基于计算机视觉的物流仓储安全智能监控管理系统的研宄

摘要

　　随着计算机技术和人工智能技术的飞速发展，现代物流业也更偏向于智能化管理。在物流仓储安全方面，结合计算机视觉技术，开发设计物流仓储安全智能监控管理系统，系统有效及时地对物流仓储人员的不安全行为进行预警处理，对提高物流仓储安全管理水平具有重要的实际意义。

　　本文主要对物流仓储中异常目标的检测与跟踪算法，不安全行为识别算法进行了研究。针对传统目标跟踪算法在目标被遮挡后不能准确跟踪的问题，提出了一种基于差分YOLO检测和Camshift的混合跟踪算法。建立了基于YOLO网络结构的目标检测模型，利用YOLO算法确定目标位置并初始化目标跟踪窗口。根据目标的位置信息，使用Camshift算法对后续的视频帧进行处理，并更新每帧的目标，从而可以不断调整跟踪窗口位置以适应目标的运动。其次，基于YOLO检测和Camshift的混合跟踪算法，融合OpenPose算法提取人体骨骼序列。将人体关节位置作为原始特征，对特征进行预处理，从原始关节位置手动设计特征，然后提取特征来区分人员摔倒的动作类型。对采集到的物流仓储企业视频片段进行了实验，并在视频数据集上对实验结果进行了比较，实验表明该融合算法具有较好的鲁櫸性和实际应用价值。

　　为了实现本文融合算法研究在物流仓储企业环境中的实际应用，构建了物流仓储安全智能监控管理系统，并将提出的算法应用到系统中。设计了系统的功能结构，包括异常行为管理、监控信息管理、系统设置、综合统计查询等功能，实现了对物流仓储监控视频数据的采集、分析和处理。该系统具有智能化、实时性的特点，可以对物流仓储中的异常人员和异常行为进行自动分析和预警，可以大大提高物流仓储人员作业的安全性，提高物流仓储企业的安全管理水平。系统有利于物流仓储企业实时监控数据采集；有利于持续动态监测：有利于降低物流仓储企业安全事故风险，提高安全效率。因此，推广应用后具有良好的经济效益和社会效益。

　　关键词：仓储安全管理； YOLO; Camshift; OpenPose; 智能视频监控系统

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

目录

　　引言

　　物流仓储安全是物流企业发展的基石，也是至关重要的生产作业环节。目前，在物流仓储的安全管理中，需要管理人员对视频设备进行实时的监控。通常在异常情况发生后，以往通过回放监控视频这种方式，对目标不安全行为的发生过程不能进行及时有效的预警和预防。

　　本文研究内容的目的是结台计算机视觉技术，将其应用到物流仓储安全管理的环境中去，对物流仓储中的异常目标进行检测与跟踪，以及异常行为识别，提高物流仓储安全管理能力，使物流仓储的安全管理更加信息化和智能化。在物流仓储的安全管理中，有些学者也对物流仓储的视频监控系统进行了一定的研究，但是也主要是针对物流仓储企业日常的进出门安防监控和仓储火情的监控研究，并未对物流仓储中的货物操作人员的行为操作安全性进行研究与跟进。研究的内容有的学者也结合了计算机视觉技术在物流仓储中的应用，但是并没有对计算机视觉技术中的目标检测与跟踪，行为识别算法等研究进行进一步的深入挖掘， 算法的研究内容实际可操作性不强，落地的实际意义价值不大，并没有进行下一步的实际应用。

　　本文在计算机视觉技术的基础上，提出基于差分YOLO检测和Camshift的混合跟踪算法对目标进行检测和跟踪，并关注场景中感兴趣的目标进行重点检测。

　　在目标行为识别过程中，融合OpenPose算法提取图像中人体骨骼和关节的坐标信息，进行仓储人员摔倒等异常行为识别。最后，结合目标检测与跟踪和行为识别算法，开发设计并实现-套物流仓储安全智能视频监控管理系统，提高物流仓储安全管理的智能化水平。

　　1绪论

　　1.1研究背景和研究意义

　　1.1.1 研究背景

　　物流仓储安全是物流企业至关重要的生产作业环节。为了提高仓库安全管理水平，许多物流企业都在寻求自己的方法，随着计算机视觉技术的兴起，物流仓储安防视频监控的方式正悄悄发生转变。传统的视频安防监控已不能满足物流企业日益增长的安防需求，正在向智能的视频监控的方向寻求发展。

　　葛长青"等认为，物流业的快速发展提升了人们对作业安全的要求，因此研究物流仓储作业的安全风险及对策具有重要意义。从经营管理的角度，分析了仓储经营过程中的安全风险，并针对存在的问题提出了具体的对策，以更好地降低物流仓储安全风险，促进物流企业的发展。王成安"认为仓储设备在仓储作业过程中可能发生倾斜、晃动、倾覆等各种安全问题，严重影响仓储人员和贷物安全，如果没有及时发现，则会导致严重后果。因此要对仓储环境和设备进行实时监控。

　　目前，在日常的物流仓储的安全管理中需要工作人员对视频设备进行实时监控，等到发生安全事故后才会去回看视频监控。在物流仓储环境中，许多人员都在繁忙地进行物流活动操作，管理人员有时或因生理需求暫时离开，埋下了安全隐患。传统的视频监控系统，在物流仓储企业里，等到发生安全事故后再去分析原因已为时已晚，早已造成货物的损坏和人员的受伤。因此，研究实现基于计算机视觉的物流仓储安全智能监控管理系统具有重要的实际意义和发展前景。

　　1.1.2研究意义
　　本文对基于计算机视觉的物流仓储安全智能监控管理系统问题进行了研究，在智能视频监控系统应用于物流仓储环境的过程中，研究运动目标检测与跟踩算法技术，获取用户感兴趣的目标行为。在理论研究意义方面，针对传统目标跟踪算法在遮挡后不能准确跟踪的问题，提出一种基 于差分YOLO检测和Camshift的混合跟踪算法。融合OpenPose算法提取人体骨骼序列。将人体关节位置作为原始特征，对特征进行预处理，从原始关节位置手动设计特征，然后提取特征来区分人员摔倒的动作类型。在理论研究方面进行算法的改进创新，对采集到的物流仓储企业视频片段进行了实验，表明该融合算法具有较好的鲁棒性和实际应用价值。

　　在系统应用实践意义方面，结合计算机视觉技术，开发设计物流仓储安全智能监控管理系统。物流仓储安全智能监控管理系统包括实时的目标检测与跟踪、目标的分类和目标行为识别。物流仓储安全智能监控管理系统不需要人工帮助，可以智能地执行，自动、智能地为用户提供帮助。实时有效，准确地检测和跟踪用户感兴趣目标的运动轨迹。

　　物流仓储安全智能监控管理系统可以使计算机具备人的视觉功能，对视频图像中的目标行为状态进行智能地识别与判断，进而发现目标的异常行为，并及时发送报警信息，来提示安保人负及时采取应急措施。系统有效及时地对物流仓储人员的不安全行为进行预警处理，对提高物流仓储安全管理水平具有重要的实际意义。实现了对物流仓储监控视频数据的采集、分析和处理，对物流仓储安全异常行为和异常人员进行了自动分析和预警，提高了物流仓储企业的安全管理水平。

　　该系统具有智能化、实时性的特点，可以大大提高物流仓储企业的安全性。系统有利于物流仓储实时监控数据采集：有利于持续动态监测：有利于降低物流仓储企业安全事故风险，提高安全效率。因此，推广应用后具有良好的经济效益和社会效益。

　　1.2国内外研究现状

　　1.2.1物流仓储安全管理 的现状

　　在物流仓储安全管理方面，传统的视频监控系统主要是管理人员进行事后分析，对事故原因进行调查，仓储安全不能实时被保障。安全事故发生后响应时间较长，另-方面，快速准确获取可疑人员的过程比较繁琐和困难。

　　目前，国内外许多学者针对物流仓储安全管理中存在的问题，对传统的仓库视频监控系统进行了改进。文献[3]设计了仓库安防系统，利用摄像头实时监控是否存在不安全因素。视频监控还会实时采集视频数据并传输到手机客户端，然后由安全人员进行安全控制，系统会自动采取防护措施，收集视频证据，并向安全人员发出警告。文献[4]利用ZigBce等无线技术构建仓库环境监控网络，实现对温度、湿度、烟雾、照明、门禁、人员移动等的自动监控。文献[S]介绍了托盘监控系统，该系统确定了货盘的存放位置。仓库作业监控系统集成了仓库管理和仓储作业监控的功能，实时性更好。仓库运行监控系统集仓库管理和运行监控功能于- -体，使物流系统和现代计算机集成制造系统具有更智能的操作，更完善的客户服务等特点。

　　王一斌"针对现代仓储业务业务量大、信息量大、硬件复杂、面向客户的特点，研究设计了-套基于Web的仓储业务监控管理系统。姜天""提出了基于安全监控智能仓储业务管理系统的体系结构和实现仓库安全监控的技术方案，详细介绍了基于信息物理融合系统技术监控节点的组成和功能。李金鹏"认为，互联网爆发式发展的背后是无数传统行业和管理模式的变革，基于物联网的仓储管理系统也应运而生。视颊监控作为仓储管理的重要组成部分，也正在发生着最大的变化。与传统的监控系统相比，在调研视频监控现状和进展的基础上，嵌入式网络监控模式的改变彻底颠覆了模拟监控时代的应用技术。刘稳回指出，在现代物流和计算机技术的环境下，学习运用智能技术进行安全管理是保障仓储安全的有效手段，可以很好地提高仓储安全管理的水平。

　　随着计算机技术和人工智能技术的飞速发展，利用计算机视觉技术开发设计的物流仓储安全管理监控系统，它可以大大减轻物流仓储管理人员的工作量。其次，物流仓储安全管理将计算机技术和通信技术相结合，使物流仓储安全管理水平的可靠性可以大大提高，降低了物流仓储安全管理的成本。

　　1.2.2计算机视觉的应 用现状

　　计算机视觉技术可以使计算机学科和管理学科等多学科相互综合应用，在物流仓储的实际应用环境中，我们使用计算机视觉技术可以使智能设备具有能独立适应识别外部环境的能力，这在工程和科学领域都是一个巨大的挑战。 理解外部环境中的目标行为，还需要更深入的学习和研究。

　　目前，国内外许多学者在计算机视觉技术的应用方面已经做了大量的研究。

　　在智能化的时代，如何 让物流仓储管理更加便利安全，计算机视觉技术扮演着不可磨灭的角色，有着突出的贡献。在目标检测与跟踪，行为识别的领域，如何让这些技术更好的服务物流仓储，这都是需要努力研究的方面。关国和欧洲等国家凭借各自的技术和资金优势，率先开展智能视顿监控系统的研究，其中包括卡内基梅隆大学牵头的视频安全与控制（VSAM）研究计划0.根据该计划，研究人员开发了一套端到端的测试系统，该系统集成了许多先进的视频安全监控技术，如静止背景和运动背景中的实时目标检测和跟踪，还有常见的目标如人和汽车的分类。特殊物体分类，目标姿态估计，摄像机自主控制，多摄像机协同跟踪，人体步态分析等这些目标检测与跟踪的研究已成为众多专家学者学术交流的重要研究领域。20年后，计算机视觉将成为世界网络基础设施的重要组成部分，类似于今天的电信基础设施，包括分布式分析和数据库服务，--些特定的分析和智能技术将应用于所有设备。默认情况"下，物联网中的所有设备都将添加特定应用的分析和智能的功能，包括视觉、音频、文本、数字，- -些新的梓经网络运算将成为更多数据进行标准化处理的重要工具文献[11]讨论了计算机视觉在物流、道路安全和智能交通中的应用。文献[12]

　　描述了一个双流深度网络来解决这一-问题。这项工作首次定义并提出了解决方案，即是否可以通过在车内拍照来准确估计自动车辆相对于道路的方向。车辆定位为做出各种与驾驶相关的决策提供了重要信息。这一问题的主要挑战是缺乏训练数据。为了解决车辆方位信息在图像中难以准确标注的问题，建议利用GooglcMap中公开可用的街道全景图，通过指定方向并读取全景图中相应的像素点，可以轻。

　　松地收集到感兴趣的标注数据，该双流网络可以结合这两条线索进行学习，作为解决这- - 新问题的方法。文献[13]提出了- -种基于计算机视觉的路边职业监控系统（CVR0SS），通过基于计算机视觉的网络自动获取物流装卸活动图像等实时路边交通图像。双重停车和重型卡车装卸等路边活动对交通状况产生了负面影响。

　　特别是在交通密度较大的城市，需要-种基于物联网（OT）的系统来实时监控路边装载区域，通过配备具有无线通信功能的高清智能摄像机，提出了-套完整的综合交通监控解决方案，通过计算机视觉网络自动采集装卸活动图像等实时路边交通图像，利用模糊逻辑对交通决策进行评价，为用户提供可视化的决策支持，提高了交通活动的透明度。文献[14]全面总结了交通标志的检测、跟踪和分类。

　　自动交通标志检测和识别系统（TSDR）是先进驾驶辅助系统（ADAS）开发中的一个重要研究内容。基于视觉的TSDR的研究引起了研究界的极大兴趣，主要由检测、跟踪和分类三个因素驱动，对交通标志的检测、跟踪和分类进行了全面的综述。文献[15]显 示了计算机视觉正则化学习在迁移学习场景中的普适性。通过对图像分类、图像分割和视频分析三种最先进的方法的重复实验，比较了这种调节器的比较优势。微调预先训练的深度网络是受益于大型数据库上的学习表示的一种实用方式，训练模型的示例相对较少。为了受益于在大型数据库上训练的卷积神经网络的最新改进，这种调整现在是通用的。微调需要某种形式的正则化，这通常是通过将网络参数推向零权衰减来实现的。这种选择与微调的动机相冲突，基于此，提出了- -种正则化方法，以提高预先训练模型的归纳偏差。提出了一种易于实现和操作的正则化方法的通用性，并最终推荐它作为未来依赖于微调的迁移学习方法的新的基线准则。

　　文献[16]提出了利用模式识别技术实现计算机视觉的课题。工业4. 0是当今工厂自动化的一个重要发展趋势。文献[17]介绍 了基于工业仿真软件的仓储系统测试和性能评估的概念。机器入搬运未分拣的货物仍然是工业自动化中的一一个挑战。许多系统需要物理测试和培训，调试阶段较长。提出了基于工业仿真软件的拣箱系统测试和性能评估的概念。该系统采用物理仿真、虚拟立体图像绘制。运动学和机器人控制器仿真，实现了拣箱系统性能的虚拟软硬件的验证和优化，并在电子产品生产的实际工业场景中进行了验证，在总结的基础上，探讨了新的仿真概念的进一步应用。 文献[18]提出了一种适用于可扩展自动化设施物流系统的传感器网络方法。将基于计算机视觉的系统与RFID系统相结台，使用中间件连接物流系统中的自动化设施。据意大利都灵Vertical News编辑的一篇新闻报道，研究表明，随机森林分类器（RF）由于在人体跟踪中的成功应用，近年来在计算机视觉领域获得了发展势头9.目标检测识别和突出人的不安全行为的过程是实施基于行为的安全计划（BBS）的核心功能。随着计算机视觉的发展，从二维数字图像和视频中自动捕获和识别目标，实时识别目标危险的不安全行为具有重大的实际意义。

　　随着计算机视觉和深度学习的不断发展，文献[20] 借助智能监测和数据处理原理对姿态监测系统进行了改进，通过分析和预测身体异常并产生时间敏感的结果，提高了智能监测的效率。基于改进的智能监测和数据处理原理，提出了一-种新的基于计算机视觉辅助深度学习的姿势监测系统，用于从个体的工作环境中预测广泛性焦虑症（GAD）的身体异常。采用深度学习辅助的三维卷积神经网络（CNN）提取时空特征，并将其应用于广泛性焦虑症（GAD）患者的体位监测。利用提取的时间动态信息，利用门控递归单元（GRU）模型确定逆境的规模，基于预警的决策提供身体状态，有助于提高系统在医疗保健或辅助护理领域的有效性；通过将预测的异常分数存储在系统的本地数据库中，进-步用于治疗目的。结果表明，该方法在活动预测、数据处理成本、错误率和时间复杂度等方面都优于目前的其他研究方法，提高了系统的准确度，并证明了该方法的实时监测效率。

