CN107358194B - 一种基于计算机视觉的暴力分拣快递判断方法 - Google Patents

一种基于计算机视觉的暴力分拣快递判断方法 Download PDF

Info

Publication number
CN107358194B
CN107358194B CN201710555966.5A CN201710555966A CN107358194B CN 107358194 B CN107358194 B CN 107358194B CN 201710555966 A CN201710555966 A CN 201710555966A CN 107358194 B CN107358194 B CN 107358194B
Authority
CN
China
Prior art keywords
express delivery
package
parcel
video frame
judging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710555966.5A
Other languages
English (en)
Other versions
CN107358194A (zh
Inventor
宫婧
缪宇杰
孙知信
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201710555966.5A priority Critical patent/CN107358194B/zh
Publication of CN107358194A publication Critical patent/CN107358194A/zh
Application granted granted Critical
Publication of CN107358194B publication Critical patent/CN107358194B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于计算机视觉的暴力分拣快递判断方法，采用深度学习的方法，使用YOLO卷积神经网络进行样本集训练，获得具有识别快递能力的模型，即包裹识别模型，用于针对各个视频帧进行识别，然后基于所识别获得包裹图像的坐标，根据包裹图像坐标的实时变化，判断是否属于暴力分拣行为，整个设计方法简洁，易于实现，且能够有效提高实际应用效率。

Description

一种基于计算机视觉的暴力分拣快递判断方法
技术领域
本发明涉及一种基于计算机视觉的暴力分拣快递判断方法，属于图像处理技术领域。
背景技术
近年来，快递行业快速发展，各类投诉也呈现激增的趋势，快递业乱象由来已久。快递乱象表面原因是从业人员服务水平差，但追根究底，民营快递多以加盟制为主，由于管理松散、准入门槛低，对基层网点的管理和员工培训很难做到严格规范。其中，暴力分拣是一个十分突出的问题。由于工作量大，经常出现员工不按规范操作，以扔的方式将物品归类，包装盒内的物品极易受损。因此，加强对员工暴力分拣的监管十分必要。
发明内容
本发明所要解决的技术问题是提供一种采用全新设计思路，能够有效提高识别效率的基于计算机视觉的暴力分拣快递判断方法。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于计算机视觉的暴力分拣快递判断方法，基于固定角度拍摄快递传送单，所获得的各个视频帧，执行暴力分拣快递判断方法，其中，包裹分拣员工作区位于固定角度拍摄区域内，所述暴力分拣快递判断方法包括如下步骤：
步骤A.采用经过包裹样本集训练的包裹识别模型，针对各个视频帧进行识别，获得各个视频帧中的包裹图像，并进行标记，然后进入步骤B；
步骤B.针对固定角度拍摄区域建立坐标系，获得各个视频帧中包裹图像的坐标信息，然后进入步骤C；
步骤C.基于各个视频帧中包裹图像的坐标信息，获得包裹本体的移动轨迹，并获得移动轨迹的起点坐标和终点坐标，以及最高位置像素点坐标，然后进入步骤D；
步骤D.获得起点坐标与终点坐标相对横坐标轴的距离A，并判断A>W或y>H是否成立，是则判断该包裹为暴力分拣；否则判断该包裹不是暴力分拣；其中，W表示沿坐标系横坐标预设包裹最大正常移动距离，y表示移动轨迹中最高位置像素点坐标的纵坐标，H表示沿坐标系纵坐标预设包裹最大正常移动距离。
作为本发明的一种优选技术方案：所述步骤A中，采用经过包裹样本集训练的YOLO卷积神经网络，作为包裹识别模型，完成针对各个视频帧的识别。
作为本发明的一种优选技术方案：所述步骤A中，所述包裹样本集采用PASCALVOC2007数据集架构，用来训练YOLO卷积神经网络。
本发明所述一种基于计算机视觉的暴力分拣快递判断方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明设计的一种基于计算机视觉的暴力分拣快递判断方法，采用深度学习的方法，使用YOLO卷积神经网络进行样本集训练，获得具有识别快递能力的模型，即包裹识别模型，用于针对各个视频帧进行识别，然后基于所识别获得包裹图像的坐标，根据包裹图像坐标的实时变化，判断是否属于暴力分拣行为，整个设计方法简洁，易于实现，且能够有效提高实际应用效率。
附图说明
图1是本发明所设计一种基于计算机视觉的暴力分拣快递判断方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示，本发明设计了一种基于计算机视觉的暴力分拣快递判断方法，基于固定角度拍摄快递传送单，所获得的各个视频帧，执行暴力分拣快递判断方法，其中，包裹分拣员工作区位于固定角度拍摄区域内，实际应用中，即采用指向快递分拣员工作区域的固定角度的摄像头，摄像头所拍摄区域覆盖快递分拣员工作区域，能够获取快递分拣员的整个操作动作，基于该摄像头所获得视频流中的各个视频帧，执行如下步骤，判断快递分拣员的操作是否为暴力分拣。
步骤A.采用PASCAL VOC2007数据集架构的包裹样本集，使用YOLO卷积神经网络进行训练，获得包裹识别模型，并采用包裹识别模型完成针对各个视频帧的识别，获得各个视频帧中的包裹图像，并进行标记，然后进入步骤B。
其中，PASCAL VOC2007数据集架构的包裹样本集，准备若干张包裹有关的图片，按照PASCAL VOC2007数据集的架构来准备数据集，采用jpg格式的图像。VOC的结构如下：
Figure GDA0002520077820000021
Figure GDA0002520077820000031
这里面用到的文件夹是Annotation、ImageSets和JPEGImages。其中文件夹Annotation中主要存放xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别信息，命名通常与对应的原始图像一样；而ImageSets只需要用到Main文件夹，这里面存放的是一些文本文件，通常为train.txt、test.txt等，该文本文件里面的内容是需要用来训练或测试的图像的名字(无后缀无路径)；JPEGImages文件夹中放已按统一规则命名好的原始图像。
步骤B.针对固定角度拍摄区域建立坐标系，获得各个视频帧中包裹图像的坐标信息，然后进入步骤C。
步骤C.基于各个视频帧中包裹图像的坐标信息，获得包裹本体的移动轨迹，并获得移动轨迹的起点坐标和终点坐标，以及最高位置像素点坐标，然后进入步骤D。
步骤D.获得起点坐标与终点坐标相对横坐标轴的距离A，并判断A>W或y>H是否成立，是则判断该包裹为暴力分拣；否则判断该包裹不是暴力分拣；其中，W表示沿坐标系横坐标预设包裹最大正常移动距离，y表示移动轨迹中最高位置像素点坐标的纵坐标，H表示沿坐标系纵坐标预设包裹最大正常移动距离。
上述技术方案所设计基于计算机视觉的暴力分拣快递判断方法，采用深度学习的方法，使用YOLO卷积神经网络进行样本集训练，获得具有识别快递能力的模型，即包裹识别模型，用于针对各个视频帧进行识别，然后基于所识别获得包裹图像的坐标，根据包裹图像坐标的实时变化，判断是否属于暴力分拣行为，整个设计方法简洁，易于实现，且能够有效提高实际应用效率。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (3)

