一种AGV工作区域安全性的实时检测方法及系统技术方案

本发明专利技术公开了一种AGV工作区域安全性的实时检测方法，包括如下步骤：根据AGV工作区域制作AGV工作区域图；根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；将标记位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。本发明专利技术考虑了区域中已存物体对区域安全性的影响，且直观效果较好，提高了AGV工作区域的安全性。

【技术实现步骤摘要】
一种AGV工作区域安全性的实时检测方法及系统
本专利技术涉及视频监控
，具体是一种AGV工作区域安全性的实时检测方法及系统。
技术介绍
随着智能监控技术的不断发展和图像处理技术的日益成熟，采用人工进行区域监控的方法已经远远不能满足实际需要。目前，以人工智能和视频分析等技术为主的智能监控系统在一定程度上弥补了人工方法不足的问题。智能监控系统优势在于监控人员无需实地巡逻，便可以通过监控系统传回的视频获得现场的实际情况能够迅速地做出决策，因此有着广阔的发展空间和巨大的潜在市场。现有的区域检测方法主要采用警戒区域入侵检测、区域人流统计、区域人群密度检测技术，其中，警戒区域入侵检测是指对闯入警戒区域的目标进行识别，区域人流统计是指对某段时间内某一区域的进出人流进行统计，区域人群密度检测是指对某一区域内的目标进行统计。总得来说，目前的区域检测技术是通过视觉分析算法结合摄像头标定需要预警的区域，当检测到区域内有人时产生预警功能。针对AGV工作区域，当前区域检测技术没有考虑到区域中物体对区域安全性的影响，功能比较单一，且直观效果不好。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提供一种AGV工作区域安全性的实时检测方法及系统，以解决现有技术中存在的未考虑到区域中物体对区域安全性影响的问题。为解决上述技术问题，本专利技术采用的技术方案为：一种AGV工作区域安全性的实时检测方法，包括如下步骤：根据AGV工作区域制作AGV工作区域图；根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；将标记位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。进一步的，所述神经网络模型基于深度学习框架tensorflow构建。进一步的，所述神经网络模型的获取过程如下：获取监控AGV工作区域的视频流；从视频流中截取图片并对图片中的AGV、货物和人进行标注，得到训练集；通过训练集对神经网络模型进行训练，获取能够识别AGV工作区域中AGV、货物和人的神经网络模型。进一步的，所述视频流通过监控摄像头获取；所述监控摄像头根据AGV工作区域的面积和长宽比选取；所述监控摄像头安装在AGV工作区域的正上方。进一步的，所述视频流通过通信协议实时不间断的从摄像头中获取。进一步的，判断人是否进入AGV工作区域、货物摆放位置是否错误的方法包括：若人的区域像素坐标确定的区域和AGV工作区域图中的AGV工作区相交，则判定人进入AGV工作区域，否则，判定人未进入AGV工作区域；若AGV工作区域图中的货物摆放区无法完全包含货物，则可以判定货物摆放位置错误。一种AGV工作区域安全性的实时检测系统，所述系统包括：制作模块：用于根据AGV工作区域制作AGV工作区域图；标记模块：用于根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；附加模块：用于将确定位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；获取模块：用于通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；判断模块：用于根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。一种AGV工作区域安全性的实时检测系统，所述系统包括处理器和存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行上述所述方法的步骤。计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述方法的步骤。与现有技术相比，本专利技术的有益效果是：本专利技术通过神经网络模型实时处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标，将AGV、货物、人的区域像素坐标和AGV工作区域图进行对比，判断人是否进入AGV工作区域、货物摆放位置是否错误，可以实时获取并分析当前区域中物体的状态，考虑了区域中已存物体对区域安全性的影响，且直观效果较好，提高了AGV工作区域的安全性。附图说明图1为简易的AGV工作区域图；图2为本专利技术提出方法的流程图；图3为人员进入AGV工作区域示意图；图4为货物摆放错误示意图。具体实施方式下面结合附图对本专利技术作进一步的描述，以下实例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。一种AGV工作区域安全性的实时检测方法，包括如下步骤：根据AGV工作区域制作AGV工作区域图；根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；将标记位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。如图2所示，一种AGV工作区域安全性的实时检测方法，具体包括如下步骤：步骤S1：根据需要监控的AGV工作区域的面积和长宽比来选取满足监控要求的摄像头，然后安装在AGV工作区域的正上方，利用通信协议24小时实时不间断获取摄像头中AGV工作区域的视频流，获取区域场景视频图像。步骤S2：从AGV工作区域的视频流中截取一定数量的AGV工作区域的图片，并利用标注工具对图片中AGV、货物和人进行标注，得到训练集。步骤S3：S3.1利用深度学习中的深度学习框架tensorflow构建深度神经网络模型，S3.2利用步骤2的训练集对该神经网络模型进行训练，得到能够识别AGV工作区域中AGV、货物和人的神经网络模型。步骤S4：S4.1根据摄像头监控的AGV工作区域制作简易的AGV工作区域图，如图1所示，利用图片的像素坐标系获取AGV工作区和货物摆放区域的详细区域坐标（Xmin，Ymin，Xmax，Ymax），其中（Xmin，Ymin，Xmax，Ymax）确定一个矩形区域；S4.2将该图附加到摄像头中的视频流中进行显示，提高可视化效果。步骤S5：利用步骤3中训练好的神经网络模型实时处理摄像头中的视频流，识别出视频中的AGV、货物和人，分别得到AGV、货物和人的区域像素坐标（Xmin，Ymin，Xmax，Ymax），这样可以实时不间断获取AGV、货物和人的状态，如AGV的位置，每个货物摆放位置是否空闲，货物摆放状态等，然后根据简易的AGV工作区域图，对货物摆放位置错误或未完全放入摆放位置，和人员进入AGV工作区域这些影响工作区域安全性的情况进行报警处理；如果人的区域像素坐标（PersonXmin，PersonYmin，PersonXmax，PersonYmax）确定的区域和本文档来自技高网...

