物品运送轨迹检测方法、装置以及存储介质制造方法及图纸

本公开提供了一种物品运送轨迹检测方法、装置以及存储介质，其中的方法包括：确定监控视频帧中的移动物品，从多个监控视频帧中提取一个视频帧作为被检测帧，并将其余监控视频帧作为检测样本帧；获取与被检测帧中的第一移动物品相对应的第一像素点，使用核密度估计方法并基于检测样本帧，计算用于指示第一像素点的位置属于移动物品正常位置区域的位置概率，并基于位置概率确定与第一移动物品对应的移动轨迹是否出现异常；本公开的方法、装置以及存储介质，可以节省人工检查的成本，能够方便地应用于仓库、分拣中心和配送站等场所中，不需要额外成本，并且不需要事先训练模型，检测准确度高并且泛化性强。确度高并且泛化性强。确度高并且泛化性强。

【技术实现步骤摘要】
物品运送轨迹检测方法、装置以及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种物品运送轨迹检测方法、装置以及存储介质。

技术介绍

[0002]在仓库、分拣中心和配送站等场所中，货物需要通过传送带进行运输。货物在传送带上运输的过程中，由于摆放位置不规范、操作不当等因素的影响，货物可能会从传送带上掉落，造成损坏或丢失。对于无人操作的传送带，如果派工作人员定时检查，既无法实时发现货物掉落的问题，同时也会消耗大量人力成本；对于仓库、分拣中心和配送站等空间大、环境复杂等场所，不适合使用红外线设备。目前，可以使用深度学习技术并配合视频监控设备对掉落物体进行判断，但是，仓库、分拣中心和配送站中，监控摄像头总数巨大，深度学习需要的算力较高；深度学习需要大量的样本进行训练，而货物掉落的样本少，并且，由于每个监控摄像头所对应的区域背景都不相同，在一个场景中训练出的模型到了其它场景，检测结果可能会不准确，泛化性较弱。