1.一种基于计算机视觉的暴力分拣快递判断方法，其特征在于，基于固定角度拍摄快递传送单，所获得的各个视频帧，执行暴力分拣快递判断方法，其中，包裹分拣员工作区位于固定角度拍摄区域内，所述暴力分拣快递判断方法包括如下步骤：
步骤A.采用经过包裹样本集训练的包裹识别模型，针对各个视频帧进行识别，获得各个视频帧中的包裹图像，并进行标记，然后进入步骤B；
步骤B.针对固定角度拍摄区域建立坐标系，获得各个视频帧中包裹图像的坐标信息，然后进入步骤C；
步骤C.基于各个视频帧中包裹图像的坐标信息，获得包裹本体的移动轨迹，并获得移动轨迹的起点坐标和终点坐标，以及最高位置像素点坐标，然后进入步骤D；
步骤D.获得起点坐标与终点坐标相对横坐标轴的距离A，并判断A>W或y>H是否成立，是则判断该包裹为暴力分拣；否则判断该包裹不是暴力分拣；其中，W表示沿坐标系横坐标预设包裹最大正常移动距离，y表示移动轨迹中最高位置像素点坐标的纵坐标，H表示沿坐标系纵坐标预设包裹最大正常移动距离。
2.根据权利要求1所述一种基于计算机视觉的暴力分拣快递判断方法，其特征在于：所述步骤A中，采用经过包裹样本集训练的YOLO卷积神经网络，作为包裹识别模型，完成针对各个视频帧的识别。
3.根据权利要求2所述一种基于计算机视觉的暴力分拣快递判断方法，其特征在于：所述步骤A中，所述包裹样本集采用PASCAL VOC2007数据集架构，用来训练YOLO卷积神经网络。
CN201710555966.5A 2017-07-10 2017-07-10 一种基于计算机视觉的暴力分拣快递判断方法 Active CN107358194B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710555966.5A CN107358194B (zh) 2017-07-10 2017-07-10 一种基于计算机视觉的暴力分拣快递判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710555966.5A CN107358194B (zh) 2017-07-10 2017-07-10 一种基于计算机视觉的暴力分拣快递判断方法

Publications (2)

Publication Number Publication Date
CN107358194A CN107358194A (zh) 2017-11-17
CN107358194B true CN107358194B (zh) 2020-07-28

Family

ID=60292342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710555966.5A Active CN107358194B (zh) 2017-07-10 2017-07-10 一种基于计算机视觉的暴力分拣快递判断方法

Country Status (1)

