CN113361341A - 行李再识别方法、装置、设备及可读存储介质 - Google Patents
行李再识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113361341A CN113361341A CN202110552233.2A CN202110552233A CN113361341A CN 113361341 A CN113361341 A CN 113361341A CN 202110552233 A CN202110552233 A CN 202110552233A CN 113361341 A CN113361341 A CN 113361341A
- Authority
- CN
- China
- Prior art keywords
- baggage
- luggage
- information
- target
- similarity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 11
- 238000011524 similarity measure Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 85
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及目标再识别技术领域,公开了一种基于多传感器的行李再识别方法,包括:获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;获取与所述目标跟踪监测节点对应的第二行李信息;根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。本申请还提供一种装置、计算机设备和存储介质。实现了通过多传感器的结合,提高了行李再识别的识别效率和准确性,进而提高行李跟踪的准确性,降低外界因素对行李再识别和跟踪的影响。
Description
技术领域
本申请涉及目标再识别技术领域,尤其涉及一种基于多传感器的行李再识别方法、装置、计算机设备及计算机可读存储介质。
背景技术
在行李托运过程中,比如在民航进行行李托运的过程中,需要对行李进行一定的追踪和识别,进而准确的知道每一个行李在托运过程中的实时位置。
目前,在对行李进行再识别时,利用PLC技术对行李进行跟踪,或者利用 RFID射频识别技术对行李的相关标识信息进行识别,进而实现对行李的跟踪。但是均存在有相应的问题,比如在利用PLC技术进行跟踪时,只能确定行李到达了某一位置,但是并不能确定是哪一个行李到达了该位置,再比如在利用RFID 射频识别技术进行跟踪时,由于所识别的行李标识是人为标定的,使得行李标识具有不稳定和不准确的情况。
因此,现在亟需一种快速准确对行李进行再识别的行李再识别方法。
发明内容
本申请提供了一种基于多传感器的行李再识别方法、装置、计算机设备及存储介质,提高行李再识别和跟踪的效率和准确性。
第一方面,本申请提供了一种基于多传感器的行李再识别方法,所述方法包括:
获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
获取与所述目标跟踪监测节点对应的第二行李信息;
根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
第二方面,本申请还提供了一种基于多传感器的行李再识别装置,所述装置包括:
信息采集装置,用于获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
信息读取装置,用于获取与所述目标跟踪监测节点对应的第二行李信息;
行李识别装置,用于根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
第三方面,本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器;所述存储器用于存储计算机程序;所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于多传感器的行李再识别方法。
第四方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如上述的基于多传感器的行李再识别方法。
本申请公开了一种基于多传感器的行李再识别方法、装置、计算机设备及存储介质,在对行李进行跟踪和再识别的过程中,首先通过设置在目标跟踪检测节点上的信息采集装置对当前需要进行跟踪的行李的第一行李信息进行获取,其中所设置的信息采集装置包含有若干不同种类的传感器,然后获取与目标跟踪检测节点所对应的第二行李信息,其中第二行李信息为一个行李信息集合,进而根据第一行李信息在第二行李信息中进行查询,通过不同种类的传感器所采集到的信息进行相似度度量的计算,以在第二行李信息中确定目标行李所对应目标行李信息,实现对当前行李的再识别和跟踪。实现了通过多传感器的结合,提高了行李再识别的识别效率和准确性,进而提高行李跟踪的准确性,降低外界因素对行李再识别和跟踪的影响。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请一个实施例提供的一种基于多传感器的行李再识别方法的流程示意图;
