CN111597962B - 仓储物料防盗报警方法、装置及电子设备 - Google Patents
仓储物料防盗报警方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111597962B CN111597962B CN202010400735.9A CN202010400735A CN111597962B CN 111597962 B CN111597962 B CN 111597962B CN 202010400735 A CN202010400735 A CN 202010400735A CN 111597962 B CN111597962 B CN 111597962B
- Authority
- CN
- China
- Prior art keywords
- personnel
- behavior
- video stream
- vehicle
- vehicles
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明提供了一种仓储物料防盗报警方法、装置及电子设备,涉及安防技术领域,该方法包括:从预先设置在仓储仓库的视频采集设备中实时获取视频流;对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为;对视频流中的车辆进行检测,实时获取车辆的移动轨迹;当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求;如果是,对识别的人员和车辆进行报警处理。该方法通过对大型仓储物料中的车辆以及人员的行为进行分析,实现了对物料盗窃行为的识别,弥补了物料追溯中的空白环节,免除了耗时耗力的人工检查车厢的工作,为工厂降低了生产成本,提升了经济效益。
Description
技术领域
本发明涉及安防技术领域,尤其是涉及一种仓储物料防盗报警方法、装置及电子设备。
背景技术
在机械制造行业中,由于其物料体积大,不适合流水化作业,对于物料的溯源过程并不适用二维码或者RFID的方案,难以对物料做到全生命周期的追溯。大型零件的盗窃往往是从生产车间夹带到停车场后放入车厢带离的,现有技术中缺少有效的防盗报警手段,来实现对该环节的物料进行追溯。
发明内容
有鉴于此,本发明的目的在于提供一种仓储物料防盗报警方法、装置及电子设备,通过对大型仓储物料中的车辆以及人员的行为进行分析,实现了对物料盗窃行为的识别,弥补了物料追溯中的空白环节,免除了耗时耗力的人工检查车厢的工作,为工厂降低了生产成本,提升了经济效益。
第一方面,本发明实施例提供了一种仓储物料防盗报警方法,该方法包括:
从预先设置在仓储仓库的视频采集设备中实时获取视频流;
对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为;
对视频流中的车辆进行检测,实时获取车辆的移动轨迹;
当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求;
如果是,对识别的人员和车辆进行报警处理。
在一些实施方式中,上述对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为的步骤,包括:
对视频流中的人员进行人脸识别,获取人员的身份信息;
实时追踪视频流中处于移动状态的人员;
将处于移动状态的人员进行行为分析,得到人员的行为结果;
根据人员的身份信息,对视频流中所有人员的行为结果进行标记。
在一些实施方式中,上述将处于移动状态的人员进行行为分析,得到人员的行为结果的步骤,包括:
获取处于移动状态的人员图像;
将人员图像输入至预先完成训练的行为分析模型中,输出行为分析结果;
对人员图像对应的行为分析结果进行汇总,得到人员的行为结果。
在一些实施方式中,上述人员的行为结果,包括:夹带大型零件的行为以及在车厢附近停留的行为。
在一些实施方式中,上述对视频流中的车辆进行检测,实时获取车辆的移动轨迹的步骤,包括:
对视频流中的车辆进行车辆识别,获取车辆的识别结果;
根据车辆的识别结果,利用检测框对视频流中的车辆进行绘制;
实时对视频流中的检测框进行轨迹追踪,获得车辆的移动轨迹。
在一些实施方式中,上述实时对视频流中的检测框进行轨迹追踪,获得车辆的移动轨迹的步骤,包括:
获得视频流中的检测框中的车辆图像;
将车辆图像输入至预先完成训练的行为分析模型中,得到车辆行为分析结果;
根据车辆行为分析结果中的停车入位、驶离停车场以及车道驻留行为结果,获得车辆的移动轨迹。
在一些实施方式中,上述当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求的步骤,包括:
获取存在物料夹带行为的人员的身份信息;
将存在物料夹带行为的人员图像输入至预先完成训练的行为分析模型中,得到人员在车辆中的停留时间;
判断停留时间是否大于预设的时间阈值。
第二方面,本发明实施例提供了一种仓储物料防盗报警装置,该装置包括:
视频流获取模块,用于从预先设置在仓储仓库的视频采集设备中实时获取视频流;
人员行为获取模块,用于对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为;
车辆行为获取模块,用于对视频流中的车辆进行检测,实时获取车辆的移动轨迹;
判断模块,用于当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求;
报警执行模块,用于如果是,对识别的人员和车辆进行报警处理。
第三方面,本发明实施例提供了一种电子设备,该电子设备包括:处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被处理器运行时执行如第一方面提供的方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述第一方面提供的方法的步骤。
本发明实施例带来了以下有益效果:本发明实施例提供了一种仓储物料防盗报警方法、装置及电子设备,该仓储物料防盗报警方法中,首先从预先设置在仓储仓库的视频采集设备中实时获取视频流;然后对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为;对视频流中的车辆进行检测,实时获取车辆的移动轨迹;当处于移动状态的人员存在将物料夹带至车辆时,判断行为是否满足报警需求;如果是,对识别的人员和车辆进行报警处理。该方法可基于深度学习的检测分类算法以及跟踪算法,对停车场内的人员和车辆的活动进行分析,对停车场内人员以及车辆的行为进行有效监控,实现了停车场智能化、无人化监控管理,弥补了物料追溯在厂房到停车场这一环节的监管空白,同时避免了耗时耗力的人工检查,提升了员工的体验,降低了工厂生产成本,提升了经济效益。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的仓储物料防盗报警方法的流程图;
图2为本发明实施例提供的仓储物料防盗报警方法中步骤S102的流程图;
图3为本发明实施例提供的仓储物料防盗报警方法中步骤S203的流程图;
图4为本发明实施例提供的仓储物料防盗报警方法中步骤S103的流程图;
图5为本发明实施例提供的仓储物料防盗报警方法中步骤S403的流程图;
图6为本发明实施例提供的仓储物料防盗报警方法中步骤S104的流程图;
图7为本发明实施例提供的仓储物料防盗报警装置的结构示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
图标:
701-视频流获取模块;702-人员行为获取模块;703-车辆行为获取模块;704-判断模块;705-报警执行模块;101-处理器;102-存储器;103-总线;104-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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发明一部分实施例,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,都属于本发明保护的范围。
在机械制造行业中,普遍存在一些工作人员夹带大型物料的不良行为,给企业造成巨大的损失。工作人员夹带的大型生产零件,往往通过放置到车辆的车厢中带出工厂。人工筛查车辆车厢的方式,尤其上下班高峰时段,耗时耗力,无形中增加了工人的工作时长,同时带来非常糟糕的体验。
现有技术中,普遍采用基于二维码和RFID(Radio Frequency Identification,射频识别技术)对仓储物料进行定位查找、防盗报警管理的方案,但是机械制造行业的生产零件不同于其它行业,其物料体积较大,非常笨重,无法实现流水线化的作业,二维码和RFID等技术并不适合在这类场景中,对于物料的溯源过程并不适用二维码或者RFID的方案,难以对物料做到全生命周期的追溯。大型零件的盗窃往往是从生产车间夹带到停车场后放入车厢带离的,现有技术中缺少有效的防盗报警手段,来实现对该环节的物料进行追溯。
可见,在当前大型机械制造行业中在仓储物料的安全管理环节还有提升空间。
由于当前大型机械制造行业的仓储物料安全管理环节中存在的上述问题,本发明的目的在于提供一种仓储物料防盗报警方法、装置及电子设备,该技术可以应用于对仓储物料的安防过程中,可以采用相关的软件或硬件实现,下面通过实施例进行描述。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种仓储物料防盗报警方法进行详细介绍,该方法的流程图如图1所示,包括:
步骤S101,从预先设置在仓储仓库的视频采集设备中实时获取视频流。
视频采集设备可由设置在仓储仓库中的相机构成,例如设置在仓库门口的用于人脸识别的相机、设置在仓库围墙中的安防相机等。视频采集设备也可由相关相机网络***所构成,例如可由枪球联合的相机网络监控***,其中枪机负责监控人员与车辆的行为,球机负责抓拍打开车厢的车辆车牌。
视频流的获取可通过相关数字图像工具得以实现,例如可采用OpenCV(OpenSource Computer Vision Library,开源计算机视觉库)中相关视频流获取的API(Application Programming Interface,应用程序接口)对视频采集设备中的视频流进行获取,如果该视频采集设备直接提供有视频流获取的API接口,那么直接调用该接口即可获得视频流。
步骤S102,对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为。
由于视频流中包含了各种复杂的场景,需要用特定的算法对视频流中的人员进行跟踪。例如可先对移动的目标进行识别,然后再判断该目标是否为人员;也可先对视频流中的人员进行识别,然后再判断该人员是否移动。
对目标移动状态的识别可利用数字图像处理中相关移动探测的算法得以实现;对视频流中人员的识别过程,可使用人脸识别算法得以实现,也可通过深度学习算法得以实现。
步骤S103,对视频流中的车辆进行检测,实时获取车辆的移动轨迹。
对视频流中的车辆进行检测,可利用相关匹配算法对固定型号以及颜色的车辆进行检测,该类算法的识别速度快,效率高,但需要特定的车型,使用范围较小,适应于进出车辆型号单一的场景。对车辆进行检测的过程也可通过预先完成训练的神经网络模型得以实现,可将视频流输入至该神经网络模型中,直接输出车辆检测的结果。该类方法的识别范围大,对各种类型的车辆均可识别,但识别速度稍慢。
在获得视频流中的车辆检测结果后,将视频流每一帧图像中的该车辆的位置进行记录并汇总,得到车辆的运动轨迹。该运动轨迹可通过车辆固定的特征点进行描述,例如该特征点可设置车辆的某一车轮,或者设置为车辆车身中的某一特殊图案区域。如果车辆在视频流中的姿态变化较多,可首先对车辆的周围标记检测框,通过记录检测框的中心位置来获取车辆的移动轨迹。
步骤S104,当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求。
由于是大型物料,是通过车辆进行搬运的,因此需要结合人员的行为以及车辆的状态进行分析。例如,如果步骤S102中的人员行为并无零件的夹带行为,则一定不会有零件夹带的情况发生;如果人员发生了零件夹带行为,而此时周围并无车辆,那么可能是人员在进行零件搬运,也并不需要报警;如果人员发生了零件夹带行为,此时周围有车辆经过,但未停止,此时需要实时判断该人员是否有向车辆进行抛物的行为;如果人员发生了零件夹带行为,此时周围有车辆停止在该人员附近,该人员又在该车辆中进行了足以完成零件搬运所用时间的停留,那么可认为该人员和车辆具有异常行为。
上述行为的判断过程不仅限于以上所述的场景,而且可根据实际场景,对车辆以及人员的优先级顺序进行修改,例如可优先判断车辆是否处于停止状态,然后再判断处于停止状态的车辆周围是否有人经过;也可优先判断人员的行为是否为夹带行为,然后再判断该人员是否经过停止的车辆。
步骤S105,如果是,对识别的人员和车辆进行报警处理。
如果判断结果满足报警需求,即表明有人员试图盗窃物料,可通过设置在场地中的报警器进行声音报警,同时可通过设置在场地中的警示灯来进行视觉警告;也可以将该人员和车辆信息传输至安保人员,以便安保人员在车辆出口处进行人工复检。
在本发明实施例提到的仓储物料防盗报警方法中,可基于深度学习的检测分类算法以及跟踪算法,对停车场内的人员和车辆的活动进行分析,对停车场内人员以及车辆的行为进行有效监控,通过对大型仓储物料中的车辆以及人员的行为进行分析,实现了对物料盗窃行为的识别,弥补了物料追溯中的空白环节,免除了耗时耗力的人工检查车厢的工作,为工厂降低了生产成本,提升了经济效益。
在一些实施方式中,上述对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为的步骤S102,如图2所示,包括:
步骤S201,对视频流中的人员进行人脸识别,获取人员的身份信息。
获得到视频流中的人员人脸信息后,与预先设置的人员数据库进行对比,从而获得该人员的姓名、性别以及身份证号等信息;如果该人员并不是仓储相关人员,则进行特殊标记,标记为高风险人员。
如果该人员不是仓储相关人员,可将该人员的人脸信息上传至相关大数据平台进行信息检索,获得该人员的具体身份信息。
步骤S202,实时追踪视频流中处于移动状态的人员。
对目标移动状态的识别可利用数字图像处理中相关移动探测的算法得以实现,也可以用预先完成训练的神经网络模型得以实现。
步骤S203,将处于移动状态的人员进行行为分析,得到人员的行为结果。
对人员行为分析的过程也可利用预先完成训练的相关神经网络模型得以实现,模型训练时所用的样本为不同行为的人员的图像,模型可对视频流中的人员的行为进行判断。
具体实施构成中,该步骤如图3所示,包括:
步骤S31,获取处于移动状态的人员图像。
该人员图像通过视频流中人员所处视频帧的截取而获得,该人员图像可保存在本地,也可临时保存在计算机内存中。
步骤S32,将人员图像输入至预先完成训练的行为分析模型中,输出行为分析结果。
该行为分析模型的构建过程中,所用的样本为不同行为的人员的图像,例如该人员行为的判断根据实际场景进行选择,例如人员的行为可为夹带大型零件的行为以及在车厢附近停留的行为,通过模型可对视频流中的人员是否夹带大型零件以及是否在车厢附近停留进行判断。
步骤S33,对人员图像对应的行为分析结果进行汇总,得到人员的行为结果。
步骤S204,根据人员的身份信息,对视频流中所有人员的行为结果进行标记。
遍历视频流中所有的人员,结合步骤S201中获得的人员身份信息,分别对视频流中所有人员的行为结果进行标记。可见,该步骤可结合相关神经网络模型,利用深度学习相关算法对视频流中的人员进行跟踪及行为分析。
在一些实施方式中,上述对视频流中的车辆进行检测,实时获取车辆的移动轨迹的步骤S103,如图4所示,包括:
步骤S401,对视频流中的车辆进行车辆识别,获取车辆的识别结果。
对视频流中的车辆进行检测,可利用相关匹配算法对固定型号以及颜色的车辆进行检测,该类算法根据车辆模板进行识别,其识别速度快,效率高,但只能识别模板特定的车型,使用范围较小,适应于进出车辆型号单一的场景。对车辆进行检测的过程也可通过预先完成训练的神经网络模型得以实现,可将视频流输入至该神经网络模型中,直接输出车辆检测的结果。该类方法的识别范围大,对各种类型的车辆均可识别,但识别速度稍慢。
步骤S402,根据车辆的识别结果,利用检测框对视频流中的车辆进行绘制。
由于车辆是运动的,因此在视频流中的同一车辆并不能保证相关的特征点能一定能显示,例如如果以车的左前轮作为特征点,那么在进出仓库两个状态时,势必会有一个状态监测不到该特征点,因此对车辆轨迹的绘制会发生偏差。因此,该步骤中利用检测框来对视频流中的车辆进行标定,然后利用检测框的位置来获得移动轨迹。
步骤S403,实时对视频流中的检测框进行轨迹追踪,获得车辆的移动轨迹。
检测框中包含车辆完整的车身信息,但检测框的大小并不固定。因此可设置检测框中的特征点来对车辆轨迹进行获取,例如可选择检测框的中心点,也可以选择检测框的某一顶点。
上述步骤在具体实施过程中,也可利用相关的神经网络模型来实现,如图5所示,包括:
步骤S51,获得视频流中的检测框中的车辆图像。
步骤S52,将车辆图像输入至预先完成训练的行为分析模型中,得到车辆行为分析结果。
该行为分析模型用于分析车辆的活动轨迹和行为,例如停车入位、驶离停车场、车道驻留等。
步骤S53,根据车辆行为分析结果中的停车入位、驶离停车场以及车道驻留行为结果,获得车辆的移动轨迹。
在一些实施方式中,上述当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求的步骤S104,如图6所示,包括:
步骤S601,获取存在物料夹带行为的人员的身份信息。
虽然夹带物料的行为可能是工人进行搬运的合法行为,但该行为是盗窃行为中必然存在的,因此只要存在物料夹带行为,就将该人员的身份信息进行获取,并作为高风险人员。
步骤S602,将存在物料夹带行为的人员图像输入至预先完成训练的行为分析模型中,得到人员在车辆中的停留时间。
该行为分析模型中,可分析人员在车辆周围的行为是否为搬运行为,如果是搬运行为,可通过该分析模型直接获得搬运时间,由于在盗窃过程中,盗贼比较紧张,导致搬运的时间通常较长,结合该人员的行为即可判断出该人员是否正在盗窃。
步骤S603,判断停留时间是否大于预设的时间阈值。
如果该人员停留的时间大于预设的时间间隔,表明该人员的行为超过正常搬运的时间,此时为满足报警的需求。
由上式实施方式可知,该仓储物料防盗报警方法可基于深度学习的检测分类算法以及跟踪算法,对停车场内的人员和车辆的活动进行分析,对停车场内人员以及车辆的行为进行有效监控,实现了停车场智能化、无人化监控管理,弥补了物料追溯在厂房到停车场这一环节的监管空白,同时避免了耗时耗力的人工检查,提升了员工的体验,降低了工厂生产成本,提升了经济效益。
对应于上述仓储物料防盗报警方法的实施例,本实施例还提供一种仓储物料防盗报警装置,如图7所示,该装置包括:
视频流获取模块701,用于从预先设置在仓储仓库的视频采集设备中实时获取视频流;
人员行为获取模块702,用于对视频流中的人员进行追踪,实时获取处于移动状态的人员的行为;
车辆行为获取模块703,用于对视频流中的车辆进行检测,实时获取车辆的移动轨迹;
判断模块704,用于当人员的行为存在将物料夹带至车辆时,判断行为是否满足报警需求;
报警执行模块705,用于如果是,对识别的人员和车辆进行报警处理。
本发明实施例所提供的仓储物料防盗报警装置,其实现原理及产生的技术效果和前述仓储物料防盗报警方法的实施例相同,为简要描述,实施例部分未提及之处,可参考前述方法实施例中相应内容。
本实施例还提供一种电子设备,为该电子设备的结构示意图如图8所示,该设备包括处理器101和存储器102;其中,存储器102用于存储一条或多条计算机指令,一条或多条计算机指令被处理器执行,以实现上述仓储物料防盗报警方法。
图8所示的电子设备还包括总线103和通信接口104,处理器101、通信接口104和存储器102通过总线103连接。
其中,存储器102可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。总线103可以是ISA总线、PCI总线或EISA总线等。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8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接,将封装好的IPv4报文或IPv4报文通过网络接口发送至用户终端。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processor,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102,处理器101读取存储器102中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明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上存储有计算机程序,该计算机程序被处理器运行时执行前述实施例的方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、设备和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以用软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种仓储物料防盗报警方法,其特征在于,所述方法包括:
从预先设置在仓储仓库的视频采集设备中实时获取视频流;
对所述视频流中的人员进行追踪,实时获取处于移动状态的所述人员的行为;
对所述视频流中的车辆进行检测,实时获取车辆的移动轨迹;
当所述人员的行为存在将物料夹带至车辆时,判断所述行为是否满足报警需求;
如果是,对识别的人员和车辆进行报警处理。
2.根据权利要求1所述的仓储物料防盗报警方法,其特征在于,对所述视频流中的人员进行追踪,实时获取处于移动状态的所述人员的行为的步骤,包括:
对所述视频流中的人员进行人脸识别,获取所述人员的身份信息;
实时追踪所述视频流中处于移动状态的所述人员;
将处于移动状态的所述人员进行行为分析,得到所述人员的行为结果;
根据所述人员的身份信息,对所述视频流中所有人员的行为结果进行标记。
3.根据权利要求2所述的仓储物料防盗报警方法,其特征在于,将处于移动状态的所述人员进行行为分析,得到所述人员的行为结果的步骤,包括:
获取处于移动状态的人员图像;
将所述人员图像输入至预先完成训练的行为分析模型中,输出行为分析结果;
对所述人员图像对应的行为分析结果进行汇总,得到所述人员的行为结果。
4.根据权利要求3所述的仓储物料防盗报警方法,其特征在于,所述人员的行为结果,包括:夹带大型零件的行为以及在车厢附近停留的行为。
5.根据权利要求1所述的仓储物料防盗报警方法,其特征在于,对所述视频流中的车辆进行检测,实时获取车辆的移动轨迹的步骤,包括:
对所述视频流中的车辆进行车辆识别,获取所述车辆的识别结果;
根据所述车辆的识别结果,利用检测框对所述视频流中的车辆进行绘制;
实时对所述视频流中的所述检测框进行轨迹追踪,获得所述车辆的移动轨迹。
6.根据权利要求5所述的仓储物料防盗报警方法,其特征在于,实时对所述视频流中的所述检测框进行轨迹追踪,获得所述车辆的移动轨迹的步骤,包括:
获得所述视频流中的所述检测框中的车辆图像;
将所述车辆图像输入至预先完成训练的行为分析模型中,得到车辆行为分析结果;
根据所述车辆行为分析结果中的停车入位、驶离停车场以及车道驻留行为结果,获得所述车辆的移动轨迹。
7.根据权利要求2所述的仓储物料防盗报警方法,其特征在于,当所述人员的行为存在将物料夹带至车辆时,判断所述行为是否满足报警需求的步骤,包括:
获取存在物料夹带行为的所述人员的身份信息;
将所述存在物料夹带行为的所述人员图像输入至预先完成训练的行为分析模型中,得到所述人员在所述车辆中的停留时间;
判断所述停留时间是否大于预设的时间阈值。
8.一种仓储物料防盗报警装置,其特征在于,所述装置包括:
视频流获取模块,用于从预先设置在仓储仓库的视频采集设备中实时获取视频流;
人员行为获取模块,用于对所述视频流中的人员进行追踪,实时获取处于移动状态的所述人员的行为;
车辆行为获取模块,用于对所述视频流中的车辆进行检测,实时获取车辆的移动轨迹;
判断模块,用于当所述人员的行为存在将物料夹带至车辆时,判断所述行为是否满足报警需求;
报警执行模块,用于如果是,对识别的人员和车辆进行报警处理。
9.一种电子设备,其特征在于,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至7任一项所述的方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400735.9A CN111597962B (zh) | 2020-05-12 | 2020-05-12 | 仓储物料防盗报警方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400735.9A CN111597962B (zh) | 2020-05-12 | 2020-05-12 | 仓储物料防盗报警方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597962A CN111597962A (zh) | 2020-08-28 |
CN111597962B true CN111597962B (zh) | 2023-05-02 |
Family
ID=72183609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010400735.9A Active CN111597962B (zh) | 2020-05-12 | 2020-05-12 | 仓储物料防盗报警方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597962B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112217994A (zh) * | 2020-09-29 | 2021-01-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种电力高压线周边安全作业预警方法 |
CN113343867A (zh) * | 2021-06-15 | 2021-09-03 | 广东电网有限责任公司 | 一种机房搬运设备检测方法、***、设备及介质 |
CN113591821B (zh) * | 2021-10-08 | 2021-12-10 | 广州洛克韦陀安防科技有限公司 | 基于大数据筛查的图像识别安防*** |
CN114743326A (zh) * | 2022-04-07 | 2022-07-12 | 武汉东湖学院 | 一种设置有智能识别的智能制造车间防盗预警*** |
CN114913653B (zh) * | 2022-04-27 | 2023-02-21 | 北京良安科技有限公司 | 一种用于粮仓存储安全的监测方法、装置、设备及介质 |
CN116993061B (zh) * | 2023-09-28 | 2023-12-29 | 广东中科凯泽信息科技有限公司 | 一种基于人工智能的煤矿防采盗智能管理*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881100A (zh) * | 2012-08-24 | 2013-01-16 | 济南纳维信息技术有限公司 | 基于视频分析的实体店面防盗监控方法 |
CN203376778U (zh) * | 2013-05-15 | 2014-01-01 | 国家电网公司 | 仓储管理及监控*** |
CN105894539A (zh) * | 2016-04-01 | 2016-08-24 | 成都理工大学 | 基于视频识别和侦测运动轨迹的预防盗窃方法和*** |
CN206672295U (zh) * | 2017-04-26 | 2017-11-24 | 佛山市顺德金纺集团有限公司 | 一种印染工厂防盗报警装置 |
CN108960128A (zh) * | 2018-06-29 | 2018-12-07 | 贵州省仁怀市西科电脑科技有限公司 | 一种用于仓库的安防监控*** |
CN109080578A (zh) * | 2018-09-20 | 2018-12-25 | 中山航领电子技术研究有限公司 | 一种智能可编程防盗器 |
CN109637086A (zh) * | 2019-01-24 | 2019-04-16 | 北京工业大学 | 报警方法及*** |
CN110110639A (zh) * | 2019-04-29 | 2019-08-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于人工智能循迹的室内监控方法及室内监控车 |
CN110717386A (zh) * | 2019-08-30 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 涉事对象追踪方法及装置、电子设备和非暂态存储介质 |
CN111046797A (zh) * | 2019-12-12 | 2020-04-21 | 天地伟业技术有限公司 | 一种基于人员和车辆行为分析的输油管线警戒方法 |
CN111052193A (zh) * | 2018-06-29 | 2020-04-21 | 百度时代网络技术(北京)有限公司 | 用于运输货物的自动驾驶车辆的防盗技术 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9082237B2 (en) * | 2002-06-11 | 2015-07-14 | Intelligent Technologies International, Inc. | Vehicle access and security based on biometrics |
WO2015151862A1 (ja) * | 2014-04-01 | 2015-10-08 | みこらった株式会社 | 自動車及び自動車用プログラム |
KR20170143431A (ko) * | 2016-06-21 | 2017-12-29 | 최명수 | 협력 기반의 상호 감시를 통해 중요 휴대 물품의 도난 및 분실을 방지하기 위한 시스템 및 방법 |
-
2020
- 2020-05-12 CN CN202010400735.9A patent/CN111597962B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881100A (zh) * | 2012-08-24 | 2013-01-16 | 济南纳维信息技术有限公司 | 基于视频分析的实体店面防盗监控方法 |
CN203376778U (zh) * | 2013-05-15 | 2014-01-01 | 国家电网公司 | 仓储管理及监控*** |
CN105894539A (zh) * | 2016-04-01 | 2016-08-24 | 成都理工大学 | 基于视频识别和侦测运动轨迹的预防盗窃方法和*** |
CN206672295U (zh) * | 2017-04-26 | 2017-11-24 | 佛山市顺德金纺集团有限公司 | 一种印染工厂防盗报警装置 |
CN108960128A (zh) * | 2018-06-29 | 2018-12-07 | 贵州省仁怀市西科电脑科技有限公司 | 一种用于仓库的安防监控*** |
CN111052193A (zh) * | 2018-06-29 | 2020-04-21 | 百度时代网络技术(北京)有限公司 | 用于运输货物的自动驾驶车辆的防盗技术 |
CN109080578A (zh) * | 2018-09-20 | 2018-12-25 | 中山航领电子技术研究有限公司 | 一种智能可编程防盗器 |
CN109637086A (zh) * | 2019-01-24 | 2019-04-16 | 北京工业大学 | 报警方法及*** |
CN110110639A (zh) * | 2019-04-29 | 2019-08-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于人工智能循迹的室内监控方法及室内监控车 |
CN110717386A (zh) * | 2019-08-30 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 涉事对象追踪方法及装置、电子设备和非暂态存储介质 |
CN111046797A (zh) * | 2019-12-12 | 2020-04-21 | 天地伟业技术有限公司 | 一种基于人员和车辆行为分析的输油管线警戒方法 |
Non-Patent Citations (2)
Title |
---|
Zeliang Liu等.Study on the Anti-Theft Technology of Museum Cultural Relics Based on Internet of Things.《IEEE Access》.2019,第7卷全文. * |
蒋磊.基于PGIS的智能电动车防盗***的设计与实现.《中国优秀硕士学位论文全文数据库 信息科技辑》.2020,(第01期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111597962A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111597962B (zh) | 仓储物料防盗报警方法、装置及电子设备 | |
CN109571468B (zh) | 安防巡检机器人及安防巡检方法 | |
CN108694399B (zh) | 车牌识别方法、装置及*** | |
Bui et al. | A vehicle counts by class framework using distinguished regions tracking at multiple intersections | |
CN109996182B (zh) | 一种基于uwb定位与监控结合的定位方法、装置及*** | |
CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
CN112836683B (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
CN113792586A (zh) | 车辆事故检测方法、装置及电子设备 | |
CN112464030B (zh) | 一种可疑人员确定方法及装置 | |
CN111652185A (zh) | 一种基于违章行为识别的安全施工方法、***、装置及存储介质 | |
CN111444843B (zh) | 一种多模态驾驶员及车辆违法行为监测方法及*** | |
CN110533889B (zh) | 一种敏感区域电子设备监测定位装置与方法 | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN116189444A (zh) | 一种车辆动态信息自动识别方法 | |
CN106127903A (zh) | 电子设备探测门禁管控装置及其方法 | |
TWI617997B (zh) | Intelligent object detection assistance system and method | |
CN116824471A (zh) | 智能井架区域作业监测方法和*** | |
Mondal et al. | Visual traffic surveillance: A concise survey | |
CN113989787A (zh) | 一种危险驾驶行为的检测方法以及*** | |
CN112399049A (zh) | 基于智能盒子的气站非法加气识别方法及***、设备 | |
Hu et al. | Automatic detection and evaluation of 3D pavement defects using 2D and 3D information at the high speed | |
CN115620248B (zh) | 一种基于交通监控的摄像头调用方法及*** | |
KR20200136583A (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
CN113269011B (zh) | 车辆检测方法、装置、设备及存储介质 | |
CN112927455B (zh) | 停车场智能监控方法及应用 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230117 Address after: 314506 room 116, building 4, No. 288, development avenue, Tongxiang Economic Development Zone, Tongxiang City, Jiaxing City, Zhejiang Province Applicant after: Shengjing Intelligent Technology (Jiaxing) Co.,Ltd. Address before: 102200 5th floor, building 6, No.8 Beiqing Road, Changping District, Beijing Applicant before: SANY HEAVY INDUSTRY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |