【技术实现步骤摘要】
本专利技术涉及一种仓储堆放粮食监测方法、装置、储存介质及设备，属于计算机视觉及图像识别。
技术介绍
1、目前针对仓内粮食堆放形态变化实时监测主要采用以下几种方法：1、通过视频监控进行人工方式巡查，该种方法消耗大量人力，且人工巡查方式很难做到实时监测；2、采用激光雷达技术，对粮食堆放形态进行监测，该种方法成本高，且部署调试困难，无法大面积推广应用，只能用在有定量监测需求的场景下；3、采用图像整体比对方式进行监测，由于仓内环境各有不同，加之仓内作业过程会产出大量图像噪声，此方式进行监测会带入大量误报警，增加使用者的使用难度。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种仓储堆放粮食监测方法、装置、储存介质及设备，提高了粮食堆放轮廓变化的监测精度，同时避免了偶发噪声导致监测误报的情况，解决当前仓内粮食堆放形态变化实时监测精度低，易误报的问题。
2、为达到上述目的/为解决上述技术问题，本专利技术是采用下述技术方案实现的：
3、第一方面，一种仓储堆放粮食监测方法，包括：
4、通过监控设备，获取堆放粮食监测视频流；
5、基于堆放粮食监测视频流，通过gabor小波算子获取粮食堆放轮廓变化情况；
6、根据粮食堆放轮廓变化得到粮食堆放形状的实时变化。
7、进一步地，所述基于堆放粮食监测视频流，通过gabor小波算子获取粮食堆放轮廓变化情况，包括：
8、以预设频率从堆放粮食监测视频流提取多个粮食
9、对提取到的图像数据进行转化处理，获取对应的灰度图；
10、对灰度图进行滤波和边缘提取处理，获取对应的图像边缘特征数据；
11、根据时间戳，对每个粮食堆彩色图像对应的图像边缘特征数据进行排序处理，生成时序数据队列；
12、根据时序数据队列进行计算，获取粮食堆放轮廓变化情况。
13、更进一步地，所述对提取到的图像数据进行转化处理，获取对应的灰度图，包括：
14、gray＝r×0.299+g×0.587+b×0.114g；
15、其中：gray表示灰度图像；r表示彩色图像红通道的灰度值；g表示彩色图像绿通道的灰度值；b表示彩色图像蓝通道的灰度值。
16、更进一步地，所述对灰度图进行滤波和边缘提取处理，获取对应的图像边缘特征数据，包括：
17、构建频率特征函数对灰度图进行滤波处理：
18、
19、
20、其中：
21、ω表示gabor小波滤波器的中心频率，ω∈{1，2，3，4，5}，
22、θ表示gabor小波滤波器的方向，θ∈{0，π8，2π8，3π8，4π8，5π8，6π8，7π8}；
23、σ表示各gabor小波滤波器的标准方差；
24、表示不同频率下，gabor小波滤波器的带宽；
25、(x，y)表示灰度图上像素点的坐标；
26、对滤波后的灰度图进行边缘提取处理：
27、
28、其中：
29、
30、
31、
32、通过不同方向的gabor小波变换与图像函数i(x，y)的卷积获取获取响应函数f(ωi,σi,θk,x,y)，及其变化率δf(ωi,σi,θk,x,y)，对响应函数f(ωi,σi,θk,x,y)求导获取图像边缘特征，x轴分量记为:fx(ωi,σi,θk,x,y)，y轴分量记为:fy(ωi,σi,θk,x,y)；
33、ωi表示第i个gabor小波滤波器的中心频率；
34、θk表示第k个gabor小波滤波器的方向；
35、σi表示第i个gabor小波滤波器的标准方差。
36、更进一步地，所述根据时间戳，对每个粮食堆彩色图像对应的图像边缘特征数据进行排序处理，生成时序数据队列，包括：
37、获取每个粮食堆彩色图像对应的时间戳；
38、将获取的图像边缘特征数据对应时间戳进行组合，生成时序数据；
39、按照时间戳的先后，对时序数据进行排列，得到时序数据队列。
40、更进一步地，，所述根据时序数据队列进行计算，获取粮食堆放轮廓变化情况，包括：
41、判断时序数据队列大小是否大于预设队列大小阈值，若是，则进行计算，若否，则等待后续时序数据加入时序数据队列；
42、对时序数据队列中的时序数据进行平方差计算；
43、判断平方差计算结果是否超出监测阈值，若是，则截止本次计算，记录为一条粮食堆放轮廓变化事件并将记录储存至数据库；若否，则对下一个时序数据进行计算。
44、第二方面，本专利技术提供了一种仓储堆放粮食监测装置，包括：
45、获取模块，用于通过监控设备，获取堆放粮食监测视频流；
46、计算判断模块，用于基于堆放粮食监测视频流，通过gabor小波算子获取粮食堆放轮廓变化情况；
47、输出模块，用于根据粮食堆放轮廓变化得到粮食堆放形状的实时变化。
48、第三方面，本专利技术提供了一种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任一项所述方法的步骤。
49、第四方面，本专利技术提供了一种计算设备，包括：
50、一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据上述的方法中的任一方法的指令。
51、与现有技术相比，本专利技术所达到的有益效果：
52、本专利技术通过gabor小波算子基于堆放粮食监测视频流来获取粮食堆放轮廓变化情况，再根据粮食堆放轮廓变化得到粮食堆放形状的实时变化，通过边缘检测与时序变化量监测，实现对仓内粮食堆放形状变化的实时且准确的监测，提高了粮食堆放轮廓变化的监测精度，同时避免了偶发噪声导致监测误报的情况，解决当前仓内粮食堆放形态变化实时监测精度低，易误报的问题。
本文档来自技高网...【技术保护点】
1.一种仓储堆放粮食监测方法，其特征在于，包括：
2.根据权利要求1所述的仓储堆放粮食监测方法，其特征在于，所述基于堆放粮食监测视频流，通过Gabor小波算子获取粮食堆放轮廓变化情况，包括：
3.根据权利要求2所述的仓储堆放粮食监测方法，其特征在于，所述对提取到的图像数据进行转化处理，获取对应的灰度图，包括：
4.根据权利要求2所述的仓储堆放粮食监测方法，其特征在于，所述对灰度图进行滤波和边缘提取处理，获取对应的图像边缘特征数据，包括：
5.根据权利要求2所述的仓储堆放粮食监测方法，其特征在于，所述根据时间戳，对每个粮食堆彩色图像对应的图像边缘特征数据进行排序处理，生成时序数据队列，包括：
6.根据权利要求5所述的仓储堆放粮食监测方法，其特征在于，所述根据时序数据队列进行计算，获取粮食堆放轮廓变化情况，包括：
7.一种仓储堆放粮食监测装置，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6任一项所述方法的步骤。
9.
...【技术特征摘要】
1.一种仓储堆放粮食监测方法，其特征在于，包括：
2.根据权利要求1所述的仓储堆放粮食监测方法，其特征在于，所述基于堆放粮食监测视频流，通过gabor小波算子获取粮食堆放轮廓变化情况，包括：
3.根据权利要求2所述的仓储堆放粮食监测方法，其特征在于，所述对提取到的图像数据进行转化处理，获取对应的灰度图，包括：
4.根据权利要求2所述的仓储堆放粮食监测方法，其特征在于，所述对灰度图进行滤波和边缘提取处理，获取对应的图像边缘特征数据，包括：
5.根据权利要求2所述的...
【专利技术属性】
技术研发人员：张刚，阴国松，雷佳，潘欣欣，马晓东，
申请(专利权)人：航天信息江苏有限公司，
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。