CN113255651A - 包裹安检方法、装置及系统和节点设备、存储装置 - Google Patents

包裹安检方法、装置及系统和节点设备、存储装置 Download PDF

Info

Publication number
CN113255651A
CN113255651A CN202110710540.9A CN202110710540A CN113255651A CN 113255651 A CN113255651 A CN 113255651A CN 202110710540 A CN202110710540 A CN 202110710540A CN 113255651 A CN113255651 A CN 113255651A
Authority
CN
China
Prior art keywords
parcel
area
tracking
image
package
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
CN202110710540.9A
Other languages
English (en)
Inventor
李小兵
郑伟伟
支洪平
王晓云
吴军军
王凯
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.)
Iflytek Suzhou Technology Co Ltd
Original Assignee
Iflytek Suzhou 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 Iflytek Suzhou Technology Co Ltd filed Critical Iflytek Suzhou Technology Co Ltd
Priority to CN202110710540.9A priority Critical patent/CN113255651A/zh
Publication of CN113255651A publication Critical patent/CN113255651A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种包裹安检方法、装置及系统和节点设备、存储装置，其中，包裹安检方法包括：将传送过程中扫描到的若干扫描图像，分别作为当前图像；基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域；其中，参考图像是在当前图像之前扫描得到的；基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域；响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，并将包裹图像发送至服务器进行安检识别。上述方案，能够提高包裹安检效率。

