CN112258551B - 一种物品掉落检测方法、装置、设备及存储介质 - Google Patents

一种物品掉落检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112258551B
CN112258551B CN202010189993.7A CN202010189993A CN112258551B CN 112258551 B CN112258551 B CN 112258551B CN 202010189993 A CN202010189993 A CN 202010189993A CN 112258551 B CN112258551 B CN 112258551B
Authority
CN
China
Prior art keywords
track
point
partition
video frame
target pixel
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
CN202010189993.7A
Other languages
English (en)
Other versions
CN112258551A (zh
Inventor
刘洋
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.)
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
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 Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN202010189993.7A priority Critical patent/CN112258551B/zh
Publication of CN112258551A publication Critical patent/CN112258551A/zh
Application granted granted Critical
Publication of CN112258551B publication Critical patent/CN112258551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种物品掉落检测方法、装置、设备及存储介质，其中物品掉落检测方法包括：接收预设时长内物品传输的视频帧；按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点；根据轨迹起点和轨迹终点，检测物品是否掉落。通过记录物品对应的各目标像素点的轨迹起点和轨迹终点，可实现物品掉落的自动检测，减少了人力成本消耗，且由于只记录了轨迹起点和轨迹终点而并未记录整条轨迹中各位置点，可减少检测过程中存储资源消耗。

Description

一种物品掉落检测方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机视觉技术领域，尤其涉及一种物品掉落检测方法、装置、设备及存储介质。
背景技术
具有固定输送线路的传送装置(如传送带和传送轮)已广泛应用于物流仓库，分拣中心和配送站中。物品在传送装置上传输的过程中，由于摆放位置不规范等因素的影响，可能会从传送装置上掉落，造成损坏或丢失。
针对无人操作或者周围活动的工作人员较少位置的传送装置，目前并没有相关的自动化掉落检测方案，一般是派专门的工作人员定时进行掉落检查的。在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：既无法实时发现物品掉落的问题，同时也会消耗大量人力成本。
发明内容
本发明实施例提供一种物品掉落检测方法、装置、设备及存储介质，实现了物品掉落的自动检测。
第一方面，本发明实施例提供了一种物品掉落检测方法，包括：
接收预设时长内物品传输的视频帧；
按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落。
第二方面，本发明实施例提供了一种物品掉落检测装置，包括：
视频帧接收模块，用于接收预设时长内物品传输的视频帧；
轨迹记录模块，用于按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
掉落检测模块，用于根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落。
第三方面，本发明实施例提供了一种终端设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的物品掉落检测方法。
第四方面，本发明实施例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如本发明任意实施例所述的物品掉落检测方法。