图2为本申请一实施例提供获取第二行李信息的步骤的流程示意图;
图3为本申请一实施例提供的确定目标行李的步骤的流程示意图;
图4为本申请一实施例提供的确定相似度度量的步骤的流程示意图;
图5为本申请一个实施例提供的一种基于多传感器的行李再识别装置的示意性框图;
图6为本申请一个实施例提供的计算机设备的结构示意性框图。
具体实施方式
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。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
在一实施例中,基于多传感器的行李再识别系统包括PLC系统、若干2D 相机、若干3D相机以及若干RFID读码器,其中PLC系统关联有PLC光眼传感器,在整个的行李传输链路上设置有若干跟踪监测节点,且会根据实际情况将PLC光眼传感器、2D相机、3D相机以及RFID读码器设置和安装在跟踪监测节点上,具体地,每一个跟踪监测节点上都会安装有2D相机、3D相机以及 RFID读码器,而PLC光眼传感器会根据实际的需求进行安装,也就是可以是某些节点上会安装,还可以是直接在所有的节点上进行安装,在此不做限制。
在实际应用过程中,在行李传输链路运行过程中,在行李上到传输链路上时,在传输链路的开始端会设置有一个信息采集节点,将会对每一个上到传输链路上的行李进行信息采集和记录,其中所采集到的信息包括:BID编号、RFID 条码号、安检信息、图像和三维数据等,然后在对行李进行跟踪时,利用所记录和存储的数据进行跟踪判断。
具体地,以某一跟踪监测节点进行再识别为例,在进行再识别的跟踪判断时,首先利用该跟踪监测节点上所设置的2D相机对行李的图像进行拍摄,以得到所拍摄到的行李图像,同时还会利用所设置的3D相机和RFID读码器对行李的点云数据和条码进行获取,然后基于PLC光眼传感器所确定的候选行李的集合,根据所采集到的行李图像、点云数据以及条码,在候选行李集合中确定当前所对应的目标行李,以实现对行李的跟踪和监控。
请参阅图1,图1为本申请一个实施例提供的一种基于多传感器的行李再识别方法的流程示意图。
如图1所示,该方法包括步骤S101至步骤S103。
步骤S101、获取设在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码。
再识别,也叫重识别(Re-Identification),与一般的识别的区别在于:一般的识别是指识别种类,例如车、人或者树木等,而重识别是在已知数据库中确定将具体的目标找出来。
因此,在民航行李运输过程中,为了实现对行李的跟踪,需要在行李的运输过程中准确的识别和确定行李所处的具体位置,进而可以更好的保证行李运输的安全性,同时即使出现行李丢失也可以准确定位行李丢失位置。
在行李的再识别过程中,确定当前所拍摄到的行李的具体信息,如行李的标识信息等,而在确定当前所拍摄到的行李的信息时,跟踪监测节点首先获取当前所采集到的行李的行李信息,然后根据所得到的行李信息来确定其所对应的具体信息,也就是在整个的行李传输链路中确定目标行李。
具体地,在获取目标跟踪监测节点所采集到的第一行李信息时,所采集到的行李信息包括:行李图像、行李点云数据以及行李条码,而不同的信息所获取的方式是有所不同的。
示例性的,行李图像是利用设置在目标跟踪监测节点上的2D相机对当前进过目标跟踪监测节点的行李进行拍照,以得到行李所对应的行李图像;同时,利用设置在目标跟踪监测节点上的3D相机进行拍摄,以得到所拍摄行李的行李箱的点云数据,并且还会利用设置在目标跟踪监测节点上的RFID读码器对所进过的行李的行李条码进行识别和读取。而在得到各传感器所采集到的相关数据之后,将会得到每一个行李所对应的行李信息。
实际上,设置在目标跟踪监测节点上的不同传感器进行数据信息的采集和获取是在行李经过的时候便会执行的,对于每一个跟踪监测节点而言,会采集到很多的行李图像、行李点云数据以及行李条码,因此在确定所经过的行李的行李信息时,需要对各传感器所采集到的相关数据信息进行处理,以确定每个行李所对应的行李信息。
例如,在得到2D相机、3D相机以及RFID读码器所采集到的相关信息之后,将会根据时间信息将各传感器和/或采集设备所获取的信息进行关联,以得到每一个行李的行李信息。由于行李在被运输到行李传输链路上之后,每个行李在行李传输链路上的相对位置是固定的,也就是行李运输的先后顺序是固定不变的,因此在进行关联时可以根据进行数据采集的时间来实现信息的关联,以将属于同一个行李的数据进行关联,进而得到行李的行李信息。
在根据行李信息进行关联时,包括:根据时间信息将行李图像、行李点云数据以及行李条码进行关联。通过获取行李图像、行李点云数据以及行李条码分别所对应的时间标签,然后将时间标签相同的行李图像、行李点云数据以及行李条码分为同一组进行关联,也就是同一时间标签的行李图像、行李点云数据以及行李条码的组合就是该时间标签所对应的行李的行李信息。
步骤S102、获取与所述目标跟踪监测节点对应的第二行李信息。
在获取了所采集到行李的行李信息之后,将会确定此时多采集到的行李信息所述的行李的具体信息,因此此时将会获取与目标跟踪监测节点所对应的第二行李信息,进而在第二行李信息中利用所采集到的第一行李信息来确定此时所对应的目标行李,以实现行李的再识别。
需要说明的是,第二行李信息中包含有多个行李的行李信息,也就是第二行李信息是一个行李信息的集合,而前述的第一行李信息指的是进行跟踪的某一个行李的行李信息。
