本发明专利技术公开了车辆状态的确定方法、装置、电子设备和存储介质；本发明专利技术可以从目标视频流中获取目标图像，目标视频流为采集目标装卸口的视频流；对目标图像进行特征提取，得到目标特征；对目标特征进行注意力调整，得到调整后的目标特征；基于调整后的目标特征，对目标图像中的目标装卸口进行状态分类，得到目标装卸口的当前状态；基于目标装卸口的当前状态，确定目标装卸口中车辆的车辆状态。在本发明专利技术中，从采集到的目标装卸口的视频流中获取目标图像，对目标图像的特征进行注意力调整，以关注目标装卸口的车位所在区域而抑制周边区域的干扰；基于调整后的目标特征，得到目标装卸口中车辆的车辆状态。由此，本方案可以提升确定车辆状态的准确率。车辆状态的准确率。车辆状态的准确率。
【技术实现步骤摘要】
车辆状态的确定方法、装置、电子设备和存储介质
[0001]本专利技术涉及智慧物流
，具体涉及车辆状态的确定方法、装置、电子设备和存储介质。
技术介绍
[0002]伴随着经济快速增长和居民生活水平的提高，物流作为经济发展的基础产业，已经进入高速发展时期。车辆调度作为物流园区有序运作的底层支撑，其智能化程度已经成为智慧物流领域重要的研究方向。车辆调度系统可以包括车辆预约、车辆签到、车辆调度、车辆管理等，其目的是调度物流园区的车辆尽快到达相应货仓垛口(装卸口)装卸货物，从而提升物流园区的运作效率。在对物流园区中车辆的调度过程中，需要明确装卸口中车辆的车辆状态，从而达到对物流园区车辆的全面管控。
[0003]但是，目前在确定装卸口中车辆的车辆状态时，准确率较低。
技术实现思路
[0004]本专利技术提供车辆状态的确定方法、装置、电子设备和存储介质，可以提升确定车辆状态的准确率。
[0005]本专利技术提供一种车辆状态的确定方法，包括：
[0006]从目标视频流中获取目标图像，目标视频流为采集目标装卸口的视频流；
[0007]对目标图像进行特征提取，得到目标特征；
[0008]对目标特征进行注意力调整，得到调整后的目标特征；
[0009]基于调整后的目标特征，对目标图像中的目标装卸口进行状态分类，得到目标装卸口的当前状态；
[0010]基于目标装卸口的当前状态，确定目标装卸口中车辆的车辆状态。
[0011]本专利技术还提供一种车辆状态的确定装置，包括：
[0012]获取单元，用于从目标视频流中获取目标图像，目标视频流为采集目标装卸口的视频流；
[0013]提取单元，用于对目标图像进行特征提取，得到目标特征；
[0014]调整单元，用于对目标特征进行注意力调整，得到调整后的目标特征；
[0015]分类单元，用于基于调整后的目标特征，对目标图像中的目标装卸口进行状态分类，得到目标装卸口的当前状态；
[0016]确定单元，用于基于目标装卸口的当前状态，确定目标装卸口中车辆的车辆状态。
[0017]在一些实施例中，调整单元具体用于：
[0018]在训练好的注意力层对目标特征进行注意力调整，得到调整后的目标特征；
[0019]注意力层包括通道注意力网络和空间注意力网络，在训练好的注意力层对目标特征进行注意力调整，得到调整后的目标特征，包括：
[0020]采用训练好的通道注意力网络对目标特征进行通道注意力调整，得到通道调整后
的目标特征；
[0021]采用训练好的空间注意力网络对通道调整后的目标特征进行空间注意力调整，得到调整后的目标特征。
[0022]在一些实施例中，车辆状态的确定装置还可以用于：
[0023]获取状态分类模型，以及获取训练集，训练集中的训练图像为标注了装卸口的状态的图像；
[0024]采用训练集对状态分类模型进行训练，得到训练好的状态分类模型。
[0025]在一些实施例中，状态分类模型包括特征提取层、注意力层、全连接层和输出层，车辆状态的确定装置还可以用于：
[0026]采用特征提取层对训练图像进行特征提取，得到训练特征；
[0027]采用注意力层对训练特征进行注意力调整，得到调整后的训练特征；
[0028]基于调整后的训练特征，采用全连接层和输出层对训练图像中的装卸口进行状态分类，得到预测状态；
[0029]基于调整后的训练特征、预测状态和标注的装卸口的状态，计算状态损失值；
[0030]根据损失值，对状态分类模型的参数进行更新，返回执行采用特征提取层对训练图像进行特征提取的步骤，迭代至损失值满足预设条件，得到训练好的状态分类模型。
[0031]在一些实施例中，车辆状态的确定装置还可以用于：
[0032]获取预测状态对应的类别中心；
[0033]基于调整后的训练特征与类别中心，确定中心损失值；
[0034]确定预测状态和标注的装卸口的状态的交叉熵损失值；
[0035]基于交叉熵损失值和中心损失值，得到状态损失值。
[0036]在一些实施例中，装卸口的状态包括无作业车辆状态、车辆进出港中状态、车辆到港作业中状态；确定单元具体用于：
[0037]获取上一时刻目标装卸口的上一状态；
