本發(fā)明涉及一種基于圖像識別的的快遞位置獲取方法，屬于圖像定位技術(shù)領(lǐng)域。

背景技術(shù)：

隨著經(jīng)濟的發(fā)展，人們網(wǎng)上購物的頻率也逐漸增加，與此同時人們對快遞運送過程的信息實時性更新要求也越來越高。

現(xiàn)在應(yīng)用比較廣泛的快遞位置獲取方法主要分為兩種一種是根據(jù)快遞運單上的條形碼進行掃描獲取快遞位置，另一種是在快遞包裹內(nèi)部放入定位裝置來獲取快遞的位置。這兩種方法都存在一些不足。前者方法不能做到實時的快遞定位，后者可以做到對快遞實時定位，但是在定位時花費的成本比較高。

2015年北京時代凌宇科技有限公司公開了一種快遞監(jiān)控裝置，這種發(fā)明是一個裝置，裝置包括：標(biāo)識存儲模塊、信息檢測模塊、信息處理模塊及全球定位系統(tǒng)gps，作用是存儲該快遞監(jiān)控裝置所監(jiān)測的快遞包裹的標(biāo)識；信息檢測模塊功能是檢測快遞包裹的環(huán)境信息，得到環(huán)境檢測信息；gps模塊功能是：檢測快遞包裹的地理位置，得到快遞包裹的地理位置信息；信息處理模塊功能是：定期采集所述信息檢測模塊得到的環(huán)境檢測信息及所述gps得到的地理位置信息，并將環(huán)境檢測信息和地理位置信息轉(zhuǎn)換成快遞監(jiān)控中心可以識別的形式后發(fā)送給所述快遞監(jiān)控中心，所述環(huán)境檢測信息和地理位置信息中攜帶所述信息處理模塊從所述標(biāo)識存儲模塊獲取的快遞包裹的標(biāo)識。上述監(jiān)控裝置能夠?qū)崿F(xiàn)對快遞的監(jiān)控。這個裝置可以通過gps模塊實時的定位快遞包裹的位置，也可以監(jiān)控快遞包裹的狀態(tài)和快遞所處的環(huán)境情況。但是也存在些問題：這個裝置包含多個模塊使用過程中費用過高，這個裝置使用電池進行供電如遇快遞長時間未送達(dá)的情況，會發(fā)生電池電量不足的而無法進行監(jiān)控的情況。

2016年授權(quán)了一種物流信息追蹤監(jiān)控裝置，其主要思想是在倉庫貨架內(nèi)設(shè)置定位系統(tǒng)，在運輸車輛和中轉(zhuǎn)站內(nèi)均設(shè)有g(shù)ps定位器，通過gps定位器可以對商品所在的位置進行實時反饋，而且運輸車輛，配送車輛以及中轉(zhuǎn)站中均設(shè)有監(jiān)控攝像頭，監(jiān)控攝像頭與物流控制服務(wù)器連接，監(jiān)控中心即可觀看運輸車輛，配送車輛以及中轉(zhuǎn)站內(nèi)的現(xiàn)實場景，保證了商品的安全。這個系統(tǒng)初步實現(xiàn)了快遞追蹤，它使用了gps和視頻監(jiān)控相結(jié)合的技術(shù)完成了對快遞跟蹤的功能，但是也存在些不足，使用gps在城市可以做到誤差在10米以內(nèi)的精確定位，如果在鄉(xiāng)村的某些路段可能誤差會達(dá)到幾百米。只在倉庫安裝攝像頭只看見快遞到達(dá)倉庫時的情況無法看見快遞在運輸過程中的實時情況。

2015年授權(quán)的由傷害九口袋實業(yè)有限公司提出的一種快遞追蹤系統(tǒng)，這個系統(tǒng)，有若干臺控制電腦與設(shè)有數(shù)據(jù)庫的服務(wù)器連接，服務(wù)器連接互聯(lián)網(wǎng)，移動終端設(shè)有身份證件讀取裝置并裝插有手機卡，移動終端通過2g、3g或4g移動網(wǎng)絡(luò)與服務(wù)器連接，移動終端接收gps信號并發(fā)回服務(wù)器，移動終端的身份證件讀取裝置讀取的信息傳輸并錄入服務(wù)器的數(shù)據(jù)庫，服務(wù)器與公安身份證號碼查詢中心聯(lián)網(wǎng)。這個方法只能做到對快遞到達(dá)倉庫或者快遞員手中的時候可以追蹤快遞的信息，無法做到在快遞運輸?shù)耐局袑崟r的對快遞的位置進行追蹤。而且當(dāng)快遞員手中的設(shè)備無法連接到gps的時候不能對快遞的位置進行追蹤。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于圖像識別的的快遞位置獲取方法，基于針對快遞標(biāo)志和車牌號碼的深度學(xué)習(xí)與訓(xùn)練，通過城市公共視頻監(jiān)控網(wǎng)的監(jiān)控圖像，進行智能識別，實現(xiàn)針對快遞位置的定位。

本發(fā)明為了解決上述技術(shù)問題采用以下技術(shù)方案：本發(fā)明設(shè)計了一基于圖像識別的的快遞位置獲取方法，基于城市公共視頻監(jiān)控網(wǎng)，針對快遞中轉(zhuǎn)過程中的位置進行定位，其中，首先初始化快遞標(biāo)志圖像識別模型與車牌識別模型，并將該兩個識別模型加載于城市公共視頻監(jiān)控網(wǎng)中的各個視頻監(jiān)控終端中，接著分別針對各個快遞物品，將快遞物品與所裝載快遞車輛的車牌號碼進行關(guān)聯(lián)，構(gòu)成快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系；然后所述快遞位置獲取方法，包括實時執(zhí)行如下步驟：

步驟a.城市公共視頻監(jiān)控網(wǎng)中的所有視頻監(jiān)控終端，分別針對實時所獲視頻圖像，采用快遞標(biāo)志圖像識別模型進行分析，判斷視頻圖像中是否存在具有目標(biāo)快遞標(biāo)志的車輛，是則將該視頻圖像所對應(yīng)的視頻監(jiān)控終端定義為目標(biāo)視頻監(jiān)控終端，并進入步驟b；否則重復(fù)執(zhí)行步驟a；

步驟b.各個目標(biāo)視頻監(jiān)控終端分別針對其視頻圖像中具有目標(biāo)快遞標(biāo)志的車輛，采用車牌識別模型，獲得具有目標(biāo)快遞標(biāo)志車輛的車牌號碼，然后進入步驟c；

步驟c.分別針對各個目標(biāo)視頻監(jiān)控終端，根據(jù)目標(biāo)視頻監(jiān)控終端視頻圖像中具有目標(biāo)快遞標(biāo)志車輛的車牌號碼，結(jié)合快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系，將該目標(biāo)視頻監(jiān)控終端的地理位置，作為其視頻圖像中具有目標(biāo)快遞標(biāo)志車輛上所載各個快遞物品的實時位置。

作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述快遞標(biāo)志圖像識別模型與車牌識別模型，分別采用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練獲得。

作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述采用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練獲得快遞標(biāo)志圖像識別模型，包括如下步驟：

步驟a1.獲得具有目標(biāo)快遞標(biāo)志、預(yù)設(shè)各個角度的各幅圖片，作為各幅快遞標(biāo)志樣本圖片，并進入步驟a2；

步驟a2.將各幅快遞標(biāo)志樣本圖片分別轉(zhuǎn)化為1mdb格式快遞標(biāo)志樣本圖片，進入步驟a3；

步驟a3.采用所有1mdb格式快遞標(biāo)志樣本圖片，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得快遞標(biāo)志圖像識別模型。

作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述車牌識別模型包括車牌圖像識別模型和車牌號碼識別模型，具體通過如下步驟，采用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練獲得；

步驟b1.將車牌號碼圖像訓(xùn)練集中的各幅車牌號碼訓(xùn)練圖像，分別轉(zhuǎn)化為1mdb格式車牌號碼樣本圖片，并進入步驟b2；

步驟b2.采用所有1mdb格式車牌號碼樣本圖片，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得車牌圖像識別模型；

步驟b3.針對車牌號碼圖像中的數(shù)字進行分割，并針對分割出的各個數(shù)字子圖像進行灰度化，更新各個數(shù)字子圖像，然后進入步驟b4；

步驟b4.采用各個數(shù)字子圖像，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得車牌號碼識別模型。

作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述步驟b中，各個目標(biāo)視頻監(jiān)控終端分別針對其視頻圖像中具有目標(biāo)快遞標(biāo)志的車輛，先車牌圖像識別模型獲得具有目標(biāo)快遞標(biāo)志車輛的車牌圖像，然后針對車牌圖像，采用車牌號碼識別模型，獲得具有目標(biāo)快遞標(biāo)志車輛的車牌號碼。

作為本發(fā)明的一種優(yōu)選技術(shù)方案：所述卷積神經(jīng)網(wǎng)絡(luò)中包括5個卷積層、5個池化層和3個特征提取層。

本發(fā)明所述一種基于圖像識別的的快遞位置獲取方法采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：本發(fā)明設(shè)計的基于圖像識別的的快遞位置獲取方法，采用卷積神經(jīng)網(wǎng)絡(luò)針對快遞標(biāo)志和車牌號碼的深度學(xué)習(xí)與訓(xùn)練，分別獲得快遞標(biāo)志圖像識別模型與車牌識別模型，然后利用城市公共視頻監(jiān)控網(wǎng)的監(jiān)控圖像，依次通過所獲兩種識別模型進行車輛識別與車牌號碼的識別，最后基于快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系，利用城市公共視頻監(jiān)控網(wǎng)中目標(biāo)視頻監(jiān)控終端的地理位置，實現(xiàn)針對快遞位置的定位，克服了現(xiàn)有技術(shù)的不足，大大提高了定位的準(zhǔn)確性與效率。

附圖說明

圖1是本發(fā)明所設(shè)計基于圖像識別的的快遞位置獲取方法的流程示意圖；

圖2是實施例各步驟示意。

具體實施方式

下面結(jié)合說明書附圖對本發(fā)明的具體實施方式作進一步詳細(xì)的說明。

如圖1所示，本發(fā)明設(shè)計了一種基于圖像識別的的快遞位置獲取方法，基于城市公共視頻監(jiān)控網(wǎng)，針對快遞中轉(zhuǎn)過程中的位置進行定位，具體的實際應(yīng)用過程當(dāng)中，首先初始化快遞標(biāo)志圖像識別模型與車牌識別模型，這里，快遞標(biāo)志圖像識別模型與車牌識別模型，分別采用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練獲得，卷積神經(jīng)網(wǎng)絡(luò)中包括5個卷積層、5個池化層和3個特征提取層。

每家快遞都有自己公司的標(biāo)志，而且會把標(biāo)志硬刷在自家公司的運輸飛機就或者快遞車上。我們可以通過快遞車上的標(biāo)志很快的辨別出這是那家公司的快遞車。所以我們運用卷積神經(jīng)網(wǎng)絡(luò)對快遞標(biāo)志圖像進行訓(xùn)練，最終訓(xùn)練后能做到對快遞標(biāo)志圖像識別的快遞標(biāo)志圖像識別模型。其中，快遞標(biāo)志圖像識別模型采用如下步驟進行訓(xùn)練獲得：

步驟a1.獲得具有目標(biāo)快遞標(biāo)志、預(yù)設(shè)各個角度的各幅圖片，作為各幅快遞標(biāo)志樣本圖片，并進入步驟a2?？爝f標(biāo)志圖像可以來自于各個快遞公司，諸如順風(fēng)、圓通等，我們事先需要將各幅圖片與其所對應(yīng)的快遞公司進行聯(lián)系定義好。

步驟a2.將各幅快遞標(biāo)志樣本圖片分別轉(zhuǎn)化為1mdb格式快遞標(biāo)志樣本圖片，進入步驟a3。

步驟a3.采用所有1mdb格式快遞標(biāo)志樣本圖片，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得快遞標(biāo)志圖像識別模型；其中，卷積神經(jīng)網(wǎng)絡(luò)通過若干個7*7的小格，將圖片分為若干塊，然后對小格進行同時處理；每個小格中有5個卷積層5個池化層和三個特征提層；當(dāng)數(shù)據(jù)經(jīng)過第一個卷積層卷積和池化層優(yōu)化后生成27*27的圖像，其中的featuremap個數(shù)為256；經(jīng)過第二層卷積和池化層優(yōu)化后，變?yōu)?3*13的圖像，其中featuremap個數(shù)為256；經(jīng)過第三層和第四層卷積和池化層后，變?yōu)?3*13的圖像，其中featuremap個數(shù)為384；經(jīng)過最后一層卷積層和池化層后，生成6*6的圖像，其中featuremap為256；接下來進入三個特征提取層得出1024維的特征向量；最后一層對1024維向量訓(xùn)練得出分類模型，即為快遞標(biāo)志圖像識別模型。

車牌識別模型包括車牌圖像識別模型和車牌號碼識別模型，具體通過如下步驟，采用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練獲得；

步驟b1.將車牌號碼圖像訓(xùn)練集中的各幅車牌號碼訓(xùn)練圖像，分別轉(zhuǎn)化為1mdb格式車牌號碼樣本圖片，并進入步驟b2。

步驟b2.采用所有1mdb格式車牌號碼樣本圖片，采用與快遞標(biāo)志圖像識別模型獲得相同的學(xué)習(xí)訓(xùn)練方法，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得車牌圖像識別模型。

步驟b3.針對車牌號碼圖像中的數(shù)字進行分割，并針對分割出的各個數(shù)字子圖像進行灰度化，減少陰影對車牌上數(shù)字的影響，更新各個數(shù)字子圖像，然后進入步驟b4。

步驟b4.采用各個數(shù)字子圖像，針對卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，獲得車牌號碼識別模型。

將快遞標(biāo)志圖像識別模型與車牌識別模型中的車牌圖像識別模型、車牌號碼識別模型加載于城市公共視頻監(jiān)控網(wǎng)中的各個視頻監(jiān)控終端中，接著分別針對各個快遞物品，將快遞物品與所裝載快遞車輛的車牌號碼進行關(guān)聯(lián)，構(gòu)成快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系；其中，每輛快遞車輛對應(yīng)一個相應(yīng)的編號，編號和快遞公司、車牌號碼一一對應(yīng)。在快遞完成分揀后，通過二維碼掃碼槍將快遞物品裝入哪輛快遞車輛做一個記錄，并統(tǒng)計每輛快遞車輛所裝的快遞物品件數(shù)。通過這兩個步驟就完成將每件快遞物品和快遞車輛相對應(yīng)的功能，在裝車時統(tǒng)計好數(shù)量，待快遞物品到達(dá)目的地時方便檢查快件是否丟失。

具體快遞位置獲取方法，實際應(yīng)用中，包括實時執(zhí)行如下步驟：

步驟a.城市公共視頻監(jiān)控網(wǎng)中的所有視頻監(jiān)控終端，分別針對實時所獲視頻圖像，采用快遞標(biāo)志圖像識別模型進行分析，判斷視頻圖像中是否存在具有目標(biāo)快遞標(biāo)志的車輛，是則將該視頻圖像所對應(yīng)的視頻監(jiān)控終端定義為目標(biāo)視頻監(jiān)控終端，并進入步驟b，，如圖2中a和b所示；否則重復(fù)執(zhí)行步驟a。

步驟b.各個目標(biāo)視頻監(jiān)控終端分別針對其視頻圖像中具有目標(biāo)快遞標(biāo)志的車輛，先車牌圖像識別模型識別出具有目標(biāo)快遞標(biāo)志車輛的車牌圖像，如圖2中c所示，并通過opencv中選取roi興趣區(qū)域的函數(shù)截取出車牌圖像，然后針對車牌圖像，采用車牌號碼識別模型，獲得具有目標(biāo)快遞標(biāo)志車輛的車牌號碼，如圖2中d所示，然后進入步驟c。

步驟c.分別針對各個目標(biāo)視頻監(jiān)控終端，根據(jù)目標(biāo)視頻監(jiān)控終端視頻圖像中具有目標(biāo)快遞標(biāo)志車輛的車牌號碼，結(jié)合快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系，將該目標(biāo)視頻監(jiān)控終端的地理位置，作為其視頻圖像中具有目標(biāo)快遞標(biāo)志車輛上所載各個快遞物品的實時位置。

上述技術(shù)方案所設(shè)計的基于圖像識別的的快遞位置獲取方法，采用卷積神經(jīng)網(wǎng)絡(luò)針對快遞標(biāo)志和車牌號碼的深度學(xué)習(xí)與訓(xùn)練，分別獲得快遞標(biāo)志圖像識別模型與車牌識別模型，然后利用城市公共視頻監(jiān)控網(wǎng)的監(jiān)控圖像，依次通過所獲兩種識別模型進行車輛識別與車牌號碼的識別，最后基于快遞物品與車輛關(guān)聯(lián)對應(yīng)關(guān)系，利用城市公共視頻監(jiān)控網(wǎng)中目標(biāo)視頻監(jiān)控終端的地理位置，實現(xiàn)針對快遞位置的定位，克服了現(xiàn)有技術(shù)的不足，大大提高了定位的準(zhǔn)確性與效率。

上面結(jié)合附圖對本發(fā)明的實施方式作了詳細(xì)說明，但是本發(fā)明并不限于上述實施方式，在本領(lǐng)域普通技術(shù)人員所具備的知識范圍內(nèi)，還可以在不脫離本發(fā)明宗旨的前提下做出各種變化。