一种暴力分拣的识别方法及装置制造方法及图纸

本申请提供了一种暴力分拣的识别方法及装置，其中，该方法包括：首先，获取在物品分拣过程中的视频信息；之后，将所述视频信息输入至预先训练的暴力分拣识别模型中，并确定与该视频信息对应的暴力分拣识别结果；然后，在所述视频信息的暴力分拣识别结果为暴力分拣的情况下，确定所述视频信息中物品在空中的滞留时间；最后，基于所述滞留时间，确定该视频信息的最终暴力分拣识别结果。在该过程中，获取在物品分拣过程中的视频信息，从而确定暴力分拣视频信息，并且基于暴力分拣视频中的物品在空中的滞留时间，最终确定暴力分拣行为，极大地提高了识别暴力分拣行为的准确性。

Identification method and device of violent sorting

【技术实现步骤摘要】
一种暴力分拣的识别方法及装置
本申请涉及监控
，尤其是涉及一种暴力分拣的识别方法及装置。
技术介绍
随着人们网上购物量的不断攀升，快递行业的负荷也在逐渐加大。尤其在一些网上购物高峰期或是节假日期间，快递量巨增，出现了许多暴力分拣、运输快递的新闻，对于快递行业，乃至网上购物网站，造成了一定程度上的不良影响。目前对于快递暴力分拣行动的判断大多依靠人工，其成本较高，且判定的准确度无法保证。因此，如何准确地识别暴力分拣行为就成为一个亟待解决的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种暴力分拣的识别方法及装置，提高识别暴力分拣行为的准确率，减少暴力分拣行为的发生。第一方面，本申请实施例提供了一种暴力分拣的识别方法，包括：获取在多个物品分拣过程中的与每一个所述物品分别对应的视频信息；其中，每个物品对应的视频信息中，包括多张视频图像；将每个物品分别对应的多张视频图像依次输入至预先训练的暴力分拣识别模型中，确定与该各个物品分别对应的暴力分拣识别结果；在任一物品的暴力分拣识别结果为暴力分拣的情况下，基于该任一物品的视频信息确定该物品在空中的滞留时间；基于所述滞留时间，确定该物品的最终暴力分拣识别结果。一种可选实施方式中，所述获取在物品分拣过程中的视频信息，包括：获取多个物品在分拣过程中的原始视频信息；依次对所述原始视频信息中的各帧图像进行物品识别，并基于物品识别结果，从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息。一种可选实施方式中，所述从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息，包括：从所述原始视频信息中截取各个物品在分拣过程中分别对应的原始视频；对个物品分别对应的原始视频中视频图像进行间隔采样，并基于间隔采样得到的多张视频图像得到与各个物体分别对应的视频信息。一种可选实施方式中，所述依次对所述视频信息中的各帧图像进行物品识别，包括：按照所述视频信息中的各帧图像的时间戳的先后顺序，依次将所述各帧图像输入至预先训练的第一识别模型中，确定物品在各帧所述图像中的位置信息；所述基于物品识别结果，从所述视频信息中截取各个物品在分拣过程中分别对应的所述视频信息，包括：基于物品在各帧所述图像中的位置信息，确定在对各个物品进行分拣时分别对应的图像；针对每个物品，基于在对该物品进行分拣时所对应的图像，生成该物品对应的视频信息。一种可选实施方式中，所述行为识别模型，包括下述一种或者多种：循环神经网络RNN、长短期记忆网络LSTM、以及门控循环单元GRU。一种可选实施方式中，所述确定所述视频信息中物品在空中的滞留时间，包括：将所述视频信息中的各帧图像依次输入至预先训练的第二识别模型中，获取所述视频信息中的各帧图像分别对应的物品和人手识别结果；基于各帧图像分别对应的物品和人手识别结果，从所述视频信息中的各帧图像中，确定人手与所述物品分离时的第一目标图像，以及所述物品落地时的第二目标图像；基于所述第一目标图像和所述第二目标图像的时间戳，确定所述滞留时间。一种可选实施方式中，所述基于所述滞留时间，确定该视频信息的最终暴力分拣识别结果，包括：将所述滞留时间与预设的滞留时间阈值进行比对；在所述滞留时间大于所述滞留时间阈值时，确定该视频信息的暴力分拣识别结果为暴力分拣；在所述滞留时间小于或者等于所述滞留时间阈值时，确定该视频信息的暴力分拣识别结果为非暴力分拣。第二方面，本申请实施例还提供一种暴力分拣的识别装置，该暴力分拣的识别装置包括：获取模块、第一确定模块、第二确定模块以及第三确定模块，其中：获取模块，用于获取在多个物品分拣过程中的与每一个所述物品分别对应的视频信息；其中，每个物品对应的视频信息中，包括多张视频图像；第一确定模块，用于将每个物品分别对应的多张视频图像依次输入至预先训练的暴力分拣识别模型中，确定与该各个物品分别对应的暴力分拣识别结果；第二确定模块，用于在任一物品的暴力分拣识别结果为暴力分拣的情况下，基于该任一物品的视频信息确定该物品在空中的滞留时间；第三确定模块，用于基于所述滞留时间，确定该物品的最终暴力分拣识别结果。一种可选实施方式中，所述获取模块，在获取在物品分拣过程中的视频信息时，具体用于：获取多个物品在分拣过程中的原始视频信息；依次对所述原始视频信息中的各帧图像进行物品识别，并基于物品识别结果，从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息。一种可选实施方式中，所述获取模块，在从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息时，用于：从所述原始视频信息中截取各个物品在分拣过程中分别对应的原始视频；对个物品分别对应的原始视频中视频图像进行间隔采样，并基于间隔采样得到的多张视频图像得到与各个物体分别对应的视频信息。一种可选实施方式中，所述获取模块，在依次对所述视频信息中的各帧图像进行物品识别时，用于：按照所述视频信息中的各帧图像的时间戳的先后顺序，依次将所述各帧图像输入至预先训练的第一识别模型中，确定物品在各帧所述图像中的位置信息；所述基于物品识别结果，从所述视频信息中截取各个物品在分拣过程中分别对应的所述视频信息，包括：基于物品在各帧所述图像中的位置信息，确定在对各个物品进行分拣时分别对应的图像；针对每个物品，基于在对该物品进行分拣时所对应的图像，生成该物品对应的视频信息。一种可选实施方式中，所述行为识别模型，包括下述一种或者多种：循环神经网络RNN、长短期记忆网络LSTM、以及门控循环单元GRU。一种可选实施方式中，所述第二确定模块，在确定所述视频信息中物品在空中的滞留时间时时，用于：将所述视频信息中的各帧图像依次输入至预先训练的第二识别模型中，获取所述视频信息中的各帧图像分别对应的物品和人手识别结果；基于各帧图像分别对应的物品和人手识别结果，从所述视频信息中的各帧图像中，确定人手与所述物品分离时的第一目标图像，以及所述物品落地时的第二目标图像；基于所述第一目标图像和所述第二目标图像的时间戳，确定所述滞留时间。一种可选实施方式中，所述第三确定模块，在基于所述滞留时间，确定该视频信息的最终暴力分拣识别结果时，具体用于：将所述滞留时间与预设的滞留时间阈值进行比对；在所述滞留时间大于所述滞留时间阈值时，确定该视频信息的暴力分拣识别结果为暴力分拣；在所述滞留时间小于或者等于所述滞留时间阈值时，确定该视频信息的暴力分拣识别结果为非暴力分拣。第三方面，本申请实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令本文档来自技高网...

【技术保护点】
1.一种暴力分拣的识别方法，其特征在于，包括：/n获取在多个物品分拣过程中的与每一个所述物品分别对应的视频信息；其中，每个物品对应的视频信息中，包括多张视频图像；/n将每个物品分别对应的多张视频图像依次输入至预先训练的暴力分拣识别模型中，确定与该各个物品分别对应的暴力分拣识别结果；/n在任一物品的暴力分拣识别结果为暴力分拣的情况下，基于该任一物品的视频信息确定该物品在空中的滞留时间；/n基于所述滞留时间，确定该物品的最终暴力分拣识别结果。/n

【技术特征摘要】
1.一种暴力分拣的识别方法，其特征在于，包括：
获取在多个物品分拣过程中的与每一个所述物品分别对应的视频信息；其中，每个物品对应的视频信息中，包括多张视频图像；
将每个物品分别对应的多张视频图像依次输入至预先训练的暴力分拣识别模型中，确定与该各个物品分别对应的暴力分拣识别结果；
在任一物品的暴力分拣识别结果为暴力分拣的情况下，基于该任一物品的视频信息确定该物品在空中的滞留时间；
基于所述滞留时间，确定该物品的最终暴力分拣识别结果。


2.根据权利要求1所述的识别方法，其特征在于，所述获取在物品分拣过程中的视频信息，包括：
获取多个物品在分拣过程中的原始视频信息；
依次对所述原始视频信息中的各帧图像进行物品识别，并基于物品识别结果，从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息。


3.根据权利要求2所述的识别方法，其特征在于，所述从所述原始视频信息中截取各个物品在分拣过程中分别对应的所述视频信息，包括：
从所述原始视频信息中截取各个物品在分拣过程中分别对应的原始视频；
对个物品分别对应的原始视频中视频图像进行间隔采样，并基于间隔采样得到的多张视频图像得到与各个物体分别对应的视频信息。


4.根据权利要求2或3所述的识别方法，其特征在于，所述依次对所述视频信息中的各帧图像进行物品识别，包括：
按照所述视频信息中的各帧图像的时间戳的先后顺序，依次将所述各帧图像输入至预先训练的第一识别模型中，确定物品在各帧所述图像中的位置信息；
所述基于物品识别结果，从所述视频信息中截取各个物品在分拣过程中分别对应的所述视频信息，包括：
基于物品在各帧所述图像中的位置信息，确定在对各个物品进行分拣时分别对应的图像；
针对每个物品，基于在对该物品进行分拣时所对应的图像，生成该物品对应的视频信息。


5.根据权利要求1所述的识别方法，其特征在于，所述行为识别模型，包括下述一种或者多种：
循环神经网络RNN、长短期记忆网络LSTM、以及门控循环单元GRU。
<...

【专利技术属性】
技术研发人员：刘永霞，汪建新，吴明辉，
申请(专利权)人：秒针信息技术有限公司，
类型：发明
国别省市：北京;11