CN115620235A - 一种包裹复检方法、装置、设备及存储介质 - Google Patents
一种包裹复检方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115620235A CN115620235A CN202211320313.6A CN202211320313A CN115620235A CN 115620235 A CN115620235 A CN 115620235A CN 202211320313 A CN202211320313 A CN 202211320313A CN 115620235 A CN115620235 A CN 115620235A
- Authority
- CN
- China
- Prior art keywords
- image
- similarity
- ray
- package
- determining
- 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
Images
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
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种包裹复检方法、装置、设备及存储介质。该方法包括:对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。本发明实施例可以提高复检绑定的准确性。
Description
技术领域
本发明涉及图像关联设备技术领域,尤其涉及一种包裹复检方法、装置、设备及存储介质。
背景技术
出于安全性考虑,各种场所中对包裹中物品是否存在违禁品的安检越来越常见,例如地铁、医院等公共场所对个人包裹进行违禁品安检,物流企业在运输分拣前对快递包裹进行违禁品安检。对于存在违禁品的包裹,通常需要初检后进一步复检确定。
现有技术,对于存在违禁品的包裹,如果要进行第二次复核,所采用的方法无非人工复核或者通过依靠外置可见光摄像机进行图像匹配。前者问题在于,如果安检现场较为复杂,包裹较多,那么对于人工复核将是一个极大的考验,大量的包裹都要由人工判断,因此安检人员容易产生疲劳,使得判断的准确性受到了影响,且由于是人工复检,无法进行两次包裹的对应,对一次过检的包裹无法和二次过检的包裹进行对应,二次确认包裹是否确实存在违禁品,增加了误判的风险。后者问题在于,对外观相似或相近的包裹,在可见光图像中其外观特征将十分相近,在这种情况下两次包裹的对应可能就会出现错误。特别是在快递转运中心这种需要大批量集包通过的场景下,可见光图像将严重失效。
发明内容
本发明提供了一种包裹复检方法、装置、设备及存储介质,以提高复检绑定的准确性。
根据本发明的一方面,提供了一种包裹复检方法,包括:
对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;
若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;
根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
根据本发明的另一方面,提供了一种包裹复检装置,包括:
包裹检查模块,用于对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;
待绑定包裹确定模块,用于若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;
X光包裹绑定模块,用于根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的包裹复检方法。
根据本发明的另一方面,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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的包裹复检方法。
本发明实施例通过使用安检机X光图片进行包裹相似度计算,使相似度对比更加准确,有效提高复检绑定的准确性,同时由于无需对已有硬件设备改进,应用场景更灵活、升级成本更低
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅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1A是根据本发明一实施例提供的一种包裹复检方法的流程图;
图1B是根据本发明一实施例提供的一种简易版安检复检系统的结构示意图;
