CN108509852A - 一种监控效果良好的仓库监控系统 - Google Patents

一种监控效果良好的仓库监控系统 Download PDF

Info

Publication number
CN108509852A
CN108509852A CN201810176222.7A CN201810176222A CN108509852A CN 108509852 A CN108509852 A CN 108509852A CN 201810176222 A CN201810176222 A CN 201810176222A CN 108509852 A CN108509852 A CN 108509852A
Authority
CN
China
Prior art keywords
monitoring
target
image
module
warehouse
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.)
Pending
Application number
CN201810176222.7A
Other languages
English (en)
Inventor
刘峰
刘咸霍
牛春景
徐永进
马朝奎
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810176222.7A priority Critical patent/CN108509852A/zh
Publication of CN108509852A publication Critical patent/CN108509852A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种监控效果良好的仓库监控系统，包括监控前端子系统、监控客户端子系统、监控管理子系统和报警子系统；所述监控前端子系统设置于仓库，包括图像采集设备、声音采集设备和云台，所述监控客户端子系统包括信息接收模块、图像处理模块和播放模块，所述信息接收模块用于接收所述监控图像和声音信息，所述图像处理模块用于对监控图像中的目标进行识别，获取识别结果，所述播放模块包括扬声器和显示器，所述显示器用于显示所述识别结果，所述扬声器用于播放所述声音信息；所述监控管理子系统用于对云台进行控制；所述报警子系统用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。有益效果：实现了仓库的有效监控。

