CN115984780A - 工业固体废物出入库判别方法、装置、电子设备及介质 - Google Patents
工业固体废物出入库判别方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115984780A CN115984780A CN202310153678.2A CN202310153678A CN115984780A CN 115984780 A CN115984780 A CN 115984780A CN 202310153678 A CN202310153678 A CN 202310153678A CN 115984780 A CN115984780 A CN 115984780A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- warehouse
- detected
- solid waste
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种工业固体废物出入库判别方法、装置、电子设备及介质。方案如下:获取目标仓库的待检测图像;基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个;对检测出的运动目标进行目标识别,得到目标识别结果;根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。通过本申请实施例提供的技术方案,实现了对工业固体废物的出入库的自动化判别,保证了工业固体废物的出入库判别结果的准确性和及时性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种工业固体废物出入库判别方法、装置、电子设备及介质。
背景技术
随着工业规模和产能的迅速扩大,由此产生的工业固体废物也越来越多。其中,工业固体废物可以包括一般工业固体废物、危险废物、医疗废物、生活垃圾等。针对此类工业固体废物,企业需要进行分级监管。例如,将不同的工业固体废物存放到不同的仓库,后期再针对不同仓库中存放的工业固体废物进行后续统一处理。
目前,在工业固体废物的分级监管过程中,需要针对工业固体废物的出入库进行有效的监管,尤其是针对危险废物的出入库监管需要更加严格。
发明内容
本申请实施例的目的在于提供一种工业固体废物出入库判别方法、装置、电子设备及介质,以实现对工业固体废物的出入库的自动化判别,保证工业固体废物的出入库判别结果的准确性。具体技术方案如下:
本申请实施例提供了一种工业固体废物出入库判别方法,所述方法包括:
获取目标仓库的待检测图像;
基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测;所述运动目标包括人员、工业固体废物中的一个或多个;
对检测出的运动目标进行目标识别,得到目标识别结果;
根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
可选的,所述基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测的步骤,包括:
对所述目标仓库的背景图像进行图像特征提取,得到第一图像特征;
对所述待检测图像进行图像特征提取,得到第二图像特征;
基于所述第一图像特征和所述第二图像特征进行卷积运算,得到针对所述待检测图像中运动目标的掩膜图像。
可选的,所述对检测出的运动目标进行目标识别,得到目标识别结果的步骤,包括:
在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像;
对所述待识别图像进行图像特征提取,得到第三图像特征;
基于所述第三图像特征进行目标识别,得到目标识别结果。
可选的,所述在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像的步骤,包括:
在检测到所述运动目标时,对目标检测得到的掩膜图像与所述待检测图像进行与运算,得到待截取图像;
利用轮廓查找算法,在所述待截取图像中查找所述运动目标的轮廓位置;
将所述轮廓位置的外接矩形所在的图像区域,确定为所述运动目标所在的图像区域;
从所述待截取图像中截取所述运动目标所在图像区域的区域图像,得到待识别图像。
可选的,所述目标识别结果中包括第一识别结果和第二识别结果,所述第一识别结果为指示所述运动目标中包括人员的第一概率值,所述第二识别结果为指示所述运动目标中包括工业固体废物的第二概率值。
可选的,当所述目标仓库为存放一般工业固体废物的第一仓库时,所述根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果的步骤,包括:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述运动目标从所述第二位置移动到所述第一位置时,判定进行一般工业固体废物的出库操作;
其中,所述第一位置和所述第二位置在所述目标仓库的仓库门的预设范围内,所述第一位置与所述仓库门间的距离小于所述第二位置与所述仓库门间的距离。
可选的,所述方法还包括:
在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警;
在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
可选的,当所述目标仓库为存放危险废物的第二仓库时,所述根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果的步骤,包括:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作;
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从所述第四位置移动到所述第三位置,则判定进行危险废物的出库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述第二概率值不大于所述第二预设阈值时,若所述运动目标从所述第三位置移动到所述第四位置,再从所述第四位置移动到所述第三位置,则判定进行人员巡检;
其中,所述第三位置和所述第四位置在所述目标仓库的仓库门的预设范围内,所述第三位置与所述仓库门间的距离小于所述第四位置与所述仓库门间的距离。
可选的,所述方法还包括:
在判定进行危险废物的入库操作时,进行危险废物入库告警;
在判定进行危险废物的出库操作时,进行危险废物出库告警;
在判定进行人员巡检时,进行危险废物巡检告警。
可选的,所述方法还包括:
对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果;
在连续预设数量个异或运算结果均为0时,获取目标图像作为所述目标仓库的背景图像,所述目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
本申请实施例还提供了一种工业固体废物出入库判别装置,所述装置包括:
第一获取模块,用于获取目标仓库的待检测图像;
检测模块,用于基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测;所述运动目标包括人员、工业固体废物中的一个或多个;
识别模块,用于对检测出的运动目标进行目标识别,得到目标识别结果;
判别模块,用于根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
可选的,所述检测模块,具体用于对所述目标仓库的背景图像进行图像特征提取,得到第一图像特征;
对所述待检测图像进行图像特征提取,得到第二图像特征;
基于所述第一图像特征和所述第二图像特征进行卷积运算,得到针对所述待检测图像中运动目标的掩膜图像。
可选的,所述识别模块,包括:
截取子模块,用于在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像;
提取子模块,用于对所述待识别图像进行图像特征提取,得到第三图像特征;
识别子模块,用于基于所述第三图像特征进行目标识别,得到目标识别结果。
可选的,所述截取子模块,具体用于在检测到所述运动目标时,对目标检测得到的掩膜图像与所述待检测图像进行与运算,得到待截取图像;
利用轮廓查找算法,在所述待截取图像中查找所述运动目标的轮廓位置;
将所述轮廓位置的外接矩形所在的图像区域,确定为所述运动目标所在的图像区域;
从所述待截取图像中截取所述运动目标所在图像区域的区域图像,得到待识别图像。
可选的,所述目标识别结果中包括第一识别结果和第二识别结果,所述第一识别结果为指示所述运动目标中包括人员的第一概率值,所述第二识别结果为指示所述运动目标中包括工业固体废物的第二概率值。
可选的,当所述目标仓库为存放一般工业固体废物的第一仓库时,所述判别模块,具体用于:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述运动目标从所述第二位置移动到所述第一位置时,判定进行一般工业固体废物的出库操作;
其中,所述第一位置和所述第二位置在所述目标仓库的仓库门的预设范围内,所述第一位置与所述仓库门间的距离小于所述第二位置与所述仓库门间的距离。
可选的,所述装置还包括:
