回流件识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及视觉监控技术领域，公开了一种回流件识别方法、装置、设备及存储介质。该方法包括：获取回流件检测区域存在回流件的第一图像和不存在回流件的第二图像，并将第一图像和第二图像作为训练样本图像进行标注，得到各训练样本图像的标注信息；采用训练样本图像和标注信息，对预置SSD

【技术实现步骤摘要】
回流件识别方法、装置、设备及存储介质


[0001]本专利技术涉及视觉监控
，尤其涉及一种回流件识别方法、装置、设备及存储介质。

技术介绍

[0002]快递行业每天包裹数量巨大，因为各种原因产生回流件也是经常发生的事情，导致回流件的积压、货物堆积杂乱，容易产生安全隐患。为了及时有效的将快递送到客户手中，要避免回流件，可通过视频监控技术来分析是否产生了回流件，以供快递人员有计划地处理回流件。
[0003]当前关于回流件的视频监控技术采用NMS(Non-Maximum Suppression，非极大值抑制)算法，该算法的缺点明显，首先，NMS算法需要一个超参，超参大了不行，小了也不行，很难平衡；其次，NMS会将相邻的两个大概率目标框去掉一个，造成漏检；而算法应用的损失函数对易分类样本的权重关注度较高，使得模型在训练时难以专注于难分类的样本，导致现有视频监控技术对物流回流件的识别精度较低。

技术实现思路

[0004]本专利技术的主要目的在于解决现有视频监控技术对物流回流件的识别精度较低的技术问题。
[0005]本专利技术第一方面提供了一种回流件识别方法，包括：
[0006]获取预先采集的回流件检测区域存在回流件的第一图像和不存在回流件的第二图像，并将所述第一图像和所述第二图像作为训练样本图像；
[0007]对所述训练样本图像进行标注，得到各训练样本图像的标注信息；
[0008]采用所述训练样本图像和所述标注信息，对预置SSD-Pytorch模型进行训练，得到回流件识别模型，其中，所述SSD-Pytorch模型包括VGG Backbone层、Extra Layers层、Multi-box Layers层；
[0009]获取当前回流件检测区域的第三图像，并将所述第三图像输入所述回流件识别模型进行识别，输出所述第三图像中存在回流件的概率；
[0010]若所述概率大于预置概率阈值，则确定所述第三图像中存在回流件并推送提示信息。
[0011]可选的，在本专利技术第一方面的第一种实现方式中，所述对所述训练样本图像进行标注，得到各训练样本图像的标注信息包括：
[0012]圈定预先采集回流件检测区域的训练样本图像中回流件的区域范围，并对所述训练样本图像进行分割，得到对应的标注区域；
[0013]将所述标注区域写入预置XML格式的空白文件中，得到对应的标注信息。
[0014]可选的，在本专利技术第一方面的第二种实现方式中，所述采用所述训练样本图像和所述标注信息，对预置SSD-Pytorch模型进行训练，得到回流件识别模型包括：
[0015]将所述训练样本图像输入所述VGG Backbone层，并通过所述VGG Backbone层提取所述训练样本图像的初始特征图；
[0016]将所述各初始特征图输入所述Extra Layers层，并通过所述Extra Layers层对所述初始特征图进行下采样，得到对应的特征图；
[0017]将所述特征图输入所述Multi-box Layers层，并通过所述Multi-box Layers层对所述特征图进行卷积处理，得到对应的回归特征图和分类特征图；
[0018]基于所述回归特征图和所述分类特征图，预测所述训练样本图像中存在回流件的概率；
[0019]根据所述概率和所述标注信息，对所述SSD-Pytorch模型的参数进行调整，直到所述SSD-Pytorch模型收敛，得到回流件识别模型。
[0020]可选的，在本专利技术第一方面的第三种实现方式中，所述基于所述回归特征图和所述分类特征图，预测所述训练样本图像中存在回流件的概率包括：
[0021]整合所述回归特征图和所述分类特征图，分别确定所述训练样本图像中多个目标物的预测框，并确定所述各预测框中目标物为回流件的初始概率；
[0022]将所述各初始概率按照由高至低的顺序，对所述训练样本图像中各目标物的预测框进行排序；
[0023]基于所述各预测框的排序顺序，选取初始概率大于预置概率阈值的预测框作为候选框，并调整与所述候选框接壤的预测框的初始概率，得到所述训练样本图像各目标物中为回流件的最终概率；
[0024]并基于所述各目标物中为回流件的最终概率，确定所述训练样本图像中存在回流件的概率。
[0025]可选的，在本专利技术第一方面的第四种实现方式中，所述基于所述各预测框的排序顺序，选取初始概率大于预置概率阈值的预测框作为候选框，并调整与所述候选框接壤的预测框的初始概率，得到所述训练样本图像各目标物中为回流件的最终概率包括：
[0026]选取排序最靠前的预测框作为当前候选框，并计算当前候选框与接壤的预测框的IOU值；
[0027]基于所述IOU值，下调所述接壤的预测框的初始概率，并将下调后的概率作为最终概率；
[0028]剔除作为候选框的预测框及调整初始概率后的预测框，重新选取排序最靠前的预测框作为当前候选框；
[0029]跳转执行所述计算当前候选框与接壤的预测框的IOU值的步骤，直到最新选取的候选框的初始概率小于预置概率阈值时停止，得到所述训练样本图像中各目标物为回流件的最终概率。
[0030]可选的，在本专利技术第一方面的第五种实现方式中，所述根据所述概率和所述标注信息，对所述SSD-Pytorch模型的参数进行调整，直到所述SSD-Pytorch模型收敛，得到回流件识别模型包括：
[0031]根据所述概率和所述标注信息，计算所述SSD-Pytorch模型的交叉熵损失值，并判断所述交叉熵损失值是否小于预置损失阈值；
[0032]若小于，则对所述SSD-Pytorch模型的参数进行调整并重新进行训练，直到所述交
叉熵损失值小于预置损失阈值，确定所述SSD-Pytorch模型收敛，得到回流件识别模型。
[0033]本专利技术第二方面提供了一种回流件识别装置，包括：
[0034]获取模块，用于获取预先采集的回流件检测区域存在回流件的第一图像和不存在回流件的第二图像，并将所述第一图像和所述第二图像作为训练样本图像；
[0035]标注模块，用于对所述训练样本图像进行标注，得到各训练样本图像的标注信息；
[0036]训练模块，用于采用所述训练样本图像和所述标注信息，对预置SSD-Pytorch模型进行训练，得到回流件识别模型，其中，所述SSD-Pytorch模型包括VGG Backbone层、Extra Layers层、Multi-box Layers层；
[0037]识别模块，用于获取当前回流件检测区域的第三图像，并将所述第三图像输入所述回流件识别模型进行识别，输出所述第三图像中存在回流件的概率；
[0038]推送模块，用于若所述概率大于预置概率阈值，则确定所述第三图像中存在回流件并推送提示信息。
[0039]可选的，在本专利技术第一方面的第一种实现方式中，所述标注模块包括：
[0040]分割单元，用于圈定预先采集回流件检测区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种回流件识别方法，其特征在于，所述回流件识别方法包括：获取预先采集的回流件检测区域存在回流件的第一图像和不存在回流件的第二图像，并将所述第一图像和所述第二图像作为训练样本图像；对所述训练样本图像进行标注，得到各训练样本图像的标注信息；采用所述训练样本图像和所述标注信息，对预置SSD-Pytorch模型进行训练，得到回流件识别模型，其中，所述SSD-Pytorch模型包括VGG Backbone层、Extra Layers层、Multi-box Layers层；获取当前回流件检测区域的第三图像，并将所述第三图像输入所述回流件识别模型进行识别，输出所述第三图像中存在回流件的概率；若所述概率大于预置概率阈值，则确定所述第三图像中存在回流件并推送提示信息。2.根据权利要求1所述的回流件识别方法，其特征在于，所述对所述训练样本图像进行标注，得到各训练样本图像的标注信息包括：圈定预先采集回流件检测区域的训练样本图像中回流件的区域范围，并对所述训练样本图像进行分割，得到对应的标注区域；将所述标注区域写入预置XML格式的空白文件中，得到对应的标注信息。3.根据权利要求1或2所述的回流件识别方法，其特征在于，所述采用所述训练样本图像和所述标注信息，对预置SSD-Pytorch模型进行训练，得到回流件识别模型包括：将所述训练样本图像输入所述VGG Backbone层，并通过所述VGG Backbone层提取所述训练样本图像的初始特征图；将所述各初始特征图输入所述Extra Layers层，并通过所述Extra Layers层对所述初始特征图进行下采样，得到对应的特征图；将所述特征图输入所述Multi-box Layers层，并通过所述Multi-box Layers层对所述特征图进行卷积处理，得到对应的回归特征图和分类特征图；基于所述回归特征图和所述分类特征图，预测所述训练样本图像中存在回流件的概率；根据所述概率和所述标注信息，对所述SSD-Pytorch模型的参数进行调整，直到所述SSD-Pytorch模型收敛，得到回流件识别模型。4.根据权利要求3所述的回流件识别方法，其特征在于，所述基于所述回归特征图和所述分类特征图，预测所述训练样本图像中存在回流件的概率包括：整合所述回归特征图和所述分类特征图，分别确定所述训练样本图像中多个目标物的预测框，并确定所述各预测框中目标物为回流件的初始概率；将所述各初始概率按照由高至低的顺序，对所述训练样本图像中各目标物的预测框进行排序；基于所述各预测框的排序顺序，选取初始概率大于预置概率阈值的预测框作为候选框，并调整与所述候选框接壤的预测框的初始概率，得到所述训练样本图像各目标物中为回流件的最终概率；基于所述各目标物中为回流件的最终概率，确定所述训练样本图像中存在回流件的概率。5.根据权利要求4所述的回流件识别方法，其特征在于，所述基于所述各预测框的排序
顺序，选取初始概率大...

【专利技术属性】
技术研发人员：李斯，赵齐辉，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：