Description

一种监控效果良好的仓库监控系统
技术领域
本发明涉及仓库技术领域，具体涉及一种监控效果良好的仓库监控系统。
背景技术
随着社会的进步和科技的发展，越来越多的地方需要用到监控性能更好的监控系统，尤其是仓库。
机器视觉，即研究如何使用计算机来模拟人的视觉功能。机器视觉属于人工智能领域，是一门综合了计算机科学、神经科学、信号处理等多个学科的新兴技术。一个典型的机器视觉系统通过图像采集设备将目标转换成图像信号，传输给图餘处理单元。图像处理单元首先提取目标的特征信息，然后通过图像处理算法计算结果，最后输出到监视器等设备。其优点有：快速、准确，对目标物无伤害；具有更广的波谱观测范围；可长时间稳定工作。我国己成为目前机器视觉发展最快的地区之一，应用领域涵盖了工业、农业、气象、航天、军事等行业。这就为监控系统的发展奠定了良好基础。
发明内容
针对上述问题，本发明旨在提供一种监控效果良好的仓库监控系统。
本发明的目的采用以下技术方案来实现：
提供了一种监控效果良好的仓库监控系统，包括监控前端子系统、监控客户端子系统、监控管理子系统和报警子系统；
所述监控前端子系统设置于仓库，包括图像采集设备、声音采集设备和云台，所述图像采集设备用于获取仓库及仓库周边的监控图像并将所述监控图像传输至监控客户端子系统，所述声音采集设备用于采集仓库及周边的声音信号并将所述声音信号传输至监控客户端子系统，所述云台用于安装图像采集设备，所述云台能够在监控管理子系统的控制下移动和旋转所述图像采集设备；
所述监控客户端子系统包括信息接收模块、图像处理模块和播放模块，所述信息接收模块用于接收所述监控图像和声音信息，所述图像处理模块用于对监控图像中的目标进行识别，获取识别结果，所述播放模块包括扬声器和显示器，所述显示器用于显示所述识别结果，所述扬声器用于播放所述声音信息；
所述监控管理子系统用于对云台进行控制；
所述报警子系统用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。
本发明的有益效果为：同时对图像和声音进行采集，实现了仓库的有效监控。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
监控前端子系统1、监控客户端子系统2、监控管理子系统3、报警子系统4。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种监控效果良好的仓库监控系统，包括监控前端子系统1、监控客户端子系统2、监控管理子系统3和报警子系统4；
所述监控前端子系统1设置于仓库，包括图像采集设备、声音采集设备和云台，所述图像采集设备用于获取仓库及仓库周边的监控图像并将所述监控图像传输至监控客户端子系统2，所述声音采集设备用于采集仓库及周边的声音信号并将所述声音信号传输至监控客户端子系统2，所述云台用于安装图像采集设备，所述云台能够在监控管理子系统3的控制下移动和旋转所述图像采集设备；
所述监控客户端子系统2包括信息接收模块、图像处理模块和播放模块，所述信息接收模块用于接收所述监控图像和声音信息，所述图像处理模块用于对监控图像中的目标进行识别，获取识别结果，所述播放模块包括扬声器和显示器，所述显示器用于显示所述识别结果，所述扬声器用于播放所述声音信息；
所述监控管理子系统3用于对云台进行控制；
所述报警子系统4用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。
本实施例同时对图像和声音进行采集，实现了仓库的有效监控。
优选的，所述图像处理模块包括图像分割模块、特征提取模块和图像识别模块，所述图像分割模块用于分割图像中目标和背景，所述特征提取模块用于对目标特征进行提取，所述图像识别模块用于对目标进行分类识别；
本优选实施例通过对图像进行分割和提取目标特征对目标进行分类识别，实现了图像的准确识别。
优选的，所述图像分割模块用于分割图像中目标和背景，具体为：
定义分割函数：
F(k)＝2[m0(μ0-μ)2+m1(μ1-μ)2]
式中，k表示图像分割值,用于将图像分割为背景部分和目标部分，k∈[0,L]，L表示图像灰度级数,m0和m1分别表示背景像素和目标像素所占的比例，μ0和μ1分别表示背景像素和目标像素的灰度均值，μ表示图像所有像素的灰度均值；
采用下式确定最佳图像分割值：
K＝arg max F(k)
式中，K表示最佳图像分割值，arg max F(k)表示F(k)最大时k的取值；
本优选实施例通过定义分割函数确定最佳图像分割值，实现了图像的准确分割，精确获取了图像目标
优选的，所述特征提取模块包括第一特征提取模块、第二特征提取模块和综合特征提取模块，所述第一特征提取模块用于提取目标的颜色特征，所述第二特征提取模块用于提取目标的形态特征，所述综合特征提取模块用于根据颜色特征和形态特征确定目标特征向量；
所述第一特征提取模块用于提取目标的颜色特征，具体为：
采用下式提取目标的颜色特征：
式中，Y1表示目标的第一颜色特征，Y2表示目标的第二颜色特征，Y3表示目标的第三颜色特征，N表示目标像素点的个数，ri表示色彩空间中像素的红色分量，gi表示色彩空间中像素的绿色分量，bi表示色彩空间中像素的蓝色分量；
根据目标的颜色特征建立目标的颜色特征向量T1：T1＝[Y1，Y2，Y3]；
