CN115271612A - 物流园区安全监控方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及物流园区技术领域，公开了一种物流园区安全监控方法、装置、设备及存储介质。本方法包括：通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

Description

物流园区安全监控方法、装置、设备及存储介质

技术领域

本发明涉及物流园区技术领域，尤其涉及一种物流园区安全监控方法、装置、设备及存储介质。

背景技术

目前，我国物流迅速发展，已经形成相对集中的产业布局和具有代表性的物流智慧园区。随着物流企业生产的发展及其规模日趋扩大，物流园区的场地可能存在巨大潜在的风险，现有物流园区通过各种人工安全检测、安全操作、隐患排查等措施手段来预防事故，降低风险。

对于预警风险管理的系统功能过于单一，如车辆等待，对于巡检人员依赖大，不能做到实时监测，且容易人为篡改数据，真正的出现车辆等待超时时，责任不明确，因此，亟需建立一个综合性的物流园区监控系统，提高车辆、人员、场地管理能力，确保在突发事故的事前预防、事发应对、事中处置和善后恢复过程。

发明内容

本发明的主要目的是通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

本发明第一方面提供了一种物流园区安全监控方法，包括：从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；对所述目标图像进行预处理，设置所述园区的异常状态阈值；对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

可选地，在本发明第一方面的第一种实现方式中，在所述从预设数据库中读取目标监控数据之前，还包括：基于多个数据采集设备，对园区内目标区域进行数据采集，得到至少一组目标监控数据，其中，所示目标区域包括多个监控区域。

可选地，在本发明第一方面的第二种实现方式中，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，包括：对所述目标图像进行预处理，得到目标车辆的车辆图像；对所述车辆图像进行识别，得到所述目标车辆的车辆数据；基于所述目标车辆的车辆数据，从预设数据库中匹配与所述目标车辆的订单数据和运输方案；基于所述订单数据和运输方案，设置所述园区的异常状态阈值。

可选地，在本发明第一方面的第三种实现方式中，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，还包括：对所述目标图像进行预处理，得到月台图像；对所述月台图像进行识别，得到月台数据；对所述月台数据进行提取，得到所述月台停靠数据，根据所述月台停靠数据、所述车辆数据以及预设停靠距离，得到多个采样点；基于所述多个采样点和所述目标车辆的位姿数据，设置所述园区的异常状态阈值。

可选地，在本发明第一方面的第四种实现方式中，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，还包括：对第一图像数据进行特征提取，得到入园人员面部特征；将所述入园人员面部特征与预设配置文件中的面部特征数据进行比对；若所述入园人员面部特征与所述配置文件中的面部特征数据不匹配，则所述入园人员为非注册人员；获取所述非注册人员的音频数据，基于所述音频数据对多少非注册人员进行标记，设置所述园区的异常状态阈值。

可选地，在本发明第一方面的第五种实现方式中，在所述对第一图像数据进行特征提取，得到入园人员面部特征之前，还包括：对所述目标监控数据进行解析，得到所述园区中入园人员的第一图像数据。

可选地，在本发明第一方面的第六种实现方式中，所述对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果，包括：针对至少一组所述目标监控数据中的每一组目标监控数据，对所述目标监控数据中的每一视频帧进行行为识别处理，得到所述每一视频帧对应的行为识别结果；对所述每一视频帧对应的行为识别结果进行数据融合，得到至少一组所述目标监控数据对应的行为识别结果。

本发明第二方面提供了一种物流园区安全监控装置，包括：读取模块，用于从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；第一解析模块，用于对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；预处理模块，用于对所述目标图像进行预处理，设置所述园区的异常状态阈值；识别模块，用于对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；发送模块，用于基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

可选地，在本发明第二方面的第一种实现方式中，所述物流园区安全监控装置还包括：数据采集模块，用于基于多个数据采集设备，对园区内目标区域进行数据采集，得到至少一组目标监控数据，其中，所示目标区域包括多个监控区域。

