欧美国产伦久久久久久久

<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>

24小時論文定制熱線

咨詢電話

熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
您當前的位置:論文定制 > 畢業設計論文 >
快速導航
畢業論文定制
關于我們
我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
代做畢業設計
常見問題

基于計算機視覺的物流倉儲安全智能監控管理系統的研宄

添加時間:2021/06/24 來源:未知 作者:樂楓
本文主要對物流倉儲中異常目標的檢測與跟蹤算法,不安全行為識別算法進行了研究。針對傳統目標跟蹤算法在目標被遮擋后不能準確跟蹤的問題,提出了一種基于差分YOLO檢測和Camshift的混合跟蹤算法。
以下為本篇論文正文:

摘要

  隨著計算機技術和人工智能技術的飛速發展,現代物流業也更偏向于智能化管理。在物流倉儲安全方面,結合計算機視覺技術,開發設計物流倉儲安全智能監控管理系統,系統有效及時地對物流倉儲人員的不安全行為進行預警處理,對提高物流倉儲安全管理水平具有重要的實際意義。

  本文主要對物流倉儲中異常目標的檢測與跟蹤算法,不安全行為識別算法進行了研究。針對傳統目標跟蹤算法在目標被遮擋后不能準確跟蹤的問題,提出了一種基于差分YOLO檢測和Camshift的混合跟蹤算法。建立了基于YOLO網絡結構的目標檢測模型,利用YOLO算法確定目標位置并初始化目標跟蹤窗口。根據目標的位置信息,使用Camshift算法對后續的視頻幀進行處理,并更新每幀的目標,從而可以不斷調整跟蹤窗口位置以適應目標的運動。其次,基于YOLO檢測和Camshift的混合跟蹤算法,融合OpenPose算法提取人體骨骼序列。將人體關節位置作為原始特征,對特征進行預處理,從原始關節位置手動設計特征,然后提取特征來區分人員摔倒的動作類型。對采集到的物流倉儲企業視頻片段進行了實驗,并在視頻數據集上對實驗結果進行了比較,實驗表明該融合算法具有較好的魯櫸性和實際應用價值。

  為了實現本文融合算法研究在物流倉儲企業環境中的實際應用,構建了物流倉儲安全智能監控管理系統,并將提出的算法應用到系統中。設計了系統的功能結構,包括異常行為管理、監控信息管理、系統設置、綜合統計查詢等功能,實現了對物流倉儲監控視頻數據的采集、分析和處理。該系統具有智能化、實時性的特點,可以對物流倉儲中的異常人員和異常行為進行自動分析和預警,可以大大提高物流倉儲人員作業的安全性,提高物流倉儲企業的安全管理水平。系統有利于物流倉儲企業實時監控數據采集;有利于持續動態監測:有利于降低物流倉儲企業安全事故風險,提高安全效率。因此,推廣應用后具有良好的經濟效益和社會效益。

  關鍵詞:倉儲安全管理; YOLO; Camshift; OpenPose; 智能視頻監控系統

Abstract

  With the rapid development of computer uechnology and artificial itelligencetechnology, modern logistics industy is also more inclined to itelligent management.

  In the aspect of logistics warehousing security, combined with computer visiontechnology, an intelligent monitoring and management system for logisticswarehousing security is developed and designed, which can warm and deal with theunsafe behavior of logistics warchousing personnel in an effective and timely manner,It has important practical significance to improve the level of logistics warehousingsecurity management.

  This paper mainly studics the abnormal target detection and tracking algorihmand unsafe behavior identification algorithm in logistics warchousing. In order to solvethe problem that the traditinal target tracking algoritm can not track the targetaccurately after occlusion, a hybrid tracking algorithm based on iferential YOL0detection and Camshift is proposed. A target detection model based on YOL0 networkstructure is established, and the target location is determined and the target trackingwindow is nialized by using YOLO algrihm. According to the position informationof the target, the Camshift algorithm is used to process the subsequent video framesand update the target of each frame, so that the position of the tracking window can beconstantly adjusted to adapt to the motion of the target. Secondly, based on the hybridtracking algorithm of YOLO detection and Camshift, the human bone sequence isextracted by combining OpenPose algorithm. Take the human joint position as theoriginal feature, preprocess the feature, manually design the feature from the originaljoint position, and then extract the feature to distinguish the action type of the personfalling. Experiments are aried out on the ollcted video clips of logisticswarehousing enterprises, and the experimental results are compared on the video dataseL The experimental results show that the fusion algorithm has good robustness andpractical application value.

  In order to realize the practical application of the fusion algorithm research in thelogistics warchousing enterprise environment, the logistics warchousing securityintelligent monitoring and management system is constructed, and the proposed algorithm is applied t如o the system. The functional struacture of the system is designed,ineluding abnormal behavior management, monitoring information management,system setting, comprchensive statistical query and other functions, to achieve thelogistis warehousing sreillanle video data olltione, analysis and processing Thesystem has the characteristics of itelligence and realtime, and can automaticallyanalyze and warm the abnormal personnel and abnormal bchavior in logisticswarehousing, which can greatly improve the security of logistics warchousingpersonnel and improve the security management level of logistics warehousingenterprises. The system is conducive to real-time monitoring data collction oflogistics warehousing enterprises; conducive to continuous dynamic monitoring;conducive to reducing the risk of security accidents of logistics warehousingenterprises and improving security efficieney. Therefore, it has good economic andsocial benefits after popularization and application.

  KeyWords: warehouse security managerment,yolo,castif.pepose itleligent videosurveillance system

計算機

目錄

  引言

  物流倉儲安全是物流企業發展的基石,也是至關重要的生產作業環節。目前,在物流倉儲的安全管理中,需要管理人員對視頻設備進行實時的監控。通常在異常情況發生后,以往通過回放監控視頻這種方式,對目標不安全行為的發生過程不能進行及時有效的預警和預防。

  本文研究內容的目的是結臺計算機視覺技術,將其應用到物流倉儲安全管理的環境中去,對物流倉儲中的異常目標進行檢測與跟蹤,以及異常行為識別,提高物流倉儲安全管理能力,使物流倉儲的安全管理更加信息化和智能化。在物流倉儲的安全管理中,有些學者也對物流倉儲的視頻監控系統進行了一定的研究,但是也主要是針對物流倉儲企業日常的進出門安防監控和倉儲火情的監控研究,并未對物流倉儲中的貨物操作人員的行為操作安全性進行研究與跟進。研究的內容有的學者也結合了計算機視覺技術在物流倉儲中的應用,但是并沒有對計算機視覺技術中的目標檢測與跟蹤,行為識別算法等研究進行進一步的深入挖掘, 算法的研究內容實際可操作性不強,落地的實際意義價值不大,并沒有進行下一步的實際應用。

  本文在計算機視覺技術的基礎上,提出基于差分YOLO檢測和Camshift的混合跟蹤算法對目標進行檢測和跟蹤,并關注場景中感興趣的目標進行重點檢測。

  在目標行為識別過程中,融合OpenPose算法提取圖像中人體骨骼和關節的坐標信息,進行倉儲人員摔倒等異常行為識別。最后,結合目標檢測與跟蹤和行為識別算法,開發設計并實現-套物流倉儲安全智能視頻監控管理系統,提高物流倉儲安全管理的智能化水平。

  1緒論

  1.1研究背景和研究意義

  1.1.1 研究背景

  物流倉儲安全是物流企業至關重要的生產作業環節。為了提高倉庫安全管理水平,許多物流企業都在尋求自己的方法,隨著計算機視覺技術的興起,物流倉儲安防視頻監控的方式正悄悄發生轉變。傳統的視頻安防監控已不能滿足物流企業日益增長的安防需求,正在向智能的視頻監控的方向尋求發展。

  葛長青"等認為,物流業的快速發展提升了人們對作業安全的要求,因此研究物流倉儲作業的安全風險及對策具有重要意義。從經營管理的角度,分析了倉儲經營過程中的安全風險,并針對存在的問題提出了具體的對策,以更好地降低物流倉儲安全風險,促進物流企業的發展。王成安"認為倉儲設備在倉儲作業過程中可能發生傾斜、晃動、傾覆等各種安全問題,嚴重影響倉儲人員和貸物安全,如果沒有及時發現,則會導致嚴重后果。因此要對倉儲環境和設備進行實時監控。

  目前,在日常的物流倉儲的安全管理中需要工作人員對視頻設備進行實時監控,等到發生安全事故后才會去回看視頻監控。在物流倉儲環境中,許多人員都在繁忙地進行物流活動操作,管理人員有時或因生理需求暫時離開,埋下了安全隱患。傳統的視頻監控系統,在物流倉儲企業里,等到發生安全事故后再去分析原因已為時已晚,早已造成貨物的損壞和人員的受傷。因此,研究實現基于計算機視覺的物流倉儲安全智能監控管理系統具有重要的實際意義和發展前景。