本发明实施例提供的一种物品掉落检测方法、装置、设备及存储介质，检测装置按时序选取所接收的预设时长内物品传输的视频帧中物品的至少一个目标像素点，并记录各目标像素点的轨迹起点和轨迹终点，根据轨迹起点和轨迹终点即可实现物品掉落的自动检测。通过记录物品对应的各目标像素点的轨迹起点和轨迹终点，可得出各目标像素点的大致运动轨迹，根据该运动轨迹可实现物品掉落的自动检测，减少了人力成本消耗，且由于只记录了轨迹起点和轨迹终点而并未记录整条轨迹中各位置点，有利于减少检测过程中存储资源消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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。
图1示出了本发明实施例一提供的一种物品掉落检测方法流程图；
图2示出了本发明实施例二提供的一种物品掉落检测方法流程图；
图3示出了本发明实施例三提供的一种物品掉落检测方法流程图；
图4示出了本发明实施例三提供的一种物品掉落检测方法中预设视频帧的分区示意图；
图5示出了本发明实施例四提供的一种物品掉落检测装置结构示意图；
图6示出了本发明实施例五提供的一种终端设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1示出了本发明实施例一提供的一种物品掉落检测方法流程图，本发明实施例提供的物品掉落检测方法可广泛适用于各领域的物品掉落检测的情况，例如物流仓库，分拣中心和配送站中传送装置所传送货物的掉落检测情况。该方法可由物品掉落检测装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如配置于物品运输监控平台的服务器中。如图1所示，本发明实施例中提供的物品掉落检测方法，包括如下步骤：
S110、接收预设时长内物品传输的视频帧。
本发明实施例中，物品掉落检测装置所接收的预设时长内物品传传输的视频帧可以是短时间内的视频片段，具体可为2-5秒的视频片段，此段时长的视频片段可足以包含物品从传送装置掉落的全过程，不仅有利于实现物品掉落检测，还在很大程度上减少检测计算量以及存储空间消耗。而短视频片段中包含的视频帧的数量与视频片段的帧率呈正相关，其中帧率例如可以是24帧/秒或48帧/秒等。此外，物品掉落检测装置可以实时地接收预设时长内物品传输的视频帧，以实现物品掉落的实时检测。
可选的，视频帧为仓库、分拣中心或配送站中预设的监控设备，针对传送带传输货物场景所采集的视频帧。
本发明实施例提供的物品掉落检测方法可应用于物流仓库，分拣中心和配送站中传送装置所传送货物的掉落检测情况，尤其可适用于无人仓库、无人配送站和普通仓库、分拣中心以及配送站中无人操作或者周围活动的工作人员较少位置的传送装置传送货物的场景，且传送装置例为如传送带或传送轮等。由于仓库、分拣中心和配送站等场所中本来就设置有大量的视频监控设备，通过该些监控设备可实现针对传送带传输货物场景采集视频帧，从而不需要带来额外成本，简单易行。
S120、按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点。
本发明实施例中，物品掉落检测装置可以按照视频帧采集的时序对视频帧进行处理，具体处理可以是依时序选取每张视频帧中被传输物品的目标像素点，且目标像素点的数量可以是一个也可以是多个；针对每个目标像素点，记录其首次出现或开始运动的位置作为该目标像素点的轨迹起点位置，并追踪该目标像素点的轨迹以得到轨迹终点位置。具体的，自目标像素点的轨迹起点确定后，可通过识别相邻视频帧中同一像素点轨迹的方法确定各目标像素点在下一帧的位置，且该位置可不断随最新视频帧中各目标像素点的最新位置进行更新，以最终确定的位置作为各目标像素的轨迹终点。其中，目标像素点的轨迹起点和轨迹终点的位置可使用其在视频帧中的像素坐标表示。
示例性的，若目标像素点1在第n张视频帧中首次出现于位置(x1,y1)处，则目标像素点的轨迹起点为(x1,y1)；若该目标像素点在第n+1张视频帧中位置为(x2,y2)，则将(x2,y2)作为临时的轨迹终点；若该目标像素点在第n+2张视频帧中位置为(x3,y3)，则将(x3,y3)替换(x2,y2)，作为更新后临时的轨迹终点，直至该目标像素点从视频帧中消失或者停在视频帧中某位置时，可将该时刻目标像素点的临时轨迹终点作为最终的轨迹终点。
通过记录各目标像素点的轨迹起点和轨迹终点可得出各目标像素点的大致运动轨迹，根据该运动轨迹可实现物品掉落的自动检测，减少了人力成本消耗。且由于只记录了轨迹起点和轨迹终点而并未记录整条轨迹中各位置点，避免了目标像素点细小的不规则运动造成的掉落检测失误，且有利于简化掉落检测过程以及减少存储资源消耗。
可选的，目标像素点为Harris角点。Harris角点选取步骤可为，采用预设窗口在视频帧各个方向上移动，并根据窗口内图像灰度的变化确定角点位置。通过选取Harris角点作为物品的目标像素点，不仅有效标识了物品位置，还大大减少了待处理数据量，实现了物品位置的实时追踪。
S130、根据轨迹起点和轨迹终点，检测物品是否掉落。
本发明实施例中，当目标像素点的轨迹起点和轨迹终点的位置特征符合掉落特征时，可认为目标像素点对应的物品部分呈掉落状态。且当物品在视频帧中对应多个目标像素点时，可以在检测到任意目标像素点对应的物品部分呈掉落状态时即认为检测到物品掉落事件。具体的，物品正常随传送装置运动过程中，物品对应的目标像素点的轨迹起点和轨迹终点构成的直线与传送装置的传送方向向量大致平行；而物品从传送装置上掉落时，通常轨迹起点位于传送装置上方，轨迹终点为于传送装置下方，根据该掉落特征可对物品是否掉落进行判断。