图1C是根据本发明一实施例提供的一种扫描版安检复检系统的结构示意图;
图1D是根据本发明一实施例提供的一种剔除版安检复检系统的结构示意图;
图2A是根据本发明又一实施例提供的一种包裹复检方法的流程图;
图2B是根据本发明又一实施例提供的一种归一化后的图像直方图;
图2C是根据本发明又一实施例提供的一种像素连续情况下的图像直方图;
图2D是根据本发明又一实施例提供的一种像素离散化情况下的图像直方图;
图3是根据本发明又一实施例提供的一种包裹复检装置的结构示意图;
图4是实现本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,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。
图1A为本发明一实施例提供的一种包裹复检方法的流程图,本实施例可适用于不同版本的安检复检系统面对不同的应用场景,区别进行复检流程,并以X光图像相似度比对作为最后的兜底技术方案,对包裹进行准确绑定的情况,该方法可以由包裹复检装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于具备相应数据处理能力的电子设备中,例如安检复检系统中。如图1A所示,该方法包括:
S110、对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检。
S120、若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹。
其中,安检复检系统至少应包括传送带和智能安检机,智能安检机通过采集传送带上安检包裹的X光图像,来确定安检包裹中是否存在违禁品,智能安检机还能确定安检包裹中存在的违禁品的具体违禁品类目。
具体的,将安检包裹依次放入传送带,由安检机获取安检包裹的X光初检图像,将根据X光初检图像判定存在违禁品的安检包裹确定为待复检包裹,并保存X光初检图像。将多个待复检包裹作为安检包裹再次放入传送带,由安检机获取这些安检包裹的X光复检图像。将根据X光复检图像判定存在违禁品的安检包裹确定为待绑定包裹,并保存X光复检图像;根据X光复检图像判定未存在违禁品的安检包裹则恢复正常包裹的处理流程。
S130、根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
其中,不同版本的安检复检系统,所支持的功能有所不同。本发明实施例可简单区分为简易版、扫描版和剔除版三种。示例性的,图1B是根据本发明一实施例提供的一种简易版安检复检系统的结构示意图。其中,该简易版安检复检系统多用于医院、地铁等公共场所,其硬件结构相对简单,通常包括传送带和安检机,因此需要借助X光复检图像和X光初检图像进行相似度比对来确定对应关系。图1C是是根据本发明一实施例提供的一种扫描版安检复检系统的结构示意图。其中,该扫描版安检复检系统在传送带和安检机的基础上额外加入了可见光扫码设备,此种设备的加入使扫描版安检复检系统在原有的X光图像绑定上增加了可见光图片信息,从而使得包裹的可溯源得到了保障,方便快递员及快递企业对违禁品包裹的复核及包裹的追溯。图1D是根据本发明一实施例提供的一种剔除版安检复检系统的结构示意图。其中,剔除版在传送带、安检机和可见光扫码设备的基础上进一步再配置违禁品剔除设备。将一次过检的标记为违禁品的待复检包裹剔除出传送带,放置在待复检区域,提高复检准确性以减少安检设备复检的压力,同时也减少人工对包裹查找工作。
具体的,简易版安检系统无需加装硬件设备,只需要升级软件系统,在原有的X光图片显示及保存功能上增加AI违禁品判定和信息保存功能,便可实现待绑定包裹与待复检包裹对应关系的确定。具体为:将原先保存的各个待复检包裹初检时的X光初检图像调出,逐一与待绑定包裹复检时的X光复检图像进行相似度比对,将相似度最高的X光初检图像与该X光复检图像绑定,并对应绑定待复检包裹和待绑定包裹。通过使用安检机X光图片进行包裹相似度计算,使相似度对比更加准确,有效提高复检绑定的准确性,同时由于无需对已有硬件设备改进,应用场景更灵活、升级成本更低。
本发明实施例通过使用安检机X光图片进行包裹相似度计算,使相似度对比更加准确,有效提高复检绑定的准确性,同时由于无需对已有硬件设备改进,应用场景更灵活、升级成本更低。
具体的,对于扫描版安检系统,可使用可见光扫码设备录入包裹初检和复检时的可见光图片信息。具体的,在扫码摄像头拍摄可见光图片情况下,如果初检或复检中因包裹角度等原因导致其中一次过检无法获取包裹的条码信息,而只能当作一张普通的可见光图片与X光图片进行绑定,还可通过X光图像相似度计算作为兜底方案进行包裹绑定,具体相似度计算方式参考本发明其他实施例,此时不过多赘述。可选的,所述方法还包括:
在对安检包裹进行初检和/或复检时,获取所述安检包裹的可见光图像;将所述可见光图像与所述安检包裹的X光初检图像和/或X光复检图像进行绑定。
具体的,安检包裹初检时,当安检包裹通过AI判断为有违禁品时,启动可见光扫码设备,拍摄包裹图像,对包裹图片上的条码信息进行识别,可见光的图片信息便与安检包裹的X光初检图像进行绑定。
可选的,所述对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹之后,还包括:
通过包裹剔除设备将所述待复检包裹放置于待复检区域。
具体的,对于剔除版安检系统,由于剔除设备的存在,可通过剔除设备将初检中检出违禁品的待复检包裹进行集中存放于待复检区域。并在特定时间,由安检员重新过机进行复检。该复检模式可应对于中等违禁品数量的处理场景和大量的违禁品处理场景,适应性强,可应用于中、大型快递转运中心。
图2A为本发明又一实施例提供的一种包裹复检方法的流程图,本实施例在上述实施例的基础上进行了优化改进。如图2A所示,该方法包括:
S210、对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检。
S220、若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹。
S230、获取任一待复检包裹的X光初检图像,并确定所述X光初检图像与待绑定包裹的X光复检图像的图像相似度,或图像相似度和违禁品类目相似度;根据所述图像相似度,或图像相似度和所述违禁品类目相似度,确定该待复检包裹与所述待绑定包裹的综合相似度;
S240、将与所述待绑定包裹综合相似度最高的目标待复检包裹,与所述待绑定包裹进行绑定。
其中,违禁品类目为对应X光图像中被检出的违禁品所属的类目,即X光图像不仅仅用于包裹直方图计算,还参与AI违禁品的判断-作为AI判断违禁品的信息来源。图像相似度用于根据图像特性确定两张X光图像是否相似,其可以包括下述至少一种:图像灰度直方图相似度S1、图像灰度方差相似度S4、图像灰度标准差相似度S5、图像灰度平均值相似度S2和图像面积相似度S3。
具体的,安检机可分为普通安检机和智能安检机两类,前者仅能获取X光图像,后者在获取X光图像的基础上,还可以获取X光图像中违禁品的类目信息。因此,当安检复检系统中安检机为普通安检机时,仅能通过两者X光图像的图像相似度来确定综合相似度;当安检复检系统中安检机为智能安检机时,则可以同时通过图像相似度和违禁品类目相似度来确定综合相似度。为提高综合相似度的有效性,可以给不同维度的相似度赋予不同的计算权重,来计算确定综合相似度。例如安检机为智能安检机时,可通过图像灰度直方图相似度S1,图像灰度平均值相似度S2、图像面积相似度S3和违禁品类目相似度S4四个维度进行X光复检图像与任意X光初检图像之间相似度的计算,将各个维度的相似度通过加权来得到该X光初检图像与X光复检图像的综合相似度。在确定各X光初检图像与X光复检图像的综合相似度后,将综合相似度最高的X光初检图像与X光复检图像进行绑定,并将对应的待复检包裹和待绑定包裹进行绑定。
示例性的,若以加权的方式来计算综合相似度,则可通过下述公式计算X光复检图像与任意X光初检图像之间的归一化综合相似度S:
S=K1*S1+K2*S2+K3*S3+K4*S4
其中,K1、K2、K3、K4为各像素对应权重,且K1+K2+K3+K4=1。由此得到了基于X光图像相似度评价指标(S1、S2、S3)和AI类目相似度评价指标(S4)的综合评价指标S,AI类目相似度评价指标的加入使得智能安检机对比于传统安检机具有了较大的可靠度提升。
可选的,所述图像相似度包括下述至少一种:图像灰度直方图相似度、图像灰度方差相似度、图像灰度标准差相似度、图像灰度平均值相似度和图像面积相似度;所述图像灰度直方图相似度、所述图像灰度平均值相似度和所述图像面积相似度分别通过下述方式确定:
根据所述X光初检图像中各灰度值的第一分布概率,和X光复检图像中各灰度值的第二分布概率,确定所述X光初检图像和所述X光复检图像的图像灰度直方图相似度;根据所述X光初检图像的第一像素灰度平均值,和X光复检图像的第二像素灰度平均值,确定所述X光初检图像和所述X光复检图像的图像灰度平均值相似度;根据所述X光初检图像的第一图像面积,和所述X光复检图像的第二图像面积,确定所述X光初检图像和所述X光复检图像的图像面积相似度。
具体的,1)首选需要说明的是,如果智能安检机为单源单能安检机,可以使用直接获得的X光初检/复检图像进行直方图相似度计算;如果智能安检机为单源伪双能或双源双能安检机,则通过将高能灰度图图像减去低能灰度图图像的像素值取绝对值得到信息更丰富的后处理图像(ImageH_L),利用该后处理图像作为特殊的“X光初检/复检图像”进行直方图相似度计算。
