行状态，1表示电梯上行，0表示电梯停靠，-1表示电梯下行，Oi＝Ui-Ei为剩余容量，其中的Ei是由机器视觉系统得到的梯内已有人数，Ui为电梯i最大容量，楼层Fj的基本状态数据为(Kj,Ej)，其中Ej是该层候梯人数，Kj为该楼层候梯状态集，为 中的一个，1表示有人员上行，-1表示有人员下行。
[0030] 所述步骤(3-2)中，其具体方法为：根据所有电梯运行状态，各楼层候梯人数等进行协调派梯，以电梯i派梯为例，(1)若此时Oi＝Ui，电梯内无人乘梯，令ki＝0，即电梯停止运行；若检测到上行信号令ki＝1，若检测到下行信号，令ki＝-1，电梯开始运行；若Oi≠Ui，此时的电梯是处于运行状态中的；当电梯i运行时，根据ki∈Kj与否，确定与其上下行状态一致的候梯楼层，并选择与其最近的楼层Fj，由该楼层候梯人数Ej进一步判断是否向该楼层派电梯i；
[0031] (2)假定已向楼层Fj派出电梯i1',i2',…im'，若派梯数量不够，即满足条件且 时则派电梯i至楼层Fj；派梯之后在返回步骤(1)继续执行，当已派足够的电梯i1',i'2,…i'm至楼层Fj时，若Fj是建筑物顶部N-1层或者底部倒数第二层，电梯则返回步骤(1)继续执行；否则在Kj中剔除ki后继续进行下一次寻优。
[0032] 所述步骤(4)中，电梯主控制器位于电梯机房，接收各楼层、轿厢内的视频图像信息，在每个楼层的电梯面板附近安装楼层控制器，楼层控制器通过CAN总线与主控制器通讯，楼层控制器负责接收主控制器的派梯命令，控制派梯，完成呼叫电梯。
[0033] 基于上述方法的多电梯并联运行协调控制系统，包括摄像头系统、Hog特征提取模块、梯内外人员计数模块、多并联电梯智能派梯模块、基于CAN总线的通信模块和电梯控制系统；
[0034] 其中，所述摄像头系统包括多个摄像头，摄像头分别安装于电梯内及每层楼电梯口，采集人员信息传输给Hog特征提取模块；
[0035] 所述Hog特征提取模块，用于利用Hog特征提取算法提取HOG特征作为描述符，得出描述图像的特征向量；
[0036] 所述梯内外人员计数模块，用于构建并训练二型模糊神经网络分类器，利用训练好的分类器识别出头部与非头部图像，统计出梯内外人数；
[0037] 所述多并联电梯智能派梯模块，用于根据人员计数情况，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算法对电梯运行进行调度，实现最优派梯，通过基于CAN总线的通信模块将派梯指令传输给电梯控制系统；
[0038] 所述电梯控制系统，用于执行多并联电梯智能派梯模块下达的电梯运行指令，控制电梯的运行。
[0039] 本发明的有益效果为：
[0040] (1)本发明提出了一种新的精确计数的方法，通过机器学习中的Hog特征提取算法及二型模糊神经网络分类器对梯内外人员数量进行了精确计数；
[0041] (2)根据人员计数情况，在候梯人员按下多部电梯时，主控制器通过综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算法对电梯运行进行调度，实现最优派梯，降低电梯能耗及磨损，节省了人们的等待时间；
[0042] (3)通过CAN总线进行通信，实现多电梯并联运行的协调，由于本发明的派梯实现电路是与楼层面板按键并联连接；二者都可以实现对电梯的派梯申请；本发明的控制策略不影响原有电梯的运行。
附图说明
[0043] 图1为本发明的基于机器视觉二型模糊神经网络分类器示意图；
[0044] 图2为本发明的二型模糊神经网络示意图；
[0045] 图3为本发明的协调派梯流程图；
[0046] 图4为本发明的智能派梯控制拓扑图；
[0047] 图5为本发明的派梯实现电路图；
[0048] 图6为本发明与楼层面板接口电路示意图；
[0049] 图7为本发明的多并联电梯运行系统总框图。具体实施方式：