本发明实施例提供的一种物品掉落检测方法，检测装置按时序选取所接收的预设时长内物品传输的视频帧中物品的至少一个目标像素点，并记录各目标像素点的轨迹起点和轨迹终点，根据轨迹起点和轨迹终点即可实现物品掉落的自动检测。通过记录物品对应的各目标像素点的轨迹起点和轨迹终点，可得出各目标像素点的大致运动轨迹，根据该运动轨迹可实现物品掉落的自动检测，减少了人力成本消耗，且由于只记录了轨迹起点和轨迹终点而并未记录整条轨迹中各位置点，有利于减少检测过程中存储资源消耗。
实施例二
本实施例在上述实施例基础上，对确定目标像素点的轨迹起点和轨迹终点进行了优化，能够实现针对每个不同时刻选取到的目标像素点，皆可记录其轨迹起点和轨迹终点。本实施例与上述实施例提出的物品掉落检测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。
图2示出了本发明实施例二提供的一种物品掉落检测方法流程图。参见图2，本发明实施例中提供的物品掉落检测方法，包括：
S210、接收预设时长内物品传输的视频帧；
S220、针对各目标像素点，将首次选取到目标像素点的视频帧，作为初始视频帧；
S230、将初始视频帧中目标像素点的像素坐标，作为目标像素点的轨迹起点的坐标；
S240、基于稀疏光流法，确定初始视频帧之后的各视频帧中目标像素点的像素坐标，并根据像素坐标更新目标像素点的轨迹终点的坐标，直至不能从视频帧选取到目标像素点或轨迹终点的坐标停止更新为止；
S250、根据轨迹起点和轨迹终点，检测物品是否掉落。
本发明实施例中，按视频帧采集的时序依次选取视频帧中物品对应的目标像素点，由于每个目标像素点首次出现或开始运动的视频帧前后顺序有所差异，可针对每个目标像素点皆可选取其首次出现的视频帧作为该像素点的初始视频帧，并记录各目标像素点在其初始视频帧中的像素坐标作为该像素点的轨迹起点的坐标。根据稀疏光流法可追踪各目标像素点在其初始视频帧后各视频帧中的像素坐标，检测装置可不断将最新视频帧中各目标像素点的像素坐标替换前一视频帧中根据稀疏光流法确定的各目标像素点的像素坐标，直至不能从视频帧选取到目标像素点或轨迹终点的坐标停止更新为止，将最终各目标像素点的像素坐标作为轨迹终点坐标。
具体的，本实施例中基于稀疏光流法识别像素点轨迹的原理如下：
稀疏光流法是以Lucas-Kanade光流法为基础，利用三项假设来建立光流方程的，且该三项假设分别为：a.一个物体在移动过程中，其中的每个像素在不同的帧里面亮度恒定不变；b.物体的运动幅度比较小；c.一个像素周围一定区域内的像素有相同的运动矢量，区域的大小可以根据场景来决定。
根据前两项假设，可以针对一个特定的像素点建立光流方程。假设某移动的像素点在当前视频帧的位置为(x,y)，从当前帧到下一帧所用的时间长度为dt。根据亮度不变的假设，I(x,y,t)＝I(x+dx,y+dy,t+dt)，其中，t为时间下标，dx和dy为在水平和垂直方向的位移，I(.)为像素的亮度。将方程右侧进行泰勒展开可以把方程转化为其中，ε为高阶无穷小项。因此，方程可以进一步写成/>经过进一步的转化可以变成(dx/dt,dy/dt)就是像素点移动的光流矢量。和/>可以根据视频帧直接求解得到。由于方程中有两个未知数，需要更多的方程才能进行求解，而第三个条件就可以帮助我们建立一组和(dx/dt,dy/dt)相关的方程。即/> 其中IP为相邻区域内任意一个像素点P的亮度。由于相邻区域中像素的数量可能大于2，该方法在求解方程组时最小化Σ其中WP为权重，使目标像素点和相邻像素点有不同的重要性，这一问题最终使用最小二乘法求解。利用稀疏光流法即可求解各目标像素点在两个相邻视频帧的移动轨迹，即可跟踪到各目标像素点在上一帧和下一帧出现的位置。
具体的，维护各目标像素点轨迹起点和轨迹终点的方法可以如下：按照视频播放顺序，使用稀疏光流法检测每一帧和其上一帧之间的物体移动，且从视频帧中第一次能够检测出目标像素点移动轨迹开始，记录每个被跟踪目标像素点在两个帧中所对应的位置，同时将维护轨迹起点集合和轨迹终点集合，并将同一移动轨迹的起点和终点建立对应关系。
进一步的，维护轨迹起点集合和轨迹终点集合可以是：对于第n个和第n+1个视频帧之间跟踪到的任意一个移动轨迹V，如果其起点在当前维护的终点集合中，则将终点集合中维护的终点更新为V的终点，如果其起点没有包括在当前的终点集合中，则将移动轨迹V的起点和终点分别加入起点集合和终点集合，并建立对应关系。若终点集合中的某轨迹的终点不再更新，则说明该终点对应的轨迹已经不再移动或离开画面，此时可把该终点和对应的起点从当前的终点和起点集合移除，并用于进行掉落检测的判断。
本发明实施例在上述实施例基础上，针对每个目标像素点详细描述了轨迹起点和轨迹终点的确定步骤，具体是将目标像素点可被选取到的视频帧为该像素点的初始视频帧，将该初始视频帧中该像素点的像素坐标作为轨迹起点的坐标，基于稀疏光流法可得到初始视频帧之后的各视频帧中该像素点的像素坐标，并通过替换更新可实现只维护一个轨迹终点的坐标，直至不能从视频帧选取到该像素点或轨迹终点的坐标停止更新为止，有利于在目标像素点出现的视频帧不同的情况下，分别确定每个目标像素点的轨迹起点和终点。此外，本发明实施例与上述实施例提出的物品掉落检测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。
实施例三