  1.1.2研究意義
  本文對基于計算機視覺的物流倉儲安全智能監控管理系統問題進行了研究,在智能視頻監控系統應用于物流倉儲環境的過程中,研究運動目標檢測與跟踩算法技術,獲取用戶感興趣的目標行為。在理論研究意義方面,針對傳統目標跟蹤算法在遮擋后不能準確跟蹤的問題,提出一種基 于差分YOLO檢測和Camshift的混合跟蹤算法。融合OpenPose算法提取人體骨骼序列。將人體關節位置作為原始特征,對特征進行預處理,從原始關節位置手動設計特征,然后提取特征來區分人員摔倒的動作類型。在理論研究方面進行算法的改進創新,對采集到的物流倉儲企業視頻片段進行了實驗,表明該融合算法具有較好的魯棒性和實際應用價值。

  在系統應用實踐意義方面,結合計算機視覺技術,開發設計物流倉儲安全智能監控管理系統。物流倉儲安全智能監控管理系統包括實時的目標檢測與跟蹤、目標的分類和目標行為識別。物流倉儲安全智能監控管理系統不需要人工幫助,可以智能地執行,自動、智能地為用戶提供幫助。實時有效,準確地檢測和跟蹤用戶感興趣目標的運動軌跡。

  物流倉儲安全智能監控管理系統可以使計算機具備人的視覺功能,對視頻圖像中的目標行為狀態進行智能地識別與判斷,進而發現目標的異常行為,并及時發送報警信息,來提示安保人負及時采取應急措施。系統有效及時地對物流倉儲人員的不安全行為進行預警處理,對提高物流倉儲安全管理水平具有重要的實際意義。實現了對物流倉儲監控視頻數據的采集、分析和處理,對物流倉儲安全異常行為和異常人員進行了自動分析和預警,提高了物流倉儲企業的安全管理水平。

  該系統具有智能化、實時性的特點,可以大大提高物流倉儲企業的安全性。系統有利于物流倉儲實時監控數據采集:有利于持續動態監測:有利于降低物流倉儲企業安全事故風險,提高安全效率。因此,推廣應用后具有良好的經濟效益和社會效益。

  1.2國內外研究現狀

  1.2.1物流倉儲安全管理 的現狀

  在物流倉儲安全管理方面,傳統的視頻監控系統主要是管理人員進行事后分析,對事故原因進行調查,倉儲安全不能實時被保障。安全事故發生后響應時間較長,另-方面,快速準確獲取可疑人員的過程比較繁瑣和困難。

  目前,國內外許多學者針對物流倉儲安全管理中存在的問題,對傳統的倉庫視頻監控系統進行了改進。文獻[3]設計了倉庫安防系統,利用攝像頭實時監控是否存在不安全因素。視頻監控還會實時采集視頻數據并傳輸到手機客戶端,然后由安全人員進行安全控制,系統會自動采取防護措施,收集視頻證據,并向安全人員發出警告。文獻[4]利用ZigBce等無線技術構建倉庫環境監控網絡,實現對溫度、濕度、煙霧、照明、門禁、人員移動等的自動監控。文獻[S]介紹了托盤監控系統,該系統確定了貨盤的存放位置。倉庫作業監控系統集成了倉庫管理和倉儲作業監控的功能,實時性更好。倉庫運行監控系統集倉庫管理和運行監控功能于- -體,使物流系統和現代計算機集成制造系統具有更智能的操作,更完善的客戶服務等特點。

  王一斌"針對現代倉儲業務業務量大、信息量大、硬件復雜、面向客戶的特點,研究設計了-套基于Web的倉儲業務監控管理系統。姜天""提出了基于安全監控智能倉儲業務管理系統的體系結構和實現倉庫安全監控的技術方案,詳細介紹了基于信息物理融合系統技術監控節點的組成和功能。李金鵬"認為,互聯網爆發式發展的背后是無數傳統行業和管理模式的變革,基于物聯網的倉儲管理系統也應運而生。視頰監控作為倉儲管理的重要組成部分,也正在發生著最大的變化。與傳統的監控系統相比,在調研視頻監控現狀和進展的基礎上,嵌入式網絡監控模式的改變徹底顛覆了模擬監控時代的應用技術。劉穩回指出,在現代物流和計算機技術的環境下,學習運用智能技術進行安全管理是保障倉儲安全的有效手段,可以很好地提高倉儲安全管理的水平。

  隨著計算機技術和人工智能技術的飛速發展,利用計算機視覺技術開發設計的物流倉儲安全管理監控系統,它可以大大減輕物流倉儲管理人員的工作量。其次,物流倉儲安全管理將計算機技術和通信技術相結合,使物流倉儲安全管理水平的可靠性可以大大提高,降低了物流倉儲安全管理的成本。

  1.2.2計算機視覺的應 用現狀

  計算機視覺技術可以使計算機學科和管理學科等多學科相互綜合應用,在物流倉儲的實際應用環境中,我們使用計算機視覺技術可以使智能設備具有能獨立適應識別外部環境的能力,這在工程和科學領域都是一個巨大的挑戰。 理解外部環境中的目標行為,還需要更深入的學習和研究。

  目前,國內外許多學者在計算機視覺技術的應用方面已經做了大量的研究。

  在智能化的時代,如何 讓物流倉儲管理更加便利安全,計算機視覺技術扮演著不可磨滅的角色,有著突出的貢獻。在目標檢測與跟蹤,行為識別的領域,如何讓這些技術更好的服務物流倉儲,這都是需要努力研究的方面。關國和歐洲等國家憑借各自的技術和資金優勢,率先開展智能視頓監控系統的研究,其中包括卡內基梅隆大學牽頭的視頻安全與控制(VSAM)研究計劃0.根據該計劃,研究人員開發了一套端到端的測試系統,該系統集成了許多先進的視頻安全監控技術,如靜止背景和運動背景中的實時目標檢測和跟蹤,還有常見的目標如人和汽車的分類。特殊物體分類,目標姿態估計,攝像機自主控制,多攝像機協同跟蹤,人體步態分析等這些目標檢測與跟蹤的研究已成為眾多專家學者學術交流的重要研究領域。20年后,計算機視覺將成為世界網絡基礎設施的重要組成部分,類似于今天的電信基礎設施,包括分布式分析和數據庫服務,--些特定的分析和智能技術將應用于所有設備。默認情況"下,物聯網中的所有設備都將添加特定應用的分析和智能的功能,包括視覺、音頻、文本、數字,- -些新的梓經網絡運算將成為更多數據進行標準化處理的重要工具文獻[11]討論了計算機視覺在物流、道路安全和智能交通中的應用。文獻[12]

  描述了一個雙流深度網絡來解決這一-問題。這項工作首次定義并提出了解決方案,即是否可以通過在車內拍照來準確估計自動車輛相對于道路的方向。車輛定位為做出各種與駕駛相關的決策提供了重要信息。這一問題的主要挑戰是缺乏訓練數據。為了解決車輛方位信息在圖像中難以準確標注的問題,建議利用GooglcMap中公開可用的街道全景圖,通過指定方向并讀取全景圖中相應的像素點,可以輕。

  松地收集到感興趣的標注數據,該雙流網絡可以結合這兩條線索進行學習,作為解決這- - 新問題的方法。文獻[13]提出了- -種基于計算機視覺的路邊職業監控系統(CVR0SS),通過基于計算機視覺的網絡自動獲取物流裝卸活動圖像等實時路邊交通圖像。雙重停車和重型卡車裝卸等路邊活動對交通狀況產生了負面影響。

  特別是在交通密度較大的城市,需要-種基于物聯網(OT)的系統來實時監控路邊裝載區域,通過配備具有無線通信功能的高清智能攝像機,提出了-套完整的綜合交通監控解決方案,通過計算機視覺網絡自動采集裝卸活動圖像等實時路邊交通圖像,利用模糊邏輯對交通決策進行評價,為用戶提供可視化的決策支持,提高了交通活動的透明度。文獻[14]全面總結了交通標志的檢測、跟蹤和分類。

  自動交通標志檢測和識別系統(TSDR)是先進駕駛輔助系統(ADAS)開發中的一個重要研究內容;谝曈X的TSDR的研究引起了研究界的極大興趣,主要由檢測、跟蹤和分類三個因素驅動,對交通標志的檢測、跟蹤和分類進行了全面的綜述。文獻[15]顯 示了計算機視覺正則化學習在遷移學習場景中的普適性。通過對圖像分類、圖像分割和視頻分析三種最先進的方法的重復實驗,比較了這種調節器的比較優勢。微調預先訓練的深度網絡是受益于大型數據庫上的學習表示的一種實用方式,訓練模型的示例相對較少。為了受益于在大型數據庫上訓練的卷積神經網絡的最新改進,這種調整現在是通用的。微調需要某種形式的正則化,這通常是通過將網絡參數推向零權衰減來實現的。這種選擇與微調的動機相沖突,基于此,提出了- -種正則化方法,以提高預先訓練模型的歸納偏差。提出了一種易于實現和操作的正則化方法的通用性,并最終推薦它作為未來依賴于微調的遷移學習方法的新的基線準則。

  文獻[16]提出了利用模式識別技術實現計算機視覺的課題。工業4. 0是當今工廠自動化的一個重要發展趨勢。文獻[17]介紹 了基于工業仿真軟件的倉儲系統測試和性能評估的概念。機器入搬運未分揀的貨物仍然是工業自動化中的一一個挑戰。許多系統需要物理測試和培訓,調試階段較長。提出了基于工業仿真軟件的揀箱系統測試和性能評估的概念。該系統采用物理仿真、虛擬立體圖像繪制。運動學和機器人控制器仿真,實現了揀箱系統性能的虛擬軟硬件的驗證和優化,并在電子產品生產的實際工業場景中進行了驗證,在總結的基礎上,探討了新的仿真概念的進一步應用。 文獻[18]提出了一種適用于可擴展自動化設施物流系統的傳感器網絡方法。將基于計算機視覺的系統與RFID系統相結臺,使用中間件連接物流系統中的自動化設施。據意大利都靈Vertical News編輯的一篇新聞報道,研究表明,隨機森林分類器(RF)由于在人體跟蹤中的成功應用,近年來在計算機視覺領域獲得了發展勢頭9.目標檢測識別和突出人的不安全行為的過程是實施基于行為的安全計劃(BBS)的核心功能。隨著計算機視覺的發展,從二維數字圖像和視頻中自動捕獲和識別目標,實時識別目標危險的不安全行為具有重大的實際意義。

  隨著計算機視覺和深度學習的不斷發展,文獻[20] 借助智能監測和數據處理原理對姿態監測系統進行了改進,通過分析和預測身體異常并產生時間敏感的結果,提高了智能監測的效率;诟倪M的智能監測和數據處理原理,提出了一-種新的基于計算機視覺輔助深度學習的姿勢監測系統,用于從個體的工作環境中預測廣泛性焦慮癥(GAD)的身體異常。采用深度學習輔助的三維卷積神經網絡(CNN)提取時空特征,并將其應用于廣泛性焦慮癥(GAD)患者的體位監測。利用提取的時間動態信息,利用門控遞歸單元(GRU)模型確定逆境的規模,基于預警的決策提供身體狀態,有助于提高系統在醫療保健或輔助護理領域的有效性;通過將預測的異常分數存儲在系統的本地數據庫中,進-步用于治療目的。結果表明,該方法在活動預測、數據處理成本、錯誤率和時間復雜度等方面都優于目前的其他研究方法,提高了系統的準確度,并證明了該方法的實時監測效率。

  國內學者史雨艷21以計算機視覺為背景獲取貨架圖像,實現商品定位。在現實生活中,物流已經成為人們生活的一部分, 表明物流技術已成為社會最關注的方面。提出了物流塔,物流塔包括計算機技術、物流技術、自動化倉庫等。主要工作是在計算機視覺背景下利用攝像機獲取貨架的圖像,實現貨架位置的定位。

  增加了圖像處理的難度,采用暗通道的方法去除之前噪音,使用自適應中值濾波解決圖像處理在固定閾值的偏差,在不破壞邊緣信息條件下,更好的找到噪聲點,最。

  終的圖像輪廓提取算法有利于保留圖像邊緣信息,具有去噪能力強,強烈去霧的特點和較強的泛化能力;趥鹘y的攝像機標定技術,提出了-種融合算法主要用于解決參數耦合的問題,通過近似圓擬合的線性畸變成像模型近似算法,使用面積近似算法,以實現圖像的去噪。李瑞為了解決傳統火災檢測方法中火災煙霧上升到一定高度會被稀釋,影響采集的溫度和濃度,針對火災探測的準確性和探測器安裝距離太大而無法覆蓋的問題,提出了-種基于計算機視覺的物流倉庫火災探測方法,根據物流倉庫的大小和配送區域,將火災探測分為不同的部分,建立不同的視頻采集系統,先用IHS模型判斷運動物體是否為火焰,然后通過分割提取圖像特征并輸入神經網絡。實際測試表明,該技術能夠準確判斷大型空間物流倉庫是否發生火災,具有較強的實用性。周琳2認為建立基于計算機視覺技術的物流倉庫空間控制與管理系統是很有必要的,提出了建設該系統的目標、結構和工作流程,討論了系統中圖像處理的關鍵方法和技術。林雯叫針對物流過程中商品包裝的密封性,研究了系統的軟件流程、編程和相機自動對焦的問題。通過實驗分析,論證了計算機視覺技術在貨物包裝封口檢測中的優越性。溫雪時提出了-種基于計算機視覺測距報警模型的物流配送防撞算法。將物流過程中貨物的計算機視覺和吊臂軌跡參數設置,建立吊臂CAN坐標系,分析吊臂軌跡圖像,得到吊臂軌跡,計算吊臂偏轉角,最終完成坐標原點和目標距離的計算,從而利用計算機視覺實現物流過程中的吊臂距離報警。張瑩260在計算機視覺理論的基礎上,通過提取顏色空間特征,設計了物流裝配線上貨物的自動計數算法,實現了對貨物的多方向統計,為物流倉儲自動化水平的提高提供了新的思路。

  根據參考文獻中國內外學者的研究內容,對國內外研究文獻進行系統深入地進行總結述評,從中不難發現,計算機視覺技術在物流倉儲中的應用主要是兩個方面,物流倉儲業務管理流程還有物流倉儲管理信息系統這兩個方面。而在物流倉儲安全管理過程中,針對物流倉儲人員的異常目標的檢測與跟蹤,異常行為的識別和分類的研究比較少。在本文的研究中,基于計算機視覺在物流倉儲安全智能監控管理系統中的應用研究,我們主要是研究運動目標檢測與跟蹤,異常行為的識別這些計算機視覺所用到的算法。在實際生活環境中,如天氣和光線的變化、運動物體的陰影屏蔽、噪聲干擾等。這些影響因素使得運動目標從復雜背景中準確檢測出來比較困難,因此本文主要是針對具體的物流倉儲環境的實際情況,對相應的算法進行改進綜合研究。

  基于計算機視覺技術,對物流倉儲安全進行管理,目前還存在-些問題。在實際的物流倉儲環境中,場景比較復雜,目標容易被速擋,還有實際環境中外界光線和噪聲干擾的變化,都會存在一定的研究難度。 在物流倉儲異常目標的檢測與跟蹤中,目標的行為識別和分類仍然非常困難,這些在實際應用中還不夠理想,需要進一步的探索和研究。

  1.3研究方法和技術路線

  1.3.1研究方法

  在大量閱讀基于計算機視覺的物流倉儲安全智能監控管理系統的研究文獻上,首先進行文獻綜述討論,然后通過理論研究和實證應用研究,采用以下研究方法:(1)研究基于Y0LO檢測和Carmshift混合跟蹤算法,實現物流倉儲主要工作場所和主要生產環節視頻點的遠程實時可視化監控,檢測和跟蹤可疑目標。(2)研究融合OpenPose的物流倉儲人員摔倒行為識別算法;贠penPose融合算法提取圖像中入體骨骼關節點的坐標信息,分析人物交互關系,利用構建的行為識別標準知識庫識別人物交互行為。(3) 設計并實現物流倉儲安全智能監控管理系統,并使該系統集成結合YOL0檢測和Camshift的混合跟蹤算法和融合改進的OpenPose算法來檢測和跟蹤可疑目標并識別其異常行為,從而提高物流倉儲的安全管理水平。

  1.3.2技術路線

  本文研究的技術路線圖如下圖1所示:

  1.4研究內容和章節安排

  1.4.1研究內容

  為提高物流倉儲安全管理的水平,對物流倉儲監控區域內的異常目標進行了目標檢測與跟蹤,目標異常行為識別算法研究,設計開發了物流倉儲安全智能監控管理系統。當發現可疑目標時,物流倉儲安全智能監控管理系統可以及時發送報警信息。本文比較了幾種常用的目標檢測算法,然后基于YOLO檢測和Camshift的混合跟蹤算法對目標進行檢測和跟蹤,關注場景中感興趣的目標進行目標檢測。

  在目標行為識別過程中,利用所構建的知識庫,提取圖像中人體骨骼關節的坐標信息。詳細描述了人物交互行為識別算法的流程和識別方法。最后,開發設計物流倉儲安全智能監控管理系統,把目標檢測與跟蹤算法,行為識別算法集成到系統中,實現算法在物流倉儲企業中的實際應用。

  1.4.2章節安排

  論文主要分為以下章節分別進行闡述: .

  第一章緒論。首先對論文的研究背景和研究意義進行介紹,對國內外物流倉儲安全管理的現狀及發展趨勢進行分析,闡述計算機視覺在物流倉儲的應用現狀以及目前存在問題。最后,確定本文的研究方法和技術路線。

  第二章基本理論與算法。首先介紹目標檢測與跟蹤,它們的基本理論和相應的算法發展,然后詳細介紹YOLO卷積神經網絡結構、AlexNet網絡結構和R- CNN網絡結構的原理構建以及它們之間的發展關系。最后介紹Meanshift目標跟蹤算法原理和迭代過程。

  第三章基于YOLO檢測與Camshift的混合跟蹤算法。首先對監控視頻進行目標提取,進行圖像增強預處理,使用改進的YOL0目標檢測進行目標定位。實現目標的實時監測與跟蹤,并對實驗結果進行分析總結。

  第四章融合OpenPose的物流倉儲人員摔倒行為識別。在目標異常行為識別過程中,基于OpenPose算法來提取視頻圖像中人體骨骼關節點的坐標信息,進行特征預處理、特征提取及分類,進行物流物流倉儲人員摔倒行為識別。

  第五章物流倉儲安全智能監控管理系統的設計與實現。首先進行系統需求分析、系統體系架構設計和系統功能設置,然后重點闡述系統異常行為分析引擊,最后對系統進行實現。

  最后結論。首先總結論文的主要內容,討論分析本文算法研究內容的不足,對論文的算法后續的研究方向進行探討,最后對系統的完善推廣進行展望。

  2基本理論與算法

  2.1目標檢測與

  2.1.1標檢測

  2.1.2目標跟蹤

  2.2YOLO卷積神經網絡

  2.2.1 AlexNet 網絡

  2.2.2 R-CNN 網絡結構

  2.2.3 Y0LO 網絡結構

  2.3 Meanshift 算

  2.3.1目標模 型描述

  2.3.2候選 目標模型描述

  2.3.3相似性度量

  2.3.4算法迭代過程

  2.4本章小結

  3基于YOLO檢測與Carmshift的混合跟蹤算

  3.1基于 差分濾波的YOLO目標檢測算法

  3.1.1目標提取

  3.1.2背景模型估計 與差分篩選策略

  3.1.3實時目標檢測

  3.2 Camshift 跟蹤算法

  3.3混合跟蹤算法流程

  3.3.1視頻幀預處理

  3.3.2遮擋判

  3.3.3算法步驟

  3.4實驗結果與分析

  3.5本章小結

  4融合OpenPose的物流倉儲人員摔倒行為識

  4.1 OpenPose 原理

  4.2融合的算法流程

  4.3從視頻圖像 中提取人體骨骼

  4.3.1特征 預處理

  4.3.2特征提取

  4.3.3特征分類

  4.4實驗結果與分析

  4.5本章小結

  5物流倉儲安全智 能監控管理系統的設計與實現

  5.1系統概述

  5.2系統功能需求 分析

  5.2.1異常 行為管理

  5.2.2監控信 息管理

  5.2.3系統設置 及綜合統計查詢

  5.3系 統體系架構設計

  5.3.1系統服務端和前端頁面架構設計

  5.3.2系統異常 行為分析引擎

  5.4物流倉儲安全智 能監控管理系統實現

  5.4.1系統 實現簡

  5.4.2監控信息 管理…

  5.4.3異常 行為識別預警

  5.4.4倉儲異常 行為標準庫

  5.4.5倉儲異常行為目標庫

  5.4.6綜合統計查詢

  5.5本章小結

結論

  本文基于計算機視覺技術,為提高物流倉庫的安全管理水平,對淮南市愛一方電子商務有限公司物流倉庫監控區域內的異常目標,在智能監控環境下進行檢測與跟蹤,并進行異常目標的行為識別。

  本文的主要總結如下:在目標檢測與跟蹤算法方面,在跟蹤目標被遮擋后,不能準確跟蹤,造成目標丟失的問題,本文提出了一種基于YOL0檢測和Camshift的混合跟蹤算法。在行為識別算法方面,首先介紹了OpenPose 算法的原理和算法結構,然后結合第三章提出的基于YOL0檢測和Camshift的混合跟蹤算法,結合OpenPose算法提取人體骨骼序列,進行最終的異常行為識別。對采集到的物流倉儲企業視頻片段進行了實驗,驗證了與OpenPose融合算法集成的物流倉儲企業智能監控系統的實際應用效果。選用兩個常用有效的視頻數據集,用這兩個視頻數據集進行了實驗對比,視頻數據集內容包括了單人場景和多人場景,融合算法都顯示出了很好的魯樺性與實際應用價值。

  最后,為了實現算法研究在物流倉儲企業環境中的實際應用,構建了物流倉儲安全智能監控管理系統,并將提出的算法應用到系統中。分析了系統的功能需求,對系統服務端和頁面架構進行了前期的設計。并著重分析了物流倉儲安全監控管理系統異常行為分析引擎,在物流倉儲安全智能監控管理系統中,對異常行為分析引擎的設計的方面,主要包括最終進行行為識別的四個處理流程。首先是運用基于差分YOL0檢測與Camshif的混合跟蹤算法進行目標檢測定位與目標跟蹤,接著運用融合OpenPose的行為識別算法進行視頻圖像的特征提取,對倉儲人員實時行為動作進行行為分類,完成物流倉儲人員異常行為的識別。最后在綜合分析中使用之前章節的實驗過程和結果,對異常人員和異常行為進行了自動分析和預警,有效、及時地對物流倉儲人員的不安全行為進行了預警,提高了物流倉儲企業的安全管理水平。