第一告警模块,用于在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警;
第二告警模块,用于在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
可选的,当所述目标仓库为存放危险废物的第二仓库时,所述判别模块,具体用于在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作;
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从所述第四位置移动到所述第三位置,则判定进行危险废物的出库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述第二概率值不大于所述第二预设阈值时,若所述运动目标从所述第三位置移动到所述第四位置,再从所述第四位置移动到所述第三位置,则判定进行人员巡检;
其中,所述第三位置和所述第四位置在所述目标仓库的仓库门的预设范围内,所述第三位置与所述仓库门间的距离小于所述第四位置与所述仓库门间的距离。
可选的,所述装置还包括:
第三告警模块,用于在判定进行危险废物的入库操作时,进行危险废物入库告警;
第四告警模块,用于在判定进行危险废物的出库操作时,进行危险废物出库告警;
第五告警模块,用于在判定进行人员巡检时,进行危险废物巡检告警。
可选的,所述装置还包括:
计算模块,用于对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果;
第二获取模块,用于在连续预设数量个异或运算结果均为0时,获取目标图像作为所述目标仓库的背景图像,所述目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
本申请实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的工业固体废物出入库判别方法步骤。
本申请实施例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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的工业固体废物出入库判别方法步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的工业固体废物出入库判别方法。
本申请实施例有益效果:
本申请实施例提供的技术方案,可以在获得目标仓库的待检测图像后,基于目标仓库的背景图像,对待检测图像进行运动目标检测,并在检测到的运动目标时,对该运动目标进行目标识别,得到目标识别结果,从而根据该目标识别结果和运动目标的运动方向进行工业固体废物的出入库自动化判别,实现了对工业固体废物的出入库自动化判别。
另外,通过目标检测过程,可以准确检测出待检测图像中的是否包含运动目标,也就是检测出待检测图像中是否包含移动的人员或工业固体废物,进一步的,在检测出运动目标时,通过目标识别过程可以准确识别出运动目标中包括的人员和/或工业固体废物,由于目标识别过程仅针对检测出的运动目标,这大大降低了待检测图像的背景中的物体对目标识别结果的影响,提高了目标识别结果的准确性,以及提高了目标检测和目标识别的效率,从而在基于该目标识别结果进行出入库判别时,可以有效提高了工业固体废物的出入库判别结果的准确性,并且提高了出入库判别的效率。
再者,相比于仅针对工业固体废物的识别方法,通过对运动目标中人员以及工业固体废物的识别,综合了运动目标检测结果和目标识别结果,有效提高了目标识别结果的准确性和针对性,从而提高了工业固体废物出入库判别的准确性。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
图1为本申请实施例提供的工业固体废物出入库判别方法的第一种流程示意图;
图2为本申请实施例提供的工业固体废物出入库判别方法的第二种流程示意图;
图3-a为本申请实施例提供的前景提取网络的一种结构示意图;
图3-b为图3-a中ConvRes模块的一种结构示意图;
图3-c为图3-a中ConvUP模块的一种结构示意图;
图3-d为本申请实施例提供的目标仓库的背景图像;
图3-e为本申请实施例提供的某一待检测图像;
图3-f为图3-d所示的背景图像和图3-e所示的待检测图像输入至前景提取网络后输出的掩膜图像;
图4为本申请实施例提供的工业固体废物出入库判别方法的第三种流程示意图;
图5为本申请实施例提供的目标识别模型的一种结构示意图;
图6-a为本申请实施例提供的待截取图像的一种示意图;
图6-b为图6-a中运动目标所在图像区域截取的一种示意图;
图7为本申请实施例提供的工业固体废物出入库判别方法的第四种流程示意图;
图8为本申请实施例提供的目标仓库的一种示意图;
图9为本申请实施例提供的工业固体废物出入库判别方法的第五种流程示意图;
图10为本申请实施例提供的工业固体废物出入库判别方法的第六种流程示意图;
图11为本申请实施例提供的工业固体废物出入库判别方法的第七种流程示意图;
图12为本申请实施例提供的工业固体废物出入库判别方法的第八种流程示意图;
图13为本申请实施例提供的工业固体废物出入库判别装置的一种结构示意图;
图14为本申请实施例提供的电子设备的一种结构示意图。
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,本领域普通技术人员基于本申请所获得的所有其他实施例,都属于本申请保护的范围。
相关技术中,在针对工业固体废物进行分级管理时,获取仓库的视频数据,从而通过人工观看该视频数据的方式进行工业固体废物的出入库判别,这大大增加了出入库判别的复杂度。
为了解决相关技术中的问题,本申请实施例提供了一种工业固体废物出入库判别方法。如图1所示,图1为本申请实施例提供的工业固体废物出入库判别方法的第一种流程示意图。该方法可以应用于任一电子设备,具体包括以下步骤。
步骤S101,获取目标仓库的待检测图像。
步骤S102,基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个。
步骤S103,对检测出的运动目标进行目标识别,得到目标识别结果。
步骤S104,根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
在本申请实施例中,上述电子设备可以为图像采集设备,也可以为与图像采集设备通信连接的其他设备,如用于图像分析的设备。在此,对上述电子设备不作任何限定。
通过图1所示的方法,可以在获得目标仓库的待检测图像后,基于目标仓库的背景图像,对待检测图像进行运动目标检测,并在检测到的运动目标时,对该运动目标进行目标识别,得到目标识别结果,从而根据该目标识别结果和运动目标的运动方向进行工业固体废物的出入库自动化判别,实现了对工业固体废物的出入库自动化判别。
另外,通过目标检测过程,可以准确检测出待检测图像中的是否包含运动目标,也就是检测出待检测图像中是否包含移动的人员或工业固体废物,进一步的,在检测出运动目标时,通过目标识别过程可以准确识别出运动目标中包括的人员和/或工业固体废物,由于目标识别过程仅针对检测出的运动目标,这大大降低了待检测图像的背景中的物体对目标识别结果的影响,提高了目标识别结果的准确性,以及提高了目标检测和目标识别的效率,从而在基于该目标识别结果进行出入库判别时,可以有效提高了工业固体废物的出入库判别结果的准确性,并且提高了出入库判别的效率。
再者,相比于仅针对工业固体废物的识别方法,通过对运动目标中人员以及工业固体废物的识别,综合了运动目标检测结果和目标识别结果,有效提高了目标识别结果的准确性和针对性,从而提高了工业固体废物出入库判别的准确性。
下面通过具体的实施例,对本申请实施例进行说明。
针对上述步骤S101,即获取目标仓库的待检测图像。
在本申请实施例中,每一存放工业固体废物的仓库中均设置有对应的图像采集设备,如,监控摄像头,并利用该图像采集设备对仓库进行实时的图像采集,得到采集图像。
一个可选的实施例中,当上述电子设备为目标仓库中的图像采集设备时,电子设备采集目标仓库在当前时刻的图像,作为待检测图像。
另一个可选的实施例中,当上述电子设备为与上述目标图像采集设备通信连接的设备时,电子设备可以获取目标仓库所对应的图像采集设备采集到的采集图像,作为待检测图像。
上述待检测图像的数量可以为一个或多个。为便于理解,下面仅以一个待检测图像为例进行说明,并不起任何限定作用。
针对上述步骤S102,即基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个。
在本步骤中,电子设备可以获取目标仓库的背景图像,从而利用该背景图像,对待检测图像进行运动目标检测,确定该待检测图像中是否包括运动目标,得到目标检测结果。
一个可选的实施例中,电子设备可以利用预先训练好的前景提取网络(即FgNet),对待检测图像中的运动目标进行检测,得到目标检测结果。也就是将目标仓库的背景图像和上述待检测图像分别输入至预先训练训练好的前景提取网络中,获取该前景提取网络输出的掩膜(Mask)图像,作为目标检测结果。关于待检测图像中运动目标的检测可参见下文描述,在此不作赘述。
上述运动目标可以包括人员、工业固体废物、运输车辆中的一个或多个。在此,对上述运动目标不作具体限定。