本实施例在上述实施例基础上，对检测物品是否掉落的步骤进行了优化，能够根据分区与目标像素点的轨迹起点和轨迹终点的位置，识别目标像素点的轨迹是否符合物体掉落轨迹特性，可方便快捷的实现物品掉落检测。本实施例与上述实施例提出的物品掉落检测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例。
图3示出了本发明实施例三提供的一种物品掉落检测方法流程图。参见图3，本发明实施例中提供的物品掉落检测方法，包括：
S310、接收预设时长内物品传输的视频帧；
S320、按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点；
S330、将轨迹起点和轨迹终点绘制至预设视频帧；
S340、根据轨迹起点和轨迹终点，与预设视频帧的分区中第一分区和第二分区的位置关系，检测物品是否掉落。
本发明实施例中，通常情况下同一监控设备所监控的传送装置视角相同，即同一监控设备发送给检测装置的各视频帧的场景一致(例如传送带的角度、长度和传送带背景环境一致)，因此检测装置可针对各监控设备发送的视频帧预先设置一用于作为基准的参考视频帧(即预设视频帧)，且该预设视频帧例如可以是未传输物品且未其他干扰因素(例如工作人员)的视频帧。
具体的，将轨迹起点和轨迹终点绘制至预设视频帧可以是，根据轨迹起点和轨迹终点的像素坐标，将轨迹起点和轨迹终点绘制至预设视频帧的图像坐标系中，其中可将图像的左上角作为图像坐标系原点，将横轴向右作为x轴正方向，将纵轴向下作为y轴正方向。
其中，预设视频帧的分区中第一分区和第二分区可分别为传送装置的上方区域和下方区域，且可在设置预设视频帧的同时，根据传送装置的具体传输场景将预设视频帧划分为第一分区和第二分区。进而，可根据绘制于预设视频帧的轨迹起点和轨迹终点所在的分区，判断轨迹走向是否符合掉落轨迹特性，以检测物品是否掉落。
可选的，根据轨迹起点和轨迹终点，与预设视频帧的分区中第一分区和第二分区的位置关系，检测物品是否掉落，包括：当轨迹起点位于预设视频帧的分区中的第一分区，且轨迹终点位于分区中的第二分区时，检测到物品掉落；或者，当轨迹起点和轨迹终点皆位于第二分区，且轨迹起点和轨迹终点构成的轨迹向量与第一分区和第二分区的边界法向量间呈锐角时，检测到物品掉落；其中，将第一分区到第二分区的方向，作为边界法向量的正向。
对于一个目标像素点的移动轨迹，如果其起点在传送装置上方某一区域内，而终点在传送装置下方某一区域内，则可初步判断为目标像素点符合掉落轨迹特性。但考虑到有可能存在由于识别的误差，目标像素点的移动轨迹没有被完整识别出来的情况，为避免在该种情况下的错误识别，当移动轨迹的起点和终点都在传送装置下方时，可在轨迹起点和轨迹终点构成的轨迹向量与传送装置上下分区的边界法向量间呈锐角时同样认为轨迹符合掉落轨迹特性。将移动轨迹的起点和终点都在传送装置下方时，轨迹向量与边界法向量间呈锐角的轨迹识别为掉落轨迹，不仅有利于提高物品掉落检测的识别率，还能够有效排除传送装置附近人为走动(走动的起点和终点也皆可在传送装置下方，但其轨迹向量与边界法向量夹角通常并非锐角)带来的误识别情况，具有更广泛的适用性。
可选的，预设视频帧的分区包括至少一组第一分区和第二分区；相应的，根据轨迹起点和轨迹终点，与预设视频帧的分区中第一分区和第二分区的位置关系，检测物品是否掉落，包括：从至少一组第一分区和第二分区中选取目标组的第一分区和第二分区，根据轨迹起点和轨迹终点，与目标组的第一分区和第二分区的位置关系，检测物品是否掉落。
本实施例中，视频帧中传送装置可能存在上坡、下坡、水平和转弯等走势，因此预设视频帧的分区可包括至少一组第一分区和第二分区，以标识各走势下传送装置的上下分区。具体的，从至少一组第一分区和第二分区中选取目标组的第一分区和第二分区可以是，将轨迹起点所在的第一分区或第二分区的组作为目标组。通过先从至少一组第一分区和第二分区中选取目标组的第一分区和第二分区，再根据轨迹起点和轨迹终点与目标组的第一分区和第二分区的位置关系，可实现传送装置复杂走势下的物品掉落的分段检测。
示例性的，图4示出了本发明实施例三提供的一种物品掉落检测方法中预设视频帧的分区示意图。参见图4，预设视频帧中包括上坡和水平两段传送带，其将视频帧划分为两组第一分区和第二分区，分别为第一组第一分区Z11、第二分区Z12、第二组第一分区Z21和第二分区Z22，各分区在图中分别用不同斜线填充。根据传送带的位置和方向可将两组分区的上下分区边界分别定义为第一直线L1和第二直线L2，L1和L2的边界法线分别为N1和N2。图中三条虚线分别表示了A、B、C三个目标像素点的轨迹，且A的轨迹起点和轨迹终点分别为A1和A2，B的轨迹起点和轨迹终点分别为B1和B2，C的轨迹起点和轨迹终点分别为C1和C2。
其中，目标像素点A的轨迹起点A1位于第二组的第一分区，则第二组分区为目标组分区，且轨迹起点A1位于L2上方的第一分区Z21，轨迹终点A2位于L2下方的第二分区Z22，可检测为物品掉落。目标像素点B的轨迹起点B1位于第二组的第二分区Z22，则第二组分区为目标组分区，轨迹起点B1和轨迹终点B2皆位于L2下方的第二分区Z22，且由轨迹起点B1到轨迹终点B2的向量与法向量N2的正向呈锐角(注：在图像中纵轴方向向下为正)，可检测为物品掉落。目标像素点C的轨迹起点C1位于第一组的第一分区Z11，则第一组分区为目标组分区，且轨迹起点C1位于L1上方的第一分区Z11，轨迹终点C2位于L1下方的第二分区Z12，可检测为物品掉落。
