一种物品检测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种物品检测的方法、装置、设备及介质，用以解决现有物品检测存在的漏检、误检现象以及无法准确识别大小件行李的问题。该方法包括：根据双目相机采集的每帧图像，确定图像中运动物品及其大小，根据运动物品的大小，确定其是否为第一违规物品，并通过训练完成的神经网络模型，获取每帧图像中存在的第二违规物品，当根据第一违规物品和第二违规物品确定的目标违规物品进入预设区域时，控制报警设备报警。由于本发明专利技术通过对双目相机获取的图像中的运动物品的大小检测，以及通过神经网络模型对物品进行检测，从而确定目标违规物品，有效地避免了检测过程中存在的漏检、误检的现象，进而提高了违规物品检测的准确性。

【技术实现步骤摘要】
一种物品检测方法、装置、设备及介质
本专利技术涉及图像处理技术以及智能监控
，尤其涉及一种物品检测的方法、装置、设备及介质。
技术介绍
随着社会的不断发展，人们生活水平逐渐提高，方便人们出行的车站地铁等公共交通场所建设也逐渐增多。为满足人们日常购物等需求，车站、地铁、商场等场所大多提供扶梯设施以方便人们出行购物，然而婴儿车、大件行李、购物车等违规上扶梯导致意外事件屡有发生，商场超市等虽然设置了安全提醒标识，但是部分人仍然存在侥幸心理。婴儿车、购物车、大件行李上扶梯之所以存在安全隐患主要是扶梯存在一定坡度，扶梯运行是存在一定惯性，如果在扶梯口对婴儿车等违规物品进行检测识别，当发现违规物品存在上扶梯的可能时，停止扶梯运行，在一定程度上预防减少危险事件发生。现有技术通过物品检测，来确定是否存在违规物品，具体的检测方法包括：一、获取安检机扫描待检测物品生成的待识别图像，将目标区域图像中像素点的红、绿、蓝(RGB)值转换为HSV值，将所述目标区域图像转换为灰度图，将灰度图输入物品检测模型识别各个待检测物品是否属于违禁物品。因为该方法是采用颜色特征，基于灰度图像和BP神经网络模型进行识别，基于训练的方法容易出现误检漏检，而且该方法也无法识别大件行李。二、基于生成式对抗网络(GAN)模型进行识别，其中，GAN模型包括：分割网络模型和判别网络模型，获取第一图像特征信息以及第二图像特征信息，判别网络模型基于所述第一图像特征信息、所述第二图像特征信息以及所述物品图像，获得判别结果。因为该方法采用简单的神经网络进行学习识别，对目标实际尺寸不能准确估量，没有充分利用违规物品的尺寸信息，无法有效过滤误检同时也无法区别行李的大小。由此可知，现有的技术在检测违规物品时，一定程度上存在漏检、误检的风险，并且无法有效地识别存在风险的大件行李。
技术实现思路
本专利技术提供了一种物品检测的方法、装置、设备及介质，用以解决现有技术中检测违规物品时，容易漏检、误检以及无法识别大件行李的问题。第一方面，本专利技术提供了一种物品检测方法，所述方法包括：根据双目相机采集的每帧图像，确定图像中的运动物品，并确定每个运动物品的大小；根据确定的每个运动物品的大小，确定每个第一违规物品；通过训练完成的神经网络模型，获取输入的任意一帧图像中存在的第二违规物品；若识别到根据所述第一违规物品和所述第二违规物品确定的目标违规物品处于预设区域内时，控制报警设备报警。进一步地，所述确定每个运动物品的大小包括：根据校正后的双目相机采集的图像中每个像素点与双目相机的物理距离，以及距离地面的高度，确定图像运动物品的大小。进一步地，所述根据确定的每个运动物品的大小，确定每个第一违规物品包括：针对每个运动物品，若该运动物品的体积大于预设的体积阈值，则确定该运动物品为第一违规物品。进一步地，所述根据确定的每个运动物品的大小，确定每个第一违规物品包括：针对每个运动物品，若该运动物品的高度位于任一预设的违规物品高度范围内，则确定该运动物品为第一违规物品。进一步地，所述神经网络模型通过以下方式训练：第二方面，本专利技术还提供了一种物品检测装置，所述装置包括：确定模块，用于根据双目相机采集的每帧图像，确定图像中的运动物品，并确定每个运动物品的大小；根据确定的每个运动物品的大小，确定每个第一违规物品；识别模块，用于通过训练完成的神经网络模型，获取输入的任意一帧图像中存在的第二违规物品；控制模块，用于若识别到根据所述第一违规物品和所述第二违规物品确定的目标违规物品处于预设区域内时，控制报警设备报警。进一步地，所述确定模块，具体用于根据校正后的双目相机采集的图像中每个像素点与双目相机的物理距离，以及距离地面的高度，确定图像运动物品的大小。进一步地，所述确定模块，具体用于针对每个运动物品，若该运动物品的体积大于预设的体积阈值，则确定该运动物品为第一违规物品。进一步地，所述确定模块，具体用于针对每个运动物品，若该运动物品的高度位于任一预设的违规物品高度范围内，则确定该运动物品为第一违规物品。进一步地，所属装置还包括：训练模块，用于获取样本集中的任一样本图像，以及所述样本图像中包含的每个违规物品的第一位置信息以及第一位置信息包含的违规物品的第一标识信息；将所述样本图像输入到原始神经网络模型中，获取所述样本图像中包含的每个违规物品第二位置信息以及第二位置信息包含的违规物品的第二标识信息；根据所述第一位置信息和第二位置信息，以及所述第一标识信息以及对应的所述第二标识信息，对所述原始神经网络模型进行训练。第三方面，本专利技术还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述物品检测方法的步骤。第四方面，本专利技术还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一所述物品检测方法的步骤。本专利技术实施例提供了一种物品检测的方法、装置、设备及介质，该方法包括：根据双目相机采集的每帧图像，确定图像中运动物品及其大小，根据运动物品的大小，确定其是否为第一违规物品，并通过训练完成的神经网络模型，获取每帧图像中存在的第二违规物品，当根据第一违规物品和第二违规物品确定的目标违规物品进入预设区域时，控制报警设备报警。由于本专利技术实施例通过对双目相机获取的图像中的运动物品的大小进行判断，以及通过神经网络模型对物品进行检测，从而确定目标违规物品，因此可以有效地检测出违规物品，避免了检测过程中存在的漏检、误检的现象，进而提高了违规物品检测的准确性。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种物品检测方法的过程示意图；图2为本专利技术实施例提供的物品检测的具体流程图；图3为本专利技术实施例提供的一种物品检测装置的结构示意图；图4为本专利技术实施例提供的一种电子设备。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图本专利技术作进一步地详细描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了避免对违规物品的误检、漏检，提高物品检测的准确性，本专利技术实施例提供了一种物品检测方法、装置、设备及介质。实施例1：图1为本专利技术实施例提供的一种物品检测过程示意图，该过程包括以下步骤：S101：根据双目相机采集的每帧图像，确定图像中的运动物品，并确定每个运动物品的大小，根据确定的每个运动物品本文档来自技高网...

【技术保护点】
1.一种物品检测方法，其特征在于，所述方法包括：/n根据双目相机采集的每帧图像，确定图像中的运动物品，并确定每个运动物品的大小；根据确定的每个运动物品的大小，确定每个第一违规物品；/n通过训练完成的神经网络模型，获取输入的任意一帧图像中存在的第二违规物品；/n若识别到根据所述第一违规物品和所述第二违规物品确定的目标违规物品处于预设区域内时，控制报警设备报警。/n

【技术特征摘要】
1.一种物品检测方法，其特征在于，所述方法包括：
根据双目相机采集的每帧图像，确定图像中的运动物品，并确定每个运动物品的大小；根据确定的每个运动物品的大小，确定每个第一违规物品；
通过训练完成的神经网络模型，获取输入的任意一帧图像中存在的第二违规物品；
若识别到根据所述第一违规物品和所述第二违规物品确定的目标违规物品处于预设区域内时，控制报警设备报警。


2.根据权利要求1所述的方法，其特征在于，所述确定每个运动物品的大小包括：
根据校正后的双目相机采集的图像中每个像素点与双目相机的物理距离，以及距离地面的高度，确定图像运动物品的大小。


3.根据权利要求1所述的方法，其特征在于，所述根据确定的每个运动物品的大小，确定每个第一违规物品包括：
针对每个运动物品，若该运动物品的体积大于预设的体积阈值，则确定该运动物品为第一违规物品。


4.根据权利要求1或3所述的方法，其特征在于，所述根据确定的每个运动物品的大小，确定每个第一违规物品包括：
针对每个运动物品，若该运动物品的高度位于任一预设的违规物品高度范围内，则确定该运动物品为第一违规物品。


5.根据权利要求1所述的方法，其特征在于，所述神经网络模型通过以下方式训练：
获取样本集中的任一样本图像，以及所述样本图像中包含的每个违规物品的第一位置信息以及第一位置信息包含的违规物品的第一标识信息；
将所述样本图像输入到原始神经网络模型中，获取所述样本图像中包含的每个违规物品第二位置信息以及第二位置信息包含的违规物品的第二标识信息；
根据所述第一位置信息和第二位置信息，以及所述第一标识信息以及对应...

【专利技术属性】
技术研发人员：李中振，潘华东，殷俊，张兴明，高美，彭志蓉，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33