本发明专利技术实施例公开了一种装卸口状态检测方法、装置、服务器及存储介质。该装卸口状态检测方法，所述装卸口状态监控方法包括：获取监控装卸口的视频流数据；根据视频流数据中相邻帧图像，获取装卸口融合图；根据预设的装卸口分类模型对装卸口融合图进行装卸口状态检测，获取装卸口状态信息。本发明专利技术实施例可以自动对装卸口状态进行统计，通过装卸口状态可以辅助人员和物资的调动，提高装卸工作效率。提高装卸工作效率。提高装卸工作效率。
【技术实现步骤摘要】
装卸口状态检测方法、装置、服务器及存储介质
[0001]本专利技术涉及物流
，具体涉及一种装卸口状态检测方法、装置、服务器及存储介质。
技术介绍
[0002]随着物流行业的发展，将货物进行集中整合然后再集中分发成为了提高运输效率所必不可少的流程，这个货物集中整合的地方就是中转场(或中转站)。
[0003]中转场(或中转站)是网络中的集散节点，基本功能是对快件进行集散和转运。这类网点也称为集散点集散中心等。集散中心的称谓在一般物流业中使用较多，快递业一般称为中转场、中转站、分拨场、中转中心等，除仓储、加工功能外，两者的其他功能基本相同。
[0004]快件抵达中转场后，需要进行装货、卸货等操作，再运输到目的地的中转场，进行相同的一系列操作，这些操作主要集中在中转场的工作平台，即装卸口。装卸口是货物被装载到运输工具上或者从运输工具被卸载下来的工作平台。对于装卸口的监管，目前主要是采用人工监控，人工估测的方式。这种方式由于人的主观性判断，导致装卸口的监管不够精准，存在严重的准确性问题。另外，运输工具进站或入港后，由于人工误差导致其可能没有直接驶入对应的装卸口，导致工作效率较低，人员时间浪费等问题。
技术实现思路
[0005]本专利技术实施例提供一种装卸口状态检测方法、装置、服务器及存储介质，可以自动对装卸口状态进行统计，通过装卸口状态可以辅助人员和物资的调动，提高装卸工作效率。
[0006]第一方面，本申请提供一种装卸口状态检测方法，所述装卸口状态监控方法包括：
[0007]获取监控装卸口的视频流数据；
[0008]根据所述视频流数据中相邻帧图像，获取装卸口融合图；
[0009]根据预设的装卸口分类模型对所述装卸口融合图进行装卸口状态检测，获取所述装卸口状态信息。
[0010]进一步的，所述根据所述视频流数据中相邻帧图像，获取装卸口融合图，包括：
[0011]对所述视频流数据中相邻帧图像计算光流，得到光流图；
[0012]对所述相邻帧图像中后一帧图像进行灰度处理，得到灰度图；
[0013]根据所述光流图和所述灰度图进行图像合成，得到三通道的装卸口融合图。
[0014]进一步的，所述光流图包括预设的x方向光流图和y方向光流图，所述根据所述光流图和所述灰度图进行图像合成，得到所述装卸口融合图，包括：
[0015]对所述x方向光流图、y方向光流图和所述灰度图进行通道叠加，形成三个通道图；
[0016]对所述三个通道图进行合成，得到所述装卸口融合图。
[0017]进一步的，所述根据预设的装卸口分类模型对所述装卸口融合图进行装卸口状态检测，获取所述装卸口状态信息，包括：
[0018]计算所述装卸口融合图的权重参数；
[0019]利用所述权重参数和所述装卸口融合图进行前向计算，输出所述装卸口状态检测值。
[0020]进一步的，所述装卸口分类模型中包括特征图处理子模型，所述计算所述装卸口融合图的权重参数，包括：
[0021]通过所述特征图处理子模型对所述装卸口融合图中的通道分别进行最大池化处理和平均池化处理，分别得到第一结果和第二结果；
[0022]对所述第一结果和第二结果进行叠加，得到第一叠加数据；
[0023]对所述第一叠加数据进行卷积，得到卷积数据；
[0024]根据预设的激活函数对所述卷积数据进行计算，得到第一装卸口特征图，所述第一装卸口特征图中每个像素的值组成所述装卸口融合图的第一权重参数。
[0025]进一步的，所述装卸口分类模型中包括通道处理子模型，所述计算所述装卸口融合图的权重参数，包括：
[0026]通过所述通道处理子模型对所述装卸口融合图中分别进行最大池化处理和平均池化处理，得到第一特征图和第二特征图；
[0027]对所述第一特征图和所述第二特征图分别进行全连接处理，得到第三结果和第四结果；
[0028]对所述第三结果和所述第四结果按位相加，得到第二叠加数据；
[0029]根据预设的激活函数对所述第二叠加数据进行计算，得到第二装卸口特征图，所述第二装卸口特征图中每个像素的值组成所述装卸口融合图的第二权重参数。
[0030]进一步的，所述利用所述权重参数和所述装卸口融合图进行前向计算，输出所述装卸口状态检测值，包括：
