欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022101768056
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:包括如下步骤:步骤1、固定摄像头采集到图像;在场景内容调试的过程中,首先安装对应摄像头,并且根据摄像头捕捉范围的边际重叠,设定各个摄像头的边际隶属度;同时,针对传送带部分的专用摄像头,对其摄像头捕捉范围内的收集筐进入点进行范围标识;日常参数调试部分则是在每日开始工作前,通过摄像头捕捉图像;

步骤2、根据区域的光照差异进行去雾处理;

步骤3、采用自适应高增强滤波提高图像的细节;

步骤4、根据工作场景的固定性和工作区域的差异性,基于场景平滑度的背景减法提取前景;

步骤5、对图像的前景进行分类,判断快件和人员;

步骤6、对快件的待分拣-分拣中-传送中-堆积中状态进行识别;具体包括,

步骤6.1、对已标注为同一前景的快件,获得其一段时间内的帧信息F={F0,F1,F2,…,Fn}其中,Ft指在连续时间内,t时刻该前景的在背景上的信息;在此基础上,获得该前景在这段时间内的运动信息M={M0~1,M1~2,…,Mn-1~n},Mt-1~t=(Ft-1(Cx,Cy),Ft(Cx,Cy)),t∈{1,2,…,n},其中,Ft(Cx,Cy)指该前景在t时刻,内接矩阵的中点坐标;然后对该前景的当前状态进行判定,判定其是否处于当前状态,或者转入下一状态,或者出现异常;

步骤6.2、对处于待分拣状态的快件,当Mk-1~k满足时,认定其进入分拣中状态,其中,Fk(S)指在k时刻,该帧的前景面积,U(Cx,Cy)指分拣人员的前景内接矩阵的中点坐标;

步骤6.3、对于处于分拣中状态的快件,通过多镜头画面拼接,判定其进入传送带后,转由传送带专用镜头进行视频检测,并判定其进入传送中状态;同时,在多镜头画面拼接的应用中,由于场景过大,视频检测精度要求高,需对一种物体在不同摄像头中进行连续捕获,并进行隶属判定和连续判定,其具体步骤为:步骤6.3.1、对摄像头进行层级划分和区域规定,高精度小区域摄像头的检测层级更高,大区域摄象头和小区域摄像头的边界重合;同时,对边界区域进行隶属度划分,其公式为:其中,u(x,y)指该坐标对于区域的隶属度,xu指该点的横坐标,xc指该取景区域的中心点横坐标,len(long)指该取景区域的长度,len(width)指该取景区域的宽度;

步骤6.3.2、对于快件F,当u(Fcx,Fcy)<1,时,表明其进入周边区域,Fcx指快件前景的内接矩阵的横坐标;

步骤6.3.3、对于进入周边区域的快件,在一组连续帧内满足恒成立且恒成立时,则称快件在从摄像头S1向摄像头S2所属区域运动,当时,则认为快件进入S2所属区域;

步骤6.4、处在传送中的快件,当其满足于时,认定其进入堆积态中,其中,FDisappear(σ)指前景在连续帧中消失前的位置,pk指在该镜头捕捉的画面内的传送带和收集筐的交汇点的坐标;并且,需针对在传送带上运动的快件出现的异常情况进行识别,同时,在快件分拣的过程中,由于手工操作存在失误会导致快件被遗漏,需对广角镜头下的异常遗漏件进行检测,具体步骤如下:步骤6.4.1、对于在传送带上连续运动的一组前景,在一组连续帧内,满足F’t(S)>0,Ft(Cx,Cy)=Ft+1(Cx,Cy),且不唯一时,则判断出现堵塞异常;

步骤6.4.2、对于在传送带上连续运动的某个前景,在一组连续帧内,满足Ft(Cx,Cy)=Ft+1(Cx,Cy),判定出现卡位异常;

步骤6.4.3、对于在传送带上连续运动的某个前景,当其前景消失,且时,判定出现掉落异常,其中,FDisappear(σ)指前景在连续帧中消失前的位置,pk指在该镜头捕捉的画面内的传送带和收集筐的交汇点的坐标;

步骤6.4.4、对于广角镜头捕捉到的快件前景,在一组连续帧内,满足Ft=Ft+1,t∈(0,n),则判定其处于静止状态;

步骤6.4.5、对于静止状态的前景,求其外接矩阵,并以原外接矩阵为中心,扩展1.5倍,得到轮廓矩阵FO;

步骤6.4.6、当轮廓矩阵满足时,判定其处于异常遗漏状态,其中,Felse指该广角矩阵捕捉到的其他前景;

步骤7、对不同状态下的快件异常进行识别。

2.根据权利要求1所述的基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:所述步骤2中,去雾处理是针对分拣中心的点光源情况,采用局部光照条件进行计算,其具体步骤如下:步骤2.1、对m×n的输入彩色图像,求其暗原色图Darki,j=min(JC(j,j)),0≤i

步骤2.2、设定步长step,经验上取step为窗口大小为将整个图像划分为225个图像块,有划分后的图像块Dividep,q=max(Darki,j),(i,j)∈Ω(p,q),0≤p<15,0≤q<15;其中,Ω(p,q)为所划分的第p行第q列的图像块,(i,j)∈Ω(p,q)指属于该图像块的像素的坐标;

步骤2.3、设新窗口为(3,3),对矩阵Divide做非覆盖平移分割,得到一组5×5的图像组,每个图像组包括9个图像块;并计算每一个图像组的特征值,得到图像组特征矩阵为其中,Dividet,s指第t行,第s列的图像组所包含的图像块,指该图像组中,从左至右,从上至下第i个图像块;

步骤2.4、根据Var的情况对Divide做出修正,修正方法为:

步骤2.5、取覆盖像素的图像块特征的最大值作为该点的大气光常数,有Ai,j=max(Divide)where(i,j)in Divide,得到最终的光照矩阵A。

3.根据权利要求1所述的基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:所述步骤3的具体方法为:步骤3.1、对输入的图像J,有Bx=0.59×JR(x)+0.3×JG(x)+0.11×JB(x);其中,JC(x)指图像J的像素点x在C通道分量上的值;

步骤3.2、设窗口大小为3×3,非覆盖平移窗口,有Featurek=Quantile0.99(Bx)-avg(Bx),x∈Ω(k),其中,Ω(k)为B的第k个划分窗口,Quantilep(U)指集合U的p分位数,avg(U)指集合U的平均数;

步骤3.3、当75%以上的Featurek

步骤3.4、求增强系数

步骤3.5、对输入的图像J,做拉普拉斯变换得到边缘特征矩阵C∈{R,G,B};

步骤3.6、计算滤波后图像C∈{R,G,B}。

4.根据权利要求1所述的基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:步骤4.1、在工作场所启用前,对环境进行背景采取,获得背景图,生成其对应的灰度图B,并生成零矩阵S=zeros(m,n);

步骤4.2、对m×n的背景图,设定窗口大小为step为对图像进行平移取块,有S(x)=S(x)+smooth,x∈BΩ(k),其中,BΩ(k)指灰度图B所划分出的第k个窗口所在区域,mean()指中位数,avg()指平均值;

步骤4.3、建立各像素点背景阈值

5.根据权利要求1所述的基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:在获得各像素点的背景阈值之后,就需要对前景进行提取分类;根据分拣中心前景的单调性,只存在车辆、人员和快件三类物体,且由于车辆的体积与其他两类差距大,可以从前景面积上进行简单分类,由此提出了一种基于人体轮廓不规则性的,应用于分拣中心场景的人员、快件前景区分的方法,其具体步骤如下:步骤5.1、通过背景减法求得前景图,并求前景物体的外接矩阵;

步骤5.2、对外接矩阵所涵盖的图像,做二值处理,其中背景为0,前景为1,得到m×n的二值图像P;

步骤5.3、对于图像P,存在着一组同心像素圈对于这组同心像素圈,计算其前景分布有:步骤5.4、根据前景分布Dk,判断该前景类型,其具体判别公式如下:

6.根据权利要求5所述的基于视频检测技术的分拣中心异常行为的识别方法,其特征在于:所述步骤5中,需要对划分为人员的个体判断其状态是运动还是静止,其具体方法如下:对于给定的一组帧序列,以及在该组帧序列中连续存在的某个人员前景首先计算移动指标其中,M为1时,代表该人员处于移动状态,为0时,代表该人员处于原地保持状态;指在给定的前景FP在第k帧图像中的像素横坐标,一般取所属区域的底部中间位置;H为摄像头的高度,D(x,y)指该坐标像素点在现场环境中与摄像头的水平距离,为预设值,StepP为人员移动的步伐常数,一般取0.5倍步长也就是0.7米;

由于物体不断运动,需在一组连续的帧中标注出属于同一物体的前景,其具体内容为:

在摄像头捕捉的连续帧中,当检测到前景物体时,对其进行标注,求其外界矩阵的大小mC×nC,mC≥nC,求其内接矩阵,并求得其内接矩阵的中点坐标C(x,y);当画面转向下一帧时,当新标注物体内接矩阵的中点坐标C′(x,y)和外界矩阵大小mC×nC,mC′≥nC′满足且属于同一类物体时,则可以标注其为同一物体;其中v为变化率,初始值为0.25;完成连续识别后,更新变化率v的值,公式为: