一种暴力分拣识别方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种暴力分拣识别方法、装置、设备及存储介质。该方法包括：从采集的待识别的视频中提取具有设定时间间隔的相邻的两帧图像，从两帧图像中提取光流图；将光流图的特征数据和前一帧图像的特征数据进行融合；基于融合的特征数据，识别暴力分拣人员。根据本申请实施例提供的技术方案，该方法可以提高暴力分拣识别的准确率。力分拣识别的准确率。力分拣识别的准确率。

【技术实现步骤摘要】
一种暴力分拣识别方法、装置、设备及存储介质


[0001]本申请一般涉及数据处理领域，具体涉及图像处理领域，尤其涉及一种暴力分拣识别方法、装置、设备及存储介质。

技术介绍

[0002]随着物流行业的不断发展，越来越多的人喜欢使用快递传递物件。在物件被运输的过程中，需要对物件进行分拣，以使需要进入到相同下一路线的物件放置在一起。但是当快递较多时，快递分拣人员为了提高分拣速度，可能出现抛、扔快递等暴力分拣现象。为了减少暴力分拣现象，需要对暴力分拣进行识别。
[0003]现有暴力分拣识别的方法如下：接收到待识别视频后，获取视频帧，首先在视频帧中识别出产生暴力分拣的肢体的区域，比如，抛扔快递的胳膊或腿；然后基于在该视频帧中标注出的肢体的区域上，进一步识别出暴力分拣人员。但是如果在视频帧中识别出产生暴力分拣的肢体的区域发生错误时，直接导致暴力分拣识别结果错误，因此现有技术暴力分拣识别准确率较低。