对于单能安检机,将X光初检/复检图像的灰度图进行像素级统计,即按灰度值统计每个灰度值下该灰度值像素的个数。在统计完成后将每个灰度下的像素数除以整体的像素值,得到每个灰度下的像素占比(该灰度值在图像中的分布比例),即各灰度值的第一/第二分布概率。对于双能安检机利用处理后的图像(ImageH_L)进行灰度值分布概率统计,也能各灰度值的第一/第二分布概率。对于双能安检机,也可通过颜色空间转换RGB→HSV,将RGB图像转换成HSV图像进行颜色直方图统计。通过统计H色彩空间的颜色分布亦可得到与用灰度图像统计同样的效果。
分别根据第一和第二分布概率对生成X光初检图像直方图A和X光复检图像直方图B,如果两个包裹存在相似性部分,那么两者的直方图分布便存在重合部分(像素连续情况下),统计重合部分的面积,便可定量地计算出灰度直方图相似度S1。
2)同一包裹其灰度较相似,可设计评价指标
S2=min(GA,GB)/max(GA,GB),其中GA代表X光初检图像的整体图像平均灰度值,GB代表X光复检图像的整体图像平均灰度值,S3小于等于1。示例性的,
GA可通过计算灰度直方图相似度过程中生成的灰度直方图获得:
同样的,GB也可通过类似的方法获得。通过该种方法的计算,无需重新遍历整幅图像进行灰度均值计算,利用现有资源进行二次利用,使得计算速率大大提升。同样min()是取两者较小值者。man()是取两者较大值者。
对于单能安检机,我们使用单张灰度图进行计算;对于双能安检机,使用处理后的图像(ImageH_L)进行计算。
3)同一包裹其大小较相似,获得的图像总面积也较相近。因此可设计评价指标S3=min(AA,AB)/max(AA,AB),其中AA代表初检X光图像的面积,AB代表复检X光图像的面积,min()是取两者较小值者。man()是取两者较大值者,S3小于等于1。
可选的,所述根据所述X光初检图像中各灰度值的第一分布概率,和X光复检图像中各灰度值的第二分布概率,确定所述X光初检图像和所述X光复检图像的图像灰度直方图相似度包括:
根据所述X光初检图像中各灰度值的像素数量占比,确定各灰度值的第一分布概率;根据X光复检图像中各灰度值的像素数量占比,确定各灰度值的第二分布概率;将任一灰度值的第一分布概率和第二分布概率进行大小比对,并将比对结果中较小的分布概率确定为该像素值的相似概率;对各灰度值的相似概率进行求和,得到图像灰度直方图相似度。
具体的,由于实际直方图一般无法做到无限细分——像素连续性,因此需要在离散化像素分布的情况下统计两直方图之间的相似度。通过比较两张图像中同一灰度值的第一分布概率和第二分布概率大小,取两者中较小值作为该灰度值的相似概率。在完成所有灰度值的比较后,将全部相似概率相加,即可得到两者的重合面积,即图像灰度直方图相似度S3。
需要说明的是,由于单个图像的各灰度值的分布概率P(pixel)之和等于1,因此我们上述统计相似度中进行的P(pixel)=min(PA(pixel),PB(pixel))之和小于等于1,即在两张图像完全相似的情况下,∑P=1。
此外,对于图像灰度方差相似度S4、图像灰度标准差相似度S5,可参考图像灰度平均值相似度S2的计算过程,此处不过多赘述。
示例性的,图2B是根据本发明又一实施例提供的一种归一化后的图像直方图;图2C是根据本发明又一实施例提供的一种像素连续情况下的图像直方图;图2D是根据本发明又一实施例提供的一种像素离散化情况下的图像直方图。其中,归一化后的图像直方图实际为像素的分布概率密度函数(PDF)。图2C中A图像(对应PA)和B图像(对应PB)具有一定相似性,在两者直方图分布存在重合部分(像素连续情况下)时,可通过统计重合部分的面积,定量地计算出两者的相似度。从图2D中左半边情况可以看出,离散情况下可通过比较同一灰度值的两者概率大小,取两者中的较小值进行相似度计算。
可选的,所述确定所述X光初检图像与待绑定包裹的X光复检图像的违禁品类目相似度包括:根据所述X光初检图像中各违禁品类目的置信度,确定各违禁品类目的第一置信概率;根据X光复检图像中各违禁品类目的置信度,确定各违禁品类目的第二置信概率;将任一违禁品类目的第一置信概率和第二置信概率进行大小比对,并将比对结果中较小的置信概率确定为该违禁品类目的相似概率;对各违禁品类目的相似概率进行求和,得到违禁品类目相似度。
具体的,由于智能安检机的使用,可在前面三者的评价指标中引入AI类目的指标进行对比。AI评价结果富含丰富的违禁品信息,对于包含违禁品的包裹进行绑定有较大的提升作用。如:如果两个包裹违禁品相差较大,AI类目的对比结果相似度较低,在合理分配权重的情况下,我们可以通过AI结果排除掉一部分包含违禁品不太相同的包裹,增加复检包裹绑定的准确性。
与直方图相似度确定过程类似,可以将AI类目也做成直方图的形式,通过比对相似的类目,我们也将得到AI类目的相似度评价指标。
AI类目信息如下:
α={α1,α2,...,αi,...,αn},(n为违禁品类目总个数)
αi代表序号为i的违禁品置信度,包裹内不存相应的违禁品时αi=0。通过得到的AI类目信息,我们在归一化的情况下也能得到类似图像直方图一样的第一/第二置信概率。通过取对比图片中对应同一AI类目置信概率较小值(归一化后),我们也将得到AI类目相似度指标S4。
其中S4≤1,下标中A代表X光初检图像,B代表X光复检图像,mi n()取最小值。
本发明实施例通过将X光图像特有的违禁品类目信息参与到相似度计算,相比于基于可见光图像的包裹相似度计算,提高了相似度计算的准确性和有效性。
图3为本发明又一实施例提供的一种包裹复检装置的结构示意图。如图3所示,该装置包括:
包裹违规检查模块310,用于对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;
待绑定包裹确定模块320,用于若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;
X光包裹绑定模块330,用于根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
本发明实施例所提供的包裹复检装置可执行本发明任意实施例所提供的包裹复检方法,具备执行方法相应的功能模块和有益效果
可选的,所述X光包裹绑定模块330包括:
相似度确定单元,用于获取任一待复检包裹的X光初检图像,并确定所述X光初检图像与待绑定包裹的X光复检图像的图像相似度,或图像相似度和违禁品类目相似度;
综合相似度确定单元,用于根据所述图像相似度,或图像相似度和所述违禁品类目相似度,确定该待复检包裹与所述待绑定包裹的综合相似度;
复检包裹绑定单元,用于将与所述待绑定包裹综合相似度最高的目标待复检包裹,与所述待绑定包裹进行绑定。
可选的,所述图像相似度包括下述至少一种:图像灰度直方图相似度、图像灰度方差相似度、图像灰度标准差相似度、图像灰度平均值相似度和图像面积相似度,所述相似度确定单元包括:
第一相似度确定子单元,用于根据所述X光初检图像中各灰度值的第一分布概率,和X光复检图像中各灰度值的第二分布概率,确定所述X光初检图像和所述X光复检图像的图像灰度直方图相似度;
第二相似度确定子单元,用于根据所述X光初检图像的第一像素灰度平均值,和X光复检图像的第二像素灰度平均值,确定所述X光初检图像和所述X光复检图像的图像灰度平均值相似度;
第三相似度确定子单元,用于根据所述X光初检图像的第一图像面积,和所述X光复检图像的第二图像面积,确定所述X光初检图像和所述X光复检图像的图像面积相似度。
可选的,所述第一相似度确定子单元,具体用于根据所述X光初检图像中各灰度值的像素数量占比,确定各灰度值的第一分布概率;根据X光复检图像中各灰度值的像素数量占比行,确定各灰度值的第二分布概率;将任一灰度值的第一分布概率和第二分布概率进行大小比对,并将比对结果中较小的分布概率确定为该像素值的相似概率;对各灰度值的相似概率进行求和,得到图像灰度直方图相似度。
可选的,所述相似度确定单元,包括第四相似度确定子单元,用于:
根据所述X光初检图像中各违禁品类目的置信度,确定各违禁品类目的第一置信概率;根据X光复检图像中各违禁品类目的置信度,确定各违禁品类目的第二置信概率;将任一违禁品类目的第一置信概率和第二置信概率进行大小比对,并将比对结果中较小的置信概率确定为该违禁品类目的相似概率;对各违禁品类目的相似概率进行求和,得到违禁品类目相似度。
可选的,所述装置还包括:
信息采集模块,用于在对安检包裹进行初检和/或复检时,获取所述安检包裹的可见光图像;
信息绑定模块,用于将所述可见光图像与所述安检包裹的X光初检图像和/或X光复检图像进行绑定。
进一步说明的包裹复检装置也可执行本发明任意实施例所提供的包裹复检方法,具备执行方法相应的功能模块和有益效果。
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理,例如包裹复检方法。
在一些实施例中,包裹复检方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的包裹复检方法的一个或多个步骤。备选地,在其他实施例中,处理器41可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行包裹复检方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种包裹复检方法,其特征在于,所述方法包括:
对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;
若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;
根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹包括:
获取任一待复检包裹的X光初检图像,并确定所述X光初检图像与待绑定包裹的X光复检图像的图像相似度,或图像相似度和违禁品类目相似度;
根据所述图像相似度,或图像相似度和所述违禁品类目相似度,确定该待复检包裹与所述待绑定包裹的综合相似度;
将与所述待绑定包裹综合相似度最高的目标待复检包裹,与所述待绑定包裹进行绑定。
3.根据权利要求2所述的方法,其特征在于,所述图像相似度包括下述至少一种:图像灰度直方图相似度、图像灰度方差相似度、图像灰度标准差相似度、图像灰度平均值相似度和图像面积相似度;所述图像灰度直方图相似度、所述图像灰度平均值相似度和所述图像面积相似度分别通过下述方式确定:
根据所述X光初检图像中各灰度值的第一分布概率,和X光复检图像中各灰度值的第二分布概率,确定所述X光初检图像和所述X光复检图像的图像灰度直方图相似度;
根据所述X光初检图像的第一像素灰度平均值,和X光复检图像的第二像素灰度平均值,确定所述X光初检图像和所述X光复检图像的图像灰度平均值相似度;
根据所述X光初检图像的第一图像面积,和所述X光复检图像的第二图像面积,确定所述X光初检图像和所述X光复检图像的图像面积相似度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述X光初检图像中各灰度值的第一分布概率,和X光复检图像中各灰度值的第二分布概率,确定所述X光初检图像和所述X光复检图像的图像灰度直方图相似度包括:
根据所述X光初检图像中各灰度值的像素数量占比,确定各灰度值的第一分布概率;
根据X光复检图像中各灰度值的像素数量占比,确定各灰度值的第二分布概率;
将任一灰度值的第一分布概率和第二分布概率进行大小比对,并将比对结果中较小的分布概率确定为该像素值的相似概率;
对各灰度值的相似概率进行求和,得到图像灰度直方图相似度。
5.根据权利要求2所述的方法,其特征在于,所述确定所述X光初检图像与待绑定包裹的X光复检图像的违禁品类目相似度包括:
根据所述X光初检图像中各违禁品类目的置信度,确定各违禁品类目的第一置信概率;
根据X光复检图像中各违禁品类目的置信度,确定各违禁品类目的第二置信概率;
将任一违禁品类目的第一置信概率和第二置信概率进行大小比对,并将比对结果中较小的置信概率确定为该违禁品类目的相似概率;
对各违禁品类目的相似概率进行求和,得到违禁品类目相似度。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在对安检包裹进行初检和/或复检时,获取所述安检包裹的可见光图像;
将所述可见光图像与所述安检包裹的X光初检图像和/或X光复检图像进行绑定。
7.一种包裹复检装置,其特征在于,所述装置包括:
包裹检查模块,用于对安检包裹进行初检确定所述安检包裹中至少两个待复检包裹,并对各待复检包裹进行复检;
待绑定包裹确定模块,用于若待复检包裹的复检结果依旧含有违禁品,则确定所述待复检包裹为待绑定包裹;
X光包裹绑定模块,用于根据所述待绑定包裹的X光复检图像和各待复检包裹的X光初检图像,确定所述待绑定包裹绑定的目标待复检包裹。
8.根据权利要求7所述的装置,其特征在于,所述待绑定包裹确定模块包括:
相似度确定单元,用于获取任一待复检包裹的X光初检图像,并确定所述X光初检图像与待绑定包裹的X光复检图像的图像相似度,或图像相似度和违禁品类目相似度;
综合相似度确定单元,用于根据所述图像相似度,或图像相似度和所述违禁品类目相似度,确定该待复检包裹与所述待绑定包裹的综合相似度;
复检包裹绑定单元,用于将与所述待绑定包裹综合相似度最高的目标待复检包裹,与所述待绑定包裹进行绑定。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的包裹复检方法。
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指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的包裹复检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320313.6A CN115620235A (zh) | 2022-10-26 | 2022-10-26 | 一种包裹复检方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320313.6A CN115620235A (zh) | 2022-10-26 | 2022-10-26 | 一种包裹复检方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115620235A true CN115620235A (zh) | 2023-01-17 |
Family
ID=84863676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211320313.6A Pending CN115620235A (zh) | 2022-10-26 | 2022-10-26 | 一种包裹复检方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115620235A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112816A (zh) * | 2023-10-20 | 2023-11-24 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
-
2022
- 2022-10-26 CN CN202211320313.6A patent/CN115620235A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112816A (zh) * | 2023-10-20 | 2023-11-24 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
CN117112816B (zh) * | 2023-10-20 | 2024-02-02 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN108228684B (zh) | 聚类模型的训练方法、装置、电子设备和计算机存储介质 | |
CN111553137B (zh) | 报告生成方法、装置、存储介质及计算机设备 | |
CN109598298B (zh) | 图像物体识别方法和系统 | |
CN115620235A (zh) | 一种包裹复检方法、装置、设备及存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN113362314A (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN113869253A (zh) | 活体检测方法、训练方法、装置、电子设备及介质 | |
CN115760010A (zh) | 报关单的审核方法、报关方法、装置、设备及存储介质 | |
CN111461152A (zh) | 货物检测方法及装置、电子设备和计算机可读介质 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN114581803A (zh) | 一种物品识别处理方法和装置 | |
CN112001738A (zh) | 构建多因子物流产品价量模型的方法及其应用方法 | |
CN113408633B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114758259B (zh) | 一种基于x光物体图像识别的包裹检测方法及系统 | |
CN116823924B (zh) | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 | |
CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
CN117648594B (zh) | 一种城市安全燃气管网缺陷识别与管理方法 | |
CN117615363B (zh) | 基于信令数据分析目标车辆内人员的方法、装置、设备 | |
CN111414398B (zh) | 数据分析模型确定方法、装置及存储介质 | |
CN114120126A (zh) | 事件检测方法、装置、设备、存储介质以及程序产品 | |
CN113191422A (zh) | 一种识别方法及装置 | |
CN117727016A (zh) | 一种脱敏图像的审核方法、装置、电子设备和存储介质 | |
CN115757842A (zh) | 一种基于云计算的图像数据处理方法 | |
CN118053146A (zh) | 一种商品信息的查验方法、装置、查验台电子设备及介质 |
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 |