[0031]将所述装卸口融合图作为装卸口分类模型的输入；
[0032]计算输入和所述第一权重参数、所述第二权重参数的乘积；
[0033]计算乘积与预设的偏置值的和值，将所述和值作为装卸口状态检测值输出。
[0034]进一步的，在根据预设的装卸口分类模型对所述装卸口融合图进行装卸口状态检测，获取所述装卸口状态信息之前，所述方法还包括：
[0035]采集多张样本装卸口状态图；
[0036]将所述多张样本装卸口状态图及每张样本装卸口状态图对应的装卸口状态真实值添加到训练样本数据集合中；
[0037]分别以所述训练样本数据集合中每张样本装卸口状态图为目标样本图，将所述目标样本图输入到所述装卸口神经网络，以获取每张样本装卸口状态图的装卸口状态检测值；
[0038]对所述装卸口状态检测值和所述装卸口状态真实值进行收敛，得到所述装卸口分类模型。
[0039]第二方面，本申请提供一种装卸口状态获取装置，所述装卸口状态获取装置包括：
[0040]第一获取单元，用于获取监控装卸口的视频流数据；
[0041]第二获取单元，用于根据所述视频流数据中相邻帧图像，获取装卸口融合图；
[0042]检测单元，用于根据预设的装卸口分类模型对所述装卸口融合图进行状装卸口态检测，获取所述装卸口状态信息。
[0043]进一步的，所述光流图包括预设的x方向光流图和y方向光流图，所述第二获取单元具体用于：
[0044]对所述x方向光流图、y方向光流图和所述灰度图进行通道叠加，形成三个通道图；
[0045]对所述三个通道图进行合成，得到所述装卸口融合图。
[0046]进一步的，所述检测单元具体用于：
[0047]计算所述装卸口融合图的权重参数；
[0048]利用所述权重参数和所述装卸口融合图进行前向计算，输出所述装卸口状态检测值。
[0049]进一步的，所述装卸口分类模型中包括特征图处理子模型，所述检测单元具体用于：
[0050]通过所述特征图处理子模型对所述装卸口融合图中的通道分别进行最大池化处理和平均池化处理，分别得到第一结果和第二结果；
[0051]对所述第一结果和第二结果进行叠加，得到第一叠加数据；
[0052]对所述第一叠加数据进行卷积，得到卷积数据；
[0053]根据预设的激活函数对所述卷积数据进行计算，得到第一装卸口特征图，所述第一装卸口特征图中每个像素的值组成所述装卸口融合图的第一权重参数。
[0054]进一步的，所述装卸口分类模型中包括通道处理子模型，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种装卸口状态检测方法，其特征在于，所述装卸口状态检测方法包括：获取监控装卸口的视频流数据；根据所述视频流数据中相邻帧图像，获取装卸口融合图；根据预设的装卸口分类模型对所述装卸口融合图进行装卸口状态检测，获取所述装卸口状态信息。2.根据权利要求1所述的装卸口状态获取方法，其特征在于，所述根据所述视频流数据中相邻帧图像，获取装卸口融合图，包括：对所述视频流数据中相邻帧图像计算光流，得到光流图；对所述相邻帧图像中后一帧图像进行灰度处理，得到灰度图；根据所述光流图和所述灰度图进行图像合成，得到三通道的装卸口融合图。3.根据权利要求1所述的装卸口状态获取方法，其特征在于，所述根据预设的装卸口分类模型对所述装卸口融合图进行装卸口状态检测，获取所述装卸口状态信息，包括：计算所述装卸口融合图的权重参数；利用所述权重参数和所述装卸口融合图进行前向计算，输出所述装卸口状态检测值。4.根据权利要求3所述的装卸口状态获取方法，其特征在于，所述装卸口分类模型中包括特征图处理子模型，所述计算所述装卸口融合图的权重参数，包括：通过所述特征图处理子模型对所述装卸口融合图中的通道分别进行最大池化处理和平均池化处理，分别得到第一结果和第二结果；对所述第一结果和第二结果进行叠加，得到第一叠加数据；对所述第一叠加数据进行卷积，得到卷积数据；根据预设的激活函数对所述卷积数据进行计算，得到第一装卸口特征图，所述第一装卸口特征图中每个像素的值组成所述装卸口融合图的第一权重参数。5.根据权利要求3所述的装卸口状态获取方法，其特征在于，所述装卸口分类模型中包括通道处理子模型，所述计算所述装卸口融合图的权重参数，包括：通过所述通道处理子模型对所述装卸口融合图中分别进行最大池化处理和平均池化处理，得到第一特征图和第二特征图；对所述第一特征图和所述第二特征图分别进行全连接处理，得到第三结果和第四结果；对所述第三结果和所述第四结果按位相加，得到第二叠加数据；根...
【专利技术属性】
技术研发人员：杨小平，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。