[发明专利]货物识别方法、计算机设备和货物监控系统

说明书

本发明提供了一种货物识别方法、计算机可读存储介质、计算机设备和货物监控系统，所述方法是针对每辆车执行的步骤，包括：获取基础图像和多张不同装货状态的车厢图像作为样本数据，所述基础图像为空车车厢图像；将多张不同装货状态的车厢图像分别与基础图像进行差异化特征提取，得到多张差异图，将多张差异图作为训练数据；输入训练数据到卷积神经网络模型中进行训练，得到货物识别模型；实时获取车厢图像；将实时获取的车厢图像与基础图像进行差异化特征提取得到差异图后传入所述货物识别模型中进行推理，将相邻时刻得到的差异图进行对比，实时得到车厢内的货物变化信息。对车厢进行实时监控，无需人工参与。

技术领域

本发明属于物流监管领域，尤其涉及一种货物识别方法、计算机可读存储介质、计算机设备和货物监控系统。

背景技术

在货物运输领域中，会出现货物丢失、损毁等意外事件，目前对车内装载货物数量的判别还主要依靠人工现场查看，或者利用摄像头采集图片等方式来进行。这些方案有限制：一是人工现场查看；但只适用于车辆停止运行的时候，在车辆运行中，很难做到货物状况的判断；二是摄像头采集的图像；这要在运输结束后才可以调取查看，可能因为没有及时的处理货物丢失的情况而造成巨大的损失；三是在线视频监控；但是会造成高昂的流量费用，同时需要匹配人力进行实时监控。

发明内容

本发明的目的在于提供一种货物识别方法、计算机可读存储介质、计算机设备和货物监控系统，旨在解决货物运输过程中不能及时发现货物减少等异常的问题。

第一方面，本发明提供了一种货物识别方法，所述方法是针对每辆车执行的步骤，包括：

获取基础图像和多张不同装货状态的车厢图像作为样本数据，所述基础图像为空车车厢图像；

将多张不同装货状态的车厢图像分别与基础图像进行差异化特征提取，得到多张差异图，将多张差异图作为训练数据；

输入训练数据到卷积神经网络模型中进行训练，得到货物识别模型；

实时获取车厢图像；

将实时获取的车厢图像与基础图像进行差异化特征提取得到差异图后传入所述货物识别模型中进行推理，将相邻时刻得到的差异图进行对比，实时得到车厢内的货物变化信息。

进一步地，所述差异化特征提取包括像素作差和向量作差。

进一步地，当所述差异化特征提取采用像素作差时，所述货物识别方法还包括：将车厢图像和基础图像分别转换为像素值在0-255之间的灰度图像。

第二方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现述的货物识别方法的步骤。

第三方面，本发明提供了一种计算机设备，包括：一个或多个处理器、存储器以及一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现所述的货物识别方法的步骤。

第四方面，本发明提供了一种货物监控系统，包括所述计算机设备、与计算机设备连接的摄像头模块和提醒模块，所述摄像头模块进行图像采集并传给计算机设备；如果货物丢失，则由提醒模块发出提醒。

在本发明中，将实时获取的车厢图像和基础图像进行差异化特征提取得到差图后传入所述货物识别模型中进行推理，将相邻时刻得到的差异图进行对比，实时得到车厢内的货物变化信息；可以实现对车厢内的货物的实时监控，及时发现货物减少等异常，减少货物丢失，检测到异常情况时会通过提醒模块提醒司机，系统工作时不需要人工参与。

附图说明

图1是本发明一实施例提供的货物识别方法的流程图。

图2是本发明一实施例提供的计算机设备的具体结构框图。