Description

包裹安检方法、装置及系统和节点设备、存储装置
技术领域
本申请涉及图像处理技术领域，特别是涉及一种包裹安检方法、装置及系统和节点设备、存储装置。
背景技术
随着公路、铁路等路网系统不断升级完善，大量增加的客流、货运等运输压力给诸如行李、快递等包裹安检带来严峻的挑战。目前，主要通过对各帧扫描图像进行安检识别来进行包裹安检，效率较低。有鉴于此，如何提高包裹安检效率成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种包裹安检方法、装置及系统和节点设备、存储装置，能够提高包裹安检效率。
为了解决上述技术问题，本申请第一方面提供了一种包裹安检方法，包括：将传送过程中扫描到的若干扫描图像，分别作为当前图像；基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域；其中，参考图像是在当前图像之前扫描得到的；基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域；响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，并将包裹图像发送至服务器进行安检识别。
为了解决上述技术问题，本申请第二方面提供了一种包裹安检装置，包括：图像获取模块、区域确定模块、包裹跟踪模块和安检识别模块，图像获取模块用于将传送过程中扫描到的若干扫描图像，分别作为当前图像；区域确定模块用于基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域；其中，参考图像是在当前图像之前扫描得到的；包裹跟踪模块用于基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域；安检识别模块用于响应于最新的包裹区域满足第一条件，基于所最新的述包裹区域得到包裹图像，并将包裹图像发送至服务器进行安检识别。
为了解决上述技术问题，本申请第三方面提供了一种节点设备，包括存储器、通信电路和处理器，且存储器和通信电路耦接至处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的包裹安检方法。
为了解决上述技术问题，本申请第四方面提供了一种包裹安检系统，包括若干服务器以及设置于安检点的扫描设备、节点设备和显示设备，节点设备与相同安检点处扫描设备和显示设备电性连接，节点设备分别与若干服务器通信连接，且节点设备为上述第三方面中的设备。
为了解决上述技术问题，本申请第五方面提供了一种存储装置，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的包裹安检方法。
上述方案，将传送过程中扫描得到的若干扫描图像，分别作为当前图像，并基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域，且参考图像是在当前图像之前扫描得到的，在此基础上，再基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域，并响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，将包裹图像发送至服务器进行安检识别，故此在扫描过程中能够对包裹进行跟踪检测，并在扫描图像中分离出包裹图像进行安检识别，能够有效降低服务器所需处理的图像数据量，有利于在对包裹跟踪检测过程中提高包裹安检效率。
附图说明
图1是本申请包裹安检系统一实施例的框架示意图；
图2是本申请包裹安检方法一实施例的流程示意图；
图3是跟踪搜索一实施例的示意图；
图4是更新跟踪区域一实施例的示意图；
图5是本申请包裹安检方法另一实施例的流程示意图；
图6是本申请包裹安检方法又一实施例的流程示意图；
图7是本申请包裹安检装置一实施例的框架示意图；
图8是本申请节点设备一实施例的框架示意图；
图9是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
请参阅图1，图1是本申请包裹安检系统一实施例的框架示意图。具体而言，包裹安检系统可以包括若干服务器以及设置于安检点的扫描设备、节点设备和显示设备，节点设备与相同安检点处扫描设备和显示设备电性连接，节点设备分别与若干服务器通信连接，且节点设备为能够执行本申请任一包裹安检方法实施例中的步骤。关于节点设备的具体框架以及包裹安检方法的具体步骤可以参阅下述相关公开实施例，在此暂不赘述。
需要说明的是，扫描设备用于在传送过程中进行扫描，节点设备用于执行本申请包裹安检方法实施例中的步骤，而服务器用于对节点设备分离出的包裹图像进行安检识别，并将安检识别结果反馈至节点设备，显示设备用于显示扫描图像，并在扫描图像上显示安检识别结果，使得安检点处工作人员根据显示设备所显示的安检识别结果，快速排查包裹中是否有违禁品，以在包裹中含有违禁品的情况下，对包裹进行开包检查，或者在包裹正常的情况下，对包裹进行放行处理。具体过程可以参阅下述相关公开实施例，在此暂不赘述。
在一个实施场景中，可以设置有多个安检点。以地铁安检为例，可以在地铁各个站点的各个入站口均设置安检点，以对从各个入站口入站的包裹进行安检；或者，以车站安检为例，可以在车站入站口设置若干个安检点，以便对入站乘客进行分流并对乘客携带包裹进行安检。其他场景可以以此类推，在此不再一一举例。
在一个实施场景中，请结合参阅图1，如前所述，每个安检点配置有扫描设备、节点设备和显示设备，且节点设备与扫描设备、显示设备均保持电性连接。具体地，节点设备可以为具体处理能力的电子设备，如可以包括但不限于：台式主机、工控主机等，在此不做限定；扫描设备可以包括但不限于：X光机等，在此不做限定；显示设备可以包括但不限于：显示器等，在此不做限定。此外，节点设备可以内置有采集卡，以通过采集卡捕获扫描设备所扫描得到的扫描图像。此外，节点设备具体可以通过DP（DisplayPort）接口、VGA（VideoGraphics Array）接口、HDMI（High Definition Multimedia Interface）接口等与显示设备电性连接。节点设备可以通过有线连接方式或者无线连接方式与服务器通信连接，在此不做限定。
在一个实施场景中，服务器的数量可以根据实际情况进行设置。例如，在安检识别的数据处理量较大的情况下，可以设置较多的服务器；或者，在安检识别的数据处理量较少的情况下，可以设置较少的服务器，具体数量在此不做限定。
上述方案，包裹安检系统包括若干服务器以及设置于安检点的扫描设备、节点设备和显示设备，节点设备与相同安检点处扫描设备和显示设备电性连接，节点设备分别与若干服务器通信连接，且节点设备能够执行本申请任一包裹安检方法实施例中的步骤，故能够有利于在对包裹跟踪检测过程中提高包裹安检效率。
请参阅图2，图2是本申请包裹安检方法一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S21：将传送过程中扫描到的若干扫描图像，分别作为当前图像。
如前述公开实施例所述，包裹传送过程中，可以通过扫描设备进行扫描成像，得到若干扫描图像，如扫描设备每秒可以扫描得到5张扫描图像，或者扫描设备每秒可以扫描得到10张扫描图像，在此不做限定。在此基础上，可以分别将若干扫描图像，作为当前图像，为了便于描述，可以将当前图像记为xt，则当前图像xt的上一帧扫描图像可以记为xt-1，当前图像xt的下一帧扫描图像可以记为xt+1，以此类推，在此不再一一举例。
步骤S22：基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域。
本公开实施例中，参考图像是在当前图像之前扫描得到的。具体地，为了提高后续跟踪搜索的准确性，参考图像可以为当前图像xt的上一帧扫描图像xt-1。
在一个实施场景中，需要说明的是，在当前图像为第一帧扫描图像的情况下，由于其之前并无其他扫描图像，故可以无需跟踪搜索直接对当前图像进行包裹检测，得到当前图像中的包裹区域。包裹检测的具体过程可以包括：先将扫描图像转换为灰度图像，然后确定灰度图像中的背景区域，例如，可以选择左上坐标（10,10）、右下坐标（1024,20）矩形区域作为背景区域。在此基础上，可以计算背景区域的灰度直方图，并选取灰度直方图中概率分布最大的灰度值作为灰度阈值，以及利用灰度阈值将灰度图像进行二值化，得到待处理图像。基于此，可以对待处理图像进行形态学运算，以消除噪声，并在形态学运算之后的待处理图像中进行轮廓提取，得到包裹区域。在进行形态学运算时，具体可以先进行闭运算（即先膨胀后腐蚀），以消除空洞，再进行开运算（即先腐蚀后膨胀），以消除孤立噪点。关于开运算和闭运算的具体过程，可以参阅其技术细节，在此不再赘述。
在一个实施场景中，为了区分不同包裹的包裹区域，可以对不同包裹的包裹区域标记不同的包裹标识。在此基础上，可以在包裹安检过程中，维护一个跟踪队列，且该跟踪队列可以包括参考图像中各个包裹的包裹信息，包裹信息可以包括包裹区域及其包裹标识。例如，参考图像中含有包裹A、包裹B和包裹C，则跟踪队列可以包括三组包裹信息，其中一组包裹信息可以包括包裹A的包裹区域和包裹标识，另一组包裹信息可以包括包裹B的包裹区域和包裹标识，最后一组包裹信息可以包括包裹C的包裹区域和包裹标识。其他情况可以以此类推，在此不再一一举例。