可选地，在本发明第二方面的第二种实现方式中，所述预处理模块具体用于：对所述目标图像进行预处理，得到目标车辆的车辆图像；对所述车辆图像进行识别，得到所述目标车辆的车辆数据；基于所述目标车辆的车辆数据，从预设数据库中匹配与所述目标车辆的订单数据和运输方案；基于所述订单数据和运输方案，设置所述园区的异常状态阈值。

可选地，在本发明第二方面的第三种实现方式中，所述第一解析模块包括：

解析单元，用于对所述目标图像进行预处理，得到月台图像；识别单元，用于对所述月台图像进行识别，得到月台数据；提取单元，用于对所述月台数据进行提取，得到所述月台停靠数据，根据所述月台停靠数据、所述车辆数据以及预设停靠距离，得到多个采样点；设置单元，用于基于所述多个采样点和所述目标车辆的位姿数据，设置所述园区的异常状态阈值。

可选地，在本发明第二方面的第四种实现方式中，所述预处理模块具体还用于：对第一图像数据进行特征提取，得到入园人员面部特征；将所述入园人员面部特征与预设配置文件中的面部特征数据进行比对；若所述入园人员面部特征与所述配置文件中的面部特征数据不匹配，则所述入园人员为非注册人员；获取所述非注册人员的音频数据，基于所述音频数据对多少非注册人员进行标记，设置所述园区的异常状态阈值。

可选地，在本发明第二方面的第五种实现方式中，所述物流园区安全监控装置还包括：第二解析模块，用于对所述目标监控数据进行解析，得到所述园区中入园人员的第一图像数据。

可选地，在本发明第二方面的第六种实现方式中，所述识别模块具体用于：针对至少一组所述目标监控数据中的每一组目标监控数据，对所述目标监控数据中的每一视频帧进行行为识别处理，得到所述每一视频帧对应的行为识别结果；对所述每一视频帧对应的行为识别结果进行数据融合，得到至少一组所述目标监控数据对应的行为识别结果。

本发明第三方面提供了一种物流园区安全监控设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述物流园区安全监控设备执行上述的物流园区安全监控方法的各个步骤。

本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的物流园区安全监控方法的各个步骤。

本发明提供的技术方案中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

附图说明

图1为本发明提供的物流园区安全监控方法的第一个实施例示意图；

图2为本发明提供的物流园区安全监控方法的第二个实施例示意图；

图3为本发明提供的物流园区安全监控方法的第三个实施例示意图；

图4为本发明提供的物流园区安全监控装置的第一个实施例示意图；

图5为本发明提供的物流园区安全监控装置的第二个实施例示意图；

图6为本发明提供的物流园区安全监控设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种物流园区安全监控方法、装置、设备及存储介质，本发明的技术方案中，首先通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中物流园区安全监控方法的第一个实施例包括：

101、从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；

本实施例中，对物流智慧园区中的各个关键位置建立采集平台；采集平台包括传感器、信息筛选系统、存储系统和监控系统，传感器上连接有车辆采集系统、月台采集系统、温度采集系统、电力采集系统、设备采集系统和人员采集系统，且传感器与信息筛选系统相连接，信息筛选系统与存储系统相连接，监控系统与存储系统相连接，处理平台包括分类信息接收系统、信息分析系统和信号输出端，分类信息接收系统与信息分析系统相连接，信息分析系统与信号输出端相连接，警示平台包括信号输入端、显示器、扬声器和警示灯，显示器、扬声器和警示灯均与信号输入端相连接。采集平台用于获取各个监控区域内的监控数据。

102、对目标监控数据进行解析，得到园区对应目标图像，其中，目标图像包括入园人员图像、目标车辆图像、园区道路图像以及月台图像；

本实施例中，从采集平台中获取物流智慧园区监控数据中的车辆、月台、设备状态数据：车辆数据可以包括：车辆等待干线、装卸作业支线、车辆等待支线、月台等待超时-支线、月台等待超时-干线、装卸作业超时-干线；月台数据可以包括：月台编号、月台名称、月台类型、仓位上区间、仓位下区间、所属区域等；设备状态数据可以包括：设备名称、设备物理编号、设备所属、设备类型、设备地址、设备是否开启等状态数据。