Country Link
CN (1) CN107358194B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230349A (zh) * 2017-12-21 2018-06-29 合肥天之通电子商务有限公司 一种基于视频分析的分拣员操作规范检测方法
CN108319893A (zh) * 2017-12-21 2018-07-24 合肥天之通电子商务有限公司 一种智能化快递员分拣操作监控系统
CN112507760B (zh) * 2019-09-16 2024-05-31 杭州海康威视数字技术股份有限公司 暴力分拣行为的检测方法、装置及设备
CN110782433B (zh) * 2019-10-15 2022-08-09 浙江大华技术股份有限公司 基于时序的动态信息暴力抛物检测方法、装置及存储介质
CN113051968B (zh) * 2019-12-26 2024-03-01 顺丰科技有限公司 暴力分拣行为识别方法、装置及计算机可读存储介质
CN111209846B (zh) * 2020-01-03 2023-04-18 秒针信息技术有限公司 一种暴力分拣的识别方法及装置
CN111209847B (zh) * 2020-01-03 2023-11-03 秒针信息技术有限公司 一种暴力分拣的识别方法及装置
CN111160314B (zh) * 2020-01-03 2023-08-29 秒针信息技术有限公司 一种暴力分拣的识别方法及装置
CN111325137B (zh) * 2020-02-18 2023-06-13 上海东普信息科技有限公司 暴力分拣检测方法、装置、设备及存储介质
CN113468916A (zh) * 2020-03-31 2021-10-01 顺丰科技有限公司 模型训练方法、抛扔轨迹检测方法、装置及存储介质
CN111709294B (zh) * 2020-05-18 2023-07-14 杭州电子科技大学 一种基于多特征信息的快递人员身份识别方法
CN112257493B (zh) * 2020-09-01 2023-08-08 北京京东振世信息技术有限公司 物品异常分拣的识别方法、装置、设备及存储介质
CN112718514B (zh) * 2021-01-21 2022-08-19 惠州市名峥企业管理服务有限公司 一种抽样性调查检测暴力扔件设备
CN114550294A (zh) * 2022-02-23 2022-05-27 京东科技信息技术有限公司 包裹分拣行为的识别方法及其装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103567152A (zh) * 2012-08-06 2014-02-12 欧耀多 一种邮件分拣输送系统
CN106845894A (zh) * 2016-12-29 2017-06-13 天津中科智能识别产业技术研究院有限公司 一种快递包裹分拣方法及其装置
CN106897670A (zh) * 2017-01-19 2017-06-27 南京邮电大学 一种基于计算机视觉的快递暴力分拣识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2016315938B2 (en) * 2015-08-31 2022-02-24 Cape Analytics, Inc. Systems and methods for analyzing remote sensing imagery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103567152A (zh) * 2012-08-06 2014-02-12 欧耀多 一种邮件分拣输送系统
CN106845894A (zh) * 2016-12-29 2017-06-13 天津中科智能识别产业技术研究院有限公司 一种快递包裹分拣方法及其装置
CN106897670A (zh) * 2017-01-19 2017-06-27 南京邮电大学 一种基于计算机视觉的快递暴力分拣识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于计算机视觉的物流暴力分拣行为识别";尚淑玲;《计算机仿真》;20131230;第430-433页 *

Also Published As

Publication number Publication date
CN107358194A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
CN107358194B (zh) 一种基于计算机视觉的暴力分拣快递判断方法
EP3182334B1 (en) License plate recognition using coarse-to-fine cascade adaptations of a convolutional neural network
JP6976270B2 (ja) 地理的領域におけるコンテナ内に格納された量の遠隔決定
EP2674722A3 (en) Method of determining a deviation from expected jam conditions
WO2017160654A3 (en) Systems, methods, and computer readable media for extracting data from portable document format (pdf) files
EP1993064A3 (en) Image processing apparatus and image retrieval method
EP4270972A3 (en) Systems and methods for a chronological-based search engine
CN109002820A (zh) 一种车牌识别方法、装置及相关设备
EP4375952A3 (en) Systems and methods for reducing data density in large datasets
CN104462873A (zh) 一种图片处理方法和装置
WO2014046778A3 (en) System and method for camera photo analytics
CN102243699A (zh) 一种恶意代码检测方法及系统
EP3715994A3 (en) Electronic apparatus and control method thereof
EP2458330A3 (en) Road estimation device and method for estimating road
CN110348346A (zh) 一种票据分类识别方法及系统
CN110309843B (zh) 一种电力设备图像中多类部件的自动识别方法
EP4233717A3 (en) Systems and methods for detecting cognitive decline with mobile devices
CN109086737B (zh) 基于卷积神经网络的航运货物监控视频识别方法及系统
CN104992173A (zh) 用于医学报告单的符号识别方法及系统
CN107133574B (zh) 一种车辆特征识别方法及装置
CN103699876A (zh) 一种基于线阵ccd图像识别车号的方法及装置
EP3663936A3 (en) Text-domain-based image retrieval
EP1677217A3 (en) Method and infrastructure for processing a text search query in a collection of documents
CN110503089A (zh) 基于众包技术的ocr识别模型训练方法、装置以及计算机设备
CN110390224A (zh) 一种交通指示牌的识别方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant