CN115661192A - 物体运动速度的检测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种物体运动速度的检测方法、装置、电子设备及计算机可读存储介质。该物体运动速度的检测方法包括：获取处于传送装置的目标物体的在先状态图像和在后状态图像；基于预设关键点检测算法，对在后状态图像进行特征点提取，得到在后状态图像的M个关键点；基于预设关键点检测算法，对在先状态图像进行特征点提取，得到在先状态图像的N个特征点；基于M个关键点与N个特征点，确定在后状态图像和在先状态图像之间的匹配点对集合；获取匹配点对集合对应的目标移动距离集合；根据目标移动距离集合，确定目标物体的移动速度。本申请中既可以提高物体运动速度的检测速度，又可以提高物体运动速度的检测精度。

Description

物体运动速度的检测方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理技术领域，具体涉及一种物体运动速度的检测方法、装置、电子设备及计算机可读存储介质。

背景技术

物体运动速度的检测，对于某些应用场景具有十分重要的指导意义，比如通过检测传送装置上的物体运动速度，可以为传送装置是否出现拥堵或故障等判定提供了有力信息。

现有物体运动速度的检测主要是基于图像的光流法或者是物体检测跟踪法，但是，一方面，由于基于光流法需要较大的数据计算量，会导致物体运动速度的检测速度较慢。另一方面，由于物体经常会存在遮挡的情况，物体难以精准地追踪，基于物体检测跟踪法进行物体运动速度的检测，会导致物体运动速度的检测精度较低。

此外，无论是基于图像的光流法或者是物体检测跟踪法，都会受到传送装置运动的干扰影响，导致处于传送装置上物体的运动速度的检测精度较低。

发明内容

本申请提供一种物体运动速度的检测方法、装置、电子设备及计算机可读存储介质，旨在解决现有物体运动速度的检测技术中，对处于传送装置上物体的运动速度的检测精度较低问题。

第一方面，本申请提供一种物体运动速度的检测方法，所述方法包括：

获取处于传送装置的目标物体的在先状态图像和在后状态图像；

基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；

基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；

基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；

获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；

根据所述目标移动距离集合，确定所述目标物体的移动速度。

第二方面，本申请提供一种物体运动速度的检测装置，所述物体运动速度的检测装置包括：

获取单元，用于获取处于传送装置的目标物体的在先状态图像和在后状态图像；

检测单元，用于基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；

所述检测单元，还用于基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；

确定单元，用于基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；

所述确定单元，还用于获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；

所述确定单元，还用于根据所述目标移动距离集合，确定所述目标物体的移动速度。

第三方面，本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请提供的任一种物体运动速度的检测方法中的步骤。

第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的物体运动速度的检测方法中的步骤。

本申请通过获取处于传送装置的目标物体的在先状态图像和在后状态图像；分别检测并基于在后状态图像的M个关键点、在先状态图像的N个特征点，确定目标移动距离集合；基于目标移动距离集合确定目标物体的移动速度。第一方面，实现了对处于传送装置的目标物体的移动速度的检测，为后续传送装置是否出现拥堵或故障等判定提供了有力信息。第二方面，由于无需依赖于目标物体的全貌的检测，避免了基于物体检测跟踪法进行物体运动速度的检测，会导致物体运动速度的检测精度较低的问题。第三方面，由于无需基于光流法进行目标物体的移动速度的检测，避免了数据计算量大，会导致物体运动速度的检测速度较慢的问题。可见，本申请实施例既可以提高物体运动速度的检测速度，又可以提高物体运动速度的检测精度。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例所提供的物体运动速度的检测系统的场景示意图；

图2是本申请实施例提供的物体运动速度的检测方法的一种流程示意图；

图3是申请实施例中提供的物体运动速度检测方法的应用场景示意图；

图4是本申请实施例中提供的步骤204的一个实施例流程示意图；

图5是本申请实施例的像素点位置的一种说明示意图；

图6是本申请实施例中提供的步骤204的另一个实施例流程示意图；

图7是本申请实施例中提供的物体运动速度的检测装置的一个实施例结构示意图；

图8是本申请实施例中提供的电子设备的一个实施例结构示意图。

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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作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。

在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本申请实施例的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。

本申请实施例物体运动速度的检测方法的执行主体可以为本申请实施例提供的物体运动速度的检测装置，或者集成了该物体运动速度的检测装置的服务器设备、物理主机或者用户设备(User Equipment，UE)等不同类型的电子设备，其中，物体运动速度的检测装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(Personal Digital Assistant，PDA)等终端设备。

该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式。

参见图1，图1是本申请实施例所提供的物体运动速度的检测系统的场景示意图。其中，该物体运动速度的检测系统可以包括电子设备100，电子设备100中集成有物体运动速度的检测装置。例如，该电子设备可以获取处于传送装置的目标物体的在先状态图像和在后状态图像；基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；根据所述目标移动距离集合，确定所述目标物体的移动速度。

另外，如图1所示，该物体运动速度的检测系统还可以包括存储器200，用于存储数据，如存储图像数据、视频数据。

需要说明的是，图1所示的物体运动速度的检测系统的场景示意图仅仅是一个示例，本申请实施例描述的物体运动速度的检测系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着物体运动速度的检测系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

下面，开始介绍本申请实施例提供的物体运动速度的检测方法，本申请实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体。

参照图2，图2是本申请实施例提供的物体运动速度的检测方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，例如，步骤202与步骤203可以同时执行，或者也可以先执行步骤202再执行步骤203，或者先执行步骤203再执行步骤202。该物体运动速度的检测方法包括步骤201～206，其中：

201、获取处于传送装置的目标物体的在后状态图像和在先状态图像。

其中，传送装置是用于输送物体的装置，如，皮带输送机、胶带输送机等等。如图3所示，图3是申请实施例中提供的物体运动速度检测方法的应用场景示意图。本申请实施例的方法适用于各种应用场景的传送装置上物体运动速度的检测；例如，在生产线中胶带输送机输送的生产物料速度的检测。又如，地铁安检中皮带输送机输送的安检物品速度的检测。再如，物流中转场分拣区域中用于皮带输送机输送的物流包裹速度的检测。

目标物体是指处于传送装置上的物体。例如，生产线中胶带输送机输送的生产物料、皮带输送机输送的物流包裹。

其中，在先状态图像与在后状态图像的区别在于：在后状态图像的获取时间滞后于在先状态图像的获取时间。在后状态图像是指处于传送装置的目标物体在后时刻的图像。在先状态图像是指处于传送装置的目标物体在先时刻的图像。

其中，在后时刻是滞后于在先时刻的时间点，在后时刻和在先时刻可以是相邻的两个时间点；也可以是存在一定间隔时长的两个时间点，比如，在先时刻为9:10、在后时刻为9:15。此处在先时刻和在后时刻仅为示例，具体可以根据实际需求而调整先时刻和在后时刻的间隔时长，不以此为限。

步骤201中获取在后状态图像和在先状态图像的方式有多种，示例性地，包括：

1)在实际应用中，应用本申请实施例提供的传送装置异常检测方法的电子设备，在硬件上可直接包括传送装置所处场景区域(如地铁安检区域、物流中转场的分拣区域)的摄像头(该摄像头主要用于采集包含传送装置的图像)，并在本地存储该摄像头拍摄得到的图像，可在电子设备内部直接读取该摄像头拍摄得到的图，作为在后状态图像和在先状态图像。

2)电子设备也可与该摄像头建立网络连接，并根据该网络连接从该摄像头在线获取该摄像头得到的图像，作为在后状态图像和在先状态图像。

3)或者，电子设备也可从存储有该摄像头拍摄得到的图像的相关存储介质，读取出该摄像头拍摄得到的图像，作为在后状态图像和在先状态图像。

其中，上述示例中的摄像头可根据预设的拍摄方式拍摄图像，例如可设置拍摄高度、拍摄方向或者拍摄距离，其具体拍摄方式可根据摄像头本身进行调节，具体在此不做限定。摄像头拍摄得到的多帧图像，可通过时间线组成视频。

202、基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点。

其中，关键点是指在后状态图像中的角点。M表示关键点的检测数量，M为大于0的正整数；M的具体取值可以根据实际业务场景需求而设置，此处不作限制。

预设关键点检测算法可以是例如harris角点检测算法。

示例性地，步骤202具体可以包括：采用harris角点检测算法，对在后状态图像进行特征点提取，得到在后状态图像的M个关键点。

进一步地，由于在后状态图像除了包含传送装置区域外、可能还包含其他背景区域，为了提高针对目标物体的角点的检测精度，以进一步提高目标物体运动速度的检测精度，还可以基于传送装置检测模型先基于在后状态图像检测出传送装置区域，再基于预设关键点检测算法检测出传送装置区域内的角点作为在后图像的关键点。此时，步骤202具体可以包括：通过预设的传送装置检测模型，根据在后状态图像进行传送装置区域检测，得到在后状态图像中的传送装置的区域图像；采用harris角点检测算法，基于在后状态图像中的传送装置的区域图像进行角点检测，得到在后状态图像的M个关键点。

203、基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点。

其中，特征点是指在先状态图像中的角点。

预设关键点检测算法可以是例如harris角点检测算法。N表示关键点的检测数量，N为大于0的正整数；N的具体取值可以根据实际业务场景需求而设置，此处不作限制。

示例性地，步骤203具体可以包括：采用harris角点检测算法，对在先状态图像进行特征点提取，得到在先状态图像的N个特征点。

进一步地，由于在先状态图像除了包含传送装置区域外、可能还包含其他背景区域，为了提高针对目标物体的角点的检测精度，以进一步提高目标物体运动速度的检测精度，还可以基于传送装置检测模型先基于在先状态图像检测出传送装置区域，再基于预设关键点检测算法检测出传送装置区域内的角点作为在先图像的特征点。此时，步骤202具体可以包括：通过预设的传送装置检测模型，根据在先状态图像进行传送装置区域检测，得到在先状态图像中的传送装置的区域图像；采用harris角点检测算法，基于在先状态图像中的传送装置的区域图像进行角点检测，得到在先状态图像的N个特征点。

其中，上述示例中的传送装置检测模型可以通过如下步骤训练得到：

1、构建初步的传送装置检测模型。

例如，可以采用模型参数为默认值的(可用于检测任务)开源网络(如YOLOv网络)作为初步的传送装置检测模型，初步的传送装置检测模型可以包括特征提取模块和预测模块。其中，特征提取模块用于对样本图像进行特征提取得到样本图像的图像特征，预测模块用于基于样本图像的图像特征进行预测，得到样本图像包含的传送装置所在区域。

2、获取训练数据集。

其中，训练数据集包含多个样本图像，一部分样本图像可以是包含传送装置的图像，一部分样本图像可以是不包含传送装置的图像。训练数据集中每个样本进行了标注，标注信息包括传送装置实际的区域检测框。

3、以样本的标注信息作为监督，采用训练数据集对初步的传送装置检测模型进行训练，直至初步的传送装置检测模型收敛时，得到训练后的传送装置检测模型。此时，可将训练好的传送装置检测模型应用于检测出图像中的传送装置所在区域。

其中，训练后的传送装置检测模型可以充分学习传送装置所在区域与图像特征之间关系，从而可以精确地检测出图像中传送装置所在区域的检测框。

其中，传送装置检测模型的训练过程与现有的网络模型的训练过程类似，对于没有详细说明的训练过程，可以参照现有网络模型的训练方式，在此不再赘述。

本质上，上述步骤202得到的在后状态图像的M个关键点、与上述步骤203得到的在先状态图像的N个特征点，都是基于预设关键点检测算法检测出的角点，故在后状态图像的M个关键点也可以叫“特征点”。本申请实施例中，为了区别命名，将在后状态图像中检测出的角点称为“关键点”、将将在先状态图像中检测出的角点称为“特征点”。

204、基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合。

其中，匹配点对集合包含至少一个在后状态图像和在先状态图像之间的匹配特征点对。

其中，对于M个关键点中的每个关键点，在N个特征点中总有一个与之相似度最高的目标特征点。匹配特征点对是指一个关键点、及与之相似度最高的目标特征点，所形成的一对特征点。

在一些实施例中，如图4所示，步骤204时具体可以包括以下步骤2041A～步骤2043A：

2041A、遍历M个所述关键点，从N个所述特征点中，获取与当前遍历的关键点距离最近的第一目标特征点。

其中，与当前遍历的关键点距离最近是指与当前遍历的关键点的相似度最高。关键点与特征点的之间的距离可以采用汉明距离表示。

示例性地，首先，计算当前遍历的关键点分别与N个特征点中的每个特征点之间的汉明距离。然后，可以通过K最近邻(k-Nearest Neighbor,KNN)分类算法，根据当前遍历的关键点分别与N个特征点中的每个特征点之间的汉明距离，确定与当前遍历的关键点距离最近的第一目标特征点。

其中，KNN算法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。通过KNN算法可以得到每个特征点与其距离最近的k个特征点。因此，当k设置为1时，通过KNN算法，可以从N个特征点中，获取与当前遍历的关键点距离最近的第一目标特征点。

2042A、将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对。

2043A、直至完成遍历M个所述关键点时，得到所述在后状态图像和所述在先状态图像之间的匹配点对集合。

其中，针对M个关键点，执行步骤2041A～步骤2042A可以获取得到M个匹配特征点对。在一些实施例中，步骤2043A中可以将步骤2042A中得到的M个匹配特征点对直接加入匹配点对集合。在一些实施例中，为了提高匹配点对集合的匹配特征点对的匹配精度，还可以先通过如下方式1、方式2或方式3滤除步骤2042A中得到的M个匹配特征点对，再将滤除后剩余的匹配特征点对加入匹配点对集合。

为了便于理解，以一具体例子说明步骤2041A～步骤2043A中匹配点对集合的确定过程，该过程具体可以如下：

(1)遍历M个关键点，获取M个关键点中的第i个关键点；其中，第i个关键点表示当前遍历的关键点，1≤i≤M；

(2)计算第i个关键点分别与N个特征点中的每个特征点之间的汉明距离；

(3)通过KNN算法，根据(2)中计算得到汉明距离，从N个特征点中获取与第i个关键点距离最近的第一目标特征点；

(4)将(1)中获取的第i个关键点与(2)中确定的第一目标特征点，作为一个匹配特征点对；

(5)重复上述(1)～(4)，直至i＝M时，得到M个匹配特征点对。

(6)此时，可以将(5)得到的M个匹配特征点对直接加入匹配点对集合中。或者，可以先通过如下方式1、方式2或方式3滤除步骤(5)中得到的M个匹配特征点对，再将滤除后剩余的匹配特征点对加入匹配点对集合。

205、获取所述匹配点对集合对应的目标移动距离集合。

其中，目标移动距离集合包含至少一个匹配特征点对的相对移动距离。

示例性，步骤205具体可以包括如下步骤2051～步骤2052：

2051、分别获取所述匹配点对集合中每个匹配特征点对的相对移动距离，得到所述匹配点对集合的多个相对移动距离。

在一些实施例中，每个匹配特征点对的相对移动距离是每个匹配特征点对中的特征点和关键点之间的像素位置距离。此时，步骤2051具体可以包括：获取每个匹配特征点对中的特征点的像素点位置和关键点的像素点位置；基于每个匹配特征点对中的特征点的像素点位置和关键点的像素点位置，确定每个匹配特征点对中的特征点和关键点之间的像素位置距离，以作为每个匹配特征点对的相对移动距离。同理，匹配点对集合中多个匹配特征点对的相对移动距离，可以得到多个相对移动距离。

在一些实施例中，每个匹配特征点对的相对移动距离是匹配特征点对中的特征点和关键点之间的实际位置距离，即目标物体的同一角点的实际移动距离。此时，步骤2051具体可以包括：可以先确定每个匹配特征点对中的特征点的像素点位置和关键点的像素点位置；再基于每个匹配特征点对中的特征点的像素点位置和关键点的像素点位置，确定每个匹配特征点对中的特征点和关键点之间的像素位置距离；最后，基于像素位置距离、在后时刻和在先时刻之间的间隔时长、以及像素位置距离与实际位置距离的预设关系，确定每个匹配特征点对中的特征点和关键点之间的实际位置距离，以作为每个匹配特征点对的相对移动距离。同理，匹配点对集合中多个匹配特征点对的相对移动距离，可以得到多个相对移动距离。