在本申请实施例中,上述前景提取网络是利用第一训练集训练得到的。该第一训练集包括多个样本图像组,以及每一样本图像组对应的标签信息。每一样本图像组中包括一张背景图像和一张其他图像,该其他图像中可以包括运动目标,也可以不包括运动目标。每一样本图像组对应的标签信息用于指示该样本图像组中除背景图像外的另一图像中是否包括运动目标。关于前景提取网络的训练可参照相关技术中神经网络模型的训练方法,在此,对前景提取网络的训练过程不作具体说明。
针对上述步骤S103,即对检测出的运动目标进行目标识别,得到目标识别结果。
在本步骤中,在上述步骤S102中检测出运动目标时,电子设备可以针对检测出的运动目标进行目标识别,从而得到目标识别结果。
一个可选的实施例中,电子设备可以利用目标识别模型(即HVWNet),对检测出的运动目标进行识别,从而确定该运动目标为上述人员、运输车辆、工业固体废物中的一个,还是多个,得到目标识别结果。也就是通过目标识别模型对检测出的运动目标的目标识别,确定出运动目标中包括指定目标的概率值。指定目标即为人员、运输车辆、工业固体废物中的一个或多个。关于目标识别模型可参见下文描述,在此不作具体说明。
一个可选的实施例中,上述目标识别结果中可以包括第一识别结果和第二识别结果,第一识别结果为指示运动目标中包括人员的第一概率值,第二识别结果为指示运动目标中包括工业固体废物的第二概率值。
在本申请实施例中,上述目标识别结果中除了包括上述第一识别结果和第二识别结果以外,还可以包括其他识别结果。例如,上述目标识别结果中还可以包括第三识别结果,该第三识别结果为指示运动目标中包括运输车辆的第三概率值。
针对上述目标识别结果,根据具体应用场景的不同,以及自动化技术的发展,上述目标识别结果所包括的识别结果将有所不同。例如,当企业全面实施自动化时,也就是上述工业固体废物的出入库操作均由自动运输车辆完成时,上述步骤S103中目标识别得到的目标识别结果可以仅包括上述第二识别结果和第三识别结果。在此,对上述目标识别结果、运动目标中包括的人员、工业固体废物或运输车辆不作具体限定。为便于理解,下面仅以目标识别结果包括上述第一识别结果和第二识别结果为例进行说明,并不起任何限定作用。
在本申请实施例中,上述目标识别模型是利用第二训练集训练得到的。该第二训练集中包括多个样本图像,以及每一样本图像的标签信息。每一样本图像中的标签信息用于指示样本图像中目标物的类别,如上述人员、运输车辆或工业固体废物。关于目标识别模型的训练可参照相关技术中神经网络模型的训练方法,在此,对目标识别模型的训练过程不作具体说明。
针对上述步骤S104,即根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
在本步骤中,电子设备可以根据上述目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。也就是根据目标识别结果和运动目标的运动轨迹判断工业固体废物是出库,还是入库。
在本申请实施例中,上述运动目标的运动方向可以为待检测图像中运动目标的朝向,如人脸的朝向,运输车辆的朝向等。上述运动目标的运动方向也可以是根据多张待检测图像中运动目标的运动轨迹确定出的方向。例如,运动目标的运动方向可以根据运动目标先后通过目标仓库的仓库门所在预设范围内的两个不同位置的先后顺序确定的。在此,对上述运动目标的运动方向的确定方式不作具体限定。
一个可选的实施例中,根据上述图1所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图2所示,图2为本申请实施例提供的工业固体废物出入库判别方法的第二种流程示意图。在图2所示的方法中,上述步骤S102被细化为以下步骤,即步骤S1021-步骤S1023。
步骤S1021,对目标仓库的背景图像进行图像特征提取,得到第一图像特征。
步骤S1022,对待检测图像进行图像特征提取,得到第二图像特征。
步骤S1023,基于第一图像特征和第二图像特征进行卷积运算,得到针对待检测图像中运动目标的掩膜图像。
为便于理解,结合图3-a至图3-c对上述运动目标的检测进行说明。其中,图3-a为本申请实施例提供的前景提取网络的一种结构示意图,图3-b为图3-a中ConvRes模块的一种结构示意图,图3-c为图3-a中ConvUP模块的一种结构示意图。
在图3-a所示的前景提取网络中,输入数据为背景图像Inputb和第n个待检测图像Inputn。背景图像和待检测图像输入前景提取网络后,将由多级ConvRes模块分别对背景图像和待检测图像进行图像特征提取,得到每一ConvRes模块输出的背景图像中的图像特征(记为第一图像特征),以及待检测图像的图像特征(记为第二图像特征)。
在图3-b所示的ConvRes模块中,输入数据依次经过批标准化(BatBatchNormalizationchNorm,BN)处理、激活函数处理(即ReLU)、卷积处理(即Conv)和批标准化处理,得到输出数据,从而将该输出数据和ConvRes模块的输入数据经过加法器的加运算,输入至ReLU激活函数进行运算,得到该ConvRes模块的输出数据,也就是图像特征提取所提取到的图像特征。
针对上述图3-a中的每一ConvRes模块,该ConvRes模块的输入数据即为前一处理模块的输出数据,如Inputb所连接的两个ConvRes模块,前一个ConvRes模块的输入数据即为Inputb所传入的背景图像,后一个ConvRes模块的输入数据即为前一个ConvRes模块的输出数据,也就是从背景图像中提取到的图像特征。
在提取到上述第一图像特征和第二图像特征后,第一图像特征和第二图像特征在Concate模块进行拼接操作,从而在ConvUP模块进行上采样,最终拼接得到的图像特征将在Conv模块进行卷积运算得到输出结果,并通过Outputn输出。
在图3-c所示的ConvUP模块中,输入数据依次经过Conv模型的卷积处理,BN模块的批标准化处理,ReLU模块激活函数处理以及UpSample模块的上采样处理。通过图3-c所示的上采样过程,可以有效缓解特征提取过程所减少的特征数据,丰富图像特征,提高后期卷积计算的准确性。
在本申请实施例中,上述背景图像和待检测图像在输入上述前景提取网络后,将输出针对待检测图像中运动目标的掩膜图像。为便于理解,结合图3-d至图3-f进行说明。图3-d为本申请实施例提供的目标仓库的背景图像。图3-e为本申请实施例提供的某一待检测图像。图3-f为图3-d所示的背景图像和图3-e所示的待检测图像输入至前景提取网络后输出的掩膜图像。
在图3-f所示的掩膜图像中,运动目标所在的区域以白色区域表示。因此,当上述前景提取网络输出的掩膜图像中不存在白色区域时,表示待检测图像中未检测出运动目标。当上述前景提取网络输出的掩膜图像中存在白色区域时,表示待检测图像中检测出运动目标,该白色区域即为运动目标所在的区域。
在本申请实施例中,电子设备可以同时将上述背景图像和待检测图像分别输入至上述前景提取网络,由前景提取网络中Inputb和Inputn所连接的ConvRes模块,对输入数据进行图像特征提取。根据上述前景提取网络中Inputb和Inputn所连接的ConvRes模块的数量不同,前景提取网络对背景图像和待检测图像进行图像特征提取的次数,以及图像特征提取的结束时间也将不同。在此,对上述步骤S1021和步骤S1022的执行顺序不作具体限定。
通过上述步骤S1021-步骤S1023,电子设备可以利用前景提取网络得到针对待检测图像中运动目标的掩膜图像,从而确定出待检测图像中是否包含运动目标,提高了运动目标检测的准确性和运动目标检测的效率。
一个可选的实施例中,根据上述图1所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图4所示,图4为本申请实施例提供的工业固体废物出入库判别方法的第三种流程示意图。在图4所示的方法中,上述步骤S103被细化为以下步骤,即步骤S1031-步骤S1033。
步骤S1031,在检测到运动目标时,基于待检测图像,截取运动目标对应的区域图像,作为待识别图像。
步骤S1032,对待识别图像进行图像特征提取,得到第三图像特征。
步骤S1033,基于第三图像特征进行目标识别,得到目标识别结果。
为便于理解,结合图5进行说明。图5为本申请实施例提供的目标识别模型的一种结构示意图。
电子设备在获得上述待识别图像后,可以通过图5所示的Input模块将上述待识别图像输入至目标识别模型,目标识别模型再通过多个ConvRes模块对输入的待识别图像进行图像特征提取,从而利用AdpVerPooling模块对ConvRes模块输出的特征进行全局平均池化操作,得到池化后的图像特征,利用Conv模块对池化的图像特征经卷积运算,得到待识别图像对应的目标识别结果,并通过Output模块输出该目标识别结果。
上述图5中的ConvRes模块与上述图3-b所示的ConvRes模块相同,在此不作具体说明。
一个可选的实施例中,上述目标识别结果可以表示为:Output=[human_prob,vehicle_prob,waste_prob]。其中,Output为上述目标识别模型的输出结果,human_prob为上述第一概率值,vehicle_prob为上述第三概率值,waste_prob为上述第二概率值。
上述human_prob、vehicle_prob、waste_prob的取值范围在0至1之间。