本发明实施例在上述实施例基础上，对检测物品是否掉落的步骤进行了优化，能够根据分区与目标像素点的轨迹起点和轨迹终点的位置，识别目标像素点的轨迹是否符合物体掉落轨迹，可方便快捷的实现物品掉落检测。此外，本发明实施例与上述实施例提出的物品掉落检测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。
实施例四
图5示出了本发明实施例四提供的一种物品掉落检测装置结构示意图，本发明实施例可广泛适用于各领域的物品掉落检测的情况，例如物流仓库，分拣中心和配送站中传送装置所传送货物的掉落检测情况。通过本发明提供的物品掉落检测装置可实现上述实施例提供的物品掉落检测方法。
如图5所示，本发明实施例中物品掉落检测装置，包括：
视频帧接收模块510，用于接收预设时长内物品传输的视频帧；
轨迹记录模块520，用于按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点；
掉落检测模块530，用于根据轨迹起点和轨迹终点，检测物品是否掉落。
可选的，轨迹记录模块，包括：
初始视频帧确定子模块，用于针对各目标像素点，将首次选取到目标像素点的视频帧，作为初始视频帧；
轨迹起点确定子模块，用于将初始视频帧中目标像素点的像素坐标，作为目标像素点的轨迹起点的坐标；
轨迹终点确定子模块，用于基于稀疏光流法，确定初始视频帧之后的各视频帧中目标像素点的像素坐标，并根据像素坐标更新目标像素点的轨迹终点的坐标，直至不能从视频帧选取到目标像素点或轨迹终点的坐标停止更新为止。
可选的，掉落检测模块，包括：
绘制子模块，用于将轨迹起点和轨迹终点绘制至预设视频帧；
检测子模块，用于根据轨迹起点和轨迹终点，与预设视频帧的分区中第一分区和第二分区的位置关系，检测物品是否掉落。
进一步的，检测子模块，具体用于：当轨迹起点位于预设视频帧的分区中的第一分区，且轨迹终点位于分区中的第二分区时，检测到物品掉落；或者，当轨迹起点和轨迹终点皆位于第二分区，且轨迹起点和轨迹终点构成的轨迹向量与第一分区和第二分区的边界法向量间呈锐角时，检测到物品掉落；其中，将第一分区到第二分区的方向，作为边界法向量的正向。
进一步的，预设视频帧的分区包括至少一组第一分区和第二分区；相应的，检测子模块，还具体用于：从至少一组第一分区和第二分区中选取目标组的第一分区和第二分区，根据轨迹起点和轨迹终点，与目标组的第一分区和第二分区的位置关系，检测物品是否掉落。
可选的，目标像素点为Harris角点。
可选的，视频帧为仓库、分拣中心或配送站中预设的监控设备，针对传送带传输物品场景所采集的视频帧。
本发明实施例提供的物品掉落检测装置，与上述实施例提供的物品掉落检测方法属于同一发明构思，未在本发明实施例中详尽描述的技术细节可参见上述实施例，并且本发明实施例与上述实施例具有相同的有益效果。
实施例五
图6示出了本发明实施例五提供的一种终端设备的硬件结构示意图。本发明实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，终端设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(Read-Only Memory，ROM)602中的程序或者从存储装置608加载到随机访问存储器(Random Access Memory，RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有终端设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许终端设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的终端设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本发明实施例的方法中限定的上述功能。
本发明实施例提供的终端与上述实施例提供的物品掉落检测方法属于同一发明构思，未在本发明实施例中详尽描述的技术细节可参见上述实施例，并且本发明实施例与上述实施例具有相同的有益效果。
实施例六
本发明实施例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实施例所提供的物品掉落检测方法。
需要说明的是，本发明实施例上述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)或闪存(FLASH)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读存储介质可以是上述终端设备中所包含的，也可以是单独存在，而未装配入该终端设备中的。
上述终端设备存储承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：接收预设时长内物品传输的视频帧；按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点；根据轨迹起点和轨迹终点，检测物品是否掉落。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：接收预设时长内物品传输的视频帧；按时序选取各视频帧中物品的至少一个目标像素点，以及记录各目标像素点的轨迹起点和轨迹终点；根据轨迹起点和轨迹终点，检测物品是否掉落。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范样式的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种物品掉落检测方法，其特征在于，包括：
