[发明专利]一种基于计算机视觉的暴力分拣快递判断方法

说明书

本发明涉及一种基于计算机视觉的暴力分拣快递判断方法，采用深度学习的方法，使用YOLO卷积神经网络进行样本集训练，获得具有识别快递能力的模型，即包裹识别模型，用于针对各个视频帧进行识别，然后基于所识别获得包裹图像的坐标，根据包裹图像坐标的实时变化，判断是否属于暴力分拣行为，整个设计方法简洁，易于实现，且能够有效提高实际应用效率。

技术领域

本发明涉及一种基于计算机视觉的暴力分拣快递判断方法，属于图像处理技术领域。

背景技术

近年来，快递行业快速发展，各类投诉也呈现激增的趋势，快递业乱象由来已久。快递乱象表面原因是从业人员服务水平差，但追根究底，民营快递多以加盟制为主，由于管理松散、准入门槛低，对基层网点的管理和员工培训很难做到严格规范。其中，暴力分拣是一个十分突出的问题。由于工作量大，经常出现员工不按规范操作，以扔的方式将物品归类，包装盒内的物品极易受损。因此，加强对员工暴力分拣的监管十分必要。

发明内容

本发明所要解决的技术问题是提供一种采用全新设计思路，能够有效提高识别效率的基于计算机视觉的暴力分拣快递判断方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于计算机视觉的暴力分拣快递判断方法，基于固定角度拍摄快递传送单，所获得的各个视频帧，执行暴力分拣快递判断方法，其中，包裹分拣员工作区位于固定角度拍摄区域内，所述暴力分拣快递判断方法包括如下步骤：

步骤A.采用经过包裹样本集训练的包裹识别模型，针对各个视频帧进行识别，获得各个视频帧中的包裹图像，并进行标记，然后进入步骤B；

步骤B.针对固定角度拍摄区域建立坐标系，获得各个视频帧中包裹图像的坐标信息，然后进入步骤C；

步骤C.基于各个视频帧中包裹图像的坐标信息，获得包裹本体的移动轨迹，并获得移动轨迹的起点坐标和终点坐标，以及最高位置像素点坐标，然后进入步骤D；

步骤D.获得起点坐标与终点坐标相对横坐标轴的距离A，并判断AW或yH是否成立，是则判断该包裹为暴力分拣；否则判断该包裹不是暴力分拣；其中，W表示沿坐标系横坐标预设包裹最大正常移动距离，y表示移动轨迹中最高位置像素点坐标的纵坐标，H表示沿坐标系纵坐标预设包裹最大正常移动距离。

作为本发明的一种优选技术方案：所述步骤A中，采用经过包裹样本集训练的YOLO卷积神经网络，作为包裹识别模型，完成针对各个视频帧的识别。

作为本发明的一种优选技术方案：所述步骤A中，所述包裹样本集采用PASCALVOC2007数据集架构，用来训练YOLO卷积神经网络。

本发明所述一种基于计算机视觉的暴力分拣快递判断方法采用以上技术方案与现有技术相比，具有以下技术效果：本发明设计的一种基于计算机视觉的暴力分拣快递判断方法，采用深度学习的方法，使用YOLO卷积神经网络进行样本集训练，获得具有识别快递能力的模型，即包裹识别模型，用于针对各个视频帧进行识别，然后基于所识别获得包裹图像的坐标，根据包裹图像坐标的实时变化，判断是否属于暴力分拣行为，整个设计方法简洁，易于实现，且能够有效提高实际应用效率。

附图说明

图1是本发明所设计一种基于计算机视觉的暴力分拣快递判断方法的流程示意图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。