物流分拣形式识别方法、装置及存储介质制造方法及图纸

本申请提供了物流分拣形式识别方法、装置及存储介质。其中方法包括：确定视频片段的视频片段开始时刻图像中的多个跟踪关键点；获取所述多个跟踪关键点在所述视频片段中的多个运动轨迹；将所述多个运动轨迹进行聚类，以得到多个轨迹聚类；确定所述多个轨迹聚类中满足监控要求的至少一个第一轨迹聚类；获取每个所述第一轨迹聚类的第一特征，并根据所述第一特征判定是否发生暴力分拣行为。本方法所处理的是视频画面当中所有发生运动的物体的轨迹数据，不受目标个数和种类的限制。实现最终输出是具有实际意义的物理量，避免了模型的完全黑箱化，提高了模型输出的可解释性，为不同的业务方、不同场景的使用提供了个性化配置的可能。能。能。

【技术实现步骤摘要】
物流分拣形式识别方法、装置及存储介质


[0001]本申请涉及人工智能
，尤其涉及物流分拣形式识别方法、装置及存储介质。

技术介绍

[0002]目前快递的分拣通常采用人工方式进行，可能会存在分拣员对物品暴力分拣的行为，例如抛、摔、踩、踢等。为了避免暴力分拣，通常会在快递分拣的场地安装摄像头，通过摄像头采集分拣过程的视频数据，再对视频数据进行处理，识别是否存在暴力分拣行为。
[0003]快递分拣场景复杂，包括人、快递、其他运动物体等多种目标，个数不定，类别多样。相关技术中。基于目标检测和目标跟踪的识别方法很难完成对所有类别的所有目标的判定，且所需计算量大。而基于神经网络的
‘
端到端
’
识别方法，模型的通用性较低，无法满足不同业务方不同的判定标准，针对不同的业务方需要重新训练，且所需标注数据难度大、成本高。

