一种行李托运的入侵检测方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种行李托运的入侵检测方法、装置及电子设备，在获取行李称重图像之后，识别所述行李称重图像中的关键部位的多个关键节点，并获取所述行李称重图像中依据所述多个关键节点确定的角度值集合，然后调用预先构建的预设入侵检测模型对所述角度值集合进行处理，能够确定出当前的行李称重图像是否存在行李托运入侵的检测结果。由于本发明专利技术中的预设入侵检测模型基于大量的角度值集合样本以及角度值集合样本对应的入侵或未入侵标签训练得到，使得预设入侵检测模型识别入侵的准确度较高，进而能够避免行李托运入侵造成行李重量的称重错误的情况，行李重量测量的准确度较高。高。高。

【技术实现步骤摘要】
一种行李托运的入侵检测方法、装置及电子设备


[0001]本专利技术涉及航空运输领域，更具体的说，涉及一种行李托运的入侵检测方法、装置及电子设备。

技术介绍

[0002]随着智能化的发展，自助行李托运逐渐变成了一种趋势，越来越多的机场选择使用自助行李托运设备来实现行李托运。
[0003]在行李托运过程中，行李称重的准确性至关重要。但是在实际应用中，经常性会出现旅客无意识影响行李重量的测量结果的情况，如旅客手部搭在行李把手上造成行李增重或减重，此时即认为出现了行李托运入侵现象，行李托运入侵造成行李重量的称重错误，行李重量的测量准确度较低。

