一种仓库重要物品在位检测方法技术

本发明专利技术提供的一种仓库重要物品在位检测方法，检测方法包括：采集监测区域的图像，判断是否处于存取物品过程中的状态，获得监测图像；将所述监测图像标准化处理，获得标准化图像；利用训练好的识别模型识别所述标准化图像，获得物品清单和预警。采用图像识别的方式对仓库重要物品进行检测，在训练识别物品所用的模型时加入了欺骗图库，增加识别模型辨识真伪的能力，从而达到重要物品在位检测目的。从而达到重要物品在位检测目的。从而达到重要物品在位检测目的。

【技术实现步骤摘要】
一种仓库重要物品在位检测方法


[0001]本专利技术涉及图像检测
，尤其涉及一种仓库重要物品在位检测方法。

技术介绍

[0002]重要物品在位检测，是保证其安全在仓储、展示等过程中的有效手段。现有的方法多是通过单个或几个物理量来判断重要物品是否在位，例如红外对射、在位开关和质量等中的一个或几个物理量的组合。随着视频监控技术的发展，摄像头向着体积小，隐蔽性好的方向发展，涌现出了大量的图像识别的方法，但这些方法大多直接利用深度学习对监测图像识别来检测，但是这却忽略的可能存在风险，如重要物品被盗后，对应位置摆放照片或模型来欺骗检测系统。提高仓库重要物品检测的准确性是亟待解决的问题。

技术实现思路

[0003]鉴于上述问题，提出了本专利技术以便提供克服上述问题或者至少部分地解决上述问题的一种仓库重要物品在位检测方法。
[0004]根据本专利技术的一个方面，提供了一种仓库重要物品在位检测方法，所述检测方法包括：
[0005]采集监测区域的图像，判断是否处于存取物品过程中的状态，获得监测图像；
[0006]将所述监测图像标准化处理，获得标准化图像；
[0007]利用训练好的识别模型识别所述标准化图像，获得物品清单和预警。
[0008]可选的，所述判断是否处于存取物品过程中的状态具体包括：判断是否进行在位检测的选择开关；
[0009]如果处于存在物品过程中，存取人员和机器人会对物品造成全遮挡，则停止检测；否则，进行重要物品在位检测。
[0010]可选的，所述将所述监测图像标准化处理具体包括：
[0011]构建图像区域分割线；
[0012]根据所述分割线分割所述监测图像，获得分割图像；
[0013]根据预先采集的背景模型去除所述分割图像的背景，获得背景去除图像；
[0014]利用低秩纹理映射算法矫正所述背景去除图像，获得标准化图像。
[0015]可选的，所述构建图像区域分割线具体包括：
[0016]根据采集到图像中多个物品摆放位置将图像划分为对应物品个数的区域，得到物品区域图像；
[0017]确定区域过程中的分割线就是构建的图像区域分割线；每次的分割线都相同。
[0018]可选的，所述利用训练好的识别模型识别所述标准化图像具体包括：
[0019]利用预先采集的重要物品的图像样本库来训练识别模型；
[0020]在训练样本中加入了欺骗图库，来增加识别模型辨识真伪的能力。
[0021]可选的，所述欺骗图库是由监测位置摆放对应物品的照片时采集的图像；
[0022]监测位置摆放对应物品同种类似物品时采集的图像和监测位置摆放对应物品的塑料模型时采集的图像；
[0023]利用生成对抗网络模型生成欺骗图像，扩充欺骗图库。
[0024]可选的，所述预警是将生成的物品清单与标准物品清单对比，获得对比结果；
[0025]根据所述对比结果确定物品的在位状态；所述在位状态包括全部在位、存在合法不在位和存在非法不在位；
[0026]根据所述在位状态做出预警，如果为全部在位、存在合法不在位中的任何一者，输出安全指示；如果存在非法不在位，输出警报。
[0027]本专利技术提供的一种仓库重要物品在位检测方法，所述检测方法包括：采集监测区域的图像，判断是否处于存取物品过程中的状态，获得监测图像；将所述监测图像标准化处理，获得标准化图像；利用训练好的识别模型识别所述标准化图像，获得物品清单和预警。采用图像识别的方式对仓库重要物品进行检测，在训练识别物品所用的模型时加入了欺骗图库，增加识别模型辨识真伪的能力，从而达到重要物品在位检测目的。
[0028]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0029]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0030]图1为本专利技术实施例提供的一种仓库重要物品在位检测方法流程图；
[0031]图2为本专利技术实施例提供的监测图像标准化处理流程图；
[0032]图3为本专利技术实施例提供的防欺骗识别模型训练过程的示意图；
[0033]图4为本专利技术实施例提供的预警示意图。
具体实施方式
[0034]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0035]本专利技术的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。
[0036]下面结合附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0037]如图1所示，一种仓库重要物品在位检测方法，检测方法流程包括如下步骤：采集监测区域图像、是否处于存取物品过程中的状态判断、监测图像标准化处理、利用训练好的识别模型进行识别、生成物品清单和预警。
[0038]是否处于存取物品过程中的状态判断，是判定是否进行在位检测的选择开关。若
处于存取物品过程中，存取人员或者机器人可能会对物品造成全遮挡，则停止检测，若处于非存取物品过程中，则进行重要物品在位检测。
[0039]如图2所示，监测图像标准化处理包括如下步骤：构建图像区域分割线、对采集的图像分割、根据预先采集的背景模型去除分割后图像的背景和利用低秩纹理映射算法对图像矫正。
[0040]构建图像区域分割线，即人为的根据采集到图像中多个物品摆放位置将图像划分为对应物品个数的区域，得到物品区域图像。此过程中的分割线就是构建的图像区域分割线。由于监测相机和物品的相对位置是固定，故每次的分割线都相同，可以使用同一分割线。
[0041]如图3所示，利用训练好的识别模型进行识别，识别模型是一种防欺骗识别模型，其训练过程，利用预先采集的重要物品的图像样本库来训练识别模型。同时，在训练样本中加入了欺骗图库，来增加识别模型辨识真伪的能力。其中，欺骗图库由监测位置摆放对应物品的照片时采集的图像、监测位置摆放对应物品同种类似物品时采集的图像和监测位置摆放对应物品的塑料模型时采集的图像等组成。为了进一步增加欺骗图库的样本容量，利用生成对抗网络模型GAN进一步生成欺骗图像，来实现欺骗图库的扩充。所述的识别模型可采用EfficientNetV2网络模型，但不限定于该网络模型。
[0042]如图4所示，预警，是通过生成的物品清单与标准物品清单对比，根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仓库重要物品在位检测方法，其特征在于，所述检测方法包括：采集监测区域的图像，判断是否处于存取物品过程中的状态，获得监测图像；将所述监测图像标准化处理，获得标准化图像；利用训练好的识别模型识别所述标准化图像，获得物品清单和预警。2.根据权利要求1所述的一种仓库重要物品在位检测方法，其特征在于，所述判断是否处于存取物品过程中的状态具体包括：判断是否进行在位检测的选择开关；如果处于存在物品过程中，存取人员和机器人会对物品造成全遮挡，则停止检测；否则，进行重要物品在位检测。3.根据权利要求1所述的一种仓库重要物品在位检测方法，其特征在于，所述将所述监测图像标准化处理具体包括：构建图像区域分割线；根据所述分割线分割所述监测图像，获得分割图像；根据预先采集的背景模型去除所述分割图像的背景，获得背景去除图像；利用低秩纹理映射算法矫正所述背景去除图像，获得标准化图像。4.根据权利要求3所述的一种仓库重要物品在位检测方法，其特征在于，所述构建图像区域分割线具体包括：根据采集到图像中多个物品摆放位置将图像划分为对应物品个数的...

【专利技术属性】
技术研发人员：贺志洋，陈玺，李杨，姜涛，魏宇鋆，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：