技术实现思路

[0004]鉴于现有技术暴力分拣识别准确率较低的问题，本申请提出了一种暴力分拣识别方法、装置、设备及存储介质，可以提高暴力分拣识别的准确率。
[0005]第一方面，本申请实施例提供了一种暴力分拣识别方法，该方法包括：
[0006]从采集的待识别的视频中提取具有设定时间间隔的相邻的两帧图像，从两帧图像中提取光流图；
[0007]将光流图的特征数据和前一帧图像的特征数据进行融合；
[0008]基于融合的特征数据，识别暴力分拣人员。
[0009]可选地，将光流图的特征数据和前一帧图像的特征数据进行融合包括：
[0010]利用第一网络对前一帧图像进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个静态特征图；
[0011]利用第二网络对光流图进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个光流特征图；
[0012]将第一网络和第二网络对应卷积层的特征图分别进行线性叠加，并经过第二网络的反卷积运算，获得融合的特征数据；
[0013]其中，第一网络和第二网络对应卷积层采用相同的卷积运算，且两者的对应卷积层能够获得相同数量的特征图。
[0014]可选地，第一网络和第二网络为mobileNet卷积神经网络。
[0015]可选地，第二网络的卷积层数大于或等于第一网络的卷积层数。
[0016]可选地，识别发生暴力分拣的分拣人员还包括：
[0017]将融合的特征数据输入至第三网络，第三网络根据前一视频帧的特征数据调整识
别的暴力分拣人员。
[0018]可选地，第三网络采用convlstm循环神经网络。
[0019]第二方面，本申请实施例提供了一种暴力分拣识别装置，该装置包括：
[0020]提取模块，用于从采集的待识别的视频中提取具有设定时间间隔的相邻的两帧图像，从两帧图像中提取光流图；
[0021]融合模块，用于将光流图的特征数据和前一帧图像的特征数据进行融合；
[0022]识别模块，用于基于融合的特征数据，识别暴力分拣人员。
[0023]可选地，融合模块还用于：
[0024]利用第一网络对前一帧图像进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个静态特征图；
[0025]利用第二网络对光流图进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个光流特征图；
[0026]将第一网络和第二网络对应卷积层的特征图分别进行线性叠加，并经过第二网络的反卷积运算，获得融合的特征数据；
[0027]其中，第一网络和第二网络对应卷积层采用相同的卷积运算，且两者的对应卷积层能够获得相同数量的特征图。
[0028]第三方面，本申请实施例提供了一种计算机设备，包括：
[0029]一个或者多个处理器；
[0030]存储器，用于存储一个或者多个程序；
[0031]当一个或者多个程序被一个或者多个处理器执行时，使得一个或者多个处理器执行实现上述第一方面的方法。
[0032]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序用于实现上述第一方面的方法。
[0033]综上所述，本申请实施例提供的暴力分拣识别方法，通过融合光流图的特征数据和图像帧的特征数据，以识别暴力分拣人员，相较于现有技术在图像帧识别的暴力分拣肢体的基础上进一步识别暴力分拣人员，本申请实施例提供的暴力分拣方法将图像帧识别的暴力分拣人员的轮廓与光流图识别的暴力分拣人员的区域相结合，以识别暴力分拣人员，这样识别出的暴力分拣人员综合了两种图的识别结果，提高了识别的准确率。
附图说明
[0034]为了更清楚地说明本申请实施例的技术方案，下面对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，附图仅用于示出优选实施方法的目的，而并不认为是对本专利技术的限制。另外还需要说明的是，为了便于描述，附图中仅示出了本专利技术相关的部分而非全部。
[0035]图1是根据本申请实施例示出的一种暴力分拣识别方法的实施环境架构图；
[0036]图2是根据本申请实施例示出的一种暴力分拣识别方法流程图；
[0037]图3是根据本申请实施例示出的另一种暴力分拣识别方法流程图；
[0038]图4是根据本申请实施例示出的一种暴力分拣识别输出结果图；
[0039]图5是根据本申请实施例示出的一种暴力分拣识别装置框图；
[0040]图6是根据本申请实施例示出的另一种暴力分拣识别装置框图；
[0041]图7是根据本申请实施例示出的一种计算机系统的结构示意图。
具体实施方式
[0042]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。
[0043]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0044]图1是根据本申请实施例示出的一种暴力分拣识别方法的实施环境架构图。如图1所示，该实施环境架构包括：第一终端110、第二终端120和待识别场景130。
[0045]其中，第一终端110可以为至少一个摄像头(图1中示出3个摄像头，分别为摄像头1、摄像头2和摄像头3)，用于拍摄待识别场景130，进而得到待识别视频。当第一终端110为多个摄像头时，可以从不同的角度拍摄待识别场景130，进而也得到不同角度的待识别视频，，在确定暴力分拣人员时，可以综合各个待识别视频的识别结果，以提高识别的准确率。
[0046]其中，第二终端120为具有视频处理功能的终端，比如，可以为计算机。第二终端120用于接收第一终端110发送的待识别视频，并经过视频处理后，识别待识别视频包括的暴力分拣人员。
[0047]当然，也可以使用一个终端即实现待识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种暴力分拣识别方法，其特征在于，所述方法包括：从采集的待识别的视频中提取具有设定时间间隔的相邻的两帧图像，从所述两帧图像中提取光流图；将所述光流图的特征数据和前一帧图像的特征数据进行融合；基于融合的特征数据，识别暴力分拣人员。2.根据权利要求1所述的暴力分拣识别方法，其特征在于，所述将所述光流图的特征数据和前一帧图像的特征数据进行融合包括：利用第一网络对所述前一帧图像进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个静态特征图；利用第二网络对所述光流图进行至少两个卷积层的卷积特征提取，分别获得每个卷积层的多个光流特征图；将所述第一网络和所述第二网络对应卷积层的特征图分别进行线性叠加，并经过所述第二网络的反卷积运算，获得融合的特征数据；其中，所述第一网络和所述第二网络对应卷积层采用相同的卷积运算，且两者的对应卷积层能够获得相同数量的特征图。3.根据权利要求2所述的暴力分拣识别方法，其特征在于，所述第一网络和所述第二网络为mobileNet卷积神经网络。4.根据权利要求3所述的暴力分拣识别方法，其特征在于，所述第二网络的卷积层数大于或等于所述第一网络的卷积层数。5.根据权利要求1所述的暴力分拣识别方法，其特征在于，所述识别发生暴力分拣的分拣人员还包括：将所述融合的特征数据输入至第三网络，所述第三网络根据前一视频帧的特征数据调整识别的所述分拣人员。6.根据权利要求5所述的暴力分拣识别方法，...

【专利技术属性】
技术研发人员：相鹏，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：