接收预设时长内物品传输的视频帧；
按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落；
其中，按时序选取所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点，包括：
针对各目标像素点，将首次选取到所述目标像素点的视频帧，作为初始视频帧；
将所述初始视频帧中所述目标像素点的像素坐标，作为所述目标像素点的轨迹起点的坐标；
基于稀疏光流法，确定所述初始视频帧之后的各视频帧中所述目标像素点的像素坐标，并根据所述像素坐标更新所述目标像素点的轨迹终点的坐标，直至不能从视频帧选取到所述目标像素点或所述轨迹终点的坐标停止更新为止。
2.根据权利要求1所述的方法，其特征在于，所述根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落，包括：
将所述轨迹起点和所述轨迹终点绘制至预设视频帧；
根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落。
3.根据权利要求2所述的方法，其特征在于，所述根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落，包括：
当所述轨迹起点位于所述预设视频帧的分区中的第一分区，且所述轨迹终点位于所述分区中的第二分区时，检测到所述物品掉落；
或者，当所述轨迹起点和所述轨迹终点皆位于所述第二分区，且所述轨迹起点和所述轨迹终点构成的轨迹向量与所述第一分区和所述第二分区的边界法向量间呈锐角时，检测到所述物品掉落；
其中，将所述第一分区到所述第二分区的方向，作为所述边界法向量的正向。
4.根据权利要求2所述的方法，其特征在于，所述预设视频帧的分区包括至少一组第一分区和第二分区；
相应的，所述根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落，包括：
从所述至少一组第一分区和第二分区中选取目标组的第一分区和第二分区，根据所述轨迹起点和所述轨迹终点，与所述目标组的第一分区和第二分区的位置关系，检测所述物品是否掉落。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述目标像素点为 Harris角点。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述视频帧为仓库、分拣中心或配送站中预设的监控设备，针对传送带传输货物场景所采集的视频帧。
7.一种物品掉落检测方法，其特征在于，包括：
接收预设时长内物品传输的视频帧；
按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落；
其中，所述根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落，包括：
将所述轨迹起点和所述轨迹终点绘制至预设视频帧；
根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落；
其中，所述根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落，包括：
当所述轨迹起点位于所述预设视频帧的分区中的第一分区，且所述轨迹终点位于所述分区中的第二分区时，检测到所述物品掉落；
或者，当所述轨迹起点和所述轨迹终点皆位于所述第二分区，且所述轨迹起点和所述轨迹终点构成的轨迹向量与所述第一分区和所述第二分区的边界法向量间呈锐角时，检测到所述物品掉落；
其中，将所述第一分区到所述第二分区的方向，作为所述边界法向量的正向。
8.根据权利要求7所述的方法，其特征在于，所述目标像素点为 Harris角点。
9.根据权利要求7所述的方法，其特征在于，所述视频帧为仓库、分拣中心或配送站中预设的监控设备，针对传送带传输货物场景所采集的视频帧。
10.一种物品掉落检测方法，其特征在于，包括：
接收预设时长内物品传输的视频帧；
按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落；
其中，所述根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落，包括：
将所述轨迹起点和所述轨迹终点绘制至预设视频帧；
根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落；
其中，所述预设视频帧的分区包括至少一组第一分区和第二分区；相应的，所述根据所述轨迹起点和所述轨迹终点，与所述预设视频帧的分区中第一分区和第二分区的位置关系，检测所述物品是否掉落，包括：
从所述至少一组第一分区和第二分区中选取目标组的第一分区和第二分区，根据所述轨迹起点和所述轨迹终点，与所述目标组的第一分区和第二分区的位置关系，检测所述物品是否掉落。
11.根据权利要求10所述的方法，其特征在于，所述目标像素点为 Harris角点。