【技术保护点】
1.一种AGV工作区域安全性的实时检测方法，其特征在于，包括如下步骤：/n根据AGV工作区域制作AGV工作区域图；/n根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；/n将标记位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；/n通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；/n根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。/n

【技术特征摘要】
1.一种AGV工作区域安全性的实时检测方法，其特征在于，包括如下步骤：
根据AGV工作区域制作AGV工作区域图；
根据区域坐标分别标记AGV工作区域图中AGV工作区和货物摆放区的位置；
将标记位置的AGV工作区域图附加到AGV工作区域的视频流中进行显示；
通过神经网络模型处理AGV工作区域的视频流，获取视频中AGV、货物和人的区域像素坐标；
根据区域像素坐标和标记位置的AGV工作区域图判断人是否进入AGV工作区域、货物摆放位置是否错误。


2.根据权利要求1所述的一种AGV工作区域安全性的实时检测方法，其特征在于，所述神经网络模型基于深度学习框架tensorflow构建。


3.根据权利要求1所述的一种AGV工作区域安全性的实时检测方法，其特征在于，所述神经网络模型的获取过程如下：
获取监控AGV工作区域的视频流；
从视频流中截取图片并对图片中的AGV、货物和人进行标注，得到训练集；
通过训练集对神经网络模型进行训练，获取能够识别AGV工作区域中AGV、货物和人的神经网络模型。


4.根据权利要求3所述的一种AGV工作区域安全性的实时检测方法，其特征在于，所述视频流通过监控摄像头获取；所述监控摄像头根据AGV工作区域的面积和长宽比选取；所述监控摄像头安装在AGV工作区域的正上方。


5.根据权利要求3所述的一种AGV工作区域安全性的实时检测方法，其特征在于，所述视频流通过通信协议实时不间...

【专利技术属性】
技术研发人员：蔡传玉，宋林鹏，
申请(专利权)人：江苏智库智能科技有限公司，
类型：发明
国别省市：江苏;32