103、对目标图像进行预处理，设置园区的异常状态阈值；

本实施例中，根据获取到的监控数据，可以设定物流智慧园区中的车辆、月台、设备异常状态阈值：比如车辆异常状态：车辆等待超时-干线超时15min、装卸作业超时-支线超时30min、车辆等待超时-支线超时30min、月台等待超时-支线超时15min、月台等待超时-干线超时20min、装卸作业超时-干线超时25min。该车辆超时状态阈值是根据采集平台中的车辆采集时间数据做平均获得。

104、对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；

本实施例中，所述数据处理服务器可以对所述至少一组区域监控数据进行行为识别处理，得到所述至少一组区域监控数据对应的目标行为识别结果。

具体地，首先，针对所述至少一组区域监控数据中的每一组区域监控数据，对该区域监控数据包括的每一帧区域监控视频帧进行行为识别处理，得到该区域监控数据包括的每一帧区域监控视频帧对应的行为识别结果；其次，针对所述至少一组区域监控数据中的每一组区域监控数据，对该区域监控数据包括的每一帧区域监控视频帧对应的行为识别结果进行融合处理，得到该区域监控数据对应的目标行为识别结果。

105、基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。

本实施例中，当采集平台中现有的物流智慧园区中的车辆、月台、设备状态数据与设定的状态数据有差异时，系统自动获取差异数据值，根据差异数据值自动获取相对应的解决方案，将异常数据和解决方案发送至对应管理人员，当管理人员接收异常数据和解决方案后再进行处理。利用这种方法做到物流智慧园区异常情况及时排查预警；有效保障车辆、月台、设备的平稳运行和提高公司的人、设备安全系数。

本发明实施例中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

请参阅图2，本发明实施例中物流园区安全监控方法的第二个实施例包括：

201、基于多个数据采集设备，对园区内目标区域进行数据采集，得到至少一组目标监控数据；

本实施例中，所述数据处理服务器通信连接有多个数据采集终端设备，所述多个数据采集终端设备分别设置于多个监控区域，如此，所述数据处理服务器可以在确定需要通过所述多个数据采集终端设备对目标区域进行数据采集以实现区域监控时，基于所述多个数据采集终端设备之间的设备相关关系信息，控制所述多个数据采集终端设备中的至少一个数据采集终端设备对对应的监控区域进行数据采集，得到对应的至少一组区域监控数据。其中，所述目标区域包括所述多个监控区域。

具体地，所述数据处理服务器通信连接有多个数据采集终端设备，所述多个数据采集终端设备分别设置于多个监控区域，如此，所述数据处理服务器可以先确定是否需要通过所述多个数据采集终端设备对目标区域进行数据采集以实现区域监控。其中，所述目标区域可以包括所述多个监控区域。所述数据处理服务器可以基于所述多个数据采集终端设备之间的所述设备相关关系信息，控制所述多个数据采集终端设备中的至少一个数据采集终端设备对对应的监控区域进行数据采集，得到该至少一个数据采集终端设备对应的至少一组区域监控数据(如至少一条区域监控视频等)。

202、从预设数据库中读取目标监控数据；

203、对目标监控数据进行解析，得到园区对应目标图像；

204、对目标图像进行预处理，得到月台图像，并对月台图像进行识别，得到月台数据；

本实施例中，月台往往形状比较规则并且凸起于地面，占地面积也较大，月台停靠区可以理解为月台附近的能够进行车辆停靠的一个较大范围的区域。月台数据可以包括多个月台边界点的位置数据，月台边界点可以是月台边界上的序列点，由于月台占地面积大并且感知也存在盲区，月台的数据和常见数据结构不同，往往使用点序列来表达月台的边缘或边界。

具体地，车辆在行驶过程中可以根据地图上的标志确认是否进入月台停靠区，若是，则可以根据车辆是否进入地图的室内区域判断车辆是否处于室内场景，若是，则可以确定车辆进入室内场景的月台停靠区，可以读取感知模块生成的月台数据，并将月台数据发送至进程通信服务。感知模块可以获取月台图像，并识别月台边界的点云数据，得到多个月台边界点的位置数据，也即月台数据。

205、对月台数据进行提取，得到月台停靠数据，根据月台停靠数据、车辆数据以及预设停靠距离，得到多个采样点；

本实施例中，月台停靠段可以是月台的整个边界中最适合进行车辆停靠的部分段，月台停靠段的数据包括多个目标月台边界点的位置数据，多个目标月台边界点的连线与采样基线平行，也即月台停靠段与采样基线平行。期望停靠距离可以是预先设置的车辆停车的车辆的车身和月台的期望距离，具体可以根据实际情况确定。采样基线可以理解为期望车辆停车的位置所在的直线，采样基线可以实时生成。

车辆在获取月台数据之后，可以将多个月台边界点进行连线，得到多个线段，将其中最长的线段确定为月台停靠段，该线段中的每个点为目标月台边界点，从月台数据中提取得到月台停靠段的数据，之后可以根据月台停靠段的数据、车辆宽度以及期望停靠距离实时生成采样基线。

在一些实施例中，根据月台停靠段的数据、车辆宽度以及期望停靠距离，生成采样基线，可以包括；根据月台停靠段的数据拟合得到月台停靠段的直线方程；根据月台停靠段的直线方程、车辆宽度以及期望停靠距离，确定采样基线的直线方程，采样基线与月台停靠段平行。

206、基于多个采样点和目标车辆的位姿数据，设置园区的异常状态阈值；

本实施例中，根据月台停靠段的预设端点到采样基线的最近点进行采样，得到多个采样点，包括：将采样基线上与预设端点距离最近的点确定为最近点；将最近点确定为初始基点，并将初始基点沿纵向方向按照纵向采样步长移动，直到达到月台停靠段的长度停止，得到多个目标基点；根据初始基点和目标基点，分别按照横向采样步长以及预设横向距离生成多个横向采样点；将初始基点、多个目标基点以及多个横向采样点组合确定为多个采样点。

其中，纵向采样步长和横向采样步长可以根据实际情况设置，例如均可以设置为10厘米。预设横向距离可以是预先设置的横向采样的最长距离，该距离从采样基线开始，根据所述采样点和目标车辆的位姿数据，设置园区的异常状态阈值。

207、针对至少一组目标监控数据中的每一组目标监控数据，对目标监控数据中的每一视频帧进行行为识别处理，得到每一视频帧对应的行为识别结果；

本实施例中，首先，针对所述至少一组区域监控数据中的每一组区域监控数据，确定该区域监控数据包括的每一帧区域监控视频帧对应的行为识别结果是否为第一行为识别结果，其中，所述第一行为识别结果用于表征对应的所述监控区域中存在不满足预先配置的目标行为条件的目标行为(如违规)；

其次，针对所述至少一组区域监控数据中的每一组区域监控数据，统计该区域监控数据包括的对应的行为识别结果为第一行为识别结果的区域监控视频帧的数量，得到该区域监控数据对应的视频帧统计帧数；然后，针对所述至少一组区域监控数据中的每一组区域监控数据，基于该区域监控数据对应的所述视频帧统计帧数得到该区域监控数据对应的目标行为识别结果。

208、对每一视频帧对应的行为识别结果进行数据融合，得到至少一组目标监控数据对应的行为识别结果；

本实施例中，首先，针对所述至少一组区域监控数据中的每一组区域监控数据，将该区域监控数据对应的所述视频帧统计帧数确定为该区域监控数据对应的目标行为识别结果，其中，所述目标行为识别结果用于表征对应的所述监控区域中存在的不满足预先配置的目标行为条件的目标行为的数量；或者

其次，针对所述至少一组区域监控数据中的每一组区域监控数据，统计该区域监控数据包括的区域监控视频帧的数量，得到该区域监控数据对应的视频帧统计数量，并基于该区域监控数据对应的视频帧统计帧数与该视频帧统计数量之间的比例值，得到该区域监控数据对应的视频帧帧数比例值，以及，将该视频帧帧数比例值确定为该区域监控数据对应的目标行为识别结果，其中，所述目标行为识别结果用于表征对应的所述监控区域中存在的不满足预先配置的目标行为条件的目标行为的数量占比。

209、基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。

本实施例中步骤202-203、209与第一实施例中的步骤101-102、105类似，此处不再赘述。

本发明实施例中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

请参阅图3，本发明实施例中物流园区安全监控方法的第三个实施例包括：

301、从预设数据库中读取目标监控数据，其中，目标监控数据为对目标监控区域进行监控所得到的数据；

302、对目标监控数据进行解析，得到园区对应目标图像，其中，目标图像包括入园人员图像、目标车辆图像、园区道路图像以及月台图像；

303、对目标监控数据进行解析，得到目标车辆的车辆图像，并对车辆图像进行识别，得到目标车辆的车辆数据；

本实施例中，对目标监控数据进行解析，得到目标车辆的车辆图像，对于一般作业的车辆，待装货的车辆进入园区，园区门口车辆识别装置识别车辆信息，并上传至车辆智能调度管理云平台。

车辆进入园区，车辆识别装置识别车辆车牌信息，保证车辆凭单进园、精确管理，有助于实现车辆的实时监控和动态记录。

304、基于目标车辆的车辆数据，从预设数据库中匹配与目标车辆的订单数据和运输方案，并基于订单数据和运输方案，设置园区的异常状态阈值；

本实施例中，为目标车辆规划装货方案，包括：根据月台显示屏上显示的排队情况，结合智能优化算法为目标车辆规划装货方案。

可选地，根据月台显示屏上显示的排队情况，结合智能优化算法为目标车辆规划装货方案，包括：根据月台显示屏上显示的车辆行驶状况以及月台的工作情况，结合智能优化算法为目标车辆规划装货方案。其中，月台显示屏上显示的排队情况，可以表示当前排队装货的车辆的情况，或者可以表示月台的工作情况。例如，匹配该车辆订单信息及订单仓储信息，根据现有月台的排队情况，结合智能优化算法为车辆规划出时间成本最小的装货顺序和装货时间区段。

进一步地，园区监控系统可用于管理各个监控设备，接收云平台通知，监控车辆是否按照路径装货和是否完成装货。

305、对目标监控数据进行解析，得到园区中入园人员的第一图像数据；

本实施例中，人脸图像采集设备，例如，高清摄像机可分散布置在监控区域处的多个位置，以便从多个视点获取目标监控数据，对目标监控数据进行解析，得到园区中入园人员的第一图像数据。通过多个视点的入园人员图像简化了面部识别。

306、对第一图像数据进行特征提取，得到入园人员面部特征，并将入园人员面部特征与预设配置文件中的面部特征数据进行比对；

本实施例中，进一步的，在图像数据中提取入园人员的面部特征，得到入园人员面部特征。并将得到的入园人员面部特征与存储的面部特征数据进行对比，例如，入园人员的面部特征与云端存储单元中的存储的面部特征数据匹配，则判定该入园人员为园区注册人员；若不匹配，则判定该入园人员为未注册人员，为了降低园区的安全隐患，在本实施例中针对未注册人员执行安全预警措施。

307、若入园人员面部特征与配置文件中的面部特征数据不匹配，则入园人员为非注册人员；

本实施例中，若入园人员的面部特征与配置文件中的面部特征数据不匹配，则该入园人员为非注册人员，获取非注册人员的音频数据，从音频数据中提取包含位置信息的关键词并从配置文件中获取与关键词对应的预期目的地。

308、获取非注册人员的音频数据，基于音频数据对多少非注册人员进行标记，设置园区的异常状态阈值；

本实施例中，通过基于人工智能的音频识别模型可从音频数据中识别出关键词，进一步的，关键词包括“某某公司”、“某某园区”等，音频识别模型通过包含上述关键词的训练样本训练得到。进一步的，在本实施例的配置文件中，关键词“某某公司”、“某某园区”等均对应关联有位置信息，例如“某某公司”的预期目的地在园区内的E区1号楼；本实施例从非注册人员的音频数据中以上述关键词获取的方式得到非注册人员的预期目的地，基于音频数据对多少非注册人员进行标记，设置园区的异常状态阈值。

309、对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；

310、基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。

本实施例中步骤301-302、309-310与第一实施例中的步骤101-102、104-105类似，此处不再赘述。

本发明实施例中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

上面对本发明实施例中物流园区安全监控方法进行了描述，下面对本发明实施例中物流园区安全监控装置进行描述，请参阅图4，本发明实施例中物流园区安全监控装置的第一个实施例包括：

读取模块401，用于从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；

第一解析模块402，用于对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；

预处理模块403，用于对所述目标图像进行预处理，设置所述园区的异常状态阈值；

识别模块404，用于对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；

发送模块405，用于基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

本发明实施例中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

请参阅图5，本发明实施例中物流园区安全监控装置的第二个实施例，该物流园区安全监控装置具体包括：

读取模块401，用于从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；

第一解析模块402，用于对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；

预处理模块403，用于对所述目标图像进行预处理，设置所述园区的异常状态阈值；

识别模块404，用于对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；

发送模块405，用于基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

本实施例中，所述物流园区安全监控装置还包括：

数据采集模块406，用于基于多个数据采集设备，对园区内目标区域进行数据采集，得到至少一组目标监控数据，其中，所示目标区域包括多个监控区域。

本实施例中，所述预处理模块403具体用于：

对所述目标图像进行预处理，得到目标车辆的车辆图像；

对所述车辆图像进行识别，得到所述目标车辆的车辆数据；

基于所述目标车辆的车辆数据，从预设数据库中匹配与所述目标车辆的订单数据和运输方案；

基于所述订单数据和运输方案，设置所述园区的异常状态阈值。

本实施例中，所述第一解析模块402包括：

解析单元4021，用于对所述目标图像进行预处理，得到月台图像；

识别单元4022，用于对所述月台图像进行识别，得到月台数据；

提取单元4023，用于对所述月台数据进行提取，得到所述月台停靠数据，根据所述月台停靠数据、所述车辆数据以及预设停靠距离，得到多个采样点；

设置单元4024，用于基于所述多个采样点和所述目标车辆的位姿数据，设置所述园区的异常状态阈值。

本实施例中，所述预处理模块403具体还用于：

对第一图像数据进行特征提取，得到入园人员面部特征；

将所述入园人员面部特征与预设配置文件中的面部特征数据进行比对；

若所述入园人员面部特征与所述配置文件中的面部特征数据不匹配，则所述入园人员为非注册人员；

获取所述非注册人员的音频数据，基于所述音频数据对多少非注册人员进行标记，设置所述园区的异常状态阈值。

本实施例中，所述物流园区安全监控装置还包括：

第二解析模块407，用于对所述目标监控数据进行解析，得到所述园区中入园人员的第一图像数据。

本实施例中，所述识别模块404具体用于：

针对至少一组所述目标监控数据中的每一组目标监控数据，对所述目标监控数据中的每一视频帧进行行为识别处理，得到所述每一视频帧对应的行为识别结果；

对所述每一视频帧对应的行为识别结果进行数据融合，得到至少一组所述目标监控数据对应的行为识别结果。

本发明实施例中，通过从数据库中读取目标监控数据，对目标监控数据进行解析，得到园区对应目标图像；对目标图像进行预处理，设置园区的异常状态阈值；对目标监控数据进行行为识别处理，得到至少一组目标监控数据对应的行为识别结果；基于行为识别结果确定园区的当前状态数据，判断当前状态数据是否超过异常状态阈值，若是，则发送异常告警信息至预设告警中心。本方案通过对园区状态数据进行分析，对异常状态数据进行预警，有效保障了物流智慧园区异常情况及时排查预警，降低了园区的安全隐患。

上面图4和图5从模块化功能实体的角度对本发明实施例中的物流园区安全监控装置进行详细描述，下面从硬件处理的角度对本发明实施例中物流园区安全监控设备进行详细描述。

图6是本发明实施例提供的一种物流园区安全监控设备的结构示意图，该物流园区安全监控设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对物流园区安全监控设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在物流园区安全监控设备600上执行存储介质630中的一系列指令操作，以实现上述各方法实施例提供的物流园区安全监控方法的步骤。

物流园区安全监控设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的物流园区安全监控设备结构并不构成对本申请提供的物流园区安全监控设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行上述物流园区安全监控方法的步骤。

所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种物流园区安全监控方法，其特征在于，所述物流园区安全监控方法包括：

从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；

对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；

对所述目标图像进行预处理，设置所述园区的异常状态阈值；

对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；

基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

2.根据权利要求1所述的物流园区安全监控方法，其特征在于，在所述从预设数据库中读取目标监控数据之前，还包括：

基于多个数据采集设备，对园区内目标区域进行数据采集，得到至少一组目标监控数据，其中，所示目标区域包括多个监控区域。

3.根据权利要求1所述的物流园区安全监控方法，其特征在于，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，包括：

对所述目标图像进行预处理，得到目标车辆的车辆图像；

对所述车辆图像进行识别，得到所述目标车辆的车辆数据；

基于所述目标车辆的车辆数据，从预设数据库中匹配与所述目标车辆的订单数据和运输方案；

基于所述订单数据和运输方案，设置所述园区的异常状态阈值。

4.根据权利要求1所述的物流园区安全监控方法，其特征在于，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，还包括：

对所述目标图像进行预处理，得到月台图像；

对所述月台图像进行识别，得到月台数据；

对所述月台数据进行提取，得到所述月台停靠数据，根据所述月台停靠数据、所述车辆数据以及预设停靠距离，得到多个采样点；

基于所述多个采样点和所述目标车辆的位姿数据，设置所述园区的异常状态阈值。

5.根据权利要求1所述的物流园区安全监控方法，其特征在于，所述对所述目标图像进行预处理，设置所述园区的异常状态阈值，还包括：

对第一图像数据进行特征提取，得到入园人员面部特征；

将所述入园人员面部特征与预设配置文件中的面部特征数据进行比对；

若所述入园人员面部特征与所述配置文件中的面部特征数据不匹配，则所述入园人员为非注册人员；

获取所述非注册人员的音频数据，基于所述音频数据对多少非注册人员进行标记，设置所述园区的异常状态阈值。

6.根据权利要求5所述的物流园区安全监控方法，其特征在于，在所述对第一图像数据进行特征提取，得到入园人员面部特征之前，还包括：

对所述目标监控数据进行解析，得到所述园区中入园人员的第一图像数据。

7.根据权利要求1所述的物流园区安全监控方法，其特征在于，所述对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果，包括：

针对至少一组所述目标监控数据中的每一组目标监控数据，对所述目标监控数据中的每一视频帧进行行为识别处理，得到所述每一视频帧对应的行为识别结果；

对所述每一视频帧对应的行为识别结果进行数据融合，得到至少一组所述目标监控数据对应的行为识别结果。

8.一种物流园区安全监控装置，其特征在于，所述物流园区安全监控装置包括：

读取模块，用于从预设数据库中读取目标监控数据，其中，所述目标监控数据为对目标监控区域进行监控所得到的数据；

第一解析模块，用于对所述目标监控数据进行解析，得到所述园区对应目标图像，其中，所述目标图像包括入园人员图像、目标车辆图像、所述园区道路图像以及月台图像；

预处理模块，用于对所述目标图像进行预处理，设置所述园区的异常状态阈值；

识别模块，用于对所述目标监控数据进行行为识别处理，得到至少一组所述目标监控数据对应的行为识别结果；

发送模块，用于基于所述行为识别结果确定所述园区的当前状态数据，判断所述当前状态数据是否超过所述异常状态阈值，若是，则发送异常告警信息至预设告警中心。

9.一种物流园区安全监控设备，其特征在于，所述物流园区安全监控设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述物流园区安全监控设备执行如权利要求1-7中任一项所述的物流园区安全监控方法的各个步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的物流园区安全监控方法的各个步骤。

Images