一个可选的实施例中,针对上述目标识别结果中包括的每一概率值,电子设备可以将该概率值与其对应的预设阈值进行比较,从而确定上述步骤S102中检测出的运动目标中是否存在对应的目标。
例如,电子设备可以将上述第一概率值与第一预设阈值进行比较。当第一概率值大于第一预设阈值时,电子设备可以确定运动目标中包括人员。当第一概率值不大于第一预设阈值时,电子设备可以确定运动目标中未包括人员。
电子设备可以将第二概率值与第二预设阈值进行比较。当第二概率值大于第二预设阈值时,电子设备可以确定运动目标中包括工业固体废物。当第二概率值不大于第二预设阈值时,电子设备可以确定运动目标中未包括工业固体废物。
电子设备可以将第三概率值与第三预设阈值进行比较。当第三概率值大于第三预设阈值时,电子设备可以确定运动目标中包括运输车辆。当第三概率值不大于第三预设阈值时,电子设备可以确定运动目标中未包括运输车辆。
在本申请实施例中,上述第一预设阈值、第二预设阈值和第三预设阈值的大小可以相同,也可以不同。例如,上述第一预设阈值、第二预设阈值和第三预设阈值可以均为0.8。在此,对上述第一预设阈值、第二预设阈值和第三预设阈值的大小不作具体限定。
通过上述步骤S1031-步骤S1033,电子设备可以在检测出运动目标后,对检测出的运动目标进行目标识别,从而得到目标识别结果,在保证目标识别结果的准确性的同时,提高了目标识别效率。
在本申请实施例中,上述图3-a和图5仅给出了前景提取网络和目标识别模型的一种结构示意图。除此以外,上述前景提取网络和目标识别模型的网络结构可以根据应用场景、用户需求等进行设置。例如,上述前景提取网络和目标识别模型中的ConvRes模型的数量均可以根据用户需求等进行调整。在此,对上述前景提取网络和目标识别模型的网络结构不作具体限定。
一个可选的实施例中,针对上述步骤S1031,即在检测到运动目标时,从待检测图像中截取运动目标对应的区域图像,作为待识别图像,电子设备可以将该步骤细化为以下步骤,即步骤一至步骤四。
步骤一,在检测到运动目标时,对目标检测得到的掩膜图像与待检测图像进行与运算,得到待截取图像。
一个可选的实施例中,由于上述前景提取网络的输出结果为上述掩膜图像,因此,在检测到存在运动目标时,也就是掩膜图像中存在白色区域时,电子设备可以对上述掩膜图像和上述待检测图像进行按位与运算,也就是将掩膜图像中的每一像素点与待检测图像中相同位置处的像素点进行与运算,得到运算结果(记为待截取图像)。
例如,电子设备在对上述图3-e所示的待检测图像和图3-f所示的掩膜图像进行与运算后,可以得到如图6-a所示的待截取图像。图6-a为本申请实施例提供的待截取图像的一种示意图。
一个可选的实施例中,电子设备可以利用以下公式,获得待截取图像。
MovObjectn=Inputn&Outputn
其中,MovObjectn为待截取图像,Inputn为上述前景提取网络中输入的第n个待检测图像,&为按位与运算,Outputn为上述前景提取网络针对Inputn输出的掩膜图像。
在本申请实施例中,通过对上述掩膜图像和待检测图像的与运算,在获得待截取图像的同时,可以使得该待截取图像中仅包括运动的物体,也就是使得待截取图像中并不包括待检测图像中的背景部分,这使得后期截取到的待识别图像中也不包括待检测图像中的背景部分,从而避免了背景中的物体对后期目标识别过程所造成的干扰,提高了后期目标识别结果的准确性。
步骤二,利用轮廓查找算法,在待截取图像中查找运动目标的轮廓位置。
在本步骤中,针对获得上述待截取图像后,电子设备可以利用轮廓查找算法,在该待截取图像中进行轮廓查找,从而确定运动目标的轮廓位置。
一个可选的实施例中,上述轮廓查找算法可以为跨平台计算机视觉库(OpenCV)的查找轮廓方法findContours,findContours为OpenCV库中的轮廓查找函数。在此,对上述轮廓查找算法不作具体限定。
步骤三,将轮廓位置的外接矩形所在的图像区域,确定为运动目标所在的图像区域。
在本步骤中,针对上述步骤一中确定出的运动目标的轮廓位置,电子设备可以在待截取图像中确定出该轮廓位置对应的外接矩形区域,并将该外接矩形区域所在的图像区域确定为运动目标所在的图像区域。
为便于理解,结合图6-b为例进行说明,图6-b为图6-a中运动目标所在图像区域截取的一种示意图。
通过对上述图6-a中运动目标的轮廓位置的查找,电子设备可以确定图6-b中区域601所示的外接矩形区域即为待截取图像中运动目标所在的图像区域。
步骤四,从待截取图像中截取运动目标所在图像区域的区域图像,得到待识别图像。
在本步骤中,电子设备在上述待截取图像中确定运动目标所在的图像区域后,可以从待截取图像中截取该图像区域,得到待识别图像。例如,电子设备可以截取上述图6-b中的区域601所对应的图像区域,得到待识别图像。
一个可选的实施例中,上述待识别图像MovObjectSubn在上述待截取图像中的位置信息可以表示为:MovObjectSubn=MovObjectn[rect[1]:rect[1]+rect[3],rect[0]:rect[0]+rect[2]]。其中,MovObjectn为上述待截取图像,rect[1]为上述截取的外接矩形(如上述区域601)左上角顶点的纵坐标值,rect[3]为截取的外接矩形的高度,rect[1]+rect[3]为截取的外接矩形的右下角顶点的纵坐标值,rect[0]为截取的外接矩形左上角顶点的横坐标值,rect[2]为截取的外接矩形的宽度,rect[0]+rect[2]为截取的外接矩形右下角顶点的横坐标值,rect[1]:rect[1]+rect[3]表示竖直方向的截取范围为左上角的纵坐标到右下角的纵坐标,rect[0]:rect[0]+rect[2]表示水平方向的截取范围为左上角的横坐标到右下角的横坐标。电子设备可以根据MovObjectSubn所表示的截取范围进行待识别图像的截取,得到待识别图像。
通过上述步骤一至步骤四,电子设备可以准确获得待识别图像。并且,由于待截取图像是由前景提取网络输出的掩膜图像与待检测图像进行与运算得到的,因此,在待截取图像中并不包括除运动目标以外的背景区域,如上述图6-a所示的待截取图像中除运动目标所在区域以外图像区域均为黑色,不包括任何图像信息,这使得从待截取图像中截取到的待识别图像也不包括待检测图像中的背景区域,避免了背景中的物体对后期目标识别的干扰,提高了后期目标识别结果的准确性。
一个可选的实施例中,上述目标识别结果中包括第一识别结果和第二识别结果,第一识别结果为指示运动目标中包括人员的第一概率值,第二识别结果为指示运动目标中包括工业固体废物的第二概率值。
一个可选的实施例中,当目标仓库为存放一般工业固体废物的第一仓库时,根据上述图1所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图7所示,图7为本申请实施例提供的工业固体废物出入库判别方法的第四种流程示意图。在图7所示的方法中,上述步骤S104被细化为以下步骤,即步骤S1041-步骤S1042。
步骤S1041,在目标识别结果中的第一概率值大于第一预设阈值,且运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作。
上述第一位置和第二位置在目标仓库的仓库门的预设范围内,第一位置与仓库门间的距离小于第二位置与仓库门间的距离。
步骤S1042,在目标识别结果中的第一概率值大于第一预设阈值,且运动目标从第二位置移动到第一位置时,判定进行一般工业固体废物的出库操作。
为便于理解,当上述目标仓库为存放一般工业固体废物的第一仓库时,结合图8对一般工业固体废物的出入库操作判别进行说明。图8为本申请实施例提供的目标仓库的一种示意图。
在图8中,区域1和区域2均在目标仓库的仓库门的预设范围内,并且,区域1与仓库门间的距离小于区域2与仓库门间的距离。也就是区域1所在的位置为上述第一位置,区域2所在的位置为上述第二位置。
当上述目标识别结果中第一概率值大于第一预设阈值时,也就是运动目标中包括人员时,若该人员从区域1移动到区域2,则电子设备可以判定进行一般工业固体废物的入库操作。
当上述目标识别结果中第一概率值大于第一预设阈值时,也就是运动目标中包括人员时,若该人员从区域2移动到区域1,则电子设备可以判定进行一般工业固体废物的出库操作。
例如,上述区域1表示为:Rect1(nLeftRect1,nTopRect1,nRightRect1,nBottomRect1),区域2表示为:Rect2(nLeftRect2,nTopRect2,nRightRect2,nBottomRect2)。其中,nLeftRect1、nLeftRect2分别为区域1和区域2所对应矩形区域的左上角的逻辑横坐标;nTopRect1、nTopRect2分别为区域1和区域2所对应矩形区域的左上角的逻辑纵坐标;nRightRect1、nRightRect2分别为区域1和区域2所对应的矩形区域的右下角的逻辑横坐标;nBottomRect1、nBottomRect2分别为区域1和区域2所对应矩形区域的右下角的逻辑纵坐标。
针对上述步骤S102中检测出的运动目标,电子设备可以获取该运动目标的质心位置。当上述目标识别结果中的第一概率值大于第一预设阈值时,电子设备可以将根据运动目标的质心位置在区域1和区域2的先后出现顺序,确定运动目标的运动方向,也就是当质心位置先处于Rect1内,再处于Rect2内时,电子设备可以确定人员由区域1移动到区域2。此时,电子设备可以判定进行一般工业固体废物的入库操作。当质心位置先处于Rect2内,再处于Rect1内时,电子设备可以确定人员由区域2移动到区域1。此时,电子设备可以判定进行一般工业固体废物的出库操作。
在本申请实施例中,由于上述图像采集设备是设置在上述目标仓库内的,因此,上述目标仓库的仓库门的预设范围也仅仅以目标仓库内仓库门所在位置的预设范围为例进行说明,并不起任何限定作用。
一个可选的实施例中,上述质心位置可以利用质心计算算法计算得到。例如,质心计算算法可以为:OpenCV中的质心计算方法moments,moments为OpenCV库中的质心计算函数。
通过上述步骤S1041-步骤S1042,电子设备可以根据目标识别结果和运动目标的运动轨迹,准确进行一般工业固体废物的出入库判别,保证了目标判别结果的准确性。
上述步骤S1041和步骤S1042是在目标识别结果中的第一概率值大于第一预设阈值,但运动目标的运动方向不同时,分别执行的步骤。在此,对上述步骤S1041和步骤S1042的执行不作具体限定。
一个可选的实施例中,当上述目标识别结果中的第一概率值不大于第一预设阈值时,也就是电子设备可以确定上述运动目标中没有人员时,电子设备不作任何处理。也就是电子设备不会根据该待检测图像进行出入库判别。
一个可选的实施例中,根据上述图7所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图9所示,图9为本申请实施例提供的工业固体废物出入库判别方法的第五种流程示意图。在图9所示的方法中,增加了以下步骤,即步骤S105-步骤S106。
步骤S105,在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警。
步骤S106,在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
一个可选的实施例中,进行上述一般固体废物入库告警或一般固体废物出库告警时,电子设备可以采用多种方式进行告警。例如,电子设备可以获取运动目标进行出入库操作期间的视频数据进行输出。再例如,电子设备可以直接输出告警语音或告警文字等。
另外,上述一般固体废物入库告警和一般固体废物出库告警的告警方式可以相同,也可以不同。在此,对上述一般固体废物入库告警和一般固体废物出库告警的方式不作具体限定。
上述步骤S105和步骤S106是在上述目标判别结果不同时分别执行的步骤。在此,对上述步骤S105和步骤S106的执行不作具体限定。
在本申请实施例中,针对一般固体废物无论是进行入库操作,还是进行出库操作,电子设备在确定进行一般固体废物的入库操作或出库操作后,均可分别进行告警,也就是进行一般工业固体废物的入库告警或出库告警,从而便于人员及时关注到一般工业固体废物的出入库操作。
一个可选的实施例中,当上述目标仓库为存放危险废物的第二仓库时,根据上述图1所示的方法,本申请实施例还提供一种工业固体废物出入库判别方法,如图10所示,图10为本申请实施例提供的工业固体废物出入库判别方法的第六种流程示意图。在图10所示的方法中,上述步骤S104被细化为以下步骤,即步骤S1043-步骤S1045。
步骤S1043,在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值大于第二预设阈值时,若运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作。
上述第三位置和第四位置在目标仓库的仓库门的预设范围内,第三位置与仓库门间的距离小于第四位置与仓库门间的距离。
步骤S1044,在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值大于第二预设阈值时,若运动目标从第四位置移动到第三位置,则判定进行危险废物的出库操作。
步骤S1045,在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值不大于第二预设阈值时,若运动目标从第三位置移动到第四位置,再从第四位置移动到第三位置,则判定进行人员巡检。
为便于理解,仍结合上述图8为例进行说明。其中,区域1为上述第三位置,区域2为上述第四位置。
在上述目标识别结果中的第一概率值大于第一预设阈值,并且第二概率值大于第二预设阈值的情况下,也就是在上述运动目标中既包括人员,又包括工业固体废物情况下,若运动目标从区域1移动到区域2,则电子设备可以判定进行危险废物的入库操作;若运动目标从区域2移动到区域1,则电子设备可以判定进行危险废物的出库操作。
在上述目标识别结果中的第一概率值大于第一预设阈值,并且,第二概率值不大于第二预设阈值时,也就是在上述运动目标中仅包括人员,并不包括工业固体废物的情况下,若运动目标先从区域1移动到区域2,再从区域2移动到区域1,则电子设备可以判定进行人员巡检。也就是人员对第二仓库进行巡检。
上述运动目标在第三位置和第四位置间的运动方向的确定可参照上述步骤S1041-步骤S1042中的描述,在此不作具体说明。
上述第三位置与上述第一位置可以相同,也可以不同;上述第四位置和上述第二位置可以相同,也可以不同。在此,对上述第一位置、第二位置、第三位置和第四位置不作具体限定。
上述步骤S1043、步骤S1044和步骤S1045为目标识别结果和运动目标的运动方向不同时分别执行的步骤,在此,对上述步骤S1043、步骤S1044和步骤S1045的执行不作具体限定。
通过上述步骤S1043-步骤S1045,电子设备根据目标识别结果和运动目标的运动方向,准确进行危险废物的出入库判别和人员巡检的判别,提高了判别结果的准确性。
在上述图7和图10所示的实施例中,上述运动目标的运动方向是根据运动目标先后经过目标仓库的仓库门的预设范围内两个不同位置的先后顺序确定的。除此以外,电子设备还可以采用其他方式确定运动目标的运动方向。例如,电子设备可以以目标仓库的仓库门的预设范围内的一条平行于仓库门的线为分界线,对运动目标进行越界判定,从而结合上述目标识别结果和越界判定结果进行工业固体废物的出入库判别。
另外,在上述图7和图10所示的实施例中,仅以上述目标识别结果包括上述第一识别结果和第二识别结果为例,对工业固体废物的出入库判别为例进行说明。除此以外,当上述目标识别结果仅包括上述第二识别结果和第三识别结果时,电子设备参照上述图7和图10所示的方法,根据运输车辆的有无和工业固体废物的有无进行工业固体废物的出入库判别。在此,对上述工业固体废物的出入库判别方式不作具体限定。
一个可选的实施例中,根据上述图10所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图11所示,图11为本申请实施例提供的工业固体废物出入库判别方法的第七种流程示意图。该方法增加了以下步骤,即步骤S107-步骤S109。
步骤S107,在判定进行危险废物的入库操作时,进行危险废物入库告警。
步骤S108,在判定进行危险废物的出库操作时,进行危险废物出库告警。
步骤S109,在判定进行人员巡检时,进行危险废物巡检告警。
上述步骤S107-步骤S109中的告警方式可参照上述步骤S105-步骤S106中告警的方式,在此不作具体说明。
上述步骤S107、步骤S108和步骤S109是在目标判别结果不同时分别执行的步骤,在此,对上述步骤S107、步骤S108和步骤S109的执行不作具体限定。
通过上述步骤S107-步骤S109,电子设备可以分别针对危险废物出入库、以及人员巡检进行告警,有效提高了告警的准确性,并使得人员通过告警可以及时关注危险废物出入库、以及人员巡检过程。
在上述图9和图11所示的实施例中,仅以一般工业固体废物和危险固体废物的告警为例进行说明。另外,关于一般工业固体废物和危险固体废物的区分可参照相关技术中一般工业固体废物和危险固体废物的区分方式,在此,对一般工业固体废物和危险固体废物不作具体说明。
在上述图9和图11所示的实施例中,电子设备在获得目标判别结果后,分别针对不同类型的出入库操作以及人员巡检进行对应的告警。除此以外,电子设备还可以根据目标判别结果进行后续的工业固体废物的监管。例如,针对上述进行入库操作的危险废物,电子设备可以对记录该危险废物入库后的放置位置;针对上述进行出库操作的危险废物,电子设备可以运行目标出库后的视频数据,对危险废物进行持续监管。在此,对出入库判别后的监管方式不作具体限定。
一个可选的实施例中,根据上述图1所示的方法,本申请实施例还提供了一种工业固体废物出入库判别方法。如图12所示,图12为本申请实施例提供的工业固体废物出入库判别方法的第八种流程示意图。该方法包括以下步骤。
步骤S1201,获取目标仓库的待检测图像。
步骤S1202,基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个。
步骤S1203,对检测出的运动目标进行目标识别,得到目标识别结果。
步骤S1204,根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
上述步骤S1201-步骤S1204与上述步骤S101-步骤S104相同。
步骤S1205,对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果。
一个可选的实施例中,电子设备可以利用以下公式进行异或运算,得到异或运算结果。
Rmod_n=Outputn⊕Outputn-1
其中,Rmod_n为Outputn对应的异或运算结果,Outputn为前景提取网络的第n次输出结果,⊕为异或运算,Outputn-1为前景提取网络的第n-1次输出结果。
步骤S1206,在连续预设数量个异或运算结果均为0时,获取目标图像作为目标仓库的背景图像,目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
以连续数量个为M为例进行说明。也就是连续M次的异或运算结果均为0时,电子设备可以获取第n+m次的待检测图片Inputn+m作为目标仓库的背景图像。也就是Inputn+m即为目标图像。
通过上述步骤S1205-步骤S1206,通过对连续两帧待检测图像的异或运算,可以准确确定这两帧待检测图像是否存在差异,当连续预设数量个异或计算结果均为0时,电子设备可以确定这些异或计算结果所对应的待检测图像之间的不存在差异,此时,获取采集时间最晚的目标图像,即最新采集的采集图像,对目标仓库的背景图像进行更新,在实现目标仓库的背景图像的更新的同时,有效保证的目标仓库的背景图像的准确性的有效性。
基于同一种发明构思,根据上述本申请实施例提供的工业固体废物出入库判别方法,本申请实施例还提供了一种工业固体废物出入库判别装置。如图13所示,图13为本申请实施例提供的工业固体废物出入库判别装置的一种结构示意图。该装置包括以下模块。
第一获取模块1301,用于获取目标仓库的待检测图像;
检测模块1302,用于基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个;
识别模块1303,用于对检测出的运动目标进行目标识别,得到目标识别结果;
判别模块1304,用于根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
可选的,上述检测模块1302,具体可以用于对目标仓库的背景图像进行图像特征提取,得到第一图像特征;
对待检测图像进行图像特征提取,得到第二图像特征;
基于第一图像特征和第二图像特征进行卷积运算,得到针对待检测图像中运动目标的掩膜图像。
可选的,上述识别模块1303,可以包括:
截取子模块,用于在检测到运动目标时,基于待检测图像,截取运动目标对应的区域图像,作为待识别图像;
提取子模块,用于对待识别图像进行图像特征提取,得到第三图像特征;
识别子模块,用于基于第三图像特征进行目标识别,得到目标识别结果。
可选的,上述截取子模块,具体可以用于在检测到运动目标时,对目标检测得到的掩膜图像与待检测图像进行与运算,得到待截取图像;
利用轮廓查找算法,在待截取图像中查找运动目标的轮廓位置;
将轮廓位置的外接矩形所在的图像区域,确定为运动目标所在的图像区域;
从待截取图像中截取运动目标所在图像区域的区域图像,得到待识别图像。
可选的,上述目标识别结果中包括第一识别结果和第二识别结果,第一识别结果为指示运动目标中包括人员的第一概率值,第二识别结果为指示运动目标中包括工业固体废物的第二概率值。
可选的,当目标仓库为存放一般工业固体废物的第一仓库时,上述判别模块1304,具体可以用于:
在目标识别结果中的第一概率值大于第一预设阈值,且运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作;
在目标识别结果中的第一概率值大于第一预设阈值,且运动目标从第二位置移动到第一位置时,判定进行一般工业固体废物的出库操作;
其中,第一位置和第二位置在目标仓库的仓库门的预设范围内,第一位置与仓库门间的距离小于第二位置与仓库门间的距离。
可选的,上述工业固体废物出入库判别装置还可以包括:
第一告警模块,用于在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警;
第二告警模块,用于在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
可选的,当目标仓库为存放危险废物的第二仓库时,上述判别模块1304,具体可以用于在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值大于第二预设阈值时,若运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作;
在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值大于第二预设阈值时,若运动目标从第四位置移动到第三位置,则判定进行危险废物的出库操作;
在目标识别结果中的第一概率值大于第一预设阈值,且第二概率值不大于第二预设阈值时,若运动目标从第三位置移动到第四位置,再从第四位置移动到第三位置,则判定进行人员巡检;
其中,第三位置和第四位置在目标仓库的仓库门的预设范围内,第三位置与仓库门间的距离小于第四位置与仓库门间的距离。
可选的,上述工业固体废物出入库判别装置还可以包括:
第三告警模块,用于在判定进行危险废物的入库操作时,进行危险废物入库告警;
第四告警模块,用于在判定进行危险废物的出库操作时,进行危险废物出库告警;
第五告警模块,用于在判定进行人员巡检时,进行危险废物巡检告警。
可选的,上述工业固体废物出入库判别装置还可以包括:
计算模块,用于对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果;
第二获取模块,用于在连续预设数量个异或运算结果均为0时,获取目标图像作为目标仓库的背景图像,目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
通过本申请实施例提供的装置,可以在获得目标仓库的待检测图像后,基于目标仓库的背景图像,对待检测图像进行运动目标检测,并在检测到的运动目标时,对该运动目标进行目标识别,得到目标识别结果,从而根据该目标识别结果和运动目标的运动方向进行工业固体废物的出入库自动化判别,实现了对工业固体废物的出入库自动化判别。
另外,通过目标检测过程,可以准确检测出待检测图像中的是否包含运动目标,也就是检测出待检测图像中是否包含移动的人员或工业固体废物,进一步的,在检测出运动目标时,通过目标识别过程可以准确识别出运动目标中包括的人员和/或工业固体废物,由于目标识别过程仅针对检测出的运动目标,这大大降低了待检测图像的背景中的物体对目标识别结果的影响,提高了目标识别结果的准确性,以及提高了目标检测和目标识别的效率,从而在基于该目标识别结果进行出入库判别时,可以有效提高了工业固体废物的出入库判别结果的准确性,并且提高了出入库判别的效率。
再者,相比于仅针对工业固体废物的识别方法,通过对运动目标中人员以及工业固体废物的识别,综合了运动目标检测结果和目标识别结果,有效提高了目标识别结果的准确性和针对性,从而提高了工业固体废物出入库判别的准确性。
基于同一种发明构思,根据上述本申请实施例提供的工业固体废物出入库判别方法,本申请实施例还提供了一种电子设备,如图14所示,包括处理器1401、通信接口1402、存储器1403和通信总线1404,其中,处理器1401,通信接口1402,存储器1403通过通信总线1404完成相互间的通信,
存储器1403,用于存放计算机程序;
处理器1401,用于执行存储器1403上所存放的程序时,实现如下步骤:
获取目标仓库的待检测图像;
基于目标仓库的背景图像,对待检测图像进行运动目标检测;运动目标包括人员、工业固体废物中的一个或多个;
对检测出的运动目标进行目标识别,得到目标识别结果;
根据目标识别结果以及运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
通过本申请实施例提供的电子设备,可以在获得目标仓库的待检测图像后,基于目标仓库的背景图像,对待检测图像进行运动目标检测,并在检测到的运动目标时,对该运动目标进行目标识别,得到目标识别结果,从而根据该目标识别结果和运动目标的运动方向进行工业固体废物的出入库自动化判别,实现了对工业固体废物的出入库自动化判别。
另外,通过目标检测过程,可以准确检测出待检测图像中的是否包含运动目标,也就是检测出待检测图像中是否包含移动的人员或工业固体废物,进一步的,在检测出运动目标时,通过目标识别过程可以准确识别出运动目标中包括的人员和/或工业固体废物,由于目标识别过程仅针对检测出的运动目标,这大大降低了待检测图像的背景中的物体对目标识别结果的影响,提高了目标识别结果的准确性,以及提高了目标检测和目标识别的效率,从而在基于该目标识别结果进行出入库判别时,可以有效提高了工业固体废物的出入库判别结果的准确性,并且提高了出入库判别的效率。
再者,相比于仅针对工业固体废物的识别方法,通过对运动目标中人员以及工业固体废物的识别,综合了运动目标检测结果和目标识别结果,有效提高了目标识别结果的准确性和针对性,从而提高了工业固体废物出入库判别的准确性。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,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。
基于同一种发明构思,根据上述本申请实施例提供的工业固体废物出入库判别方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一工业固体废物出入库判别方法的步骤。
基于同一种发明构思,根据上述本申请实施例提供的工业固体废物出入库判别方法,本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一工业固体废物出入库判别方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质及计算机程序产品等实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (22)
1.一种工业固体废物出入库判别方法,其特征在于,所述方法包括:
获取目标仓库的待检测图像;
基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测;所述运动目标包括人员、工业固体废物中的一个或多个;
对检测出的运动目标进行目标识别,得到目标识别结果;
根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测的步骤,包括:
对所述目标仓库的背景图像进行图像特征提取,得到第一图像特征;
对所述待检测图像进行图像特征提取,得到第二图像特征;
基于所述第一图像特征和所述第二图像特征进行卷积运算,得到针对所述待检测图像中运动目标的掩膜图像。
3.根据权利要求1所述的方法,其特征在于,所述对检测出的运动目标进行目标识别,得到目标识别结果的步骤,包括:
在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像;
对所述待识别图像进行图像特征提取,得到第三图像特征;
基于所述第三图像特征进行目标识别,得到目标识别结果。
4.根据权利要求2或3所述的方法,其特征在于,所述在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像的步骤,包括:
在检测到所述运动目标时,对目标检测得到的掩膜图像与所述待检测图像进行与运算,得到待截取图像;
利用轮廓查找算法,在所述待截取图像中查找所述运动目标的轮廓位置;
将所述轮廓位置的外接矩形所在的图像区域,确定为所述运动目标所在的图像区域;
从所述待截取图像中截取所述运动目标所在图像区域的区域图像,得到待识别图像。
5.根据权利要求1所述的方法,其特征在于,所述目标识别结果中包括第一识别结果和第二识别结果,所述第一识别结果为指示所述运动目标中包括人员的第一概率值,所述第二识别结果为指示所述运动目标中包括工业固体废物的第二概率值。
6.根据权利要求5所述的方法,其特征在于,当所述目标仓库为存放一般工业固体废物的第一仓库时,所述根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果的步骤,包括:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述运动目标从所述第二位置移动到所述第一位置时,判定进行一般工业固体废物的出库操作;
其中,所述第一位置和所述第二位置在所述目标仓库的仓库门的预设范围内,所述第一位置与所述仓库门间的距离小于所述第二位置与所述仓库门间的距离。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警;
在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
8.根据权利要求5所述的方法,其特征在于,当所述目标仓库为存放危险废物的第二仓库时,所述根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果的步骤,包括:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作;
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从所述第四位置移动到所述第三位置,则判定进行危险废物的出库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述第二概率值不大于所述第二预设阈值时,若所述运动目标从所述第三位置移动到所述第四位置,再从所述第四位置移动到所述第三位置,则判定进行人员巡检;
其中,所述第三位置和所述第四位置在所述目标仓库的仓库门的预设范围内,所述第三位置与所述仓库门间的距离小于所述第四位置与所述仓库门间的距离。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
在判定进行危险废物的入库操作时,进行危险废物入库告警;
在判定进行危险废物的出库操作时,进行危险废物出库告警;
在判定进行人员巡检时,进行危险废物巡检告警。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果;
在连续预设数量个异或运算结果均为0时,获取目标图像作为所述目标仓库的背景图像,所述目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
11.一种工业固体废物出入库判别装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标仓库的待检测图像;
检测模块,用于基于所述目标仓库的背景图像,对所述待检测图像进行运动目标检测;所述运动目标包括人员、工业固体废物中的一个或多个;
识别模块,用于对检测出的运动目标进行目标识别,得到目标识别结果;
判别模块,用于根据所述目标识别结果以及所述运动目标的运动方向进行工业固体废物的出入库判别,得到目标判别结果。
12.根据权利要求11所述的装置,其特征在于,所述检测模块,具体用于对所述目标仓库的背景图像进行图像特征提取,得到第一图像特征;
对所述待检测图像进行图像特征提取,得到第二图像特征;
基于所述第一图像特征和所述第二图像特征进行卷积运算,得到针对所述待检测图像中运动目标的掩膜图像。
13.根据权利要求11所述的装置,其特征在于,所述识别模块,包括:
截取子模块,用于在检测到所述运动目标时,基于所述待检测图像,截取所述运动目标对应的区域图像,作为待识别图像;
提取子模块,用于对所述待识别图像进行图像特征提取,得到第三图像特征;
识别子模块,用于基于所述第三图像特征进行目标识别,得到目标识别结果。
14.根据权利要求12或13所述的装置,其特征在于,所述截取子模块,具体用于在检测到所述运动目标时,对目标检测得到的掩膜图像与所述待检测图像进行与运算,得到待截取图像;
利用轮廓查找算法,在所述待截取图像中查找所述运动目标的轮廓位置;
将所述轮廓位置的外接矩形所在的图像区域,确定为所述运动目标所在的图像区域;
从所述待截取图像中截取所述运动目标所在图像区域的区域图像,得到待识别图像。
15.根据权利要求11所述的装置,其特征在于,所述目标识别结果中包括第一识别结果和第二识别结果,所述第一识别结果为指示所述运动目标中包括人员的第一概率值,所述第二识别结果为指示所述运动目标中包括工业固体废物的第二概率值。
16.根据权利要求15所述的装置,其特征在于,当所述目标仓库为存放一般工业固体废物的第一仓库时,所述判别模块,具体用于:
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述运动目标从第一位置移动到第二位置时,判定进行一般工业固体废物的入库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述运动目标从所述第二位置移动到所述第一位置时,判定进行一般工业固体废物的出库操作;
其中,所述第一位置和所述第二位置在所述目标仓库的仓库门的预设范围内,所述第一位置与所述仓库门间的距离小于所述第二位置与所述仓库门间的距离。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第一告警模块,用于在判定进行一般固体废物的入库操作时,进行一般固体废物入库告警;
第二告警模块,用于在判定进行一般固体废物的出库操作时,进行一般固体废物出库告警。
18.根据权利要求15所述的装置,其特征在于,当所述目标仓库为存放危险废物的第二仓库时,所述判别模块,具体用于在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从第三位置移动到第四位置,则判定进行危险废物的入库操作;
在所述目标识别结果中的第一概率值大于第一预设阈值,且所述第二概率值大于第二预设阈值时,若所述运动目标从所述第四位置移动到所述第三位置,则判定进行危险废物的出库操作;
在所述目标识别结果中的第一概率值大于所述第一预设阈值,且所述第二概率值不大于所述第二预设阈值时,若所述运动目标从所述第三位置移动到所述第四位置,再从所述第四位置移动到所述第三位置,则判定进行人员巡检;
其中,所述第三位置和所述第四位置在所述目标仓库的仓库门的预设范围内,所述第三位置与所述仓库门间的距离小于所述第四位置与所述仓库门间的距离。
19.根据权利要求18所述的装置,其特征在于,所述装置还包括:
第三告警模块,用于在判定进行危险废物的入库操作时,进行危险废物入库告警;
第四告警模块,用于在判定进行危险废物的出库操作时,进行危险废物出库告警;
第五告警模块,用于在判定进行人员巡检时,进行危险废物巡检告警。
20.根据权利要求11所述的装置,其特征在于,所述装置还包括:
计算模块,用于对连续两帧待检测图像所对应的运动目标检测的检测结果进行异或运算,得到异或运算结果;