在一个实施场景中，传送方向一旦确定，可以不再改变，如从左往右传送，或者从右往左传送，在此不做限定。在此基础上，可以直接采用预设的传送方向；或者，传送方向在包裹安检过程中，也可以发生改变，在此情况下，可以对传送方向进行检测，以确定包裹的传送方向，检测传送方向的具体过程，可以参阅下述公开实施例，在此暂不赘述。
在一个实施场景中，可以基于传送方向，选择参考图像的包裹区域的区域边缘，并获取区域边缘在参考图像中的边缘位置，以及在当前图像中以该边缘位置为起始位置向传送方向延伸一预设范围，作为搜索区域。
在一个具体的实施场景中，在传送方向为从左往右的情况下，可以选择参考图像的包裹区域的左边缘作为区域边缘，而在传送方向为从右往左的情况下，可以选择参考图像的包裹区域的右边缘作为区域边缘。
在另一个具体的实施场景中，为了进一步提高后续跟踪搜索的准确性，并降低跟踪搜索的开销，可以在参考图像中包裹区域的预设位置处（如，中心位置处），确定一个局部区域，以便后续利用局部区域的图像数据进行跟踪搜索。在此基础上，可以基于传送方向，选择局部区域的区域边缘，并获取局部区域的区域边缘在参考图像中的边缘位置，以及在当前图像中以该边缘位置为起始位置向传送方向延伸一预设范围，作为搜索区域。
在又一个具体的实施场景中，请结合参阅图3，图3是跟踪搜索一实施例的示意图。如图3所示，以从左往右传送为例，参考图像中包裹区域以其左上角顶点A0标识，处于其中心位置的局部区域以其左上角顶点B0标识，由于传送方向为从左往右，故可以选择局部区域的左边缘作为区域边缘，并在当前图像中以该区域边缘的边缘位置（如图3中竖直方向虚线所示）为起始位置向右延伸一预设范围，作为搜索区域（即图3中虚线矩形C1所示）。在传送方向为其他方向的情况下，可以以此类推，在此不再一一举例。
步骤S23：基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域。
在一个实施场景中，可以基于搜索区域和参考图像中的包裹区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，并利用当前图像的包裹检测结果对跟踪区域进行更新，得到当前图像中最新的包裹区域，且包裹检测结果包裹当前图像中包裹的检测区域。需要说明的是，当前图像中与包裹区域对应的跟踪区域表示跟踪区域与包裹区域属于同一包裹。例如，参考图像中可以包含包裹A的包裹区域01，基于搜索区域和参考图像中包裹A的包裹区域，可以跟踪得到当前图像中包裹A的跟踪区域02，则上述包裹区域01和跟踪区域02对应，在参考图像中包含其他包裹的包裹区域的情况下，可以以此类推，在此不再一一举例。上述方式，通过基于搜索区域参考图像中的包裹区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，并利用当前图像的包裹检测结果对跟踪区域进行更新，得到当前图像中最新的包裹区域，且包裹检测结果包括当前图像中包裹的检测区域，故通过跟踪匹配能够在传送过程中对已经分析得到的包裹区域在当前图像中进行持续跟踪，并通过包裹检测结果更新跟踪区域能够在跟踪旧包裹的同时也关注到新包裹，有利于在包裹安检过程中大大降低遗漏安检的概率。
在一个具体的实施场景中，如前所述，为了进一步提高后续跟踪搜索的准确性，并降低跟踪搜索的开销，可以在参考图像中包裹区域的预设位置处（如，中心位置处），确定一个局部区域，以便后续利用局部区域的图像数据进行跟踪搜索。在此基础上，可以直接提取参考图像中包裹区域内预设位置处的图像数据，得到局部图像，并利用局部图像在搜索区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域。需要说明的是，在跟踪匹配过程中可以采用包括但不限于：归一化互相关匹配等，在此不做限定。请结合参阅图3，为了便于描述，参考图像中包裹区域A0内局部图像B0的尺寸可以记为w×h（如，30*30等），当前图像中搜索区域C1的尺寸可以记为W×H，则局部图像B0（w×h）可以作为模板图像在搜索区域C1（W×H）上每次在横向或是纵向移动一个像素，并做一次匹配计算，得到匹配相似度，在匹配相似度满足预设条件的情况下，可以得到当前图像中与包裹区域A0对应的跟踪区域A1。需要说明的是，如前所述，在每次横向或纵向移动一个像素的情况下，横向可以移动W-w+1次，纵向可以移动H-h+1次，故总共需要(W-w+1)×(H-h+1)次匹配。此外，匹配相似度R(x,y)可以表示为：
R(x,y)=Σx’,y’(T’(x’,y’)·I’(x+x’,y+y’))/sqrt(Σx’,y’T’(x’,y’)2·Σx’,y’I’(x+x’,y+y’)2)……（1）
其中：T’(x’,y’)=T(x’,y’)-1/(w·h)·Σx’’,y’’T(x’’,y’’)……（2）
I’(x+x’,y+y’)=I(x+x’,y+y’)-1/(w·h)·Σx’’,y’’I(x+x’’,y+y’’)……（3）
上述公式（1）、（2）和（3）中，x,x’,x’’,x+x’,x+x’’分别表示图像中不同的水平坐标，y,y’,y’’,y+y’,y+y’’分别表示图像中不同的垂直坐标，sqrt()表示求根运算，T(x,y),T(x’,y’),T(x’’,y’’)均表示局部图像，I(x,y),I(x+x’,y+y’)以及I(x,y),I(x+x’’,y+y’’)均表示搜索区域C1中被局部图像搜索的图像，Σx’,y’(T’(x’,y’)·I’(x+x’,y+y’))表示两个图像之间的协方差，Σx’,y’T’(x’,y’)2表示局部图像的方差，Σx’,y’I’(x+x’,y+y’)2表示被局部图像搜索的图像的方差。在此基础上，局部图像每次在搜索区域移动均可计算得到一个匹配相似度，将匹配相似度放入一个(W-w+1)×(H-h+1)大小的二维矩阵M，并最终从中提取出大于相似度阈值（如，0.7）的匹配相似度中最大值，即可以认为局部图像在该匹配相似度对应的搜索区域（如，图3中B1）匹配成功。为了便于描述，参考图像中包裹区域A0可以记为(xa0,ya0)，其用于匹配搜索的局部区域B0可以记为(xb0,yb0)，匹配成功的搜索区域B1可以记为(xb1,yb1)，则当前图像中跟踪区域A1(xa1,ya1)可以表示为：
xa1=xa0+(xb1-xb0) ya1=ya0+(yb1-yb0)……（4）
在参考图像中存在多个包裹区域的情况下，可以以此类推，在此不再一一举例。此外，如前所述，在包裹安检过程中，可以维护一个跟踪队列，且该跟踪队列可以包括参考图像中各个包裹的包裹信息，包裹信息可以包括包裹区域及其包裹标识，在此基础上，可以将参考图像中包裹区域的包裹标识赋予当前图像中与包裹区域对应的跟踪区域。仍以参考图像中包含包裹A的包裹区域01为例，跟踪队列中可以包含包裹A的包裹信息（如，包裹区域01和包裹标识A），在跟踪匹配得到当前图像中包裹A的跟踪区域02之后，可以将包裹区域01的包裹标识A赋予跟踪区域02，其他情况可以以此类推，在此不再一一举例。此外，若在搜索区域未匹配跟踪到包裹区域对应的跟踪区域，则可以认为目标丢失，在此情况下，可以在跟踪队列中将该包裹区域所属的包裹信息删除。上述方式，通过在参考图像中的包裹区域的预设位置处，提取得到局部图像，并利用局部图像在搜索区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，能够有利于大大降低跟踪匹配的计算负荷，提高跟踪匹配速度。
在另一个具体的实施场景中，可以对当前图像进行包裹检测，得到当前图像的包裹检测结果，包裹检测的具体过程可以参阅前述相关描述，在此不再赘述。
在又一个具体的实施场景中，在当前图像中跟踪匹配得到与包裹区域对应的跟踪区域之后，可以基于跟踪队列，获取跟踪区域的包裹标识，具体可以参阅前述相关描述，在此不再赘述。在此基础上，对于每一检测区域，可以获取检测区域分别与各个跟踪区域之间的重合度，并基于重合度对跟踪区域进行更新，得到当前图像中最新的包裹区域及其包裹标识。具体地，重合度可以通过交并比（Intersection over Union）计算得到，交并比的具体计算过程，可以参阅交并比的相关技术细节，在此不再赘述。此外，可以通过检测重合度是否满足预设条件来执行不同的更新策略，预设条件可以包括重合度高于预设阈值（如，0.7）。上述方式，在传送过程中维护一个跟踪队列，且跟踪队列包括参考图像中各个包裹的包裹信息，并通过结合跟踪队列和当前图像的包裹检测结果来对跟踪区域进行更新，从而一方面能够保持对旧目标跟踪检测，另一方面能够关注新目标，进而能够有利于大大降低包裹遗漏安检的概率。
具体地，请结合参阅图4，图4是更新跟踪区域一实施例的示意图。如图4所示，虚线矩形表示跟踪区域，实线矩形表示检测区域。对于检测区域A，可以检测到其与包裹区域A之间的重合度满足预设条件，则可以将检测区域A更新为最新的包裹区域，并将与检测区域A之间的重合度满足预设条件的跟踪区域A的包裹标识（如，A）作为最新的包裹区域的包裹标识（如，A），即此时跟踪队列包含一组包裹信息，包裹信息包括最新的包裹区域A（如，最新的包裹区域A在当前图像中的位置坐标）及其包裹标识（如，A）；对于检测区域B，可以检测到其与任一包裹区域之间的重合度均不满足预设条件，则可以将检测区域B更新为最新的包裹区域，并将一个新的包裹标识（如，B）作为最新的包裹区域B的包裹标识，即此时跟踪队列可以还包括一组包裹信息，包裹信息包括最新的包裹区域B（如，最新的包裹区域B在当前图像中的位置坐标）及其包裹标识（如，B）。此外，若跟踪区域与各个检测区域之间的重合度均不满足预设条件，则可以将跟踪区域对应的包裹区域及其包裹标识在跟踪队列中剔除。
在又一个具体的实施场景中，在得到当前图像xt中最新的包裹区域及其包裹标识之后，可以基于当前图像xt中最新的包裹区域及其包裹标识，更新跟踪队列，即此时跟踪队列包含当前图像xt中各个包裹的包裹信息，且包裹信息包括包裹区域及其包裹标识。在此基础上，在对下一帧图像xt+1进行包裹跟踪时，可以作为当前图像xt+1，xt作为参考图像，则可以重新执行上述步骤，以得到当前图像xt+1中最新的包裹区域。例如，可以基于传送方向和参考图像xt中的包裹区域，在当前图像xt+1中确定搜索区域，并基于搜索区域和参考图像xt中的包裹区域，跟踪得到当前图像xt+1中最新的包裹区域，并基于此可以再次更新跟踪队列，即此时跟踪队列包含当前图像xt+1中各个包裹的包裹信息，且包裹信息包括包裹区域及其包裹标识。如此循环往复即可以实现对传送过程所扫描到的若干扫描图像分别进行包裹跟踪检测，在此不再一一举例。
在一个实施场景中，如前所述，在包裹安检过程中，传送方向也可以发生改变，如某一时刻，传送方向可以为从左至右，另一时刻，传送方向可以为从右至左。在此情况下，可以基于第一方向和参考图像中的包裹区域，在当前图像中确定第一区域，并基于第二方向和参考图像中的包裹区域，在当前图像中确定第二区域，在此基础上，可以基于第一区域和参考图像中的包裹区域，得到包裹区域在当前图像的第一跟踪结果，并基于第二区域和参考图像中的包裹区域，得到包裹区域在当前图像的第二跟踪结果，从而可以基于第一跟踪结果和第二跟踪结果，选择第一方向和第二方向作为传送方向。需要说明的是，第一方向和第二方向可以是相反的方向，如第一方向可以是从左至右，而第二方向可以是从右至左，在此不做限定。上述方式，在传送过程中通过分别在第一方向和第二方向进行跟踪匹配来确定传送方向，能够有利于提高跟踪匹配的鲁棒性。
在一个具体的实施场景中，基于第一方向和参考图像中的包裹区域，在当前图像中确定第一区域，以及基于第二方向和参考图像中的包裹区域，在当前图像中确定第二区域，上述两者的具体过程，可以参阅前述关于基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域的具体步骤，在此不再赘述。
在另一个具体的实施场景中，第一跟踪结果和第二跟踪结果均可以包括跟踪匹配成功的包裹区域的数量，在此基础上，可以选择跟踪匹配成功较多的一者所对应的方向，作为传送方向。例如，在第一方向上进行跟踪匹配之后，第一跟踪结果表明跟踪匹配成功的包裹区域的数量为0，而在第二方向上进行跟踪匹配之后，第二跟踪结果表明跟踪匹配成功的包裹区域的数量为3，则可以选择第二方向作为传送方向。其他情况可以以此类推，在此不再一一举例。
在又一个具体的实施场景中，如前所述，在包裹安检过程中，传送方向也可以发生改变，则可以每隔预设帧数，利用上述步骤确定一次传送方向；或者，在包裹安检过程中，传送方向也可以保持不变，则可以在第一次执行跟踪匹配时，利用上述步骤确定一次传送方向。
步骤S24：响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，并将包裹图像发送至服务器进行安检识别。
在一个实施场景中，第一条件可以包括：最新的包裹区域未经过安检识别，且最新的包裹区域至当前图像的图像边缘的像素距离大于预设阈值（如，50个像素距离），且在传送方向为从左至右的情况下，图像边缘为左侧边缘，而在传送方向为从右至左的情况下，图像边缘为右侧边缘。具体地，在传送方向为从左至右的情况下，可以计算最新的包裹区域的左上角顶点至左侧边缘的像素距离；在传送方位为从右至左的情况下，可以计算最新的包裹区域的右上角顶点至右侧边缘的像素距离。也就是说，在之前未基于最新的包裹区域提取得到包裹图像，并将包裹图像发送至服务器予以安检识别，且最新的包裹区域至当前图像的图像边缘也存在一定距离的情况下，可以将其提取并作为包裹图像，发予服务器进行安检识别，故一方面每一包裹仅进行一次安检识别，有利于降低服务器计算负荷，另一方面通过确保最新的图像区域至图像边缘的像素距离，有利于尽可能地提高包裹图像的完整性。
在一个实施场景中，在提取得到包裹图像之后，可以将包裹图像和包裹标识一同发予服务器，服务器可以对包裹图像进行安检识别，并将安检识别结果和包裹标识一同反馈至节点设备。
在一个实施场景中，服务器可以运行有安检识别模型，该安检识别模型可以包括但不限于：Faster RCNN、YOLO等等，在此不做限定。
在一个实施场景中，安检识别结果可以包括包裹图像中各个物品的种类、位置以及置信度。需要说明的是，种类可以包括但不限于：刀、打火机等违禁物品，以及衣服、书籍等一般物品，在此不做限定。置信度表示可信程度，置信度越高，安检识别的可信程度越高，反之，置信度越低，安检识别的可信程度越低。在此基础上，节点设备在接收到安检识别结果和包裹标识之后，可以将包裹标识与当前图像进行关联，根据各种物品在包裹图像中的位置以及包裹图像在当前图像中的位置，可以计算出各种物品分别在当前图像中的位置，从而结合包裹区域的跟踪匹配，在传送过程中实现对各种物品进行跟踪，进而在显示设备显示各帧扫描图像时，可以在物品的位置处显示目标框和置信度，并以不同颜色的目标框区分不同种类的物品，如可以以红色目标框表示违禁物品，以灰色目标框表示一般物品。故此，可以便于安检人员通过观察显示设备即可快速发现违禁物品并做出响应处置（如，开包检查）。
上述方案，将传送过程中扫描得到的若干扫描图像，分别作为当前图像，并基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域，且参考图像是在当前图像之前扫描得到的，在此基础上，再基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域，并响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，将包裹图像发送至服务器进行安检识别，故此在扫描过程中能够对包裹进行跟踪检测，并在扫描图像中分离出包裹图像进行安检识别，能够有效降低服务器所需处理的图像数据量，有利于在对包裹跟踪检测过程中提高包裹安检效率。
请参阅图5，图5是本申请包裹安检方法另一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S501：包裹检测。
具体地，如前所述，可以对扫描图像进行包裹检测，得到包裹检测结果，包裹检测结果可以包括扫描图像中各个包裹的检测区域。包裹检测的具体过程，可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S502：包裹跟踪匹配。
具体地，可以基于传送方向和参考图像中包裹区域，在当前图像中确定搜索区域，并基于搜索区域和参考图像中的包裹区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，以及基于跟踪队列，获取跟踪区域的包裹标识，且跟踪队列包括参考图像中各个包裹的包裹信息，包裹信息包括包裹区域和包裹标识。具体过程可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S503：判断是否跟踪成功，若否，则执行步骤S504，否则执行步骤S505。
具体地，若在搜索区域跟踪匹配到与包裹区域对应的跟踪区域，则表示跟踪成功，否则表示跟踪失败。
步骤S504：从跟踪队列中移除。
具体地，在跟踪失败的情况下，可以将包裹区域及其包裹标识在跟踪队列移除。
步骤S505：利用跟踪结果更新目标位置。
具体地，可以将跟踪区域在当前图像的位置坐标更新为对应的包裹区域的目标位置。
步骤S506：包裹检测结果与已跟踪目标匹配。
具体地，对于每一检测区域，可以获取检测区域分别与各个跟踪区域之间的重合度，并基于重合度判断是否跟踪成功。重合度的计算过程可以参阅前述公开实施例相关描述，在此不再赘述。
步骤S507：是否匹配成功，若是则执行步骤S508，否则执行步骤S509。
具体地，可以基于重合度判断是否匹配成功，在重合度满足预设条件的情况下，可以认为匹配成功，反之在检测区域与各个跟踪区域之间的重合度均不满足预设条件的情况下，可以认为匹配失败。预设条件可以包括重合度大于预设阈值（如，0.7）。具体匹配过程，可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S508：利用包裹检测结果更新已跟踪目标位置。
在匹配成功的情况下，可以将检测区域更新为最新的包裹区域，并将满足预设条件的跟踪区域的包裹标识作为最新的包裹区域的包裹标识。具体过程可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S509：新目标，加入到跟踪队列中。
在匹配失败的情况下，可以将检测区域更新为最新的包裹区域，并将一个新的包裹标识作为最新的包裹区域的包裹标识。具体过程可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S510：目标是否完全出现，若是，则执行步骤S511，否则执行步骤S512。
具体地，在最新的包裹区域至当前图像的图像边缘的像素距离大于预设阈值（如，50个像素距离）时，可以认为目标完全出现，否则可以认为目标并未完全出现。此外，为了降低服务器的计算负荷，在此基础上，还可以检测最新的包裹区域是否已经过安检识别，若最新的包裹区域也未经过安检识别，则可以发送至服务器进行安检识别。