  本文的研究不足如下:本文主要研究了對物流倉儲監控區域中異常人員目標的實時在線檢測與跟蹤,行為識別的算法研究。但是在算法的移植打包方面還存在問題,在實際物流倉儲環境的應用中還存在很多問題,如場景的復雜性和外界干擾因素等。分析與處理的關鍵技術,其基礎理論、關鍵算法和應用環境尚需進-步研究。本文的目標檢測算法可以得到比較好的目標檢測與跟蹤結果,但是,在物理倉儲環境中,如果監控環境不斷發生變化,比如光線劇烈變化。人員來回干擾目標等。這些影響因素都會使我們的目標檢測的效果不是很好。所以在目標檢測過程中,對視頻圖像中陰影的干擾,還有目標眼蹤的后處理也是我們后面的研究方向。在運動目標目標跟蹤過程中,實際的物流倉儲環境中多目標間的相互遮擋,也會使我們要跟蹤的目標丟失,行為識別不能實現,導致系統產生虛假的報警或者沒有報警的結果,這是遠遠不夠的,需要完善。要使機器具有自動化功能,更高的智能化算法思想,甚至具有部分人類的視覺功能,仍然具有重大的研究意義。因此,今后的工作方向應從以上幾個方面進行研究。

  本文的主要展望如下:本文在實際應用中構建了物流倉儲企業智能監控系統。

  基于J2EE技術,設計開發了一個物流倉儲安全智能監控管理系統。平臺首頁采用AJAX框架提升用戶體驗。后臺采用SSM框架實現數據表間的關聯設計,最終實現整個物流倉儲安全智能監控管理系統。該系統具有智能化、實時性的特點,可以大大提高物流倉儲企業的安全性。系統有利于實時數據采集和持續動態監測;有利于降低物流倉儲企業安全事故風險,提高安全效率。因此,推廣應用后具有良好的經濟效益和社會效益。在后續的應用研究過程中,將繼續進行物流倉儲企業人員更多異常行為的目標檢測與跟蹤,對目標進行有效的特征提取,進行特征分類,達到目標的異常行為識別的目的,對這四個方面的研究進行正交分析實驗。

  研究物流倉儲企業人員異常行為識別的各關鍵環節之間的影響關系,探索最優的"四循環"策略,并對理論成果進行檢驗和反饋,未來更加優化和完善系統,進行進一步的推廣與應用。

致謝

  感謝國家自然科學基金項目" 多源傳感器環境下基于異構特征信息融合的行為識別"(編號: 61873004) ;安徽理工大學研究生創新基金項目"基于計算機視覺的自動扶梯人員乘降和物品運輸安全監控系統研究" (編號: 2019CX2073) ●感謝這兩個基金項目的資助支持,使得本文的研究工作能夠順利開展。感謝淮南市愛一方電子商務有限公司為本文研究工作提供的物流倉儲實驗場地,感謝提供便利的實驗應用條件。

  特別感謝我的導師楊超宇副教授,對本論文的研究指導工作,給我提供了論文的研究思路以及在論文寫作過程中提供的寶貴建議,感謝楊老師耐心的專業指導,本論文才得以完成。每當我陷入論文寫作過程中的難題時,針對實驗數據不準確,參數模型不能優化運算的問題,楊老師總能及時給我寶貴的指導意見,讓我對算法運行時產生的問題有一個更加清晰的認識,對問題的解決方案也慢慢融會貫通,學著自己去理解掌握這種模型方法,把出現的難題及時解決掉。計算機視覺技術的更新速度很快,一些目標檢測與跟蹤,行為識別的算法中的環境變量總會出現差異,軟件庫的調取難免會出現問題。這時楊老師總會告訴我們不要著急,首先要態度認真,沉下心來,仔細地去對比這些算法的不同,找出問題所在,把實驗平臺先搭建起來,進行算法參數的調優,使實驗運行結果更好。態度認真,勤思好學,這也是楊老師對我們做算法實驗的基本要求。依稀記得當初初進校園時,第一次遇到我的導師的情景,第一次課題組開組會的日子。楊老師專業的學術水平,寬博的科學視野,和藹可親的態度給我留下了深刻的印象,尤其是對計算機視覺技術領域的深耕,也讓我明白學術的不易,需要付出更大的努力才能讓自己提高。研究生生活也即將結束,衷心地感謝楊老師在學術和生活方面給予的關心與照顧,讓我們能夠順利完成畢業論文的工作。

  真心地感謝實驗室課題組的同學們,在我論文寫作過程中給我提供熱心的幫助和真誠的建議,感謝幫助關心過我的老師和同學們,感謝你們的陪伴,讓我在研究生生活中充滿努力的奮斗和開心的快樂。最后感謝我的父母的培養和家人們的關心,感謝努力的自己,感恩!

(如您需要查看本篇畢業設計全文,請您聯系客服索。

相關內容
相關標簽:計算機畢業設計
好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
欧美国产伦久久久久久久
<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>