CN111507282B

CN111507282B - 一种目标检测预警分析系统、方法、设备及介质

Info

Publication number: CN111507282B
Application number: CN202010316590.4A
Authority: CN
Inventors: 叶俊科
Original assignee: Chuangyou Digital Technology Guangdong Co Ltd
Current assignee: Chuangyou Digital Technology Guangdong Co Ltd
Priority date: 2020-04-21
Filing date: 2020-04-21
Publication date: 2023-06-30
Anticipated expiration: 2040-04-21
Also published as: CN111507282A

Abstract

本申请公开了一种目标检测预警分析系统、方法、设备及介质，系统包括：视频采集模块，用于采集收银台区域图像；智能分析模块，用于对图像中的物体进行分类处理，判断收银台上是否存在杂物。本申请能够自动识别收银台上存在杂物的违规行为，减少了工作人员的工作量，而且增加了监控力度，避免漏监情况的发生。

Description

一种目标检测预警分析系统、方法、设备及介质

技术领域

本申请涉及图像识别技术领域，尤其涉及一种目标检测预警分析系统、方法、设备及介质。

背景技术

在现有的收银台违规检测中通常采用监控摄像头直接获取收银台图像，从而人工查看收银台背后桌面是否干净整洁,是否放有杂物，通过摄像头将图像传递到显示器上，然后通过人工肉眼查看判断的方式来完成监控。然而，在一般情况下，一个工作人员往往需要监控多个店面，工作量巨大，往往会漏监部分在收银台堆放杂物的违规行为。

发明内容

本申请提供了一种目标检测预警分析系统、方法、设备及介质，自动识别收银台上存在杂物的违规行为，减少了工作人员的工作量，而且增加了监控力度，避免漏监情况的发生。

有鉴于此，本申请第一方面提供了一种目标检测预警分析系统，所述系统包括：

视频采集模块，用于采集收银台区域图像；

智能分析模块，用于对所述图像中的物体进行分类处理，判断收银台上是否存在杂物。

可选的，所述智能分析模块还包括：

粗分类模块，用于定位所述图片中的收银台上所有物体，并根据物体形状进行分类，得到物体对应的候选框；

精分类模块，用于根据所述候选框内物体的特征判断是否为杂物。

可选的，还包括：

图像获取模块，用于获取视频采集模块中采集的图像，并将采集的图像传输至所述智能分析模块。

可选的，还包括：

报警模块，用于对存在杂物的违规图像进行报警，并将所述违规图像上传报警日志。

可选的，还包括：

推送模块，用于将检测有杂物的图像推送至上级终端或者报警模块。

本申请第二方面提供一种目标检测预警分析方法，所述方法包括：

获取收银台区域图像；

对所述图像中的物体进行分类处理，判断收银台上是否存在杂物。

可选的，对所述图像中的物体进行分类处理，判断收银台上是否存在杂物，具体包括：

定位所述图片中收银台上的所有物体，并根据物体形状进行分类，得到物体对应的候选框；

根据所述候选框内物体的特征判断是否为杂物。

可选的，在所述对所述图像中的物体进行分类处理，判断收银台上是否存在杂物，之后还包括：

将带有杂物的图像推送至上级终端。

本申请第三方面提供一种目标检测预警分析设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令，执行如上述第二方面所述的目标检测预警分析方法的步骤。

本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第二方面所述的方法。

从以上技术方案可以看出，本申请具有以下优点：

本申请中，提供了一种目标检测预警分析系统，包括：视频采集模块，用于采集收银台区域图像；智能分析模块，用于对图像中的物体进行分类处理，判断收银台上是否存在杂物。本申请通过能够自动识别收银台上存在杂物的违规行为，减少了工作人员的工作量，而且增加了监控力度，避免漏监情况的发生。

附图说明

图1为本申请一种目标检测预警分析系统的一个实施例的系统架构图；

图2为本申请一种目标检测预警分析方法的一个实施例中的方法流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请目标检测预警分析系统的一个实施例的系统架构图，如图1所示，系统包括：

视频采集模块101，用于采集收银台区域图像。

需要说明的是，视频采集模块101可以具体为监控摄像头或网络录像机。在本申请可以通过高清监控摄像头采集包括收银台的监控图像，采集的图像可以用于保存，当智能分析模块102需要检测分析时，视频采集模块101可以将采集的包括收银台的监控图像发送至智能分析模块102；或者，智能分析模块102可以间隔固定时间从视频采集模块101获取包括收银台的监控图像；当然也可以逐帧发送给智能分析模块102。

智能分析模块102，用于对图像中的物体进行分类处理，判断收银台上是否存在杂物。

需要说明的是，智能分析模块102可以对包括收银台的监控图像进行定位，确定收银台位置，并对收银台上的物体进行分类处理，从而判断收银台上的物体是否是杂物。其对图像进行检测处理的方法可以采用神经网络进行分类，也可以采用现有的目标识别算法。

本申请还包括一种目标检测预警分析系统的另一个实施例，其中智能分析模块还包括粗分类模块以及精分类模块，具体的：

粗分类模块1021，用于定位图片中的收银台上所有物体，并根据物体形状进行分类，得到物体对应的候选框。

需要说明的是，粗分类模块1021可以用于定位图片中的收银台上所有物体。具体的，可以采用Cascade-RCNN的基础网络作为基础检测网络框架，通过模型检测在图片中检测收银台区域及区域上的所有物体，并进行形状粗分类，即根据物体的形状、大小对收银台上的物体进行粗分类，从而选取出多个物体的候选框。

精分类模块1021，用于根据候选框内物体的特征判断是否为杂物。

需要说明的是，精分类模块1021可以用于对选取的候选框内物体的特征判断物体是否为杂物。具体的，精分类阶段对每个大类都会有一个cnn精细分类网络，精分类阶段的目的是对目标检测阶段得到候选框进行精分类并滤除噪声，例如目标检测定位并粗分类出长方形大类，到精分类可以根据长方形大类中物体的特征将物体区分为屏幕或者键盘或者其他长方形物体。其中，杂物可以是除显示器，键盘，鼠标，鼠标垫，验钞机，奖牌外的物体。

在一种具体的实施方式中，系统中还包括：

图像获取模块103，用于获取视频采集模块中采集的图像，并将采集的图像传输至智能分析模块102。

需要说明的是，图像获取模块103可以用于读取配置文件后从网络录像机活着监控设备下载回放视频，并将回放视频中的图像按照需求发送至只能分析模块102。

报警模块104，用于对存在杂物的违规图像进行报警，并将违规图像上传报警日志。

推送模块105，用于将检测有杂物的图像推送至上级终端或者报警模块。

需要说明的是，报警模块104可以用于当检出杂物后将报警图片实时推送至店长及区域经理的终端进行报警提示进行整改。当然也可以推送至相应的APP，使得APP发出报警信息提示上级人员。报警模块104还可以将人工判断违规报警图像上传报警日志或者后台服务器中，以便于记录和随时查看。

以上是本申请的系统的实施例，本申请还包括一种目标检测预警分析方法的实施例，如图2所示，包括：

201、获取收银台区域图像。

202、对图像中的物体进行分类处理，判断收银台上是否存在杂物。

在一种具体的实施方式中，步骤202具体包括：

2021、定位图片中收银台上的所有物体，并根据物体形状进行分类，得到物体对应的候选框；

2022、根据所述候选框内物体的特征判断是否为杂物。

在一种具体的实施方式中，在步骤202之后还包括：

203、将带有杂物的图像推送至上级终端。

本申请通过能够自动识别收银台上存在杂物的违规行为，减少了工作人员的工作量，而且增加了监控力度，避免漏监情况的发生。

本申请化提供了一种目标检测预警分析设备的实施例，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行本申请的目标检测预警分析方法。

本申请化提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行本申请实施例中的目标检测预警分析方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请中，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：RandomAccess Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims

1.一种目标检测预警分析系统，其特征在于，包括：

视频采集模块，用于采集收银台区域图像；

智能分析模块，用于对所述图像中的物体进行分类处理，判断收银台上是否存在杂物；

所述智能分析模块包括：

粗分类模块，用于通过Cascade-RCNN的基础网络在图像中检测收银台区域及区域上的所有物体，并根据物体的形状或大小对收银台上的物体进行粗分类，从而选取出多个物体的候选框；

精分类模块，用于根据所述候选框内物体的特征判断是否为杂物；

所述精分类模块，具体用于通过所述粗分类模块的分类结果相应的CNN精细分类网络，提取所述候选框内物体的特征，识别所述候选框内物体的种类并判断是否为杂物。

2.根据权利要求1所述的目标检测预警分析系统，其特征在于，还包括：

图像获取模块，用于获取视频采集模块采集的图像，并将采集的图像传输至所述智能分析模块。

3.根据权利要求1所述的目标检测预警分析系统，其特征在于，还包括：

4.根据权利要求3所述的目标检测预警分析系统，其特征在于，还包括：

5.一种目标检测预警分析方法，其特征在于，包括：

获取收银台区域图像；

对所述图像中的物体进行分类处理，判断收银台上是否存在杂物；

所述对所述图像中的物体进行分类处理，判断收银台上是否存在杂物，具体包括：

通过Cascade-RCNN的基础网络在图像中检测收银台区域及区域上的所有物体，并根据物体的形状或大小对收银台上的物体进行粗分类，从而选取出多个物体的候选框；

根据所述候选框内物体的特征判断是否为杂物；

所述根据所述候选框内物体的特征判断是否为杂物，具体包括：

通过粗分类的分类结果相应的CNN精细分类网络，提取所述候选框内物体的特征，识别所述候选框内物体的种类并判断是否为杂物。

6.根据权利要求5所述的目标检测预警分析方法，其特征在于，在所述对所述图像中的物体进行分类处理，判断收银台上是否存在杂物，之后还包括：

将带有杂物的图像推送至上级终端。

7.一种目标检测预警分析设备，其特征在于，所述设备包括处理器以及存储器：

所述处理器用于根据所述程序代码中的指令执行权利要求5-6任一项所述的目标检测预警分析方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求5-6任一项所述的目标检测预警分析方法。