[0038]当上一状态为无作业车辆状态，当前状态为车辆进出港中状态时，确定车辆的车辆状态为车辆到港状态；
[0039]当上一状态为车辆到港作业中状态，当前状态为车辆进出港中状态时，确定车辆的车辆状态为车辆离港状态。
[0040]在一些实施例中，确定单元具体用于：
[0041]获取车辆的车辆标识；
[0042]确定车辆标识与预设标识是否匹配；
[0043]当车辆标识与预设标识匹配时，记录车辆的到港时间和离港时间，到港时间为车辆的车辆状态为车辆到港状态时的时间，离港时间为车辆的车辆状态为车辆离港状态时的时间。
[0044]本专利技术还提供一种电子设备，包括存储器和处理器，存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本专利技术所提供的任一种车辆状态的确定方法中的步骤。
[0045]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本专利技术所提供的任一种车辆状态的确定方法中
的步骤。
[0046]本专利技术可以从目标视频流中获取目标图像，目标视频流为采集目标装卸口的视频流；对目标图像进行特征提取，得到目标特征；对目标特征进行注意力调整，得到调整后的目标特征；基于调整后的目标特征，对目标图像中的目标装卸口进行状态分类，得到目标装卸口的当前状态；基于目标装卸口的当前状态，确定目标装卸口中车辆的车辆状态。
[0047]在本专利技术中，从采集到的目标装卸口的视频流中获取目标图像并提取目标图像的特征，对目标图像的特征进行注意力调整，以关注目标装卸口的车位所在区域而抑制周边区域的干扰；基于调整后的目标特征，对目标图像中的目标装卸口进行状态分类，最后根据目标装卸口的当前状态，得到目标装卸口中车辆的车辆状态。由此，本方案可以提升目标装卸口中车辆的车辆状态分类得准确率。
附图说明
[0048]为了更清楚地说明本专利技术中的技术方案，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他的附图。
[0049]图1a是本专利技术提供的车辆状态的确定方法的流程示意图；
[0050]图1b是本专利技术提供的状态分类模型的结构示意图；
[0051]图2是本专利技术提供的训练状态分类模型的流程示意图；
[0052]图3是本专利技术提供的车辆状态的确定装置的一种结构示意图；
[0053]图4是本专利技术提供的电子设备的结构示意图。...
【技术保护点】
【技术特征摘要】
1.一种车辆状态的确定方法，其特征在于，包括：从目标视频流中获取目标图像，所述目标视频流为采集目标装卸口的视频流；对所述目标图像进行特征提取，得到目标特征；对所述目标特征进行注意力调整，得到调整后的目标特征；基于所述调整后的目标特征，对所述目标图像中的所述目标装卸口进行状态分类，得到所述目标装卸口的当前状态；基于所述目标装卸口的当前状态，确定所述目标装卸口中车辆的车辆状态。2.如权利要求1所述的车辆状态的确定方法，其特征在于，所述对所述目标特征进行注意力调整，得到调整后的目标特征，包括：在训练好的注意力层对所述目标特征进行注意力调整，得到调整后的目标特征；所述注意力层包括通道注意力网络和空间注意力网络，所述在训练好的注意力层对所述目标特征进行注意力调整，得到调整后的目标特征，包括：采用训练好的所述通道注意力网络对所述目标特征进行通道注意力调整，得到通道调整后的目标特征；采用训练好的所述空间注意力网络对所述通道调整后的目标特征进行空间注意力调整，得到调整后的目标特征。3.如权利要求1所述的车辆状态的确定方法，其特征在于，所述从目标视频流中获取目标图像之前，还包括：获取状态分类模型，以及获取训练集，所述训练集中的训练图像为标注了装卸口的状态的图像；采用所述训练集对所述状态分类模型进行训练，得到训练好的状态分类模型。4.如权利要求3所述的车辆状态的确定方法，其特征在于，所述状态分类模型包括特征提取层、注意力层、全连接层和输出层，所述采用所述训练集对所述状态分类模型进行训练，包括：采用所述特征提取层对所述训练图像进行特征提取，得到训练特征；采用所述注意力层对所述训练特征进行注意力调整，得到调整后的训练特征；基于调整后的训练特征，采用所述全连接层和所述输出层对所述训练图像中的装卸口进行状态分类，得到预测状态；基于所述调整后的训练特征、所述预测状态和标注的所述装卸口的状态，计算状态损失值；根据所述损失值，对所述状态分类模型的参数进行更新，返回执行采用所述特征提取层对所述训练图像进行特征提取的步骤，迭代至所述损失值满足预设条件，得到训练好的状态分类模型。5.如权利要求4所述的车辆状态的确定方法，其特征在于，所述基于所述调整后的训练...
【专利技术属性】
技术研发人员：孙增强，赵钦炎，李诺，孙明辉，李亚平，樊瑞杰，许新颖，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。