本优选实施例通过计算目标的颜色特征，建立起目标颜色特征向量，具体的，本发明颜色特征充分考虑了目标的所有像素点，具有很强的鲁棒性，相比颜色直方图方式提取颜色特征，本发明颜色特征降低了特征维度，具有计算量小，节约计算资源的特点，为后续目标识别奠定了基础。
优选的，所述第二特征提取模块用于提取目标的形态特征，具体为：
采用下式计算目标的形态特征：
式中，X1表示目标的第一形态特征，X2表示目标的第二形态特征，X3表示目标的第三形态特征，Z表示目标的外轮廓长度，A表示目标的面积大小，L表示目标最小外接矩形的长，H表示目标最小外接矩形的宽，R1表示目标的内切圆半径，R2表示目标的外切圆半径；
根据目标的形态特征建立目标的形态特征向量T2：T2＝[X1，X2，X3]
所述综合特征提取模块用于根据颜色特征和形态特征确定目标特征向量，具体为：根据目标的颜色特征向量和形态特征向量建立目标的特征向量T：T＝[T1，T2]；
所述图像识别模块用于对目标进行分类识别，具体为：根据目标的特征向量采用支持向量机对目标进行分类识别。
本优选实施例通过计算目标的形态特征，建立起目标形态特征向量，具体的，第一形态特征充分考虑了目标的复杂度，第一形态特征越大，目标越复杂，第二形态特征充分考虑了目标的占空比，目标第三形态特征充分考虑了目标的球形性，第三形态特征越大，目标越接近球形，为后续目标识别奠定了基础。
采用本发明监控效果良好的仓库监控系统对仓库进行监控，选取5个仓库进行实验，分别为仓库1、仓库2、仓库3、仓库4、仓库5，对监控准确性和监控成本进行统计，同现有监控系统相比，产生的有益效果如下表所示：
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种监控效果良好的仓库监控系统，其特征在于，包括监控前端子系统、监控客户端子系统、监控管理子系统和报警子系统；
所述监控前端子系统设置于仓库，包括图像采集设备、声音采集设备和云台，所述图像采集设备用于获取仓库及仓库周边的监控图像并将所述监控图像传输至监控客户端子系统，所述声音采集设备用于采集仓库及周边的声音信号并将所述声音信号传输至监控客户端子系统，所述云台用于安装图像采集设备，所述云台能够在监控管理子系统的控制下移动和旋转所述图像采集设备；
所述监控客户端子系统包括信息接收模块、图像处理模块和播放模块，所述信息接收模块用于接收所述监控图像和声音信息，所述图像处理模块用于对监控图像中的目标进行识别，获取识别结果，所述播放模块包括扬声器和显示器，所述显示器用于显示所述识别结果，所述扬声器用于播放所述声音信息；
所述监控管理子系统用于对云台进行控制；
所述报警子系统用于显示器出现可疑目标或者扬声器发出可以声音时发出警报。
2.根据权利要求1所述的监控效果良好的仓库监控系统，其特征在于，所述图像处理模块包括图像分割模块、特征提取模块和图像识别模块，所述图像分割模块用于分割图像中目标和背景，所述特征提取模块用于对目标特征进行提取，所述图像识别模块用于对目标进行分类识别。
3.根据权利要求2所述的监控效果良好的仓库监控系统，其特征在于，所述图像分割模块用于分割图像中目标和背景，具体为：
定义分割函数：
F(k)＝2[m0(μ0-μ)2+m1(μ1-μ)2]
式中，k表示图像分割值,用于将图像分割为背景部分和目标部分，k∈[0,L]，L表示图像灰度级数,m0和m1分别表示背景像素和目标像素所占的比例，μ0和μ1分别表示背景像素和目标像素的灰度均值，μ表示图像所有像素的灰度均值；
采用下式确定最佳图像分割值：
K＝argmax F(k)
式中，K表示最佳图像分割值，argmax F(k)表示F(k)最大时k的取值。
4.根据权利要求3所述的监控效果良好的仓库监控系统，其特征在于，所述特征提取模块包括第一特征提取模块、第二特征提取模块和综合特征提取模块，所述第一特征提取模块用于提取目标的颜色特征，所述第二特征提取模块用于提取目标的形态特征，所述综合特征提取模块用于根据颜色特征和形态特征确定目标特征向量。
5.根据权利要求4所述的监控效果良好的仓库监控系统，其特征在于，所述第一特征提取模块用于提取目标的颜色特征，具体为：
采用下式提取目标的颜色特征：
式中，Y1表示目标的第一颜色特征，Y2表示目标的第二颜色特征，Y3表示目标的第三颜色特征，N表示目标像素点的个数，ri表示色彩空间中像素的红色分量，gi表示色彩空间中像素的绿色分量，bi表示色彩空间中像素的蓝色分量；
根据目标的颜色特征建立目标的颜色特征向量T1：T1＝[Y1，Y2，Y3]。
CN201810176222.7A 2018-03-02 2018-03-02 一种监控效果良好的仓库监控系统 Pending CN108509852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810176222.7A CN108509852A (zh) 2018-03-02 2018-03-02 一种监控效果良好的仓库监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810176222.7A CN108509852A (zh) 2018-03-02 2018-03-02 一种监控效果良好的仓库监控系统

