[发明专利]基于摄像头图像的仓库非法作业鉴别的方法及系统

权利要求书

1.一种基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，该方法具体如下：

将仓库按照不同货位，基于摄像头的可视角度进行区域划分；

将划分区域与摄像头画面进行对应；

在作业过程中对图像进行捕捉，检测动态过程并捕捉图像，图片捕捉按组进行捕捉，并对图片前后关联；

将异常作业的图片组进行标记，并输出异常事件的维度信息和属性信息；

将记录的信息及图片通过Python进行模型构建，设立初始的异常库；

在初始化的异常库中导入标记完毕的异常图片，并进行模型初始参数设置，并进行模型优化。

2.根据权利要求1所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，模型优化过程具体如下：

模型初始参数设置完毕后，通过相同场景的事件进行模拟验证：

①、若模拟验证通过并成功预警，则说明该场景及维度下的异常事件算法正确；

②、若模拟验证失败，模型没有进行预警，则说明该场景及维度下的异常事件算法不正确或存在缺陷，对该场景的异常事件算法进行更正，并进行模型更正；

当前场景及维度下的异常事件精准捕捉计算，重复输入图片进行模型训练；

添加不同维度的场景，并标识不同异常行为的图片；

查看实际生产过程中的仓库异常行为，针对误判的情况，提取误判图片的特征值，并进行记录优化。

3.根据权利要求1所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，所述维度信息包括场景、区域、切片记录位置及异常类型；

所述属性信息包括记录的时间信息、动作记录信息、动作坐标范围信息及异常关键点信息。

4.根据权利要求1所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，所述模型包括异常标识、异常范围变化以及模型纠偏；

其中，异常标识为枚举类型，异常标识包括明火图像、水体图像及光点图像；当发现其他异常情况后新增枚举，增加图片进行图像识别，提取图像特征，对比当前图像分析预警；

异常范围变化是指整个图像货架、货物及地面在单位时间内范围及面积变化达到设定范围及面积变化值，即通过前后图像固定物范围在固定帧幅度内变化，输入多组关联图片进行图片训练，达到范围及面积变动阀值即可出发报警。

5.根据权利要求4所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，所述模型纠偏是指对以上两个异常识别类数据分类图片进行图像识别训练；

其中，明火图像模型纠偏具体如下：

模型库里对明火图片进行大数据量输入，分解为图像特征进行存储；

在后续摄像头的图像捕捉到异常标识后，相似度达到设定百分值即可触发预警；

其中，水体图像、光点图像与明火图像的模型纠偏过程相同。

6.根据权利要求1所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，所述异常库包括明火异常、水浸异常、倒塌异常及未分类异常。

7.根据权利要求2所述的基于摄像头图像的仓库非法作业鉴别的方法，其特征在于，所述特征值包括场景、动作分类及区别点。