12.根据权利要求10所述的方法，其特征在于，所述视频帧为仓库、分拣中心或配送站中预设的监控设备，针对传送带传输货物场景所采集的视频帧。
13.一种物品掉落检测装置，其特征在于，包括：
视频帧接收模块，用于接收预设时长内物品传输的视频帧；
轨迹记录模块，用于按时序选取各所述视频帧中物品的至少一个目标像素点，以及记录各所述目标像素点的轨迹起点和轨迹终点；
掉落检测模块，用于根据所述轨迹起点和所述轨迹终点，检测所述物品是否掉落；
其中，所述轨迹记录模块，包括：
初始视频帧确定子模块，用于针对各目标像素点，将首次选取到目标像素点的视频帧，作为初始视频帧；
轨迹起点确定子模块，用于将初始视频帧中目标像素点的像素坐标，作为目标像素点的轨迹起点的坐标；
轨迹终点确定子模块，用于基于稀疏光流法，确定初始视频帧之后的各视频帧中目标像素点的像素坐标，并根据像素坐标更新目标像素点的轨迹终点的坐标，直至不能从视频帧选取到目标像素点或轨迹终点的坐标停止更新为止。
14.一种终端设备，其特征在于，所述终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的物品掉落检测方法。
15.一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如权利要求1-12中任一所述的物品掉落检测方法。
CN202010189993.7A 2020-03-18 2020-03-18 一种物品掉落检测方法、装置、设备及存储介质 Active CN112258551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010189993.7A CN112258551B (zh) 2020-03-18 2020-03-18 一种物品掉落检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010189993.7A CN112258551B (zh) 2020-03-18 2020-03-18 一种物品掉落检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112258551A CN112258551A (zh) 2021-01-22
CN112258551B true CN112258551B (zh) 2023-09-05

Family

ID=74224755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010189993.7A Active CN112258551B (zh) 2020-03-18 2020-03-18 一种物品掉落检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112258551B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006082618A (ja) * 2004-09-14 2006-03-30 Fujitsu Ltd 落下物検知装置
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法
CN104331905A (zh) * 2014-10-31 2015-02-04 浙江大学 一种基于运动物体检测的监控视频摘要提取方法
CN106101487A (zh) * 2016-07-04 2016-11-09 石家庄铁道大学 视频时空运动轨迹提取方法
CN106170074A (zh) * 2016-07-21 2016-11-30 湖北誉恒科技有限公司 监控道路突发状况的视频监控系统
CN109102530A (zh) * 2018-08-21 2018-12-28 北京字节跳动网络技术有限公司 运动轨迹绘制方法、装置、设备和存储介质
WO2019045586A1 (ru) * 2017-08-30 2019-03-07 Артем Андреевич ЯКОВЛЕВ Способ мониторинга движущихся объектов
CN110062272A (zh) * 2019-04-30 2019-07-26 腾讯科技（深圳）有限公司 一种视频数据处理方法和相关装置
CN110334650A (zh) * 2019-07-04 2019-10-15 北京字节跳动网络技术有限公司 物体检测方法、装置、电子设备及存储介质
CN110544271A (zh) * 2019-09-03 2019-12-06 浙江大华技术股份有限公司 抛物动作检测方法及相关装置
CN110569770A (zh) * 2019-08-30 2019-12-13 重庆博拉智略科技有限公司 人体入侵行为识别方法、装置、存储介质及电子设备
CN110879951A (zh) * 2018-09-06 2020-03-13 华为技术有限公司 一种运动前景检测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950123B2 (en) * 2002-03-22 2005-09-27 Intel Corporation Method for simultaneous visual tracking of multiple bodies in a closed structured environment