在实际应用中,在确定第一行李信息所对应的目标行李时,还会得到一个候选行李集合,其中不同时刻不同跟踪监测节点所对应的候选行李集合是有所不同的,然后通过将所得到的第一行李信息与候选行李集合进行对比,确定最终的第一行李信息所对应的目标行李,进而实现对行李的跟踪和再识别,其中候选行李集合即为第二行李信息。
在一实施例中,由于在进行匹配和对比来确定第一行李信息所对应的目标信息时,需要获取预先进行记录和获取的行李信息,因此,该方法还包括:当检测到行李传输链路的起始端有新行李进入时,获取所述新行李所对应的行李信息并进行存储。
对于行李传输链路上的行李,都会在起始端对行李的行李信息进行记录和存储,以便于后续的使用,因此,在行李传输链路的起始端上有新的行李进入时,也就是有新的行李需要进行运输时,对新的行李的行李信息进行记录和存储。
示例性的,在行李传输链路的起始端设置有信息采集装置,可以包括有前述描述的2D相机、3D相机以及RFID读码器,同时还可以包括其他的装置设备或者传感器,然后对进入行李传输链路的每一个行李的信息进行记录和存储。而所记录的信息可以与第一行李信息相同,也可以不同,但是需要保证的是此时所记录的信息中至少要包含的有第一行李信息中所包含的信息,也就是此时所记录的信息至少包括行李图像、点云数据以及条码。另外,此时所记录的信息还可以包含有每个信息的虚拟窗口BID编号和安检信息等,当然还包括其他的信息也不做限制。
在一实施例中,不同的跟踪监测节点所对应的第二行李信息是有所不同的,同时,同一个跟踪监测节点在不同时间或者时间段所对应的第二行李信息也是有所不同的,因此在确定第二行李信息时,需要准确的获取此时此刻所对应的可以用来进行匹配的候选行李集合,具体地,参照图2,图2为本申请一实施例提供获取第二行李信息的步骤的流程示意图。
其中,获取第二行李信息的过程,包括:
步骤S201、读取采集所述第一行李信息所对应的第一时间,并根据所述第一时间确定信息记录时间;
步骤S202、根据所述信息记录时间在预设数据库中进行查询,得到第二行李信息。
在获取第二行李信息时,首先读取采集第一行李信息时所对应的第一时间,然后根据所得到的第一时间确定候选信息所对应的信息记录时间,最后根据所得到的信息记录时间在预设数据库中进行查询,以得到第二行李信息。
在实际应用中,在行李传输链路上运输行李时,行李运输的速度是固定的,也就是行李在行李传输链路上是匀速运动的,同时每个放置在行李传输链路上的每个行李的位置通常也是不会改变的,也就是行李之间的顺序是固定的,并且每个跟踪监测节点也是固定不变的,因此对于行李运行的大致位置,可以根据时间信息进行推测来得到的。
示例性的,在目标跟踪监测节点对行李进行再识别和跟踪时,由于知道目标跟踪监测节点的位置,同时行李传输链路的起始端也是固定的,因此,此时可以根据行李传输链路的运行速度,以及目标跟踪监测节点与起始端之间的距离来确定哪些行李可能是此时所对应的目标行李。
例如,在确定了目标跟踪监测节点采集到第一行李信息的第一时间为t1,目标跟踪监测节点与行李传输链路起始端的距离为L,行李传输链路的运行速度为v,那么此时计算得到的信息记录时间t2=t1-L/v。而在得到信息记录时间t2 之后,将会在预先进行记录所得到的预设数据库中进行查询,以得到第二行李信息。
而在得到第二行李信息时,并不仅仅是只获取信息记录时间t2所对应的行李信息,而是根据信息记录时间t2生成一个时间段,然后将处于该时间段内所记录的行李信息进行读取和汇总,以得到此时所对应的第二行李信息。
这样做可以避免出现信息记录时间t2时刻并没有行李信息的情况,还可以提高行李跟踪的准确性,降低行李运行过程中其他外界因素的影响。
需要说明的是,在实际的行李传输链路上会设置有相应的PLC光眼传感器,而PLC光眼传感器属于PLC系统中的一部分,通常情况下,PLC光眼传感器并不会设置在每一个跟踪监测节点上,而PLC光眼传感器用于对虚拟窗口BID进行识别,具体地,虚拟窗口BID所记录的信息包括有行李的RFID信息、3D特征信息以及RGB图上的特征信息等。也就是在获取到了BID虚拟窗口的时候,在一定程度上可以知晓行李的相关信息。
步骤S103、根据所述第一行李信息在所述第二行李信息中进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
在目标跟踪监测节点完成对当前行李的第一行李信息的采集,以及完成对候选行李的第二行李信息的获取之后,将会利用第一行李信息在第二行李信息中进行查询,确定第一行李信息具体所对应的目标行李。
实际上,在利用第一行李信息在第二行李信息中进行查询时,是确定第二行李信息中与第一行李信息相匹配的一个行李信息,而相匹配的行李信息便是第一行李信息所对应的目标行李,通过目标行李的确定实现对目标行李的再识别和跟踪。
在一实施例中,在利用第一行李信息在第二行李信息中进行查询匹配时,具体是通过分别将行李图像、行李点云数据以及行李条码进行对比来进行实现的,通过三者的对比,以得到目标行李。
参照图3,图3为本申请一实施例提供的确定目标行李的步骤的流程示意图。其中,该过程包括步骤S301至步骤S302。
步骤S301、根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息与所述第二行李信息中每一行李信息的相似度度量;
步骤S302、根据所述相似度度量在所述第二行李信息中确定目标行李信息,以确定所述目标行李信息所对应的行李为目标行李。
在根据第一行李信息和第二行李信息确定目标行李时,根据所得到的第一行李信息与第二行李信息来计算第一行李信息与第二行李信息中每一个行李信息的相似度度量,然后利用所得到的相似度度量在第二行李信息中确定目标行李信息,进而确定目标行李信息所对应的行李为目标行李。
示例性的,第一行李信息为当前所需要进行跟踪和再识别的行李的行李信息,具体包括有当前行李的第一行李图像、第一行李点云数据以及第一行李条码,同样地,所得到的第二行李信息中包含有每个行李的行李图像、行李点云数据和行李条码,因此此时将会根据两者所包含的信息计算第一行李信息与第二行李信息中每个行李信息之间的相似度度量。
参照图4,图4为本申请一实施例提供的确定相似度度量的步骤的流程示意图。其中,该过程包括步骤S401至步骤S404。
步骤S401、根据第一行李图像与第二行李图像,得到第一相似度值;
步骤S402、根据第一行李点云数据与第二行李点云数据,得到第二相似度值;
步骤S403、根据第一行李条码与第二行李条码,得到第三相似度值;
步骤S404、根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量。
在确定行李信息之间的相似度度量时,通过行李信息中所包含的数据信息来确定,具体地,由于行李信息中包含有行李图像、行李点云数据以及行李条码,而每一个数据在一定程度上都可以作为行李是否为相同行李的判断条件,但是又具有一定的缺陷,因此通过联合判断,提高行李再识别的准确性。
在一实施例中,第一行李信息中包含有当前行李所对应的第一行李图像、第一行李点云数据以及第一行李条码,同样的,第二行李信息中每个行李信息都会对应包含有各自行李所对应的行李图像、行李点云数据以及行李条码。因此,此时将会根据第一行李图像与第二行李图像得到第一相似度值,根据第一行李点云数据与第二行李点云数据得到第二相似度值,以及根据第一行李条码与第二行李条码得到第三相似度值,然后根据所得到的第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量。
其中,在根据第一图像与第二图像得到第一相似度值时,可以利用预先所训练好的模型实现图像相似性的判断,例如,利用深度卷积神经网络构建相应的判断模型,比如此时所使用的模型可以是Efficient Net模型,在利用样本数据将所构建得到的EfficientNet模型训练好之后,将此时所得到的第一图像与第二图像输入至训练好的Efficient Net模型中,将会得到第一图像与第二图像中每一个图像的相似度值。
由于是通过相似度值的方式确定,同时在确定目标行李时是通过多个条件同时来确定,因此,此时将会输出基于行李图像得到的一个行李信息集合。
其中,在根据第一点云数据与第二点云数据得到第二相似度值时,通过计算点云数据的相似度值,而点云数据之间的相似性的计算和判断的方式有很多中,比如采用欧式距离的方式确定两个点云数据之间的相似度值,其中距离越近说明相似度越高。
在实际的运输过程中,在行李因为外界原因而被移动时,比如行李翻转或者行李叠加等情况,可以通过点云数据对行李进行更准确的判断。而在使用点云数据确定行李确定两个行李之间的相似性时,以欧式距离的使用为例,通过判断和计算两个点云数据之间的欧式距离以确定两个点云数据所对应的行李之间的相似性。
而在采用欧拉距离的方式实现相似度的计算时,具体的计算方式如下:
a为第一行李信息所对应的特征向量,b为第二行李信息中某一行李信息所对应的特征向量。在实际的处理过程中,以第一行李信息为例,在得到第一行李信息所对应的点云数据之后,通过关键点提取以得到第一行李信息对应的特征描述子,也就是得到特征向量a。同样的,对第二行李信息中的每个行李信息进行相同的处理,进而计算出第二行李信息中的每个行李信息与第一行李信息之间的欧拉距离,以得到每一组所对应的相似度值。
其中,在使用RFID读码器读取相应的行李条码,是为了使得行李的识别更加准确。同样的,将第一行李信息中所包含的行李条码与第二行李信息中所包含的每一个行李条码进行相似度对比,以实现对行李的识别。
示例性的,在对比RFID读码器所读取得到的RFID信息进行判断时,通过对RFID信息进行二进制重编码,然后利用汉明距离进行判断相似度,同时也可判断出不同码段位置,便于RFID勘察是否属于读取错误。而在对所得到的RFID 信息进行二进制重编码时,将所得到的RFID的16进制编码重编码为一个二进制的编码信息
例如,码字A 10001001和码字B10110001之间不同的字符数为3,此时所对应的汉明距离就是3,可见通过汉明距离可以表征两个码字的相似程度。也就是在对所得到的RFID的16进制编码进行重编码之后,使用汉明距离的方式计算两个二进制编码之间的距离,以根据所得到的距离确定两者的相似程度,其中汉明距离越小说明相似度越高。当然,在实际的使用过程中,并不仅仅限制方式为汉明距离来确定,还可以使用其他合适的方式进行判断,在此不做限制。
需要说明的是,第一相似度、第二相似度以及第三相似度的计算和确定并没有先后顺序,且不会相互影响。
在一实施例中,在通过上述各种方式得到不同情况下的相似度值之后,将会根据所得到的相似度值确定第一行李信息与第二行李信息中每个行李信息的相似度度量。
具体地,在确定第二行李信息中每一行李信息所对应的相似度度量时,包括:确定所述第一相似度值、第二相似度值以及第三相似度值,分别对应的第一行李集合、第二行李集合以及第三行李集合;将所述第一行李集合、第二行李集合以及第三行李集合进行汇总,得到候选行李集合;基于行李图像、行李点云数据以及行李条码,对所述候选行李集合中所包含的每一行李进行相似度融合,以得到所述候选行李集合中每一行李所对应的相似度度量。
在根据行李信息中所包含的不同信息确定不同的相似度时,可以根据所得到的相似度值得到一个候选的行李集合,每一种对比方式会得到一个小的候选行李集合,然后在进行汇总得到整个的候选行李集合,最后通过相似度融合,在此时所得到的候选行李集合中确定当前所跟踪的目标行李。
在根据行李图像、行李点云数据以及行李条码分别计算各自对应的相似度值时,通过针对每个情况设置一个阈值,以得到一个行李集合,比如,设置行李图像对应的阈值为第一阈值,行李点云数据对应的阈值为第二阈值,行李条码对应的阈值为第三阈值,然后通过将第一相似度值与第一阈值比较,将第二相似度值与第二阈值比较,将第三相似度于第三阈值比较,可以得到三种不同的对比结果所得到的行李集合,如第一行李集合、第二行李集合以及第三行李集合,最后通过汇总得到候选行李集合。具体可以如下表1所示:
表1
类别 | 行李 |
第一行李集合 | A、B、C、D |
第二行李集合 | B、C、E |
第三行李集合 | B、D、F |
候选行李集合 | A、B、C、D、E、F |
在得到候选行李集合之后,通过进行相似度融合的方式来确定每个行李所对应的最终相似度度量。比如,将维度特征信息对比的相似度作为输入,进行加权融合估计,并将条件概率作为激活函数,估计最终的相似度,进而从候选目标中挑选相似度最高的,即为目标行李,其中,条件概率是指提供的行李在该节点出现的概率。当行李出现叠包、连包等情况时,其实际到达该节点位置的行李,应该是预计到达该位置的行李的相邻行李的概率比较大。
在进行相似度融合时,通过对每一种相似度设置一定的权重值,然后根据所设置的权重值以及所得到的第一相似度值、第二相似度值以及第三相似度值,计算得到候选行李集合中每个行李所对应的相似度度量,最后选择相似度度量最大的行李即为目标行李。
比如,在设定行李图像、行李点云数据以及行李条码分别对应的权重为0.4、 0.3以及0.3时,此时的加权融合度量值为x*0.4+y*0.3+z*0.3,其中,x表示该行李是否在第一行李集合中,y表示该行李是否在第二行李集合中,z表示该行李是否在第三行李集合中,以行李B为例,其所对应的加权融合度量值为 0.4*1+0.3*1+0.3*1=1(100%),以行李A为例。其所对应的加权融合度量值则为0.4*1+0.3*0+0.3*0=0.4(40%)。
在上述描述的基于多传感器的行李再识别方法中,在对行李进行跟踪和再识别的过程中,首先通过设置在目标跟踪检测节点上的信息采集装置对当前需要进行跟踪的行李的第一行李信息进行获取,其中所设置的信息采集装置包含有若干不同种类的传感器,然后获取与目标跟踪检测节点所对应的第二行李信息,其中第二行李信息为一个行李信息集合,进而根据第一行李信息在第二行李信息中进行查询,通过不同种类的传感器所采集到的信息进行相似度度量的计算,以在第二行李信息中确定目标行李所对应目标行李信息,实现对当前行李的再识别和跟踪。实现了通过多传感器的结合,提高了行李再识别的识别效率和准确性,进而提高行李跟踪的准确性,降低外界因素对行李再识别和跟踪的影响。
请参阅图5,图5为本申请一个实施例提供的一种基于多传感器的行李再识别装置的示意性框图,该装置用于执行前述的基于多传感器的行李再识别方法。
如图5所示,该基于多传感器的行李再识别装置500包括:
信息采集装置501,用于获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
信息读取装置502,用于获取与所述目标跟踪监测节点对应的第二行李信息;
行李识别装置503,用于根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
进一步地,在一个实施例中,所述基于多传感器的行李再识别装置500具体还用于:
当监测到行李传输链路的起始端有新行李进入时,获取所述新行李所对应的行李信息进行存储。
进一步地,在一个实施例中,所述信息采集装置501具体还用于:
获取设置在目标跟踪监测节点上的2D摄像头所采集到的行李图像;
获取设置在目标跟踪监测节点上的3D相机所采集到的行李点云数据;
获取设置在目标跟踪监测节点上的RFID读码器所采集到的行李条码;
根据时间信息将所述行李图像、行李点云数据以及行李条码进行关联,以得到第一行李信息。
进一步地,在一个实施例中,所述信息读取装置502具体还用于:
读取采集所述第一行李信息所对应的第一时间,并根据所述第一时间确定信息记录时间;
根据所述信息记录时间在预设数据库中进行查询,得到第二行李信息。
进一步地,在一个实施例中,所述行李识别装置503具体还用于:
根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息与所述第二行李信息中每一行李信息的相似度度量;
根据所述相似度度量在所述第二行李信息中确定目标行李信息,以确定所述目标行李信息所对应的行李为目标行李,其中最大相似度度量所对应的行李信息为所述目标行李信息。
进一步地,在一个实施例中,所述行李识别装置503具体还用于:
根据第一行李图像与第二行李图像,得到第一相似度值;
根据第一行李点云数据与第二行李点云数据,得到第二相似度值;