[0050] 下面结合附图与实施例对本发明作进一步说明。
[0051] 如图7所示，一种基于机器视觉的建筑物多电梯并联运行协调控制方法与装置，对之前的电梯并列运行技术进行了大量的改进，是对其的继承与发展。该发明对电梯内外的摄像机拍摄的视频图像进行图像处理，采用Hog特征提取算法及二型模糊神经网络分类器对梯内外人员数量进行精确计数；根据人员计数情况，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算法对电梯运行进行调度，实现最优派梯，降低电梯能耗及磨损；通过CAN总线进行通信，实现多电梯并联运行的协调，使电梯在任何时候都高效运行。
[0052] 为实现建筑物多电梯并联运行协调控制，本发明主要基于以下三个模块：
[0053] 模块1：基于Hog特征提取算法及二型模糊神经网络分类器的梯内外人员计数模块[0054] 在梯内及每层楼电梯口的上方安装摄像头，根据摄像头采集到的视频图像，利用Hog特征提取算法提取HOG特征作为描述符，得出描述图像的特征向量，然后训练二型模糊神经网络分类器，并用训练好的分类器识别出头部与非头部图像，统计出梯内外人数。算法具体如下：
[0055] 1、电梯内外人员HOG特征提取的步骤：
[0056] 首先将电梯内外摄像头拍摄的彩图转变成灰度图，并采用Gamma校正法进行标准化；在灰度图的基础上计算各像素点(x,y)处梯度大小
和梯度方向
来捕获轮廓信息，其中H(x,y)分别表示输入图像中
像素点(x,y)处的像素值；将原图像分割成细胞单元，统计每个细胞单元的直方图；把细胞单元组合成大的块，块内归一化梯度直方图；把所有块内的直方图向量做组合成一个大的T
Hog特征向量，就得到了人体头部和非头部的所有特征X＝(x1,x2,…xn)，用于供二型模糊神经分类器对人体头部与非头部的分类学习使用。
[0057] 同时，作为梗概性说明，使用Gamma校正法进行标准化设置只是技术人员的一种选择，显然，在基本校正方法选择上上，本领域的技术人员不需要付出创造性劳动而完成相应的变换。
[0058] 2、根据带有人头与非人头标记的样本，进行二型模糊神经分类器的构造：
[0059] 二型模糊神经分类器采用二型模糊神经网络实现人头与非人头样本的辨识，该分类器结构如图1所示，共由输入层、二型模糊隶属函数层、规则层及输出层四层构成，能有效结合二型模糊系统抗噪声干扰的能力及神经网络的自学习能力，得到性能优越的分类结果。
[0060] 采用下述方法构建用于分类人头与非人头的二型模糊神经分类器：
[0061] (1)首先，选取一个带有人头与非人头标记的训练样本集，记为
[0062] 其中Xi＝(xi1,xi2,…xin)T为第i个样本特征，ti∈{0,1}，1表示为人头轮廓，0为非人头轮廓。将N个样本的类标号组合成一个向量T＝[t1,…,tN]T；
[0063] (2)随机生成二型模糊隶属函数层的参数，并根据训练样本集计算规则层的输出矩阵
[0064]
[0065] 其中 k＝1,…,M,与 分别为针对第j个特征划分的第k个二型模糊集合 的上下隶属函数。
[0066] (3)规则层与输出层的区间权重向量为 根据训练样本集估计β的最优值为 其中H+为输出矩阵H的Moore-Penrose广义逆矩阵。
[0067] (4)从而，能对人体头部与非头部特征X＝(x1,x2,…xn)T实现分类的二型模糊神经分类器的输入输出模型为
[0068]
[0069] 3、计数。将摄像头拍摄的梯内外视频图像输入，通过比待检测图像小的矩形窗覆盖到图像中不断滑动，提取出覆盖区域像素的特征向量，利用训练好的二型模糊神经分类器对其进行头部与非头部的二值判决，将分类器判决出的人体进行统计相加，得出梯内外人数。
[0070] 模块2：基于机器视觉的多并联电梯智能派梯模块
[0071] 该模块根据人员计数情况，综合考虑各楼层候梯人数、各电梯梯内剩余容量及距离候梯位置的远近，采用协调控制算法对电梯运行进行调度，实现最优派梯，降低电梯能耗及磨损。
[0072] 假设建筑物电梯可运行的楼层共N层，电梯数为S。电梯i的基本状态为(ki,Oi,Fi)，其中Fi为电梯i所在楼层，ki∈{1,0,-1}为运行状态，1表示电梯上行，0表示电梯停靠，-1表示电梯下行，Oi＝Ui-Ei为剩余容量，其中的Ei是由模块1中机器视觉系统得到的梯内已有人数，Ui为电梯i最大容量。楼层Fj的基本状态数据为(Kj,Ej)，其中Ej是该层候梯人数，Kj为该楼层候梯状态集，为 中的一个，1表示有人员上行，-1表示有人员下行。
[0073] 根据所有电梯运行状态，各楼层候梯人数等进行协调派梯。以电梯i派梯为例，具体算法如下：
[0074] 获取电梯i当前基本状态数据{ki,Oi,Fi}。
[0075] (1)若此时Oi＝Ui，电梯内无人乘梯，令ki＝0，即电梯停止运行；若检测到上行信号令ki＝1，若检测到下行信号，令ki＝-1，电梯开始运行。若Oi≠Ui，此时的电梯是处于运行状态中的。当电梯i运行时，根据ki∈Kj与否，确定与其上下行状态一致的候梯楼层，并选择与其最近的楼层Fj，由机器视觉模块计算出该楼层候梯人数Ej进一步判断是否向该楼层派电梯i。
[0076] (2)通过与主控制器通讯，假定已向楼层Fj派出电梯i1',i'2,…i'm，若派梯数量不够，即满足条件 且 时则派电梯i至楼层Fj。派梯之后在返回主程序继续执行。当已派足够的电梯i1',i'2,…i'm至楼层Fj时，若Fj是建筑物顶部N-1层或者底部倒数第二层，电梯则返回主程序继续执行；否则在Kj中剔除ki后继续进行下一次寻优。
[0077] 同时，应知，利用其他状态方式的变换，如运行状态使用{a,b,c}表示，等等简单的状态数据表达方式的调换，应属于本领域技术人员容易想到的。
[0078] 模块3：基于CAN总线的通信协调
[0079] 该模块用来实现所提出的基于机器视觉的智能派梯硬件电路。
[0080] 智能派梯系统主要包括主控制器、楼层控制器、派梯实现电路以及CAN总线。电梯主控制器位于电梯机房，接收各楼层、轿厢内的视频图像信息，经过算法统计分析智能协调派梯。在每个楼层的电梯面板附近安装楼层控制器。楼层控制器通过CAN总线与主控制器通讯。
[0081] 智能派梯的总体拓扑结构如图4所示。
[0082] 同时，应知，在现有的电梯控制方式中，使用电路驱动控制只是其中之一，因此，可以理解的是，在这里使用控制电路控制电梯只是一种选择，而其他选择，包括软件程序控制、继电器控制、PLC控制、单片机控制等等均为本领域技术人员容易想到的替换方案。
[0083] 楼层控制器负责接收主控制器的派梯命令，控制派梯实现硬件电路，完成呼叫电梯。
[0084] 智能派梯的具体实现为：
[0085] 例如，当主控制器下达某一楼层派梯命令后，对应楼层的楼层控制器接收命令，输出高电平给端口Port1，继电器吸合，S1闭合。完成一次呼梯请求。
[0086] 楼层控制器实现派梯的硬件电路如图5所示。该电路由光电隔离、继电器驱动两部分构成。主控制器下达派梯指令后，楼层控制器PORT端口输出高电平，继电器闭合。完成一次派梯申请。该电路使用了光电隔离方法，较好的消除了现场干扰对楼层控制器的影响。能够有效的执行主控制器派梯指令。
[0087] 继电器触点S1与楼层面板的按键是并联连接。通过S1的闭合可实现本发明的呼梯申请。采取这种方式后，本发明的控制不影响原有电梯控制器的运行，都可以实现呼叫电梯。即本发明的控制方法和电梯原有控制器可良好的并列运行。继电器触电与楼层面板按键连接如图6所示。
[0088] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
