基于光流的暴力抛扔检测方法、装置、设备和存储介质制造方法及图纸

本申请公开了一种基于光流的暴力抛扔检测方法、装置、设备和存储介质，该方法包括将经过解析的帧图像流转换为灰度序列，并当灰度序列的数量达到预设数量时，将灰度序列堆叠形成光流堆；基于行为识别模型，检测光流堆中片段的抛扔动作以及计算抛扔动作对应的置信度分数，而置信度分数用于表征暴力抛扔的严重程度；根据抛扔动作对应的置信度分数和预先训练的逻辑回归模型，计算抛扔识别分数。本申请实施例从整个视频中稀疏地采样一系列短片段，而每个短片段都对暴力抛扔的程度进行初步预测，从而根据这些短片段的共识来得到视频级的预测结果，能够检测出是否存在暴利抛扔快件的现象，避免了仅仅依靠人工进行监控，主观性强，且效率极低的问题。效率极低的问题。效率极低的问题。

【技术实现步骤摘要】
基于光流的暴力抛扔检测方法、装置、设备和存储介质


[0001]本专利技术一般涉及计算机视觉
，具体涉及一种基于光流的暴力抛扔检测方法、装置、设备和存储介质。

技术介绍

[0002]现代社会中，人们越来越多地使用快递来收寄物品。尤其是随着电子商务的蓬勃发展，网上购物的方式得到快速普及和应用。网上购物通过使用快递将商品派送到客户手中，这极大地方便了人们的日常生活。
[0003]在快递行业的服务质量以及分拣效率不断提高的当下，暴力分拣的行业顽疾依然存在。由于暴力抛扔会破坏快件，这种行为不仅给快递公司造成了巨大的经济损失，而且也影响了快递公司的行业形象。
[0004]目前，为规范快件分拣的操作过程，绝大部分快递企业都在分拣场所安装了摄像机系统，通过人工对视频图像进行辨别和监控，来进行暴力分拣的排查。然而，仅仅依靠人工对大量的视频数据进行分析，不但需要消耗大量的人力、物力等成本，而且人工长时间监控容易疲劳、效率极低，从而导致报警准确性低，漏报率和误报率高。

技术实现思路

[0005]鉴于现有技术中的上述缺陷或不足，期望提供一种基于光流的暴力抛扔检测方法、装置、设备和存储介质，从整个视频中稀疏地采样一系列短片段，而每个短片段都对暴力抛扔的程度进行初步预测，从而根据这些短片段的共识来得到视频级的预测结果，能够检测出是否存在暴利抛扔快件的现象，避免了仅仅依靠人工进行监控，主观性强，且效率极低的问题。
[0006]第一方面，本申请提供一种基于光流的暴力抛扔检测方法，包括：
[0007]将经过解析的帧图像流转换为灰度序列，并当所述灰度序列的数量达到预设数量时，将所述灰度序列堆叠形成光流堆；
[0008]基于行为识别模型，检测所述光流堆中片段的抛扔动作，以及计算所述抛扔动作对应的置信度分数；其中，所述置信度分数用于表征暴力抛扔的严重程度；
[0009]根据所述抛扔动作对应的置信度分数和预先训练的逻辑回归模型，计算抛扔识别分数。
[0010]第二方面，本申请提供一种基于光流的暴力抛扔检测装置，包括：
[0011]转换模块，用于将经过解析的帧图像流转换为灰度序列，并当所述灰度序列的数量达到预设数量时，将所述灰度序列堆叠形成光流堆；
[0012]检测模块，用于基于行为识别模型，检测所述光流堆中片段的抛扔动作，以及计算所述抛扔动作对应的置信度分数；其中，所述置信度分数用于表征暴力抛扔的严重程度；
[0013]计算模块，用于根据所述抛扔动作对应的置信度分数和预先训练的逻辑回归模型，计算抛扔识别分数。
[0014]第三方面，本申请提供一种设备，包括：
[0015]一个或多个处理器；
[0016]存储器，用于存储一个或多个程序，
[0017]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如第一方面所述的基于光流的暴力抛扔检测方法。
[0018]第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如第一方面所述的基于光流的暴力抛扔检测方法的步骤。
[0019]综上，本申请实施例提供的基于光流的暴力抛扔检测方法、装置、设备和存储介质，从整个视频中稀疏地采样一系列短片段，而每个短片段都对暴力抛扔的程度进行初步预测，从而根据这些短片段的共识来得到视频级的预测结果；基于此，本申请实施例中将经过解析的帧图像流转换为灰度序列，并当灰度序列的数量达到预设数量时，将该灰度序列堆叠形成光流堆；然后，基于行为识别模型，检测光流堆中片段的抛扔动作以及计算抛扔动作对应的置信度分数，该置信度分数用于表征暴力抛扔的严重程度；进而，根据抛扔动作对应的置信度分数和预先训练的逻辑回归模型，综合计算出抛扔识别分数，能够检测出是否存在暴利抛扔快件的现象，避免了仅仅依靠人工进行监控，主观性强，且效率极低的问题。
附图说明
[0020]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0021]图1为本申请实施例提供的一种基于光流的暴力抛扔检测方法的基本流程示意图；
[0022]图2为本申请实施例提供的另一种基于光流的暴力抛扔检测方法的流程示意图；
[0023]图3为本申请实施例提供的一种基于光流的暴力抛扔检测装置；
[0024]图4为本申请实施例提供的另一种基于光流的暴力抛扔检测装置；
[0025]图5为本申请实施例提供的又一种基于光流的暴力抛扔检测装置；
[0026]图6为本申请实施例提供的一种计算机系统。
具体实施方式
[0027]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。
[0028]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。
[0029]本申请实施例提供一种基于光流的暴力抛扔检测方法，该方法应用于终端中。需要说明的是，本申请实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、平板电脑(Tablet Computer)、无线手持设备和手机等。
[0030]为了便于理解和说明，下面通过图1至图5详细的阐述本申请实施例提供的基于光流的暴力抛扔检测方法及装置。
[0031]请参考图1，其为本申请实施例提供的一种基于光流的暴力抛扔检测方法的基本流程示意图，该方法包括以下步骤：
[0032]S101，将经过解析的帧图像流转换为灰度序列，并当灰度序列的数量达到预设数量时，将灰度序列堆叠形成光流堆。
[0033]举例说明，在快件分拣场所安装摄像机系统，由该摄像机系统中的各个摄像头采集帧图像流。然后，对该帧图像流进行解析之后，转换为灰度序列，记为RGB序列，其中灰度序列能够弱化周围环境的影响，并突出目标物体。当RGB序列的数量达到预设数量，比如预设数量为5帧、10帧时，将RGB序列堆叠形成光流堆。
[0034]需要说明的是，光流(Optic Flow)是空间运动物体在观察成像平面上的像素运动的瞬时速度，利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧和当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息。一般而言，光流是由于场景中前景目标本身的移动、摄像头的移动或者二者的共同运动所产生的。光流除了能够提供物体之间的远近信息外，还可以提供运动的角度信息。
[0035]进一步地，还可以计算帧图像流中相邻帧图像的结构相似度，并当结构相似度大于预设阈值时，从相邻帧图像中选取一幅帧图像加入转换队列。由于如果将结构相似度相同的相邻帧图像都加入转换队列，会造成重复计算，增加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光流的暴力抛扔检测方法，其特征在于，所述方法包括：将经过解析的帧图像流转换为灰度序列，并当所述灰度序列的数量达到预设数量时，将所述灰度序列堆叠形成光流堆；基于行为识别模型，检测所述光流堆中片段的抛扔动作，以及计算所述抛扔动作对应的置信度分数；其中，所述置信度分数用于表征暴力抛扔的严重程度；根据所述抛扔动作对应的置信度分数和预先训练的逻辑回归模型，计算抛扔识别分数。2.根据权利要求1所述的基于光流的暴力抛扔检测方法，其特征在于，所述基于行为识别模型，检测所述光流堆中片段的抛扔动作，以及计算所述抛扔动作对应的置信度分数，包括：将所述光流堆按照相等间隔分为若干段，并分别从所述段中随机采样得到所述片段；根据所述行为识别模型中的空间流卷积网络和时间流卷积网络，对所述光流堆中片段的抛扔动作进行识别，并计算所述抛扔动作对应的置信度分数。3.根据权利要求2所述的基于光流的暴力抛扔检测方法，其特征在于，所述根据所述行为识别模型中的空间流卷积网络和时间流卷积网络，对所述光流堆中片段的抛扔动作进行识别，并计算所述抛扔动作对应的置信度分数，包括：获取所述片段经过所述空间流卷积网络和所述时间流卷积网络训练之后，得到的在所述空间流和所述时间流上对应的全连接层向量；根据所述全连接层向量，计算所述置信度分数。4.根据权利要求1所述的基于光流的暴力抛扔检测方法，其特征在于，所述将经过解析的帧图像流转换为灰度序列，并当所述灰度序列的数量达到预设数量时，将所述灰度序列堆叠形成光流堆，还包括：计算所述帧图像流中相邻帧图像的结构相似度；当所述结构相似度大于预设阈值时，从所述相邻帧图像中选取一幅帧图像加入转换队列。5.根据权利要求1至4中任意一项所述的基于光流的暴力抛扔检测方法，其特征在...

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