根据第一行李条码与第二行李条码,得到第三相似度值;
根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量。
进一步地,在一个实施例中,所述行李识别装置503具体还用于:
确定所述第一相似度值、第二相似度值以及第三相似度值,分别对应的第一行李集合、第二行李集合以及第三行李集合;
将所述第一行李集合、第二行李集合以及第三行李集合进行汇总,得到候选行李集合;
基于行李图像、行李点云数据以及行李条码,对所述候选行李集合中所包含的每一行李进行相似度融合,以得到所述候选行李集合中每一行李所对应的相似度度量。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述的装置可以实现为一种计算机程序的形式,该计算机程序可以在如图 6所示的计算机设备上运行。
请参阅图6,图6为本申请一个实施例提供的计算机设备的结构示意性框图。该计算机设备可以是服务器。
参阅图6,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种基于多传感器的行李再识别方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种基于多传感器的行李再识别方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor, DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
获取与所述目标跟踪监测节点对应的第二行李信息;
根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
在一个实施例中,所述处理器在实现所述计算机程序时,还用于实现:
当监测到行李传输链路的起始端有新行李进入时,获取所述新行李所对应的行李信息进行存储。
在一个实施例中,所述处理器在实现所述获取设置在目标跟踪监测节点上的信息采集装置采集到的第一行李信息时,还用于实现:
获取设置在目标跟踪监测节点上的2D摄像头所采集到的行李图像;
获取设置在目标跟踪监测节点上的3D相机所采集到的行李点云数据;
获取设置在目标跟踪监测节点上的RFID读码器所采集到的行李条码;
根据时间信息将所述行李图像、行李点云数据以及行李条码进行关联,以得到第一行李信息。
在一个实施例中,所述处理器在实现将所述获取与所述目标跟踪监测节点对应的第二行李信息时,还用于实现:
读取采集所述第一行李信息所对应的第一时间,并根据所述第一时间确定信息记录时间;
根据所述信息记录时间在预设数据库中进行查询,得到第二行李信息。
在一个实施例中,所述处理器在实现所述根据所述第一行李信息在所述第二行李信息进行对比,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李时,还用于实现:
根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息与所述第二行李信息中每一行李信息的相似度度量;
根据所述相似度度量在所述第二行李信息中确定目标行李信息,以确定所述目标行李信息所对应的行李为目标行李,其中最大相似度度量所对应的行李信息为所述目标行李信息。
在一个实施例中,所述处理器在实现所述根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息中每一行李与所述第二行李信息中每一行李的相似度度量时,还用于实现:
根据第一行李图像与第二行李图像,得到第一相似度值;
根据第一行李点云数据与第二行李点云数据,得到第二相似度值;
根据第一行李条码与第二行李条码,得到第三相似度值;
根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量。
在一个实施例中,所述处理器在实现所述根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量时,还用于实现:
确定所述第一相似度值、第二相似度值以及第三相似度值,分别对应的第一行李集合、第二行李集合以及第三行李集合;
将所述第一行李集合、第二行李集合以及第三行李集合进行汇总,得到候选行李集合;
基于行李图像、行李点云数据以及行李条码,对所述候选行李集合中所包含的每一行李进行相似度融合,以得到所述候选行李集合中每一行李所对应的相似度度量。
本申请的实施例中还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的任一项基于多传感器的行李再识别方法。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
另外,本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于多传感器的行李再识别方法,其特征在于,所述方法包括:
获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
获取与所述目标跟踪监测节点对应的第二行李信息;
根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当监测到行李传输链路的起始端有新行李进入时,获取所述新行李所对应的行李信息进行存储。
3.根据权利要求1所述的方法,其特征在于,所述获取设置在目标跟踪监测节点上的信息采集装置采集到的第一行李信息,包括:
获取设置在目标跟踪监测节点上的2D摄像头所采集到的行李图像;
获取设置在目标跟踪监测节点上的3D相机所采集到的行李点云数据;
获取设置在目标跟踪监测节点上的RFID读码器所采集到的行李条码;
根据时间信息将所述行李图像、行李点云数据以及行李条码进行关联,以得到第一行李信息。
4.根据权利要求1所述的方法,其特征在于,所述获取与所述目标跟踪监测节点对应的第二行李信息,包括:
读取采集所述第一行李信息所对应的第一时间,并根据所述第一时间确定信息记录时间;
根据所述信息记录时间在预设数据库中进行查询,得到第二行李信息。
5.根据权利要求3所述的方法,其特征在于,所述根据所述第一行李信息在所述第二行李信息进行对比,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李,包括:
根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息与所述第二行李信息中每一行李信息的相似度度量;
根据所述相似度度量在所述第二行李信息中确定目标行李信息,以确定所述目标行李信息所对应的行李为目标行李,其中最大相似度度量所对应的行李信息为所述目标行李信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一行李信息以及所述第二行李信息,确定所述第一行李信息中每一行李与所述第二行李信息中每一行李的相似度度量,包括:
根据第一行李图像与第二行李图像,得到第一相似度值;
根据第一行李点云数据与第二行李点云数据,得到第二相似度值;
根据第一行李条码与第二行李条码,得到第三相似度值;
根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一相似度值、第二相似度值以及第三相似度值,确定第一行李信息与第二行李信息的相似度度量,包括:
确定所述第一相似度值、第二相似度值以及第三相似度值,分别对应的第一行李集合、第二行李集合以及第三行李集合;
将所述第一行李集合、第二行李集合以及第三行李集合进行汇总,得到候选行李集合;
基于行李图像、行李点云数据以及行李条码,对所述候选行李集合中所包含的每一行李进行相似度融合,以得到所述候选行李集合中每一行李所对应的相似度度量。
8.一种基于多传感器的行李再识别装置,其特征在于,所述装置包括:
信息采集装置,用于获取设置在目标跟踪监测节点上的信息采集装置所采集到的第一行李信息,其中,行李信息包括行李图像、行李点云数据以及行李条码;
信息读取装置,用于获取与所述目标跟踪监测节点对应的第二行李信息;
行李识别装置,用于根据所述第一行李信息在所述第二行李信息进行查询,以在所述第二行李信息所对应的行李中确定与所述第一行李信息相对应的目标行李。
9.一种计算机设备,其特征在于,包括存储器和处理器:
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时,实现如权利要求1-7中任一项所述的基于多传感器的行李再识别方法。
10.一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存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如权利要求1-7中任一项所述的基于多传感器的行李再识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552233.2A CN113361341A (zh) | 2021-05-20 | 2021-05-20 | 行李再识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552233.2A CN113361341A (zh) | 2021-05-20 | 2021-05-20 | 行李再识别方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361341A true CN113361341A (zh) | 2021-09-07 |
Family
ID=77526638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110552233.2A Pending CN113361341A (zh) | 2021-05-20 | 2021-05-20 | 行李再识别方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361341A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239623A (zh) * | 2021-12-16 | 2022-03-25 | 华清科盛(北京)信息技术有限公司 | 一种基于机场托运的装车行李条码粘贴纸的扫描方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004384A1 (en) * | 2015-07-01 | 2017-01-05 | Amadeus S.A.S. | Image based baggage tracking system |
CN112801050A (zh) * | 2021-03-29 | 2021-05-14 | 民航成都物流技术有限公司 | 行李智能跟踪监测方法和系统 |
-
2021
- 2021-05-20 CN CN202110552233.2A patent/CN113361341A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004384A1 (en) * | 2015-07-01 | 2017-01-05 | Amadeus S.A.S. | Image based baggage tracking system |
CN112801050A (zh) * | 2021-03-29 | 2021-05-14 | 民航成都物流技术有限公司 | 行李智能跟踪监测方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114239623A (zh) * | 2021-12-16 | 2022-03-25 | 华清科盛(北京)信息技术有限公司 | 一种基于机场托运的装车行李条码粘贴纸的扫描方法 |
CN114239623B (zh) * | 2021-12-16 | 2023-06-23 | 华清科盛(北京)信息技术有限公司 | 一种基于机场托运的装车行李条码粘贴纸的扫描方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470332B (zh) | 一种多目标跟踪方法及装置 | |
CN109325964B (zh) | 一种人脸追踪方法、装置及终端 | |
CN112308881B (zh) | 一种基于遥感图像的舰船多目标跟踪方法 | |
US11205276B2 (en) | Object tracking method, object tracking device, electronic device and storage medium | |
CN106846355B (zh) | 基于提升直觉模糊树的目标跟踪方法及装置 | |
JP2018026108A (ja) | 物体追跡方法、物体追跡装置およびプログラム | |
CN112183153A (zh) | 一种基于视频分析的对象行为检测方法及装置 | |
US11048917B2 (en) | Method, electronic device, and computer readable medium for image identification | |
Li et al. | An anti-fraud system for car insurance claim based on visual evidence | |
Smelyakov et al. | The neural network models effectiveness for face detection and face recognition | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN111666848B (zh) | 运输车辆到站检测方法、装置、设备及存储介质 | |
WO2018030048A1 (ja) | 物体追跡方法、物体追跡装置およびプログラム | |
CN111126504A (zh) | 多源不完备信息融合图像目标分类方法 | |
CN113361341A (zh) | 行李再识别方法、装置、设备及可读存储介质 | |
CN112085134B (zh) | 一种基于射频识别的机场行李识别系统及方法 | |
CN113780145A (zh) | 精子形态检测方法、装置、计算机设备和存储介质 | |
CN116946610A (zh) | 一种智能仓储系统货物拾取方法及装置 | |
Liu et al. | Container-code recognition system based on computer vision and deep neural networks | |
Tran et al. | A fully automated vision-based system for real-time personal protective detection and monitoring | |
CN116964588A (zh) | 一种目标检测方法、目标检测模型训练方法及装置 | |
CN114422450B (zh) | 基于多源网络流量数据的网络流量分析方法和装置 | |
CN113723431B (zh) | 图像识别方法、装置以及计算机可读存储介质 | |
US20200387691A1 (en) | A quick match algorithm for biometric data | |
CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 |
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 |
Application publication date: 20210907 |
|
RJ01 | Rejection of invention patent application after publication |