例如，像素位置距离与实际位置距离的预设关系为如下公式(1)所示的函数关系，若匹配特征点对a中的特征点和关键点之间的像素位置距离为30，则可以确定匹配特征点对a中的特征点和关键点之间的实际位置距离为a*30。此时，可以将a*30作为匹配特征点对a的相对移动距离。

y＝a*x 公式(1)

公式(1)中，a为系数、x为像素位置距离、y为实际位置距离。

又如，像素位置距离与实际位置距离的预设关系为如下表1所示关系，若匹配特征点对b中的特征点和关键点之间的像素位置距离为x1，则可以确定匹配特征点对a中的特征点和关键点之间的实际位置距离为y1。此时，可以将y1作为匹配特征点对a的相对移动距离。

表1

像素位置距离	实际位置距离
		x1	y1
x1	y1
		…	…
xn	yn

其中，像素点位置可以通过坐标表示，如图5所示，可以以上述摄像头拍摄得到的图像的左下角点作为坐标原点O、左下角点指向右下角点的方向作为坐标X轴的正方向、左下角点指向左上角点的方向作为坐标Y轴的正方向建立参考坐标系，图像中的每个像素点的位置都可以通过参考坐标系坐标进行表示。

此时，上述“基于每个匹配特征点对中的特征点的像素点位置和关键点的像素点位置，确定每个匹配特征点对中的特征点和关键点之间的像素位置距离”具体可以包括：获取每个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标；根据每个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标，计算每个匹配特征点对中的特征点和关键点之间的像素位置距离。

如图5所示，其中，每个匹配特征点对中的特征点和关键点之间的像素位置距离，可以是每个匹配特征点对中的特征点和关键点在X轴方向上的距离、也可以是每个匹配特征点对中的特征点和关键点在Y轴方向上的距离、还可以是每个匹配特征点对中的特征点和关键点的像素点直线距离。

进一步地，还可以根据每个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标，计算每个匹配特征点对中的特征点和关键点的相对移动方向。

2052、基于多个所述相对移动距离，得到所述目标移动距离集合。

在一些实施例中，步骤2052中可以直接将步骤2051确定得到的多个相对移动距离直接加入目标移动距离集合。

由于目标物体的移动速度与传送装置的输送速度应当是基本相同的，在一定时间内，步骤2051中作为反映目标物体的移动速度的相对移动距离，应当保持在一定范围内。

在另一些实施例中，为了提高目标物体的移动距离的检测精度，以进一步提高目标物体的移动速度的检测精度，步骤2052中，可以进一步对步骤2051中确定的多个相对移动距离进行滤除，此时步骤2052具体可以包括：从多个所述相对移动距离中，获取小于或等于预设距离阈值的目标相对移动距离，得到多个所述目标相对移动距离；将多个所述目标相对移动距离作为目标移动距离集合。

具体地：检测步骤2051中确定的每个相对移动距离是否大于预设距离阈值；若步骤2051中确定的某相对移动距离大于预设距离阈值，则将步骤2051中确定的该相对移动距离不加入至目标移动距离集合；反之，若步骤2051中确定的某相对移动距离小于或等于预设距离阈值，则将步骤2051中确定的该相对移动距离加入至目标移动距离集合。以避免误检测的匹配特征点对的相对移动速度会被加入目标移动距离集合，会被用于后续目标物体的移动速度的确定。

可见，通过相对移动距离小于或等于预设距离阈值，才将步骤2051中确定的该相对移动距离加入至目标移动距离集合，可以提高目标物体的移动速度的检测精度。

为了便于理解，以像素位置距离是像素点直线距离、像素点位置是像素点坐标为例，说明步骤2051～步骤2052中目标移动距离集合的确定过程，该过程具体可以如下：

(a)遍历匹配点对集合中的H个匹配特征点对，获取H个匹配特征点对中的第j个匹配特征点对；其中，第j个匹配特征点对表示当前遍历的匹配特征点对，1≤j≤H；

(b)获取第j个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标；

(c)基于第j个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标，计算第j个匹配特征点对中的特征点和关键点的像素点直线距离，以作为第j个匹配特征点对的相对移动距离。

(d)重复上述(a)～(c)，直至j＝H时，得到H个匹配特征点对的相对移动距离。

(e)此时，可以将(d)得到的H个匹配特征点对的相对移动距离加入目标移动距离集合中。

或者，上述(c)也可以替换为如下(c’)：

(c’)基于第j个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标，计算第j个匹配特征点对中的特征点和关键点的像素点直线距离；基于第j个匹配特征点对的像素点直线距离、在后时刻和在先时刻之间的间隔时长、以及像素位置距离与实际位置距离的预设关系，确定第j个匹配特征点对中的特征点和关键点之间的实际位置距离，以作为第j个匹配特征点对的相对移动距离。

206、根据所述目标移动距离集合，确定所述目标物体的移动速度。

步骤206中，确定目标物体的移动速度方式有多种，示例性地，当上述步骤205中的相对移动位置是匹配特征点对中的特征点和关键点之间的实际位置距离时，包括：

1)从目标移动距离集合获取任意一个相对移动距离，以作为目标物体的移动距离；根据目标物体的移动距离、在后状态图像和在先状态图像的采集间隔时长(即在后时刻和在先时刻之间的间隔时长)，确定目标物体的移动速度。例如，目标移动距离集合包含3个相对移动距离：20cm、21cm、22cm，从中任意获取一个相对移动距离(如20cm)作为目标物体的移动距离；若在后状态图像和在先状态图像的采集间隔时长为20s，则可以确定目标物体的移动速度为1cm/s。

2)基于所述目标移动距离集合中的多个相对移动距离进行平均处理，得到所述目标物体的目标移动距离；基于所述目标移动距离，确定所述目标物体的移动速度。示例性地，目标移动距离集合包含3个相对移动距离：20cm、21cm、22cm，对目标移动距离集合中的3个相对移动距离(20cm、21cm、22cm)进行平均，得到目标物体的移动距离(21cm)；若在后状态图像和在先状态图像的采集间隔时长为20s，则可以确定目标物体的移动速度为1.05cm/s

通过将基于多个匹配特征点对的相对移动距离确定目标物体的移动距离，来确定目标物体的移动速度，避免了由于匹配特征点对可能会存在误差，而导致基于单一匹配特征点对的相对移动距离确定目标物体的移动距离时，目标物体的移动距离的精度较低问题；从而可以提高目标物体的移动距离的精度，进而可以提高目标物体的移动速度的检测精度。

本申请实施例中，通过获取处于传送装置的目标物体的在先状态图像和在后状态图像；分别检测并基于在后状态图像的M个关键点、在先状态图像的N个特征点，确定目标移动距离集合；基于目标移动距离集合确定目标物体的移动速度。第一方面，实现了对处于传送装置的目标物体的移动速度的检测，为后续传送装置是否出现拥堵或故障等判定提供了有力信息。第二方面，由于无需依赖于目标物体的全貌的检测，避免了基于物体检测跟踪法进行物体运动速度的检测，会导致物体运动速度的检测精度较低的问题。第三方面，由于无需基于光流法进行目标物体的移动速度的检测，避免了数据计算量大，会导致物体运动速度的检测速度较慢的问题。可见，本申请实施例既可以提高物体运动速度的检测速度，又可以提高物体运动速度的检测精度。

由于预设关键点检测算法、KNN算法等的算法精度难以达到百分百精确等原因，因此可能会导致匹配特征点对的误匹配、或匹配质量不高的情况。为了提高匹配点对集合中的匹配特征点的匹配精度，在一些实施例中，还可以对匹配特征点对作滤除处理，以便滤除误匹配或匹配质量不高等匹配精度较低的匹配特征点对。其中，提高匹配特征点对的匹配精度的方式有多种，例如，可以滤除特征不明显的匹配特征点对、滤除移动距离过大的匹配特征点对、滤除移动方向与传送装置方向差异过大的匹配特征点对。

下面，分别举例介绍提高匹配特征点对的匹配精度的几种方式：

方式1：滤除特征不明显的匹配特征点对。

此时，如图6所示，步骤204具体包括步骤2041B～步骤2045B：

2041B、遍历M个所述关键点，从N个所述特征点中，获取与当前遍历的关键点距离最近的第一目标特征点、以及与所述当前遍历的关键点距离第二近的第二目标特征点。

其中，与当前遍历的关键点距离最近是指与当前遍历的关键点的相似度最高。

与当前遍历的关键点距离第二近是指与当前遍历的关键点的相似度第二高。

关键点与特征点的之间的距离可以采用汉明距离表示。

示例性地，首先，计算当前遍历的关键点分别与N个特征点中的每个特征点之间的汉明距离。然后，可以通过K最近邻(k-Nearest Neighbor,KNN)分类算法，根据当前遍历的关键点分别与N个特征点中的每个特征点之间的汉明距离，确定与当前遍历的关键点距离最近的第一目标特征点、第二近的第二目标特征点。

其中，通过KNN算法可以得到每个特征点与其距离最近的k个特征点。因此，当k设置为2时，可以确定与当前遍历的关键点距离最近的第一目标特征点、第二近的第二目标特征点。

2042B、检测所述第一目标特征点与所述当前遍历的关键点的第一相似度。

其中，第一相似度是指第一目标特征点与当前遍历的关键点之间的相似度。

第一相似度的表现形式有多种。示例性地，第一相似度可以通过第一目标特征点与当前遍历的关键点之间的汉明距离来表示。

2043B、检测所述第二目标特征点与所述当前遍历的关键点的第二相似度。

其中，第二相似度是指第二目标特征点与当前遍历的关键点之间的相似度。

第二相似度的表现形式有多种。示例性地，第二相似度可以通过第二目标特征点与当前遍历的关键点之间的汉明距离来表示。

2044B、当所述第一相似度和所述第二相似度满足第一预设条件时，将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对。

示例性地，第一预设条件可以是第一相似度大于n倍的第二相似度。即第一预设条件为：y1>n*y2，其中，y1为第一相似度、y2为第二相似度，n可以根据实际业务场景需求而设置具体取值，如n＝0.7，此处不作限制。此处第一预设条件仅为举例，具体可以根据实际需求而调整第一预设条件，不以此为限。

具体地，当第一相似度和第二相似度满足第一预设条件时，将当前遍历的关键点和第一目标特征点，作为在后状态图像和在先状态图像之间的匹配特征点对。当第一相似度和第二相似度不满足第一预设条件时，从M个关键点中滤除当前遍历的关键点。

一般来说，目标物体的角点特征是相对比较明显的，因此第一目标特征点作为角点其周边的特征点相比差异应当较大。当第一相似度(记为y1)和第二相似度(记为y2)满足第一预设条件(如y1>n*y2)时，证明第一目标特征点和第二目标特征点没有很好的区分性，即可以认为第一特征点不是目标物体的角点，因此第一目标特征点对应的匹配特征点对可能为特征误匹配。

可见，当第一相似度和第二相似度满足第一预设条件时，才将当前遍历的关键点和第一目标特征点，作为在后状态图像和在先状态图像之间的匹配特征点对，可以避免对特征不明显的特征点进行匹配的问题，进而可以提高匹配特征点对的匹配精度。为后续确定目标物体的运动速度提供了精准的数据依据，提高了目标物体的运动速度的检测精度。

2045B、直至完成遍历M个所述关键点时，得到所述在后状态图像和所述在先状态图像之间的匹配点对集合。

其中，针对M个关键点，执行步骤2041B～步骤2043B可以获取得到多个匹配特征点对，此时可以将所得到的多个匹配特征点对加入匹配点对集合。

其中，步骤2041B～步骤2043B与上述步骤2041A～步骤2042A有相同或近似之处，具体可以参照上述说明及举例，为了简化表述此处不再赘述。

方式2：滤除移动距离过大的匹配特征点对。

具体可以根据如下步骤a1～步骤a3，实现滤除移动方向与传送装置方向差异过大的匹配特征点对：

a1、获取所述匹配点对集合中的每个匹配特征点对的相对移动距离。

其中，步骤a1与上述步骤2051类似，具体可以参照上述说明，此处不再赘述。

a2、从所述匹配点对集合中，确定所述相对移动距离大于预设距离阈值的目标匹配特征点对。

a3、将所述目标匹配特征点对从所述匹配点对集合中滤除，得到滤除后的匹配点对集合。

可以滤除移动速度与传送装置的输送速度明显不符，比如移动速度大于传送装置的输送速度的目标匹配特征点，从而提高

一般来说，目标物体的移动速度与传送装置的输送速度应当是基本相同的，因此，匹配特征点对的相对移动距离作为反映目标物体的移动速度，在一定时间内，匹配特征点对的相对移动距离应当保持在一定范围内。当匹配点对集合中的目标匹配特征点对的相对移动距离大于预设距离阈值时，可以将目标匹配特征点对从步骤204确定匹配点对集合中滤除；当匹配点对集合中的目标匹配特征点对的相对移动距离小于或等于预设距离阈值时，可以将目标匹配特征点保留在从步骤204确定匹配点对集合中，得到滤除后的匹配点对集合。

可见，通过将相对移动距离大于预设距离阈值的目标匹配特征点对从步骤204确定匹配点对集合中滤除，得到滤除后的匹配点对集合；步骤205中采用滤除后的匹配点对集合进行处理，可以滤除错误匹配的匹配特征点对；避免对错误匹配的匹配特征点对进行后续数据处理，而导致目标物体的移动速度的检测精度低问题；可以提高匹配点对集合中匹配特征点对的匹配精度，为后续确定目标物体的运动速度提供了精准的数据依据，提高了目标物体的运动速度的检测精度。

方式3：滤除移动方向与传送装置方向差异过大的匹配特征点对。

具体可以根据如下步骤b1～步骤b3，实现滤除移动方向与传送装置方向差异过大的匹配特征点对：

b1、获取所述传送装置的第一移动方向。

其中，第一移动方向是指传送装置的输送方向。

b2、获取所述匹配特征点对的第二移动方向。

其中，第二移动方向是指匹配特征点对的移动方向。

示例性地，如图5所示，可以根据每个匹配特征点对中的特征点的像素点坐标和关键点的像素点坐标，计算每个匹配特征点对中的特征点和关键点的相对移动方向。

b3、当所述第一移动方向与所述第二移动方向满足第二预设条件时，将所述匹配特征点对从所述匹配点对集合中滤除。

示例性地，第二预设条件可以是第一移动方向与第二移动方向之间的夹角大于预设夹角阈值。即第二预设条件为：θ1>θ2，其中，θ1为第一移动方向与第二移动方向之间的夹角、θ2为预设夹角阈值，θ2可以根据实际业务场景需求而设置具体取值，如θ2＝45°，此处不作限制。此处第二预设条件仅为举例，具体可以根据实际需求而调整第二预设条件，不以此为限。

具体地，当第一移动方向与第二移动方向满足第二预设条件时，将匹配特征点对从匹配点对集合中滤除。当第一移动方向与第二移动方向不满足第二预设条件时，将匹配特征点对保留在匹配点对集合中。

一般来说，目标物体的运动方向与传送装置的输送方向是基本相同的，因此，当第一移动方向与第二移动方向满足第二预设条件时，证明第一移动方向与第二移动方向偏差较大，即可以认为第一移动方向对应的匹配特征点对不是目标物体的角点，因此第一移动方向对应的匹配特征点对可能为特征误匹配。

可见，当第一移动方向与第二移动方向时，将第一移动方向对应的匹配特征点对从步骤204确定匹配点对集合中滤除，得到滤除后的匹配点对集合；步骤205中采用滤除后的匹配点对集合进行处理，可以滤除错误匹配的匹配特征点对；避免对错误匹配的匹配特征点对进行后续数据处理，而导致目标物体的移动速度的检测精度低问题；可以提高匹配点对集合中匹配特征点对的匹配精度，为后续确定目标物体的运动速度提供了精准的数据依据，提高了目标物体的运动速度的检测精度。

此处第一预设条件仅为举例，具体可以根据实际需求而调整第一预设条件，不以此为限。

在一些实施例中，在检测到目标物体的运动速度之后，还可以基于目标物体的运动速度，确定传送装置是否出现拥堵、故障等异常情况。为此，该物体运动速度的检测方法还可以进一步包括：检测所述目标物体的移动速度是否小于预设速度阈值；当所述目标物体的移动速度小于预设速度阈值时，确定所述传送装置处于异常状态。当目标物体的移动速度大于或等于预设速度阈值时，确定传送装置处于正常工作状态。

其中，异常状态可以是传送装置拥堵、故障等状态。

例如，预设速度阈值为0.01m/s，当检测到目标物体的移动速度(如0.002m/s)小于预设速度阈值(0.01m/s)，确定传送装置处于异常状态。当检测到目标物体的移动速度(如0.2m/s)大于预设速度阈值(0.01m/s)，确定传送装置处于正常工作状态。

进一步地，在一些实施例中，当确定传送装置处于异常状态时，触发告警功能，向传送装置的管理终端发出传送装置处于异常状态的提示信息。

进一步，为了避免异常状态的误判而导致错误的提示信息，还可以通过预设长度的数据栈，记录所述传送装置处于异常状态的判别次数；当所述数据栈所记录的所述传送装置处于异常状态的判别次数大于预设次数阈值时，输出所述传送装置处于异常状态的指示信息。

其中，指示信息是指起到提示传送装置处于异常状态的作用的信息，指示信息的表现形式可以有多种，比如，可以是在终端屏幕上显示文字提示信息。又如，可以是通过语音播放装置播放语音提示信息。再如，可以是通过指示灯亮灭作为起到提示作用的信息。

例如，可以维护一个预设长度为10的数据栈，当目标物体的运动速度大于预设速度阈值时，在数据栈栈尾存入一个1，反之存入0。同时推出数据栈栈头存储的数据。当数据栈栈内存储的数据和大于8，则认为此时传送装置上发生异常，在传送装置的管理终端输出传送装置处于异常状态的提示信息。

为了更好实施本申请实施例中物体运动速度的检测方法，在物体运动速度的检测方法基础之上，本申请实施例中还提供一种物体运动速度的检测装置，如图7所示，为本申请实施例中物体运动速度的检测装置的一个实施例结构示意图，该物体运动速度的检测装置700包括：

获取单元701，用于获取处于传送装置的目标物体的在先状态图像和在后状态图像；

检测单元702，用于基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；

所述检测单元702，还用于基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；

确定单元703，用于基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；

所述确定单元703，还用于获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；

所述确定单元703，还用于根据所述目标移动距离集合，确定所述目标物体的移动速度。

在一些实施例中，所述确定单元703具体用于：

遍历M个所述关键点，从N个所述特征点中，获取与当前遍历的关键点距离最近的第一目标特征点；

将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对；

直至完成遍历M个所述关键点时，得到所述在后状态图像和所述在先状态图像之间的匹配点对集合。

在一些实施例中，所述确定单元703具体用于：

获取与所述当前遍历的关键点距离第二近的第二目标特征点；

检测所述第一目标特征点与所述当前遍历的关键点的第一相似度；

检测所述第二目标特征点与所述当前遍历的关键点的第二相似度；

当所述第一相似度和所述第二相似度满足第一预设条件时，将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对。

在一些实施例中，所述确定单元703单元具体用于：

分别获取所述匹配点对集合中每个匹配特征点对的相对移动距离，得到所述匹配点对集合的多个相对移动距离；

基于多个所述相对移动距离，得到所述目标移动距离集合；

基于所述目标移动距离集合中的多个相对移动距离进行平均处理，得到所述目标物体的目标移动距离；

基于所述目标移动距离，确定所述目标物体的移动速度。

在一些实施例中，所述确定单元703具体用于：

从多个所述相对移动距离中，获取小于或等于预设距离阈值的目标相对移动距离，得到多个所述目标相对移动距离；

将多个所述目标相对移动距离作为目标移动距离集合。

在一些实施例中，在所述基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合步骤之后，所述确定单元703具体用于：

获取所述传送装置的第一移动方向；

获取所述匹配特征点对的第二移动方向；

当所述第一移动方向与所述第二移动方向满足第二预设条件时，将所述匹配特征点对从所述匹配点对集合中滤除。

在一些实施例中，所述物体运动速度的检测装置还包括判别单元(图中未示出)，在所述根据所述目标移动距离集合，确定所述目标物体的移动速度，的步骤之后，所述判别单元具体用于：

检测所述目标物体的移动速度是否小于预设速度阈值；

当所述目标物体的移动速度小于预设速度阈值时，确定所述传送装置处于异常状态。

在一些实施例中，所述物体运动速度的检测装置还包括提示单元(图中未示出)，所述提示单元具体用于：

通过预设长度的数据栈，记录所述传送装置处于异常状态的判别次数；

当所述数据栈所记录的所述传送装置处于异常状态的判别次数大于预设次数阈值时，输出所述传送装置处于异常状态的指示信息。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

由于该物体运动速度的检测装置可以执行本申请如图1至图6对应任意实施例中物体运动速度的检测方法中的步骤，因此，可以实现本申请如图1至图6对应任意实施例中物体运动速度的检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。

此外，为了更好实施本申请实施例中物体运动速度的检测方法，在物体运动速度的检测方法基础之上，本申请实施例还提供一种电子设备，参阅图8，图8示出了本申请实施例电子设备的一种结构示意图，具体的，本申请实施例提供的电子设备包括处理器801，处理器801用于执行存储器802中存储的计算机程序时实现如图1至图6对应任意实施例中物体运动速度的检测方法的各步骤；或者，处理器801用于执行存储器802中存储的计算机程序时实现如图7对应实施例中各单元的功能。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本申请实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。

电子设备可包括，但不仅限于处理器801、存储器802。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子备还可以包括输入输出设备、网络接入设备、总线等，处理器801、存储器802、输入输出设备以及网络接入设备等通过总线相连。

处理器801可以是中央处理单元(Central Processing Unit，CPU)，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)、现成可编程门阵列(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。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，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。

存储器802可用于存储计算机程序和/或模块，处理器801通过运行或执行存储在存储器802内的计算机程序和/或模块，以及调用存储在存储器802内的数据，实现计算机装置的各种功能。存储器802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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的物体运动速度的检测装置、电子设备及其相应单元的具体工作过程，可以参考如图1至图6对应任意实施例中物体运动速度的检测方法的说明，具体在此不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请如图1至图6对应任意实施例中物体运动速度的检测方法中的步骤，具体操作可参考如图1至图6对应任意实施例中物体运动速度的检测方法的说明，在此不再赘述。

其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

由于该计算机可读存储介质中所存储的指令，可以执行本申请如图1至图6对应任意实施例中物体运动速度的检测方法中的步骤，因此，可以实现本申请如图1至图6对应任意实施例中物体运动速度的检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。

以上对本申请实施例所提供的一种物体运动速度的检测方法、装置、电子设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (11)

1.一种物体运动速度的检测方法，其特征在于，所述方法包括：

获取处于传送装置的目标物体的在先状态图像和在后状态图像；

基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；

基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；

基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；

获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；

根据所述目标移动距离集合，确定所述目标物体的移动速度。

2.根据权利要求1所述的物体运动速度的检测方法，其特征在于，所述基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，包括：

遍历M个所述关键点，从N个所述特征点中，获取与当前遍历的关键点距离最近的第一目标特征点；

将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对；

直至完成遍历M个所述关键点时，得到所述在后状态图像和所述在先状态图像之间的匹配点对集合。

3.根据权利要求2所述的物体运动速度的检测方法，其特征在于，所述将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对，包括：

获取与所述当前遍历的关键点距离第二近的第二目标特征点；

检测所述第一目标特征点与所述当前遍历的关键点的第一相似度；

检测所述第二目标特征点与所述当前遍历的关键点的第二相似度；

当所述第一相似度和所述第二相似度满足第一预设条件时，将所述当前遍历的关键点和所述第一目标特征点，作为所述在后状态图像和所述在先状态图像之间的匹配特征点对。

4.根据权利要求1所述的物体运动速度的检测方法，其特征在于，所述获取所述匹配点对集合对应的目标移动距离集合，包括：

分别获取所述匹配点对集合中每个匹配特征点对的相对移动距离，得到所述匹配点对集合的多个相对移动距离；

基于多个所述相对移动距离，得到所述目标移动距离集合；

所述根据所述目标移动距离集合，确定所述目标物体的移动速度，包括：

基于所述目标移动距离集合中的多个相对移动距离进行平均处理，得到所述目标物体的目标移动距离；

基于所述目标移动距离，确定所述目标物体的移动速度。

5.根据权利要求3所述的物体运动速度的检测方法，其特征在于，所述基于多个所述相对移动距离，得到所述目标移动距离集合，包括：

从多个所述相对移动距离中，获取小于或等于预设距离阈值的目标相对移动距离，得到多个所述目标相对移动距离；

将多个所述目标相对移动距离作为目标移动距离集合。

6.根据权利要求1所述的物体运动速度的检测方法，其特征在于，所述基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，之后还包括：

获取所述传送装置的第一移动方向；

获取所述匹配特征点对的第二移动方向；

当所述第一移动方向与所述第二移动方向满足第二预设条件时，将所述匹配特征点对从所述匹配点对集合中滤除。

7.根据权利要求1-6任一项所述的物体运动速度的检测方法，其特征在于，所述根据所述目标移动距离集合，确定所述目标物体的移动速度，之后还包括：

检测所述目标物体的移动速度是否小于预设速度阈值；

当所述目标物体的移动速度小于预设速度阈值时，确定所述传送装置处于异常状态。

8.根据权利要求7所述的物体运动速度的检测方法，其特征在于，所述方法还包括：

通过预设长度的数据栈，记录所述传送装置处于异常状态的判别次数；

当所述数据栈所记录的所述传送装置处于异常状态的判别次数大于预设次数阈值时，输出所述传送装置处于异常状态的指示信息。

9.一种物体运动速度的检测装置，其特征在于，所述物体运动速度的检测装置包括：

获取单元，用于获取处于传送装置的目标物体的在先状态图像和在后状态图像；

检测单元，用于基于预设关键点检测算法，对所述在后状态图像进行特征点提取，得到所述在后状态图像的M个关键点；

所述检测单元，还用于基于预设关键点检测算法，对所述在先状态图像进行特征点提取，得到所述在先状态图像的N个特征点；

确定单元，用于基于M个所述关键点与N个所述特征点，确定所述在后状态图像和所述在先状态图像之间的匹配点对集合，其中，所述匹配点对集合包含至少一个所述在后状态图像和所述在先状态图像之间的匹配特征点对；

所述确定单元，还用于获取所述匹配点对集合对应的目标移动距离集合，其中，所述目标移动距离集合包含至少一个所述匹配特征点对的相对移动距离；

所述确定单元，还用于根据所述目标移动距离集合，确定所述目标物体的移动速度。

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至8任一项所述的物体运动速度的检测方法。

11.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至8任一项所述的物体运动速度的检测方法中的步骤。

Images