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006082618A (ja) * 2004-09-14 2006-03-30 Fujitsu Ltd 落下物検知装置
CN104282020A (zh) * 2014-09-22 2015-01-14 中海网络科技股份有限公司 一种基于目标运动轨迹的车辆速度检测方法
CN104331905A (zh) * 2014-10-31 2015-02-04 浙江大学 一种基于运动物体检测的监控视频摘要提取方法
CN106101487A (zh) * 2016-07-04 2016-11-09 石家庄铁道大学 视频时空运动轨迹提取方法
CN106170074A (zh) * 2016-07-21 2016-11-30 湖北誉恒科技有限公司 监控道路突发状况的视频监控系统
WO2019045586A1 (ru) * 2017-08-30 2019-03-07 Артем Андреевич ЯКОВЛЕВ Способ мониторинга движущихся объектов
CN109102530A (zh) * 2018-08-21 2018-12-28 北京字节跳动网络技术有限公司 运动轨迹绘制方法、装置、设备和存储介质
CN110879951A (zh) * 2018-09-06 2020-03-13 华为技术有限公司 一种运动前景检测方法及装置
CN110062272A (zh) * 2019-04-30 2019-07-26 腾讯科技（深圳）有限公司 一种视频数据处理方法和相关装置
CN110334650A (zh) * 2019-07-04 2019-10-15 北京字节跳动网络技术有限公司 物体检测方法、装置、电子设备及存储介质
CN110569770A (zh) * 2019-08-30 2019-12-13 重庆博拉智略科技有限公司 人体入侵行为识别方法、装置、存储介质及电子设备
CN110544271A (zh) * 2019-09-03 2019-12-06 浙江大华技术股份有限公司 抛物动作检测方法及相关装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
隧道意外事件视频检测自动报警系统研究;王京辉;李蛟;李维;;公路交通科技(应用技术版)(第12期);全文 *

Also Published As

Publication number Publication date
CN112258551A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN112418232B (zh) 图像分割方法、装置、可读介质及电子设备
CN110852258A (zh) 物体检测方法、装置、设备及存储介质
CN114148659A (zh) 容器上架方法、装置、系统、电子设备和计算机可读介质
CN111726675A (zh) 对象的信息显示方法、装置、电子设备及计算机存储介质
CN112258551B (zh) 一种物品掉落检测方法、装置、设备及存储介质
CN113205300B (zh) 配送车辆调度方法、装置、电子设备和计算机可读介质
CN110633383A (zh) 一种重复房源的识别方法、装置、电子设备及可读介质
CN112818898B (zh) 模型训练方法、装置和电子设备
CN108805318B (zh) 用于评测仓库的方法和装置
CN111914784A (zh) 轨旁障碍物入侵实时检测方法、装置及电子设备
CN112785212A (zh) 一种运输设备管理方法和装置
CN111488866B (zh) 基于深度学习的入侵物识别方法、装置及电子设备
CN113378802B (zh) 报警信息发送方法、电子设备和计算机可读介质
CN114419292A (zh) 图像处理方法、装置、设备及存储介质
CN112414391B (zh) 一种机器人的重定位方法及装置
CN113793087B (zh) 用于分拣物品的方法和装置
CN115187882A (zh) 货物流量监测方法、装置、计算机设备和存储介质
CN110752958A (zh) 用户行为分析方法、装置、设备及存储介质
CN113744259B (zh) 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备
CN118195184A (zh) 拣货任务信息分配方法、装置、设备、介质和程序产品
CN116824348B (zh) 隐患信息生成方法、装置、电子设备和计算机可读介质
CN109542748B (zh) 一种视图浏览次数的确定方法、装置、设备及存储介质
CN114148704A (zh) 一种提示方法、系统、装置、终端设备及存储介质
CN115796637B (zh) 基于角钢塔材料的信息处理方法、装置、设备与介质
CN116778253A (zh) 酒店物品破损检测方法、装置、电子设备和介质

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