技术实现思路

[0003]有鉴于此，本专利技术要解决的一个技术问题是提供一种物品运送轨迹检测方法、装置以及存储介质。
[0004]根据本公开的一个方面，提供一种物品运送轨迹检测方法，包括：对监控视频帧进行检测，确定所述监控视频帧中的移动物品；获取连续的多个监控视频帧，从所述多个监控视频帧中提取一个视频帧作为被检测帧，并将所述多个监控视频帧中的其余监控视频帧作为检测样本帧；获取与所述被检测帧中的第一移动物品相对应的第一像素点，使用核密度估计方法并基于所述检测样本帧，计算用于指示所述第一像素点的位置属于移动物品正常位置区域的位置概率；基于所述位置概率确定与所述第一移动物品对应的移动轨迹是否出现异常。
[0005]可选地，所述使用核密度估计方法并基于所述检测样本帧，计算用于指示所述第一像素点的位置属于移动物品正常位置区域的位置概率包括：获取所述第一像素点在所述被检测帧中的第一像素位置；获取所述检测样本帧中的第二移动物品，并获取所述第二像素点在所述被检测帧中的第二像素位置；基于所述第二像素位置获得位于所述检测样本帧中的第一像素位置处的像素点为所述第二像素点的确定值；获取与所述核密度估计方法相对应的核函数，使用所述核函数并基于所述确定值计算所述位置概率。
[0006]可选地，所述使用所述核函数并基于所述确定值计算所述位置概率包括：计算所述位置概率为：
[0007][0008]其中,ψ()为所述核函数，所述核函数包括：高斯核函数；v为第一像素位置，p(H
(v))为所述位置概率；H(v)为第一像素点为所述第一移动物品的像素点的确定值，I(v)
i
为位于第i检测样本帧中的第一像素位置处的像素点为所述第二移动物品的像素点的确定值，m为所述检测样本帧的数量。
[0009]可选地，所述基于所述位置概率确定与所述第一移动物品对应的移动轨迹是否出现异常包括：获取预设的位置概率阈值，如果确定与预设数量的所述第一像素点相对应的所述位置概率都小于所述位置概率阈值，则确定与所述第一移动物品对应的移动轨迹出现异常。
[0010]可选地，所述对监控视频帧进行检测，确定所述监控视频帧中的移动物品包括：利用混合高斯模型对所述监控视频帧进行检测，分离运动目标；使用边缘检测方法获取与所述运动目标相对应的边缘轮廓；基于所述边缘轮廓在所述监控视频帧中获取所述移动物品。
[0011]可选地，所述利用混合高斯模型对所述监控视频帧进行检测，分离运动目标包括：在所述混合高斯模型中，对所述监控视频帧的每一个像素点建K个高斯分布；按权值和标准差的比值将每个像素点的所述K个高斯分布由大到小进行排序，选择前B个高斯分布作为背景像素模型；如果所述监控视频帧中的一个像素点的像素值与对应的所述B个高斯分布的像素值均值的差都大于差值阈值，则确定此像素点为运动目标像素点；基于所述运动目标像素点在所述监控视频帧中分离出背景和所述运动目标。
[0012]可选地，所述使用边缘检测方法获取与所述运动目标相对应的边缘轮廓包括：使用所述边缘检测方法对所述背景和所述运动目标进行边缘检测，获得所述边缘轮廓；其中，所述边缘检测方法包括：Canny算子检测方法、Sobel算子检测方法。
[0013]根据本公开的另一方面，提供一种物品运送轨迹检测装置，包括：移动物品检测模块，用于对监控视频帧进行检测，确定所述监控视频帧中的移动物品；检测样本获取模块，用于获取连续的多个监控视频帧，从所述多个监控视频帧中提取一个视频帧作为被检测帧，并将所述多个监控视频帧中的其余监控视频帧作为检测样本帧；位置概率获得模块，用于获取与所述被检测帧中的第一移动物品相对应的第一像素点，使用核密度估计方法并基于所述检测样本帧，计算用于指示所述第一像素点的位置属于移动物品正常位置区域的位置概率；移动轨迹判别模块，用于基于所述位置概率确定与所述第一移动物品对应的移动轨迹是否出现异常。
[0014]可选地，所述位置概率获得模块，用于获取所述第一像素点在所述被检测帧中的第一像素位置；获取所述检测样本帧中的第二移动物品，并获取所述第二像素点在所述被检测帧中的第二像素位置；基于所述第二像素位置获得位于所述检测样本帧中的第一像素位置处的像素点为所述第二像素点的确定值；获取与所述核密度估计方法相对应的核函数，使用所述核函数并基于所述确定值计算所述位置概率。
[0015]可选地，所述位置概率获得模块，用于计算所述位置概率为：
[0016][0017]其中,ψ()为所述核函数，所述核函数包括：高斯核函数；v为所述第一像素位置，p(H(V))为所述位置概率；H(V)为所述第一像素点为所述第一移动物品的像素点的确定值，I(v)
i
为位于第i个检测样本帧中的第一像素位置处的像素点为所述第二移动物品的像素点
的确定值，m为所述检测样本帧的数量。
[0018]可选地，所述移动轨迹判别模块，用于获取预设的位置概率阈值，如果确定与预设数量的所述第一像素点相对应的所述位置概率都小于所述位置概率阈值，则确定与所述第一移动物品对应的移动轨迹出现异常。
[0019]可选地，所述移动物品检测模块，包括：目标分离单元，用于利用混合高斯模型对所述监控视频帧进行检测，分离运动目标；边缘检测单元，用于使用边缘检测方法获取与所述运动目标相对应的边缘轮廓；物品获取单元，用于基于所述边缘轮廓在所述监控视频帧中获取所述移动物品。
[0020]可选地，所述目标分离单元，用于在所述混合高斯模型中，对所述监控视频帧的每一个像素点建K个高斯分布；按权值和标准差的比值将每个像素点的所述K个高斯分布由大到小进行排序，选择前B个高斯分布作为背景像素模型；如果所述监控视频帧中的一个像素点的像素值与对应的所述B个高斯分布的像素值均值的差都大于差值阈值，则确定此像素点为运动目标像素点；基于所述运动目标像素点在所述监控视频帧中分离出背景和所述运动目标。
[0021]可选地，所述边缘检测单元，用于使用所述边缘检测方法对所述背景和所述运动目标进行边缘检测，获得所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品运送轨迹检测方法，包括：对监控视频帧进行检测，确定所述监控视频帧中的移动物品；获取连续的多个监控视频帧，从所述多个监控视频帧中提取一个视频帧作为被检测帧，并将所述多个监控视频帧中的其余监控视频帧作为检测样本帧；获取与所述被检测帧中的第一移动物品相对应的第一像素点，使用核密度估计方法并基于所述检测样本帧，计算用于指示所述第一像素点的位置属于移动物品正常位置区域的位置概率；基于所述位置概率确定与所述第一移动物品对应的移动轨迹是否出现异常。2.如权利要求1所述的方法，所述使用核密度估计方法并基于所述检测样本帧，计算用于指示所述第一像素点的位置属于移动物品正常位置区域的位置概率包括：获取所述第一像素点在所述被检测帧中的第一像素位置；获取所述检测样本帧中的第二移动物品，并获取所述第二像素点在所述被检测帧中的第二像素位置；基于所述第二像素位置获得位于所述检测样本帧中的第一像素位置处的像素点为所述第二像素点的确定值；获取与所述核密度估计方法相对应的核函数，使用所述核函数并基于所述确定值计算所述位置概率。3.如权利要求2所述的方法，所述使用所述核函数并基于所述确定值计算所述位置概率包括：计算所述位置概率为：其中，ψ()为所述核函数，所述核函数包括：高斯核函数；v为第一像素位置，p(H(v))为所述位置概率；H(v)为第一像素点为所述第一移动物品的像素点的确定值，I(v)
i
为位于第i检测样本帧中的第一像素位置处的像素点为所述第二移动物品的像素点的确定值，m为所述检测样本帧的数量。4.如权利要求1至3任一项所述的方法，所述基于所述位置概率确定与所述第一移动物品对应的移动轨迹是否出现异常包括：获取预设的位置概率阈值，如果确定与预设数量的所述第一像素点相对应的所述位置概率都小于所述位置概率阈值，则确定与所述第一移动物品对应的移动轨迹出现异常。5.如权利要求1所述的方法，所述对监控视频帧进行检测，确定所述监控视频帧中的移动物品包括：利用混合高斯模型对所述监控视频帧进行检测，分离运动目标；使用边缘检测方法获取与所述运动目标相对应的边缘轮廓；基于所述边缘轮廓在所述监控视频帧中获取所述移动物品。6.如权利要求5所述的方法，所述利用混合高斯模型对所述监控视频帧进行检测，分离运动目标包括：在所述混合高斯模型中，对所述监控视频帧的每一个像素点建K个高斯分布；按权值和标准差的比值将每个像素点的所述K个高斯分布由大到小进行排序，选择前B
个高斯分布作为背景像素模型；如果所述监控视频帧中的一个像素点的像素值与对应的所述B个高斯分布的像素值均值的差都大于差值阈值，则确定此像素点为运动目标像素点；基于所述运动目标像素点在所述监控视频帧中分离出背景和所述运动目标。7.如权利要求6所述的方法，所述使用边缘检测方法获取与所述运动目标相对应的边缘轮廓包括：使用所述边缘检测方法对所述背景和所述运动目标进行边缘检测，获得所述边缘轮廓；其中，所述边缘检测方法包括：Canny算子检测方法、Sobel算子检测方法。8.一种物品运送轨迹检测装置，包括：移动物品检测模块，用于对监控视频帧进行检测，确定所述监控视频帧中的移动物品；...

【专利技术属性】
技术研发人员：刘洋，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：