物流仓库仓储安全智能检测与报警系统的研究.docxVIP

物流仓库仓储安全智能检测与报警系统的研究 现代物流仓库安全管理的趋势是信息、网络化和智能化。许多公司正在等待时间消耗仓库安全。仓库的安全管理主要是对人员、车辆和物资的安全管理, 可视化的视频监控已经从普通的人工监控阶段过渡到智能化的监控, 智能监控的运用, 提高了仓库的信息化管理水平, 提高了仓库监控区域的安全管理, 其中目标检测技术的算法研究是实现智能监控的重要的基础性工作, 因此具有重大的实际研究意义。本文主要是在淮南市爱一方电子商务企业仓库监控区域的环境下进行的研究, 通过对视频监控图像的智能分析, 检测出异常行为, 并及时自动发送报警信息, 从而提高该企业仓库的安全管理水平。 通过大量文献的阅读, 可以把目标检测运动物体的方法总体上分为三类:光流法、相邻帧差法和背景差分法。光流法是通过灰度模式运动而检测前景目标, 在一定的约束条件下, 根据视频序列中的像素强度信息在时间上的变化和相关性确定每个像素的运动, 并对其进行分析从而把前景目标从背景中分离出来。但是光流法抗噪性能差、计算方法复杂, 很难实现运动目标的实时检测。相邻帧差法的基本思想是在一段连续的视频帧中对相邻两帧或多帧进行差值运算作绝对值, 然后选取一个阈值进行判断, 得到二值化图像, 提取前景目标。但相邻帧差法提取的前景目标轮廓稀疏, 容易出现空洞现象。背景差分法的基本思想是差分当前帧和参考帧获取前景目标, 主要应用于摄像机固定的情况下视频图像的前景检测。在众多目标检测算法中, 目前应用较为广泛的背景模型是由Crimson和Stauffer提出的高斯混合模型 (Gaussian Mixture Model, GMM) 。其在交通、医疗、通信等众多领域都有应用, 高斯混合模型能够模拟现实的多模态场景, 对缓慢的光照变化、树叶晃动等具有较好的处理效果, 其结构简单, 设置的参数少, 拟合性良好等, 因此本文选择用高斯混合模型来检测运动目标。 1 仓库智能监控系统发展现状 在企业物流系统中, 仓储承担着货物的收发、储存、保管保养、控制、监督等多种职能, 仓储在维持生产稳定、在售品稳定、平衡企业物流和企业流动资金方面发挥着重要的作用。仓库安全管理一方面是对仓库储存物资的管理, 另一方面是对仓库人员和设备的管理, 仓库安全管理的目标是发现、分析和消除仓库安全管理过程中各种危险和潜在威胁, 保护仓库中人与财物不遭受破坏。随着计算机技术、自动化控制技术、通信技术和图像分析技术的进步, 淮南市爱一方电子商务企业也开始关注仓库安全管理的智能化水平的提高, 在仓库重要区域安装网络数字视频监控设备。该企业仓库每日进出货量比较大, 产品款式种类多, 另外仓库人员和外来人员进出频繁, 这就导致传统的人工监视视频设备无法满足安全性要求, 加上人自身生理的需要暂时离开或者偷懒, 这就需要企业采取更先进的技术来实现实时监控、及时反馈的目标。智能监控便应运而生, 通过在嵌入式视频服务器中, 集成智能行为识别算法, 能够对画面场景中的人或车辆的行为进行识别、判断, 检测出异常行为, 及时发送报警信息提示安保人员及时采取应对措施, 从而确保仓储货物和人员的安全。 该企业主要是从事网络零售行业, 仓库库存量大, 产品款式有200余种, 每日出票2000件左右, 为保证货物及时发出, 热销产品需提前包装好等待出库, 每日固定时间, 快递人员过去扫描出货, 但货物经常会有丢件无揽件记录情况, 通过视频监控回放也很难检查出问题所在, 而且浪费人力和大量的时间, 从根本上无法解决此类问题, 因此, 企业在仓储安全管理上, 应该学习用先进科学的分析工具预判检查安全隐患, 然后有针对性地采取改善措施, 与时俱进, 采用智能化、网络化、模块化的仓储安全监控系统, 实现实时监控、实时响应, 及时避免安全事故发生。同时要加强对仓库监控区域的自动化管理, 实时监控和管理仓库人员、货物和设备, 提高仓储安全管理的智能化水平和可靠性程度, 降低仓储安全管理的成本, 提高生产效率, 推进仓储安全管理的科学化和现代化进程。 2 高斯混合模型的视频目标 2.1 鲁棒性线的变化 高斯混合模型是由Crimson和Stauffer在单高斯模型的基础上提出的, 是用多个高斯函数对背景模拟, 对场景变化、遮挡等问题有较好的处理效果, 是一种经典的运动目标检测和跟踪算法, 采用统计学特征表征背景模型, 能适应复杂的场景, 如摇动的树叶, 雨雪天气, 光线的变化等等, 具有良好的鲁棒性, 同时计算量不是太大, 能基本满足实际应用中对算法的实时性要求。 高斯混合模型的基本思想是:采集视频数据建立背景模型, 初始化K (一般取3-7) 个高斯分布函数对背景中每个像素的颜色特征建模, 并对每个高斯成分的均值和方差进行更新, 然后通过一个阈值判断该像