　　国内学者史雨艳21以计算机视觉为背景获取货架图像，实现商品定位。在现实生活中，物流已经成为人们生活的一部分， 表明物流技术已成为社会最关注的方面。提出了物流塔，物流塔包括计算机技术、物流技术、自动化仓库等。主要工作是在计算机视觉背景下利用摄像机获取货架的图像，实现货架位置的定位。

　　增加了图像处理的难度，采用暗通道的方法去除之前噪音，使用自适应中值滤波解决图像处理在固定阈值的偏差，在不破坏边缘信息条件下，更好的找到噪声点，最。

　　终的图像轮廓提取算法有利于保留图像边缘信息，具有去噪能力强，强烈去雾的特点和较强的泛化能力。基于传统的摄像机标定技术，提出了-种融合算法主要用于解决参数耦合的问题，通过近似圆拟合的线性畸变成像模型近似算法，使用面积近似算法，以实现图像的去噪。李瑞为了解决传统火灾检测方法中火灾烟雾上升到一定高度会被稀释，影响采集的温度和浓度，针对火灾探测的准确性和探测器安装距离太大而无法覆盖的问题，提出了-种基于计算机视觉的物流仓库火灾探测方法，根据物流仓库的大小和配送区域，将火灾探测分为不同的部分，建立不同的视频采集系统，先用IHS模型判断运动物体是否为火焰，然后通过分割提取图像特征并输入神经网络。实际测试表明，该技术能够准确判断大型空间物流仓库是否发生火灾，具有较强的实用性。周琳2认为建立基于计算机视觉技术的物流仓库空间控制与管理系统是很有必要的，提出了建设该系统的目标、结构和工作流程，讨论了系统中图像处理的关键方法和技术。林雯叫针对物流过程中商品包装的密封性，研究了系统的软件流程、编程和相机自动对焦的问题。通过实验分析，论证了计算机视觉技术在货物包装封口检测中的优越性。温雪时提出了-种基于计算机视觉测距报警模型的物流配送防撞算法。将物流过程中货物的计算机视觉和吊臂轨迹参数设置，建立吊臂CAN坐标系，分析吊臂轨迹图像，得到吊臂轨迹，计算吊臂偏转角，最终完成坐标原点和目标距离的计算，从而利用计算机视觉实现物流过程中的吊臂距离报警。张莹260在计算机视觉理论的基础上，通过提取颜色空间特征，设计了物流装配线上货物的自动计数算法，实现了对货物的多方向统计，为物流仓储自动化水平的提高提供了新的思路。

　　根据参考文献中国内外学者的研究内容，对国内外研究文献进行系统深入地进行总结述评，从中不难发现，计算机视觉技术在物流仓储中的应用主要是两个方面，物流仓储业务管理流程还有物流仓储管理信息系统这两个方面。而在物流仓储安全管理过程中，针对物流仓储人员的异常目标的检测与跟踪，异常行为的识别和分类的研究比较少。在本文的研究中，基于计算机视觉在物流仓储安全智能监控管理系统中的应用研究，我们主要是研究运动目标检测与跟踪，异常行为的识别这些计算机视觉所用到的算法。在实际生活环境中，如天气和光线的变化、运动物体的阴影屏蔽、噪声干扰等。这些影响因素使得运动目标从复杂背景中准确检测出来比较困难，因此本文主要是针对具体的物流仓储环境的实际情况，对相应的算法进行改进综合研究。

　　基于计算机视觉技术，对物流仓储安全进行管理，目前还存在-些问题。在实际的物流仓储环境中，场景比较复杂，目标容易被速挡，还有实际环境中外界光线和噪声干扰的变化，都会存在一定的研究难度。 在物流仓储异常目标的检测与跟踪中，目标的行为识别和分类仍然非常困难，这些在实际应用中还不够理想，需要进一步的探索和研究。

　　1.3研究方法和技术路线

　　1.3.1研究方法

　　在大量阅读基于计算机视觉的物流仓储安全智能监控管理系统的研究文献上，首先进行文献综述讨论，然后通过理论研究和实证应用研究，采用以下研究方法：（1）研究基于Y0LO检测和Carmshift混合跟踪算法，实现物流仓储主要工作场所和主要生产环节视频点的远程实时可视化监控，检测和跟踪可疑目标。（2）研究融合OpenPose的物流仓储人员摔倒行为识别算法。基于OpenPose融合算法提取图像中入体骨骼关节点的坐标信息，分析人物交互关系，利用构建的行为识别标准知识库识别人物交互行为。（3） 设计并实现物流仓储安全智能监控管理系统，并使该系统集成结合YOL0检测和Camshift的混合跟踪算法和融合改进的OpenPose算法来检测和跟踪可疑目标并识别其异常行为，从而提高物流仓储的安全管理水平。

　　1.3.2技术路线

　　本文研究的技术路线图如下图1所示：

　　1.4研究内容和章节安排

　　1.4.1研究内容

　　为提高物流仓储安全管理的水平，对物流仓储监控区域内的异常目标进行了目标检测与跟踪，目标异常行为识别算法研究，设计开发了物流仓储安全智能监控管理系统。当发现可疑目标时，物流仓储安全智能监控管理系统可以及时发送报警信息。本文比较了几种常用的目标检测算法，然后基于YOLO检测和Camshift的混合跟踪算法对目标进行检测和跟踪，关注场景中感兴趣的目标进行目标检测。

　　在目标行为识别过程中，利用所构建的知识库，提取图像中人体骨骼关节的坐标信息。详细描述了人物交互行为识别算法的流程和识别方法。最后，开发设计物流仓储安全智能监控管理系统，把目标检测与跟踪算法，行为识别算法集成到系统中，实现算法在物流仓储企业中的实际应用。

　　1.4.2章节安排

　　论文主要分为以下章节分别进行阐述： .

　　第一章绪论。首先对论文的研究背景和研究意义进行介绍，对国内外物流仓储安全管理的现状及发展趋势进行分析，阐述计算机视觉在物流仓储的应用现状以及目前存在问题。最后，确定本文的研究方法和技术路线。

　　第二章基本理论与算法。首先介绍目标检测与跟踪，它们的基本理论和相应的算法发展，然后详细介绍YOLO卷积神经网络结构、AlexNet网络结构和R- CNN网络结构的原理构建以及它们之间的发展关系。最后介绍Meanshift目标跟踪算法原理和迭代过程。

　　第三章基于YOLO检测与Camshift的混合跟踪算法。首先对监控视频进行目标提取，进行图像增强预处理，使用改进的YOL0目标检测进行目标定位。实现目标的实时监测与跟踪，并对实验结果进行分析总结。

　　第四章融合OpenPose的物流仓储人员摔倒行为识别。在目标异常行为识别过程中，基于OpenPose算法来提取视频图像中人体骨骼关节点的坐标信息，进行特征预处理、特征提取及分类，进行物流物流仓储人员摔倒行为识别。

　　第五章物流仓储安全智能监控管理系统的设计与实现。首先进行系统需求分析、系统体系架构设计和系统功能设置，然后重点阐述系统异常行为分析引擊，最后对系统进行实现。

　　最后结论。首先总结论文的主要内容，讨论分析本文算法研究内容的不足，对论文的算法后续的研究方向进行探讨，最后对系统的完善推广进行展望。

　　2基本理论与算法

　　2.1目标检测与

　　2.1.1标检测

　　2.1.2目标跟踪

　　2.2YOLO卷积神经网络

　　2.2.1 AlexNet 网络

　　2.2.2 R-CNN 网络结构

　　2.2.3 Y0LO 网络结构

　　2.3 Meanshift 算

　　2.3.1目标模 型描述

　　2.3.2候选 目标模型描述

　　2.3.3相似性度量

　　2.3.4算法迭代过程

　　2.4本章小结

　　3基于YOLO检测与Carmshift的混合跟踪算

　　3.1基于 差分滤波的YOLO目标检测算法

　　3.1.1目标提取

　　3.1.2背景模型估计 与差分筛选策略

　　3.1.3实时目标检测

　　3.2 Camshift 跟踪算法

　　3.3混合跟踪算法流程

　　3.3.1视频帧预处理

　　3.3.2遮挡判

　　3.3.3算法步骤

　　3.4实验结果与分析

　　3.5本章小结

　　4融合OpenPose的物流仓储人员摔倒行为识

　　4.1 OpenPose 原理

　　4.2融合的算法流程

　　4.3从视频图像 中提取人体骨骼

　　4.3.1特征 预处理

　　4.3.2特征提取

　　4.3.3特征分类

　　4.4实验结果与分析

　　4.5本章小结

　　5物流仓储安全智 能监控管理系统的设计与实现

　　5.1系统概述

　　5.2系统功能需求 分析

　　5.2.1异常 行为管理

　　5.2.2监控信 息管理

　　5.2.3系统设置 及综合统计查询

　　5.3系 统体系架构设计

　　5.3.1系统服务端和前端页面架构设计

　　5.3.2系统异常 行为分析引擎

　　5.4物流仓储安全智 能监控管理系统实现

　　5.4.1系统 实现简

　　5.4.2监控信息 管理…

　　5.4.3异常 行为识别预警

　　5.4.4仓储异常 行为标准库

　　5.4.5仓储异常行为目标库

　　5.4.6综合统计查询

　　5.5本章小结

结论

　　本文基于计算机视觉技术，为提高物流仓库的安全管理水平，对淮南市爱一方电子商务有限公司物流仓库监控区域内的异常目标，在智能监控环境下进行检测与跟踪，并进行异常目标的行为识别。

　　本文的主要总结如下：在目标检测与跟踪算法方面，在跟踪目标被遮挡后，不能准确跟踪，造成目标丢失的问题，本文提出了一种基于YOL0检测和Camshift的混合跟踪算法。在行为识别算法方面，首先介绍了OpenPose 算法的原理和算法结构，然后结合第三章提出的基于YOL0检测和Camshift的混合跟踪算法，结合OpenPose算法提取人体骨骼序列，进行最终的异常行为识别。对采集到的物流仓储企业视频片段进行了实验，验证了与OpenPose融合算法集成的物流仓储企业智能监控系统的实际应用效果。选用两个常用有效的视频数据集，用这两个视频数据集进行了实验对比，视频数据集内容包括了单人场景和多人场景，融合算法都显示出了很好的鲁樺性与实际应用价值。

　　最后，为了实现算法研究在物流仓储企业环境中的实际应用，构建了物流仓储安全智能監控管理系统，并将提出的算法应用到系统中。分析了系统的功能需求，对系统服务端和页面架构进行了前期的设计。并着重分析了物流仓储安全监控管理系统异常行为分析引擎，在物流仓储安全智能监控管理系统中，对异常行为分析引擎的设计的方面，主要包括最终进行行为识别的四个处理流程。首先是运用基于差分YOL0检测与Camshif的混合跟踪算法进行目标检测定位与目标跟踪，接着运用融合OpenPose的行为识别算法进行视频图像的特征提取，对仓储人员实时行为动作进行行为分类，完成物流仓储人员异常行为的识别。最后在综合分析中使用之前章节的实验过程和结果，对异常人员和异常行为进行了自动分析和预警，有效、及时地对物流仓储人员的不安全行为进行了预警，提高了物流仓储企业的安全管理水平。

　　本文的研究不足如下：本文主要研究了对物流仓储监控区域中异常人员目标的实时在线检测与跟踪，行为识别的算法研究。但是在算法的移植打包方面还存在问题，在实际物流仓储环境的应用中还存在很多问题，如场景的复杂性和外界干扰因素等。分析与处理的关键技术，其基础理论、关键算法和应用环境尚需进-步研究。本文的目标检测算法可以得到比较好的目标检测与跟踪结果，但是，在物理仓储环境中，如果监控环境不断发生变化，比如光线剧烈变化。人员来回干扰目标等。这些影响因素都会使我们的目标检测的效果不是很好。所以在目标检测过程中，对视频图像中阴影的干扰，还有目标眼踪的后处理也是我们后面的研究方向。在运动目标目标跟踪过程中，实际的物流仓储环境中多目标间的相互遮挡，也会使我们要跟踪的目标丢失，行为识别不能实现，导致系统产生虚假的报警或者没有报警的结果，这是远远不够的，需要完善。要使机器具有自动化功能，更高的智能化算法思想，甚至具有部分人类的视觉功能，仍然具有重大的研究意义。因此，今后的工作方向应从以上几个方面进行研究。

　　本文的主要展望如下：本文在实际应用中构建了物流仓储企业智能监控系统。

　　基于J2EE技术，设计开发了一个物流仓储安全智能監控管理系统。平台首页采用AJAX框架提升用户体验。后台采用SSM框架实现数据表间的关联设计，最终实现整个物流仓储安全智能监控管理系统。该系统具有智能化、实时性的特点，可以大大提高物流仓储企业的安全性。系统有利于实时数据采集和持续动态监测；有利于降低物流仓储企业安全事故风险，提高安全效率。因此，推广应用后具有良好的经济效益和社会效益。在后续的应用研究过程中，将继续进行物流仓储企业人员更多异常行为的目标检测与跟踪，对目标进行有效的特征提取，进行特征分类，达到目标的异常行为识别的目的，对这四个方面的研究进行正交分析实验。

　　研究物流仓储企业人员异常行为识别的各关键环节之间的影响关系，探索最优的"四循环"策略，并对理论成果进行检验和反馈，未来更加优化和完善系统，进行进一步的推广与应用。

致谢

　　感谢国家自然科学基金项目" 多源传感器环境下基于异构特征信息融合的行为识别"（编号： 61873004） ;安徽理工大学研究生创新基金项目"基于计算机视觉的自动扶梯人员乘降和物品运输安全监控系统研究" （编号： 2019CX2073） ●感谢这两个基金项目的资助支持，使得本文的研究工作能够顺利开展。感谢淮南市爱一方电子商务有限公司为本文研究工作提供的物流仓储实验场地，感谢提供便利的实验应用条件。

　　特别感谢我的导师杨超宇副教授，对本论文的研究指导工作，给我提供了论文的研究思路以及在论文写作过程中提供的宝贵建议，感谢杨老师耐心的专业指导，本论文才得以完成。每当我陷入论文写作过程中的难题时，针对实验数据不准确，参数模型不能优化运算的问题，杨老师总能及时给我宝贵的指导意见，让我对算法运行时产生的问题有一个更加清晰的认识，对问题的解决方案也慢慢融会贯通，学着自己去理解掌握这种模型方法，把出现的难题及时解决掉。计算机视觉技术的更新速度很快，一些目标检测与跟踪，行为识别的算法中的环境变量总会出现差异，软件库的调取难免会出现问题。这时杨老师总会告诉我们不要着急，首先要态度认真，沉下心来，仔细地去对比这些算法的不同，找出问题所在，把实验平台先搭建起来，进行算法参数的调优，使实验运行结果更好。态度认真，勤思好学，这也是杨老师对我们做算法实验的基本要求。依稀记得当初初进校园时，第一次遇到我的导师的情景，第一次课题组开组会的日子。杨老师专业的学术水平，宽博的科学视野，和蔼可亲的态度给我留下了深刻的印象，尤其是对计算机视觉技术领域的深耕，也让我明白学术的不易，需要付出更大的努力才能让自己提高。研究生生活也即将结束，衷心地感谢杨老师在学术和生活方面给予的关心与照顾，让我们能够顺利完成毕业论文的工作。

　　真心地感谢实验室课题组的同学们，在我论文写作过程中给我提供热心的帮助和真诚的建议，感谢帮助关心过我的老师和同学们，感谢你们的陪伴，让我在研究生生活中充满努力的奋斗和开心的快乐。最后感谢我的父母的培养和家人们的关心，感谢努力的自己，感恩！

（如您需要查看本篇毕业设计全文，请您联系客服索取）