技术实现思路

[0004]本申请提供了一种物流分拣形式识别方法、装置及存储介质，用以解决上述技术问题中的至少一个。本申请的技术方案如下：
[0005]根据本申请实施例的第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流分拣形式识别方法，其特征在于，包括：确定视频片段的视频片段开始时刻图像中的多个跟踪关键点；其中，所述跟踪关键点为所述视频片段开始时刻图像中像素的初始跟踪点；获取所述多个跟踪关键点在所述视频片段中的多个运动轨迹；将所述多个运动轨迹进行聚类，以得到多个轨迹聚类；确定所述多个轨迹聚类中满足监控要求的至少一个第一轨迹聚类；获取每个所述第一轨迹聚类的第一特征，并根据所述第一特征判定是否发生暴力分拣行为。2.根据权利要求1所述的方法，其特征在于，所述确定视频片段的视频片段开始时刻图像中的多个跟踪关键点，包括：将所述视频片段开始时刻图像按照固定间隔划分为若干方格，将每个所述方格的中心确定为所述跟踪关键点；或者，将所述视频片段开始时刻图像采用超像素分割，将每个所述超像素的外接中心确定为所述跟踪关键点。3.根据权利要求1所述的方法，其特征在于，所述确定所述多个轨迹聚类中满足监控要求的至少一个第一轨迹聚类，包括：提取每个所述轨迹聚类的第二特征；将所述第二特征输入分类器，以得到所述满足监控要求的至少一个第一轨迹聚类。4.根据权利要求3所述的方法，其特征在于，所述提取每个所述轨迹聚类的第二特征，包括：确定每个所述轨迹聚类的中心，获取对应的第一运动轨迹；采集所述第一运动轨迹的多个位置的周边画面信息，将所述周边画面信息作为所述第二特征。5.根据权利要求3所述的方法，其特征在于，所述确定视频片段的视频片段开始时刻图像中的多个跟踪关键点，包括：将所述视频片段开始时刻图像采用超像素分割，将每个所述超像素的外接中心确定为所述跟踪关键点；以及，所述提取每个所述轨迹聚类的第二特征，包括：获取每个所述轨迹聚类的超像素；将所述超像素合并得到轮廓画面，将所述轮廓画面作为所述第二特征。6.根据权利要求1所述的方法，其特征在于，所述第一特征包括物体类别、物体的运动物理量以及发生暴力分拣行为的位置信息，所述获取每个所述第一轨迹聚类的第一特征，包括：获取每个所述第一轨迹聚类的聚类中心，通过所述聚类中心表示所述物体类别；获取每个所述第一轨迹聚类的物理量，作为所述物体的运动物理量；定位每个所述第一轨迹聚类的发生区域，以获取所述发生暴力分拣行为的位置信息。7.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征判定是否发生暴力分拣行为，包括：根据所述第一特征是否超过预设范围，判定是否发生暴力分拣行为；或者，
将所述第一特征输入预设的异常检测模型，以得到检测结果；根据所述检测结果，判定是否发生暴力分拣行为。8.根据权利要求1所述的方法，其特征在于，所述获取所述多个跟踪关键点在所述视频片段中的多个运动轨迹，包括：获取每个所述跟踪关键点在邻域内的协方差矩阵的最小特征值，并删除所述多个跟踪关键点之中所述最小特征值小于第一预设阈值的跟踪关键点；获取所述多个跟踪关键点之中剩余跟踪关键点，并通过光流法对所述剩余跟踪关键点在所述视频片段中进行跟踪，获取所述运动轨迹。9.根据权利要求1
‑
8中任一所述的方法，其特征在于，所述将所述多个运动轨迹进行聚类，以得到多个轨迹聚类，包括：获取每个所述运动轨迹的时间长度；删除所述多个运动轨迹之中所述时间长度小于第二预设阈值的运动轨迹，并将所述多个运动轨迹之中剩余运动轨迹作为第一剩余运动轨迹；针对所述第一剩余运动轨迹，获取每个所述运动轨迹在X、Y两个方向上的平均移动距离；删除所述多个运动轨迹之中所述平均移动距离小于第三预设阈值的运动轨迹，和\或，获取每个所述运动轨迹在X、Y两个方向上的移动标准差；删除所述第一剩余运动轨迹之中所述移动标准差小于第四预设阈值的运动轨迹；以及，将所述第一剩余运动轨迹之中再次剩余的运动轨迹进行聚类，以得到多个轨迹聚类。10.根据权利要求1
‑
8中任一所述的方法，其特征在于，所述将所述多个运动轨迹进行聚类，以得到多个轨迹聚类，包括：获取每个所述运动轨迹在X、Y两个方向上的平均移动距离；删除所述多个运动轨迹之中所述平均移动距离小于第三预设阈值的运动轨迹，和\或，获取每个所述运动轨迹在X、Y两个方向上的移动标准差；删除所述多个运动轨迹之中所述移动标准差小于第四预设阈值的运动轨迹；以及，将所述多个运动轨迹之中剩余运动轨迹作为第二剩余运行轨迹；针对所述第二剩余运动轨迹，获取每个所述运动轨迹的时间长度；删除所述第二剩余运动轨迹之中所述时间长度小于第二预设阈值的运动轨迹，并将所述第二剩余运动轨迹之中再次剩余的运动轨迹进行聚类，以得到多个轨迹聚类。11.根据权利要求1或2所述的方法，其特征在于，所述确定视频片段的视频片段开始时刻图像中的多个跟踪关键点，还包括：对所述视频片段进行静止画面过滤处理。12.一种物流分拣形式识别装置，其特征在于，包括：确定模块，用于确定视频片段的视频片段开始时刻图像中的多个跟踪关键点；其中，所述跟踪关键点为所述视频片段开始时刻图像中像素的初始跟踪点；获取模块，用于获取所述多个跟踪关键点在所述视频片段中的多个运动轨迹；聚类模块，用于将所述多个运动轨迹进行聚类，以得到多个轨迹聚类；分类模块，用于确定所述多个轨迹...

【专利技术属性】
技术研发人员：陈智勇，郭聪，于伟，王林芳，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：