Publications (1)

Publication Number Publication Date
CN108509852A true CN108509852A (zh) 2018-09-07

Family

ID=63377025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810176222.7A Pending CN108509852A (zh) 2018-03-02 2018-03-02 一种监控效果良好的仓库监控系统

Country Status (1)

Country Link
CN (1) CN108509852A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111199622A (zh) * 2020-01-19 2020-05-26 张春华 一种大数据机房智能监控及调度的方法和系统
CN115086620A (zh) * 2022-08-15 2022-09-20 广州市华达石化有限公司 工业气体生产企业的远程视频监控方法和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102983A (zh) * 2013-04-07 2014-10-15 浙江浙大网新易盛网络通讯有限公司 粮仓视频监控管理系统
CN104349133A (zh) * 2014-05-26 2015-02-11 北京中电兴发科技有限公司 智能监测装置和方法
CN104683770A (zh) * 2015-03-12 2015-06-03 杨明 基于图像识别的校园教学大楼安全监控系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102983A (zh) * 2013-04-07 2014-10-15 浙江浙大网新易盛网络通讯有限公司 粮仓视频监控管理系统
CN104349133A (zh) * 2014-05-26 2015-02-11 北京中电兴发科技有限公司 智能监测装置和方法
CN104683770A (zh) * 2015-03-12 2015-06-03 杨明 基于图像识别的校园教学大楼安全监控系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘玮等: "《计算机视觉中的目标特征模型和视觉注意模型》", 30 September 2016, 华中科技大学出版社 *
孟琭: "《计算机视觉原理与应用》", 30 November 2011 *
张运楚等: ""基于C-均值聚类的视觉监控背景图像构建算法"", 《计算机工程与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111199622A (zh) * 2020-01-19 2020-05-26 张春华 一种大数据机房智能监控及调度的方法和系统
CN115086620A (zh) * 2022-08-15 2022-09-20 广州市华达石化有限公司 工业气体生产企业的远程视频监控方法和电子设备
CN115086620B (zh) * 2022-08-15 2022-11-15 广州市华达石化有限公司 工业气体生产企业的远程视频监控方法和电子设备

Similar Documents

Publication Publication Date Title
WO2020207423A1 (zh) 肤质检测方法、肤质等级分类方法及肤质检测装置
US9740967B2 (en) Method and apparatus of determining air quality
CN104202547B (zh) 投影画面中提取目标物体的方法、投影互动方法及其系统
CN109284737A (zh) 一种用于智慧教室的学生行为分析和识别系统
TW202014984A (zh) 一種圖像處理方法、電子設備及存儲介質
CN110287963B (zh) 用于综合性能试验的ocr识别方法
CN108230367A (zh) 一种对灰度视频中既定目标的快速跟踪定位方法
JP2012243313A (ja) 画像処理方法および画像処理装置
CN109544538B (zh) 小麦赤霉病病害等级分级方法及装置
CN111783620A (zh) 表情识别方法、装置、设备及存储介质
CN110136166B (zh) 一种多路画面的自动跟踪方法
WO2022188315A1 (zh) 一种视频检测方法、装置、电子设备及存储介质
CN106297755A (zh) 一种用于乐谱图像识别的电子设备及识别方法
CN110876036B (zh) 一种视频生成的方法以及相关装置
CN107292318A (zh) 基于中心暗通道先验信息的图像显著性物体检测方法
CN109492534A (zh) 一种基于Faster RCNN的跨场景多姿态的行人检测方法
CN108509852A (zh) 一种监控效果良好的仓库监控系统
WO2020147408A1 (zh) 一种人脸识别模型的评价方法、装置、存储介质及计算机设备
CN111401169A (zh) 基于监控视频信息的供电营业厅服务人员行为识别方法
CN110348326A (zh) 基于身份证识别和多设备访问的家庭健康信息处理方法
CN111339899B (zh) 导管特征获取方法、装置、设备、介质和智能显微镜
CN115690747B (zh) 车辆盲区检测模型测试方法、装置、电子设备及存储介质
CN111462087B (zh) 基于人工智能的图像检测方法、装置、系统及存储介质
CN111708907B (zh) 一种目标人员的查询方法、装置、设备及存储介质
Yang et al. Intelligent collection of rice disease images based on convolutional neural network and feature matching

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180907