第二获取模块,用于在连续预设数量个异或运算结果均为0时,获取目标图像作为所述目标仓库的背景图像,所述目标图像为异或运算对应的待检测图像中采集时间最晚的图像。
21.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的方法步骤。
22.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-10任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310153678.2A CN115984780B (zh) | 2023-02-23 | 2023-02-23 | 工业固体废物出入库判别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310153678.2A CN115984780B (zh) | 2023-02-23 | 2023-02-23 | 工业固体废物出入库判别方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115984780A true CN115984780A (zh) | 2023-04-18 |
CN115984780B CN115984780B (zh) | 2023-06-02 |
Family
ID=85970942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310153678.2A Active CN115984780B (zh) | 2023-02-23 | 2023-02-23 | 工业固体废物出入库判别方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984780B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351004A (zh) * | 2023-11-29 | 2024-01-05 | 杭州天眼智联科技有限公司 | 再生物料识别方法、装置、电子设备和计算机可读介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08212351A (ja) * | 1995-02-08 | 1996-08-20 | Fujitsu General Ltd | 動画像認識装置 |
CN112598687A (zh) * | 2021-01-05 | 2021-04-02 | 网易(杭州)网络有限公司 | 图像分割方法和装置、存储介质、电子设备 |
WO2021103837A1 (zh) * | 2019-11-29 | 2021-06-03 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN113706614A (zh) * | 2021-08-27 | 2021-11-26 | 重庆赛迪奇智人工智能科技有限公司 | 一种小目标检测方法、装置、存储介质和电子设备 |
CN114241355A (zh) * | 2021-11-19 | 2022-03-25 | 上海浦东发展银行股份有限公司 | 仓库管理方法、装置、计算机设备、存储介质 |
CN114359333A (zh) * | 2021-12-31 | 2022-04-15 | 云从科技集团股份有限公司 | 运动目标提取方法、装置、计算机设备和存储介质 |
CN114760444A (zh) * | 2022-04-18 | 2022-07-15 | 北京京东振世信息技术有限公司 | 视频图像处理及确定方法、装置、电子设备及存储介质 |
CN115049948A (zh) * | 2022-08-15 | 2022-09-13 | 深圳市万物云科技有限公司 | 基于神经网络模型的无人机巡检方法、装置及相关设备 |
-
2023
- 2023-02-23 CN CN202310153678.2A patent/CN115984780B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08212351A (ja) * | 1995-02-08 | 1996-08-20 | Fujitsu General Ltd | 動画像認識装置 |
WO2021103837A1 (zh) * | 2019-11-29 | 2021-06-03 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN112598687A (zh) * | 2021-01-05 | 2021-04-02 | 网易(杭州)网络有限公司 | 图像分割方法和装置、存储介质、电子设备 |
CN113706614A (zh) * | 2021-08-27 | 2021-11-26 | 重庆赛迪奇智人工智能科技有限公司 | 一种小目标检测方法、装置、存储介质和电子设备 |
CN114241355A (zh) * | 2021-11-19 | 2022-03-25 | 上海浦东发展银行股份有限公司 | 仓库管理方法、装置、计算机设备、存储介质 |
CN114359333A (zh) * | 2021-12-31 | 2022-04-15 | 云从科技集团股份有限公司 | 运动目标提取方法、装置、计算机设备和存储介质 |
CN114760444A (zh) * | 2022-04-18 | 2022-07-15 | 北京京东振世信息技术有限公司 | 视频图像处理及确定方法、装置、电子设备及存储介质 |
CN115049948A (zh) * | 2022-08-15 | 2022-09-13 | 深圳市万物云科技有限公司 | 基于神经网络模型的无人机巡检方法、装置及相关设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351004A (zh) * | 2023-11-29 | 2024-01-05 | 杭州天眼智联科技有限公司 | 再生物料识别方法、装置、电子设备和计算机可读介质 |
CN117351004B (zh) * | 2023-11-29 | 2024-02-20 | 杭州天眼智联科技有限公司 | 再生物料识别方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115984780B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
CN109670383B (zh) | 视频遮蔽区域选取方法、装置、电子设备及系统 | |
KR101910542B1 (ko) | 객체 검출을 위한 영상분석 서버장치 및 방법 | |
CN109727275B (zh) | 目标检测方法、装置、系统和计算机可读存储介质 | |
CN111210399B (zh) | 一种成像质量评价方法、装置及设备 | |
CN110335313B (zh) | 音频采集设备定位方法及装置、说话人识别方法及系统 | |
CN113420673B (zh) | 垃圾分类方法、装置、设备及存储介质 | |
CN110909712A (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN111914656A (zh) | 一种人员行为检测方法、装置、电子设备及存储介质 | |
CN110866428B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN114445768A (zh) | 目标识别方法、装置、电子设备及存储介质 | |
CN111626189B (zh) | 一种路面异常检测方法、装置、电子设备及存储介质 | |
CN112818939A (zh) | 一种行为检测方法、装置及电子设备 | |
CN115984780B (zh) | 工业固体废物出入库判别方法、装置、电子设备及介质 | |
CN111950357A (zh) | 一种基于多特征yolov3的船用水面垃圾快速识别方法 | |
CN109684953B (zh) | 基于目标检测和粒子滤波算法进行猪只跟踪的方法及装置 | |
CN113505643B (zh) | 违章目标物检测方法及相关装置 | |
CN113947744A (zh) | 基于视频的火灾图像检测方法、系统、设备及存储介质 | |
CN113052019A (zh) | 目标跟踪方法及装置、智能设备和计算机存储介质 | |
CN110298302B (zh) | 一种人体目标检测方法及相关设备 | |
CN114998283A (zh) | 一种镜头遮挡物检测方法及装置 | |
CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
CN111191575B (zh) | 一种基于火苗跳动建模的明火检测方法及系统 | |
CN114708544A (zh) | 一种基于边缘计算的违规行为智能监测头盔及其监测方法 | |
CN112949526A (zh) | 人脸检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |