CN114581824B 一种基于视频检测技术的分拣中心异常行为的识别方法 （南京邮电大学）

一种基于视频检测技术的分拣中心异常行本发明公开了一种基于视频检测技术的分对分拣中心的主体检测对象快件和分拣人员的的特征，提出了一系列用于检测异常情况的方2txk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u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cxcx指快件前景的内恒成立且恒成立时，则称快件在3xk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；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＝max43.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Cp4.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，其特征在获得各像素点的背景阈值之后，就需要对前景进行提取5步骤5.3、对于图像P，存在着一组同心像素圈cx,k=[min(m,n)/21,对于这组同心像素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mCC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6[0003]通过对摄像头采集到的连续图景进行检测，可以获取其中的关键物体的运动情自适应细节增强滤波的窗口大小σ和增强系数k，以及基于场景平滑度的全局背景阈值矩[0008]全局光照矩阵的计算原理是根据暗原色图的局部光亮强度特征对周围光环境的[0009]首先，系统对输入的大小为m×n图像进行类型转换，求其暗原色图，暗原色图7s列的我们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)[0016]由于快递分拣中心的环境比较复杂，对于精细行为和物体的识别要求也随之提C8[0033]对于图像P，存在着一组同心像素圈ck,k=[min(m,n)/21,对于这组同心像素圈，9c′c′tx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[0054]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x[0078]设定步长step，经验上取step为窗口大小为将整个图像划个图像组包括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[0082]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＝maxCpp[0100]对于图像P，存在着一组同心像素圈ck,k=[min(m,n)/21,对于这组同心像素圈，txDisappear(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xc′c′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[0130]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所属区领域技术人员在不脱离所附权利要求的范围的情况下可设计出替