步骤S511：发送包裹至服务器进行安检识别，并叠加安检识别结果。
具体地，在目标完全出现的情况下，可以在当前图像中提取最新的包裹区域得到包裹图像，从而可以将包裹图像发送至服务器进行安检识别。此外，服务器可以运行有安检识别模型，该安检识别模型用于对包裹图像进行安检识别，安检识别模型具体可以参阅前述公开实施例中相关描述，在此不再赘述。经服务器安检识别之后，可以得到安检识别结果，安检识别结果具体可以包括包裹图像中各个物品的种类、位置以及置信度。在此基础上，节点设备在接收到安检识别结果和包裹标识之后，可以将包裹标识与当前图像进行关联，根据各种物品在包裹图像中的位置以及包裹图像在当前图像中的位置，可以计算出各种物品分别在当前图像中的位置，从而结合包裹区域的跟踪匹配，在传送过程中实现对各种物品进行跟踪，进而在显示设备显示各帧扫描图像时，可以在物品的位置处显示目标框和置信度。具体可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S512：重新执行步骤S501以及后续步骤。
若目标并未完全出现，则可以重新执行上述步骤，以继续对下一帧扫描图像进行跟踪检测。
上述方案，针对包裹传送缓慢且定向平移的特点，通过对检测出的包裹目标进行自跟踪，并实时更新已跟踪包裹的最新位置，能够有效避免跟踪丢失，并基于包裹的准确检测与跟踪，有效分离出包裹图像，并送予服务器进行安检识别，能够有效降低服务器处理的图像数据量，且由于每个包裹仅执行一次安检识别，能够有利于提高安检识别效率。
请参阅图6，图6是本申请包裹安检方法又一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S61：将传送过程中扫描到的若干扫描图像，分别作为当前图像。
具体可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S62：基于传送方向和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域。
本公开实施例中，参考图像是在当前图像之前扫描得到的。具体可以参阅前述公开实施例中相关描述，在此不再赘述。
具体地，可以基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域，并基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域。具体过程可以参阅前述公开实施例中相关描述，在此不再赘述。
步骤S63：响应于最新的包裹区域满足预设条件，基于最新的包裹区域得到包裹图像。
具体地，预设条件的设置方式，可以参阅前述公开实施例中第一条件的设置方式，在此不再赘述。此外，可以从当前图像中提取最新的包裹区域的图像数据，作为包裹图像。
步骤S64：统计若干服务器分别对识别请求的响应情况。
本公开实施例中，每当获取包裹图像时分别向若干服务器发送识别请求。请结合参阅图1，节点设备可以与若干服务器通信连接，每当节点设备获取包裹图像时，可以向若干服务器发送识别请求，以请求服务器分配计算资源进行安检识别。需要说明的是，服务器可以基于自身计算资源较为富余，响应该识别请求，也可以基于自身计算资源较为紧张，忽视该识别请求，在此不做限定。以包裹安检系统包含4个服务器为例，节点设备共计获取过N个包裹图像，则节点设备向各个服务器均发送过N个识别请求，在此基础上，分别统计4个服务器对这N个识别请求的响应情况。
在一个实施场景中，请继续结合参阅图1，包裹安检系统可以包括多个节点设备，以包含3个节点设备为例，为了便于区分，可以分别命名为：第一节点设备、第二节点设备和第三节点设备，则第一节点设备在包裹安检过程中，响应于最新的包裹区域满足预设条件，基于最新的包裹区域得到包裹图像，并统计若干服务器分别对第一节点设备发送的识别请求的响应情况；类似地，第二节点设备在包裹安检过程中，响应于最新的包裹区域满足预设条件，基于最新的包裹区域得到包裹图像，并统计若干服务器分别对第二节点设备发送的识别请求的响应情况，以此类推，在此不再一一举例。也就是说，每个节点设备仅统计各个服务器对自身所发送的识别请求的响应情况。需要说明的是，上述“第一节点设备”、“第二节点设备”、“第三节点设备”仅用于对不同节点设备进行命名区分，并不因此而表示不同节点设备在结构、功能等方面存在差异。
在一个实施场景中，响应情况可以包括各个服务器未响应的识别请求的统计数值。仍以包裹安检系统包含4个服务器为例，为了便于区分，可以分别命名为：第一服务器、第二服务器、第三服务器和第四服务器，某一节点设备所统计的响应情况可以包括：3,1,3,2，即第一服务器未响应该节点设备共计3个识别请求，第二服务器未响应该节点设备共计1个识别请求，第三服务器未响应该节点设备共计3个识别请求，第四服务器未响应该节点设备共计2个识别请求。其他情况可以以此类推，在此不再一一举例。需要说明的是，上述“第一服务器”、“第二服务器”、“第三服务器”和“第四服务器”仅用于对不同服务器进行命名区分，并不因此而表示不同服务器在结构、功能等方面存在差异。
步骤S65：基于响应情况，选择至少一个服务器作为目标服务器，并发送包裹图像至目标服务器进行安检识别。
具体地，如前所述，响应情况可以包括各个服务器未响应的识别请求的统计数值，在此基础上，可以选择最小统计数值对应的服务器作为目标服务器。仍以包裹安检系统包含4个服务器为例，在节点设备所统计的响应情况包括3,1,3,2的情况下，第二服务器对应的统计数值最小，则可以认为第二服务器最为空闲，从而可以将第二服务器作为目标服务器，并将包裹图像发送至第二服务器进行安检识别。其他情况可以以此类推，在此不再一一举例。上述方式，响应情况包括各个服务器未响应的识别请求的统计数值，在此基础上，选择最小统计数值对应的服务器，作为目标服务器，故能够从节点设备自身角度出发，通过统计各个服务器未响应该节点设备的识别请求的统计数值，来筛选出若干服务器中最空闲的服务器，从而既无需节点设备对各个服务器轮询，也无需服务器广播自身负载，进而一方面能够大大简化系统设计，另一方面也有利于各个服务器负载均衡。
在一个实施场景中，若干服务器可以以预设顺序排序。仍以包裹安检系统包含4个服务器为例，可以随机为这4个服务器赋予不同编号，并按照编号由小到大的顺序将这4个服务器进行排序，分别称为第一服务器、第二服务器、第三服务器和第四服务器，且自此之后若干服务器的排序不再变化。其他情况可以以此类推，在此不再一一举例。在此基础上，在统计数值相同的情况下，可以将位于上一次选择的服务器预设相对位置处的服务器，作为目标服务器。预设位置具体可以包括但不限于：后一个位置、后两个位置、后三个位置等等，在此不做限定。仍以包裹安检系统包含4个服务器为例，在第t-1次选择目标服务器时，这4个服务器未响应的识别请求的统计数值分别为：3,2,3,3，在第t次选择目标服务器时，这4个服务器未响应的识别请求的统计数值分别为3,3,3,3，由于第t-1次选择第二服务器作为目标服务器，则第t次可以选择下一位置的第三服务器作为目标服务器。上述方式，若干服务器以预设顺序排序，在统计数值均相同的情况下，将位于上一次选择的服务器预设相对位置处的服务器，作为目标服务器，故此能够在若干服务器负载相等的情况下，轮流将各个服务器作为目标服务器，有利于均衡各个服务器负载。
在一个实施场景中，为了避免各个节点设备同时上电时选择同一服务器作为目标服务器，各个节点设备首次选择目标服务器时，可以根据随机数种子生成随机数，并根据随机数从以预设顺序排序的若干服务器中选择目标服务器。具体地，随机数种子可以包括当前时间、进程ID（Identity document）、IP（Internet Protocol，国际互联协议）地址、MAC（Media Access Control Address，媒体存取控制地址）地址等，在此不做限定。
上述方案，通过统计若干服务器分别对识别请求的响应情况，且每当获取包裹图像时分别向若干服务器发送识别请求，在此基础上，基于响应情况，选择至少一个服务器作为目标服务器，并发送包裹图像至目标服务器进行安检识别，故节点设备无需关心各个服务器诸如网络、内存等具体负载情况，只需根据响应自身识别请求的响应情况即可筛选出目标服务器，进而能够在大大简化系统设计的基础上，实现服务器负载均衡。
请参阅图7，图7是本申请包裹安检装置70一实施例的框架示意图。包裹安检装置70包括：图像获取模块71、区域确定模块72、包裹跟踪模块73和安检识别模块74，图像获取模块71用于将传送过程中扫描到的若干扫描图像，分别作为当前图像；区域确定模块72用于基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域；其中，参考图像是在当前图像之前扫描得到的；包裹跟踪模块73用于基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域；安检识别模块74用于响应于最新的包裹区域满足第一条件，基于所最新的述包裹区域得到包裹图像，并将包裹图像发送至服务器进行安检识别。
上述方案，将传送过程中扫描得到的若干扫描图像，分别作为当前图像，并基于传送方向和参考图像中的包裹区域，在当前图像中确定搜索区域，且参考图像是在当前图像之前扫描得到的，在此基础上，再基于搜索区域和参考图像中的包裹区域，跟踪得到当前图像中最新的包裹区域，并响应于最新的包裹区域满足第一条件，基于最新的包裹区域得到包裹图像，将包裹图像发送至服务器进行安检识别，故此在扫描过程中能够对包裹进行跟踪检测，并在扫描图像中分离出包裹图像进行安检识别，能够有效降低服务器所需处理的图像数据量，有利于在对包裹跟踪检测过程中提高包裹安检效率。
在一些公开实施例中，包裹跟踪模块73包括跟踪匹配子模块，用于基于搜索区域和参考图像中的包裹区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，包裹跟踪模块73包括区域更新子模块，用于利用当前图像的包裹检测结果对跟踪区域进行更新，得到当前图像中最新的包裹区域；其中，包裹检测结果包括当前图像中包裹的检测区域。
因此，通过基于搜索区域参考图像中的包裹区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，并利用当前图像的包裹检测结果对跟踪区域进行更新，得到当前图像中最新的包裹区域，且包裹检测结果包括当前图像中包裹的检测区域，故通过跟踪匹配能够在传送过程中对已经分析得到的包裹区域在当前图像中进行持续跟踪，并通过包裹检测结果更新跟踪区域能够在跟踪旧包裹的同时也关注到新包裹，有利于在包裹安检过程中大大降低遗漏安检的概率。
在一些公开实施例中，跟踪匹配子模块包括图像提取单元，用于在参考图像中的包裹区域的预设位置处，提取得到局部图像，跟踪匹配子模块包括跟踪匹配单元，用于利用局部图像在搜索区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域。
因此，通过在参考图像中的包裹区域的预设位置处，提取得到局部图像，并利用局部图像在搜索区域进行跟踪匹配，得到当前图像中与包裹区域对应的跟踪区域，能够有利于大大降低跟踪匹配的计算负荷，提高跟踪匹配速度。
在一些公开实施例中，预设位置为中心位置；和/或，跟踪匹配包括归一化互相关匹配。
在一些公开实施例中，包裹跟踪模块73还包括标识获取子模块，用于基于跟踪队列，获取跟踪区域的包裹标识；其中，跟踪队列包括参考图像中各个包裹的包裹信息，且包裹信息包括包裹区域及其包裹标识；区域更新子模块具体用于对于每一检测区域，获取检测区域分别与各个跟踪区域之间的重合度，并基于重合度对跟踪区域进行更新，得到当前图像中最新的包裹区域及其包裹标识。
因此，在传送过程中维护一个跟踪队列，且跟踪队列包括参考图像中各个包裹的包裹信息，并通过结合跟踪队列和当前图像的包裹检测结果来对跟踪区域进行更新，从而一方面能够保持对旧目标跟踪检测，另一方面能够关注新目标，进而能够有利于大大降低包裹遗漏安检的概率。
在一些公开实施例中，区域更新子模块包括第一更新单元，用于在重合度满足第二条件的情况下，将检测区域更新为最新的包裹区域，并将满足第二条件的跟踪区域的包裹标识作为最新的包裹区域的包裹标识；区域更新子模块包括第二更新单元，用于在检测区域与各个跟踪区域之间的重合度均不满足第二条件的情况下，将检测区域更新为最新的包裹区域，并将一个新的包裹标识作为最新的包裹区域的包裹标识；区域更新子模块包括信息剔除单元，用于在跟踪区域与各个检测区域之间的重合度均不满足第二条件的情况下，将跟踪区域对应的包裹区域及其包裹标识在跟踪队列中剔除。
因此，通过在重合度满足第二条件的情况下，将检测区域更新为最新的包裹区域，并将满足第二条件的跟踪区域的包裹标识作为最新的包裹区域的包裹标识，能够实现对既有包裹的持续跟踪，而通过在检测区域与各个跟踪区域之间的重合度均不满足第二条件的情况下，将检测区域更新为最新的包裹区域，并将一个新的包裹标识作为最新的包裹区域的包裹标识，能够实现对新包裹的跟踪；此外，通过在跟踪区域与各个检测区域之间的重合度均不满足第二条件的情况下，将跟踪区域对应的包裹区域及其包裹标识在跟踪队列中剔除，能够实现对出界包裹的终止跟踪，避免资源浪费。
在一些公开实施例中，包裹安检装置70还包括方向确定模块，方向确定模块包括搜索区域确定子模块，用于基于第一方向和参考图像中的包裹区域，在当前图像中确定第一区域，并基于第二方向和参考图像中的包裹区域，在当前图像中确定第二区域，方向确定模块包括包裹跟踪子模块，用于基于第一区域和参考图像中的包裹区域，得到包裹区域在当前图像的第一跟踪结果，并基于第二区域和参考图像中的包裹区域，得到包裹区域在当前图像的第二跟踪结果；方向确定模块包括方向选择子模块，用于基于第一跟踪结果和第二跟踪结果，选择第一方向或第二方向作为传送方向。
因此，在传送过程中通过分别在第一方向和第二方向进行跟踪匹配来确定传送方向，能够有利于提高跟踪匹配的鲁棒性。
在一些公开实施例中，安检识别模块包括响应统计子模块，用于统计若干服务器分别对识别请求的响应情况；其中，每当获取包裹图像时分别向若干服务器发送识别请求；安检识别模块包括目标选择子模块，用于基于响应情况，选择至少一个服务器作为目标服务器，并发送包裹图像至目标服务器进行安检识别。
因此，通过统计若干服务器分别对识别请求的响应情况，且每当获取包裹图像时分别向若干服务器发送识别请求，在此基础上，基于响应情况，选择至少一个服务器作为目标服务器，并发送包裹图像至目标服务器进行安检识别，故节点设备无需关心各个服务器诸如网络、内存等具体负载情况，只需根据响应自身识别请求的响应情况即可筛选出目标服务器，进而能够在大大简化系统设计的基础上，实现服务器负载均衡。
在一些公开实施例中，响应情况包括：各个服务器未响应的识别请求的统计数值；目标选择子模块具体用于选择最小统计数值对应的服务器，作为目标服务器。
因此，响应情况包括各个服务器未响应的识别请求的统计数值，在此基础上，选择最小统计数值对应的服务器，作为目标服务器，故能够从节点设备自身角度出发，通过统计各个服务器未响应该节点设备的识别请求的统计数值，来筛选出若干服务器中最空闲的服务器，从而既无需节点设备对各个服务器轮询，也无需服务器广播自身负载，进而一方面能够大大简化系统设计，另一方面也有利于各个服务器负载均衡。
在一些公开实施例中，若干服务器以预设顺序排序；目标选择子模块具体还用于在统计数值均相同的情况下，将位于上一次选择的服务器预设相对位置处的服务器，作为目标服务器。
因此，若干服务器以预设顺序排序，在统计数值均相同的情况下，将位于上一次选择的服务器预设相对位置处的服务器，作为目标服务器，故此能够在若干服务器负载相等的情况下，轮流将各个服务器作为目标服务器，有利于均衡各个服务器负载。
在一些公开实施例中，第一条件包括：最新的包裹区域未经过安检识别，且最新的包裹区域至当前图像的图像边缘的像素距离大于预设阈值；其中，在传送方向为从左至右的情况下，图像边缘为左侧边缘，在传送方向为从右至左的情况下，图像边缘为右边缘。
因此，一方面每一包裹仅进行一次安检识别，有利于降低服务器计算负荷，另一方面通过确保最新的图像区域至图像边缘的像素距离，有利于尽可能地提高包裹图像的完整性。
请参阅图8，图8是本申请节点设备80一实施例的框架示意图。节点设备80包括存储器81、通信电路82和处理器83，且存储器81和通信电路82耦接至处理器83，存储器81中存储有程序指令，处理器83用于执行程序指令以实现上述任一包裹安检方法实施例中的步骤。具体地，节点设备80可以包括但不限于：台式主机、工控主机等等，在此不做限定。
具体而言，处理器83用于控制其自身以及存储器81以实现上述任一对象重识别方法实施例中的步骤。处理器83还可以称为CPU（Central Processing Unit，中央处理单元）。处理器83可能是一种集成电路芯片，具有信号的处理能力。处理器83还可以是通用处理器、数字信号处理器（Digital Signal Processor, DSP）、专用集成电路（ApplicationSpecific Integrated Circuit, ASIC）、现场可编程门阵列（Field-Programmable GateArray, FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器83可以由集成电路芯片共同实现。
上述方案，在扫描过程中能够对包裹进行跟踪检测，并在扫描图像中分离出包裹图像进行安检识别，能够有效降低服务器所需处理的图像数据量，有利于在对包裹跟踪检测过程中提高包裹安检效率。
请参阅图9，图9是本申请存储装置90一实施例的框架示意图。存储装置90存储有能够被处理器运行的程序指令91，程序指令91用于实现上述任一包裹安检方法实施例中的步骤。
上述方案，在扫描过程中能够对包裹进行跟踪检测，并在扫描图像中分离出包裹图像进行安检识别，能够有效降低服务器所需处理的图像数据量，有利于在对包裹跟踪检测过程中提高包裹安检效率。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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。
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方式方案的目的。
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。
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）或处理器（processor）执行本申请各个实施方式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（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (15)

1.一种包裹安检方法，其特征在于，包括：
将传送过程中扫描到的若干扫描图像，分别作为当前图像；
基于传送方向和参考图像中的包裹区域，在所述当前图像中确定搜索区域；其中，所述参考图像是在所述当前图像之前扫描得到的；
基于所述搜索区域和所述参考图像中的包裹区域，跟踪得到所述当前图像中最新的包裹区域；
响应于所述最新的包裹区域满足第一条件，基于所述最新的述包裹区域得到包裹图像，并将所述包裹图像发送至服务器进行安检识别。
2.根据权利要求1所述的方法，其特征在于，所述基于所述搜索区域和所述参考图像中的包裹区域，跟踪得到所述当前图像中最新的包裹区域，包括：
基于所述搜索区域和所述参考图像中的包裹区域进行跟踪匹配，得到所述当前图像中与所述包裹区域对应的跟踪区域；
利用所述当前图像的包裹检测结果对所述跟踪区域进行更新，得到所述当前图像中最新的包裹区域；其中，所述包裹检测结果包括所述当前图像中包裹的检测区域。
3.根据权利要求2所述的方法，其特征在于，所述基于所述搜索区域和所述参考图像中的包裹区域进行跟踪匹配，得到所述当前图像中与所述包裹区域对应的跟踪区域，包括：
在所述参考图像中的包裹区域的预设位置处，提取得到局部图像；
利用所述局部图像在所述搜索区域进行跟踪匹配，得到所述当前图像中与所述包裹区域对应的跟踪区域。
4.根据权利要求3所述的方法，其特征在于，所述预设位置为中心位置；和/或，
所述跟踪匹配包括归一化互相关匹配。
5.根据权利要求2所述的方法，其特征在于，在所述利用所述当前图像的包裹检测结果对所述跟踪区域进行更新，得到所述当前图像中最新的包裹区域之前，所述方法还包括：
基于跟踪队列，获取所述跟踪区域的包裹标识；其中，所述跟踪队列包括所述参考图像中各个包裹的包裹信息，且所述包裹信息包括所述包裹区域及其包裹标识；
所述利用所述当前图像的包裹检测结果对所述跟踪区域进行更新，得到所述当前图像中最新的包裹区域，包括：
对于每一所述检测区域，获取所述检测区域分别与各个所述跟踪区域之间的重合度，并基于所述重合度对所述跟踪区域进行更新，得到所述当前图像中所述最新的包裹区域及其包裹标识。
6.根据权利要求5所述的方法，其特征在于，所述基于所述重合度对所述跟踪区域进行更新，得到所述当前图像中所述最新的包裹区域及其包裹标识，包括：
在所述重合度满足第二条件的情况下，将所述检测区域更新为所述最新的包裹区域，并将满足所述第二条件的跟踪区域的包裹标识作为所述最新的包裹区域的包裹标识；
和/或，在所述检测区域与各个所述跟踪区域之间的重合度均不满足所述第二条件的情况下，将所述检测区域更新为所述最新的包裹区域，并将一个新的包裹标识作为所述最新的包裹区域的包裹标识；
和/或，在所述跟踪区域与各个所述检测区域之间的重合度均不满足所述第二条件的情况下，将所述跟踪区域对应的包裹区域及其包裹标识在所述跟踪队列中剔除。
7.根据权利要求1所述的方法，其特征在于，在所述基于传送方向和参考图像中的包裹区域，在所述当前图像中确定搜索区域之前，所述方法还包括：
基于第一方向和所述参考图像中的包裹区域，在所述当前图像中确定第一区域，并基于第二方向和所述参考图像中的包裹区域，在所述当前图像中确定第二区域；
基于所述第一区域和所述参考图像中的包裹区域，得到所述包裹区域在所述当前图像的第一跟踪结果，并基于所述第二区域和所述参考图像中的包裹区域，得到所述包裹区域在所述当前图像的第二跟踪结果；
基于所述第一跟踪结果和所述第二跟踪结果，选择第一方向或第二方向作为所述传送方向。
8.根据权利要求1所述的方法，其特征在于，所述将所述包裹图像发送至服务器进行安检识别，包括：
统计若干服务器分别对识别请求的响应情况；其中，每当获取所述包裹图像时分别向所述若干服务器发送所述识别请求；
基于所述响应情况，选择至少一个所述服务器作为目标服务器，并发送所述包裹图像至所述目标服务器进行安检识别。
9.根据权利要求8所述的方法，其特征在于，所述响应情况包括：各个所述服务器未响应的识别请求的统计数值；所述基于所述响应情况，选择至少一个所述服务器作为目标服务器，包括：
选择最小所述统计数值对应的服务器，作为所述目标服务器。
10.根据权利要求9所述的方法，其特征在于，所述若干服务器以预设顺序排序；所述方法还包括：
在所述统计数值均相同的情况下，将位于上一次选择的服务器预设相对位置处的服务器，作为所述目标服务器。
11.根据权利要求1所述的方法，其特征在于，所述第一条件包括：所述最新的包裹区域未经过所述安检识别，且所述最新的包裹区域至所述当前图像的图像边缘的像素距离大于预设阈值；
其中，在所述传送方向为从左至右的情况下，所述图像边缘为左侧边缘，在所述传送方向为从右至左的情况下，所述图像边缘为右边缘。
12.一种包裹安检装置，其特征在于，包括：
图像获取模块，用于将传送过程中扫描到的若干扫描图像，分别作为当前图像；
区域确定模块，用于基于传送方向和参考图像中的包裹区域，在所述当前图像中确定搜索区域；其中，所述参考图像是在所述当前图像之前扫描得到的；
包裹跟踪模块，用于基于所述搜索区域和所述参考图像中的包裹区域，跟踪得到所述当前图像中最新的包裹区域；
安检识别模块，用于响应于所述最新的包裹区域满足第一条件，基于所最新的述包裹区域得到包裹图像，并将所述包裹图像发送至服务器进行安检识别。
13.一种节点设备，其特征在于，包括存储器、通信电路和处理器，且所述存储器和所述通信电路耦接至所述处理器，所述存储器中存储有程序指令，所述处理器用于执行所述程序指令以实现权利要求1至11任一项所述的包裹安检方法。
14.一种包裹安检系统，其特征在于，包括若干服务器以及设置于安检点的扫描设备、节点设备和显示设备，所述节点设备与相同所述安检点处所述扫描设备和所述显示设备电性连接，所述节点设备分别与所述若干服务器通信连接，且所述节点设备为权利要求13所述的设备。
15.一种存储装置，其特征在于，存储有能够被处理器运行的程序指令，所述程序指令用于实现权利要求1至11任一项所述的包裹安检方法。
CN202110710540.9A 2021-06-25 2021-06-25 包裹安检方法、装置及系统和节点设备、存储装置 Pending CN113255651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110710540.9A CN113255651A (zh) 2021-06-25 2021-06-25 包裹安检方法、装置及系统和节点设备、存储装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110710540.9A CN113255651A (zh) 2021-06-25 2021-06-25 包裹安检方法、装置及系统和节点设备、存储装置

Publications (1)

Publication Number Publication Date
CN113255651A true CN113255651A (zh) 2021-08-13

Family

ID=77189608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110710540.9A Pending CN113255651A (zh) 2021-06-25 2021-06-25 包裹安检方法、装置及系统和节点设备、存储装置

Country Status (1)

Country Link
CN (1) CN113255651A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049575A (zh) * 2021-10-09 2022-02-15 国家邮政局邮政业安全中心 一种安检机违禁品智能检测方法及系统、电子设备
CN115423996A (zh) * 2022-08-18 2022-12-02 成都智元汇信息技术股份有限公司 基于包裹运动提取包裹图片的方法、电子设备以及介质
CN115496914A (zh) * 2022-08-18 2022-12-20 成都智元汇信息技术股份有限公司 一种基于列数据的最大轮廓的包裹提取方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796412A (zh) * 2019-10-29 2020-02-14 浙江大华技术股份有限公司 包裹跟踪方法以及相关装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796412A (zh) * 2019-10-29 2020-02-14 浙江大华技术股份有限公司 包裹跟踪方法以及相关装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114049575A (zh) * 2021-10-09 2022-02-15 国家邮政局邮政业安全中心 一种安检机违禁品智能检测方法及系统、电子设备
CN115423996A (zh) * 2022-08-18 2022-12-02 成都智元汇信息技术股份有限公司 基于包裹运动提取包裹图片的方法、电子设备以及介质
CN115496914A (zh) * 2022-08-18 2022-12-20 成都智元汇信息技术股份有限公司 一种基于列数据的最大轮廓的包裹提取方法及装置
CN115496914B (zh) * 2022-08-18 2023-05-02 成都智元汇信息技术股份有限公司 一种基于列数据的最大轮廓的包裹提取方法及装置
CN115423996B (zh) * 2022-08-18 2023-09-22 成都智元汇信息技术股份有限公司 基于包裹运动提取包裹图片的方法、电子设备以及介质

Similar Documents

Publication Publication Date Title
CN113255651A (zh) 包裹安检方法、装置及系统和节点设备、存储装置
CN106557778B (zh) 通用物体检测方法和装置、数据处理装置和终端设备
CN108229297B (zh) 人脸识别方法和装置、电子设备、计算机存储介质
US11663502B2 (en) Information processing apparatus and rule generation method
US20200410280A1 (en) Methods and apparatuses for updating databases, electronic devices and computer storage mediums
CN111931864B (zh) 基于顶点距离与交并比多重优化目标检测器的方法与系统
CN109598298B (zh) 图像物体识别方法和系统
US20230123879A1 (en) Method and apparatus for positioning express parcel
WO2022246989A1 (zh) 一种数据识别方法、装置、设备及可读存储介质
CN111666907A (zh) 一种视频中对象信息的识别方法、装置及服务器
CN114902299A (zh) 图像中关联对象的检测方法、装置、设备和存储介质
CN115861400A (zh) 目标对象检测方法、训练方法、装置以及电子设备
US11580721B2 (en) Information processing apparatus, control method, and program
CN111191481A (zh) 车辆识别方法及系统
CN113673399A (zh) 区域监测的方法、装置、电子设备及可读存储介质
JP2016021097A (ja) 画像処理装置、画像処理方法、およびプログラム
CN111563568A (zh) 残损证据提取方法、装置、计算机设备及存储介质
CN116246294A (zh) 图像信息识别方法、装置、存储介质和电子设备
US10592724B2 (en) Information output method and information processing device
CN112819953B (zh) 三维重建方法、网络模型训练方法、装置及电子设备
JP2012003358A (ja) 背景判別装置、方法及びプログラム
CN115100541A (zh) 一种卫星遥感数据的处理方法、系统及云平台
CN113569934A (zh) Logo分类模型构建方法、系统、电子设备及存储介质
CN113762027A (zh) 一种异常行为的识别方法、装置、设备及存储介质
CN113255737B (zh) 对民航分拣线上的叠包行李分拣方法、电子设备和存储介质

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

Application publication date: 20210813