技术实现思路

[0004]有鉴于此，本专利技术提供一种行李托运的入侵检测方法、装置及电子设备，以解决行李托运入侵造成行李重量的称重错误，行李重量的测量准确度较低的问题。
[0005]为解决上述技术问题，本专利技术采用了如下技术方案：
[0006]一种行李托运的入侵检测方法，包括：
[0007]获取行李称重图像；
[0008]识别所述行李称重图像中包括目标人体关键部位的目标区域，并识别所述目标区域的关键节点；
[0009]获取所述行李称重图像中依据所述多个关键节点确定的角度值集合；所述角度值集合包括依据所述多个关键节点中的目标数量的任意关键节点确定的多个角度值；
[0010]调用预先构建的预设入侵检测模型对所述角度值集合进行处理，以得到所述角度值集合对应的入侵检测结果；
[0011]所述预设入侵检测模型基于训练样本训练得到；所述训练样本包括角度值集合样本以及角度值集合样本对应的标签；所述标签包括入侵和未入侵。
[0012]可选地，获取所述行李称重图像中依据所述多个关键节点确定的角度值集合，包括：
[0013]从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点；
[0014]构建得到以所述目标关键节点的坐标为顶点的目标多边形，并依据所述目标关键节点的坐标值，计算所述目标多边形的角度值，返回所述从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点这一步骤，直至计算得到所述行李称重图像对应的关键节点中的目标数量的任意关键节点对应的目标多边形的角度值；
[0015]将所述行李称重图像对应的所有的角度值组成角度值集合。
[0016]可选地，从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点，包括：
[0017]从所述行李称重图像对应的关键节点中随机筛选出目标数量的目标关键节点。
[0018]可选地，所述预设入侵检测模型的生成过程包括：
[0019]获取多个行李称重图像样本以及所述行李称重图像样本的标签；所述标签包括入侵和未入侵；
[0020]识别所述行李称重图像样本中包括目标人体关键部位的目标区域样本，并识别所述目标区域样本的关键节点样本；
[0021]依据所述关键节点样本，确定所述行李称重图像样本对应的角度值集合样本，并将所述行李称重图像样本的标签确定为对应的角度值集合样本的标签；
[0022]使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设入侵检测模型进行训练，直至所述预设入侵检测模型的损失函数值小于预设阈值。
[0023]可选地，使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设入侵检测模型进行训练，直至所述预设入侵检测模型的损失函数值小于预设阈值，包括：
[0024]使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设随机森林模型进行训练，直至所述预设随机森林模型的损失函数值小于预设阈值。
[0025]一种行李托运的入侵检测装置，包括：
[0026]图像获取模块，用于获取行李称重图像；
[0027]图像识别模块，用于识别所述行李称重图像中包括目标人体关键部位的目标区域，并识别所述目标区域的关键节点；
[0028]集合获取模块，用于获取所述行李称重图像中依据所述多个关键节点确定的角度值集合；所述角度值集合包括依据所述多个关键节点中的目标数量的任意关键节点确定的多个角度值；
[0029]入侵检测模块，用于调用预先构建的预设入侵检测模型对所述角度值集合进行处理，以得到所述角度值集合对应的入侵检测结果；
[0030]所述预设入侵检测模型基于训练样本训练得到；所述训练样本包括角度值集合样本以及角度值集合样本对应的标签；所述标签包括入侵和未入侵。
[0031]可选地，所述集合获取模块包括：
[0032]节点筛选子模块，用于从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点；
[0033]角度计算子模块，用于构建得到以所述目标关键节点的坐标为顶点的目标多边形，并依据所述目标关键节点的坐标值，计算所述目标多边形的角度值；
[0034]判断子模块，用于判断是否计算得到所述行李称重图像对应的关键节点中的目标数量的任意关键节点对应的目标多边形的角度值；
[0035]所述节点筛选子模块，还用于若所述判断子模块未计算得到所述行李称重图像对应的关键节点中的目标数量的任意关键节点对应的目标多边形的角度值，从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点；
[0036]集合确定子模块，用于若所述判断子模块计算得到所述行李称重图像对应的关键节点中的目标数量的任意关键节点对应的目标多边形的角度值，将所述行李称重图像对应的所有的角度值组成角度值集合。
[0037]可选地，还包括模型生成模块，所述模型生成模块包括：
[0038]样本获取子模块，用于获取多个行李称重图像样本以及所述行李称重图像样本的标签；所述标签包括入侵和未入侵；
[0039]样本识别子模块，用于识别所述行李称重图像样本中包括目标人体关键部位的目标区域样本，并识别所述目标区域样本的关键节点样本；
[0040]数据确定子模块，用于依据所述关键节点样本，确定所述行李称重图像样本对应的角度值集合样本，并将所述行李称重图像样本的标签确定为对应的角度值集合样本的标签；
[0041]训练子模块，用于使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设入侵检测模型进行训练，直至所述预设入侵检测模型的损失函数值小于预设阈值。
[0042]可选地，所述训练子模块具体用于：
[0043]使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设随机森林模型进行训练，直至所述预设随机森林模型的损失函数值小于预设阈值。
[0044]一种电子设备，包括：存储器和处理器；
[0045]其中，所述存储器用于存储程序；
[0046]处理器调用程序并用于：
[0047]获取行李称重图像；
[0048]识别所述行李称重图像中包括目标人体关键部位的目标区域，并识别所述目标区域的关键节点；
[0049]获取所述行李称重图像中依据所述多个关键节点确定的角度值集合；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行李托运的入侵检测方法，其特征在于，包括：获取行李称重图像；识别所述行李称重图像中包括目标人体关键部位的目标区域，并识别所述目标区域的关键节点；获取所述行李称重图像中依据所述多个关键节点确定的角度值集合；所述角度值集合包括依据所述多个关键节点中的目标数量的任意关键节点确定的多个角度值；调用预先构建的预设入侵检测模型对所述角度值集合进行处理，以得到所述角度值集合对应的入侵检测结果；所述预设入侵检测模型基于训练样本训练得到；所述训练样本包括角度值集合样本以及角度值集合样本对应的标签；所述标签包括入侵和未入侵。2.根据权利要求1所述的入侵检测方法，其特征在于，获取所述行李称重图像中依据所述多个关键节点确定的角度值集合，包括：从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点；构建得到以所述目标关键节点的坐标为顶点的目标多边形，并依据所述目标关键节点的坐标值，计算所述目标多边形的角度值，返回所述从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点这一步骤，直至计算得到所述行李称重图像对应的关键节点中的目标数量的任意关键节点对应的目标多边形的角度值；将所述行李称重图像对应的所有的角度值组成角度值集合。3.根据权利要求2所述的入侵检测方法，其特征在于，从所述行李称重图像对应的关键节点中筛选出目标数量的目标关键节点，包括：从所述行李称重图像对应的关键节点中随机筛选出目标数量的目标关键节点。4.根据权利要求1所述的入侵检测方法，其特征在于，所述预设入侵检测模型的生成过程包括：获取多个行李称重图像样本以及所述行李称重图像样本的标签；所述标签包括入侵和未入侵；识别所述行李称重图像样本中包括目标人体关键部位的目标区域样本，并识别所述目标区域样本的关键节点样本；依据所述关键节点样本，确定所述行李称重图像样本对应的角度值集合样本，并将所述行李称重图像样本的标签确定为对应的角度值集合样本的标签；使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设入侵检测模型进行训练，直至所述预设入侵检测模型的损失函数值小于预设阈值。5.根据权利要求4所述的入侵检测方法，其特征在于，使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设入侵检测模型进行训练，直至所述预设入侵检测模型的损失函数值小于预设阈值，包括：使用所述角度值集合样本以及所述角度值集合样本对应的标签，对预设随机森林模型进行训练，直至所述预设随机森林模型的损失函数值小于预设阈值。6.一种行李托运的入侵检测装置，其特征在于，包括：图像获取模块，用于获取行李称重图像；图像识别模块，用于识别所述行李称重图像中包括目标人体关键部位的目标区域，并
识别所述目标区域的关键节点；集合获取模块，用于获取所述行李称重图像中依据所述多个关键节点确定的角度值集合；所述角度值集合包括依据所述多个关键节点中的目标数量的任意关键节点确定的多个角度值；...

【专利技术属性】
技术研发人员：程晓刚，
申请(专利权)人：沈阳民航东北凯亚有限公司，
类型：发明
国别省市：