物品定位方法及系统与流程

本公开涉及人工智能领域，具体涉及一种物品定位方法及系统。

背景技术：

在机场、火车站等交通枢纽场景或者物流行业中，常常会涉及到物品的传送，例如行李的托运、分拣，包裹的分拣，等等。

目前，对于机场、火车站等需要对顾客行李进行托运需求场景，主要是通过利用条码射频标签的射频识别对行李实现了自动分拣和跟踪。然而射频标签识别器的成本较高，且效率低下。

对于物流运输行业，主要是在物品外包装上贴条形码或二维码，通过人工拿扫描设备对每个物品的条码或二维码进行扫描来实现分拣，或者是通过一个特殊的装置，全方位360度自动扫描条码或二维码来进行自动分拣。人工分拣的方式存在人工耗费大，效率低下的问题，而自动分拣的方式成本较高，还有可能出现因条码或二维码被遮挡而无法识别的问题，此时依然需要人工参与，效率低下。

可见，目前尚无较好的跟踪定位物品的方法。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种物品定位方法及系统，能够实现可视化地跟踪、定位物品。

根据本公开实施例的第一方面，提供一种物品定位方法，应用于物品定位系统，包括：

在每个物品进入传送队列时，通过监控摄像头识别该物品的外观属性，以获取该物品的标识信息；

根据该物品进入所述传送队列的位置及该物品的标识信息，确定加入该物品后的传送队列的物品序列；

通过各物品的外观属性及所述物品序列，定位所述传送队列中的物品。

根据本公开实施例的第二方面，提供一种物品定位系统，包括：

至少一个摄像头，用于识别物品的外观属性；

处理器，与所述至少一个摄像头相连，用于在每个物品进入传送队列时，通过所述至少一个摄像头识别该物品的外观属性，以获取该物品的标识信息；根据该物品进入所述传送队列的位置及该物品的标识信息，确定加入该物品后的传送队列的物品序列；通过各物品的外观属性及所述物品序列，定位所述传送队列中的物品。

根据本公开实施例的第三方面，提供一种计算机程序产品，所述计算机程序产品包含能够由可编程的装置执行的计算机程序，所述计算机程序具有当由所述可编程的装置执行时用于执行上述第一方面中任一项所述的方法的代码部分。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例中，可以在物品进入传送队列时，通过摄像头识别物品的外观属性，从而获取物品的标识信息，然后根据物品进入传送队列的位置以及物品的标识信息，确定加入该物品后的传送队列的物品序列。那么在定位物品时，可以通过物品的外观属性和传送队列的物品序列，来跟踪定位物品。通过这样的方式，只需布置摄像头便能实现物品的定位跟踪，在实现了随时可视化物品图像的同时降低了成本，并且，通过传送物品的物品序列与物品的外观属性结合的方式提升了物品传输过程中的定位准确度。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种物品定位方法的流程图；

图2是根据一示例性实施例示出的一种通过传送带传送物品的示意图；

图3是根据一示例性实施例示出的一种更新传送带上物品序列的示意图；

图4是根据一示例性实施例示出的一种物品定位系统的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

请参考图1，图1是根据一示例性实施例示出的一种物品定位方法的流程图。如图1所示，该方法包括以下步骤。

步骤S11：在每个物品进入传送队列时，通过监控摄像头识别该物品的外观属性，以确定该物品的标识信息。

传送队列即为物品排队传送时组成的队列，从第一个待传送的物品加入传送队列后，可以持续有待传送的物品不断加入传送队列。每个物品(包括第一个加入传送队列的物品)进入传送队列时，可以通过识别该物品的外观属性来确定该物品的标识信息，标识信息是物品的唯一标识，不同物品的标识信息不同。

物品的标识信息比如可以与该物品的所有者的身份信息相对应。以物品是行李为例，物品的标识信息可以包括：该物品的所有者的身份证号码、乘车信息等。物品的外观属性用于描述该物品的外观，物品的外观属性可以包括种类属性、颜色属性、尺寸属性、形状属性、材质属性等属性中的一种或多种。

由于通过扫描设备扫描物品的标识信息来定位传送队列中的物品成本较高，为了降低成本以及可视化定位传送队列中的物品，本公开实施例提出将物品的外观属性与物品的标识信息相关联，以便于将物品的外观属性作为定位传送队列中的物品的参考因素之一。物品的外观属性通过摄像头采集即可得到，方便快捷。

在一种实施方式中，将物品的外观属性与物品的标识信息相关联，包括以下步骤：

针对待进入所述物品传送队列的每个物品，获取该物品的标识信息和外观属性；

将获取的外观属性与对应物品的标识信息进行关联；

相应地，通过监控摄像头识别该物品的外观属性，以确定该物品的标识信息，包括：

通过所述监控摄像头识别该物品的外观属性；

根据识别的外观属性，及外观属性与标识信息之间的关联关系，确定该物品的标识信息。

物品在进入传送队列之前，先获取该物品的标识信息和外观属性，并将同一物品的标识信息和外观属性相关联。获取物品的标识信息可以是通过扫描设备扫描该物品得到，也可以是通过摄像头采集该物品的图像得到。获取物品的外观信息可以通过摄像头采集该物品的图像得到。将物品的标识信息和外观属性相关联即是建立物品的标识信息和外观属性之间的绑定关系，以便于通过物品的外观属性即可在该物品即将进入传送队列时识别出该物品的标识信息，以便于后续在该物品加入传送队列后确定传送队列的物品序列。

示例地，参见图2，物品传送队列为主传送带的传送区域上的物品所形成的队列。主传送带的传送区域与一个或多个前置传送带的传送区域相连通，前置传送带的传送区域上的物品为待进入物品传送队列的物品。为了便于定位物品，在将物品放入前置传送带时，通过扫描设备(图2中未示意)扫描该物品表面的二维码，以获取该物品的标识信息，或者为该物品编号，以获取该物品的标识信息。同时，通过物品进入摄像头对该物品拍照，获取该物品的外观属性。

接着，将获取到的标识信息和外观属性绑定，以得到该物品的标识信息与该物品的外观属性之间的关联关系。对于每个放入前置传送带的物品，都可以参考上述方法对前置传送带上的物品的标识信息和外观属性进行绑定。

在前置传送带上的物品即将被传送到主传送带时，通过主传送带周围的摄像头识别该物品的外观属性，并根据识别的外观属性，以及通过上述绑定方法建立的关联关系，确定该物品的标识信息。

如图2所示，在心形物品进入前置传送带3时，通过物品进入摄像头识别该心形物品的外观属性，并与标识信息A’相绑定。心形物品在即将进入主传送带时，通过监控摄像头3识别该心形物品的外观属性，识别结果比如包括心形，然后将该外观属性与最新建立的一个或多个关联关系中的各个外观属性对比，对比一致的外观属性所关联的标识信息为A’。

通过对每个进入传送带的物品进行外观属性与标识信息的绑定，可以使得传送区域内每个物品都有相应的标识信息与外观属性之间的关联关系，那么在物品即将进入传送队列时或者在后续的传送过程中，便可通过监控摄像头拍摄物品的外观属性来得到该物品的标识信息，以下将对可能的方式进行说明。

在一个实施例中，外观属性至少包括种类属性、颜色属性、尺寸属性、形状属性和材质属性中的一种，相应的，通过监控摄像头识别该物品的外观属性，以确定该物品的标识信息，包括：

通过所述监控摄像头分别在各外观属性维度下对该物品进行识别，并确定识别结果的置信度；

将各外观属性维度下的识别结果以及置信度，与所述关联关系中的外观属性进行相似性比对，以确定该物品的标识信息。

本公开可以综合多个维度的外观属性来确定物品的标识信息，外观属性的维度越多，识别的结果越准确。而由于通过监控摄像头捕捉的图像进行物品外观属性的识别时，识别的结果往往会受到监控摄像头部署位置、光线、角度、物品在传送过程中产生的形变等因素的影响，因此在识别物品的外观属性时会输出识别结果的置信度，置信度将作为确定物品的标识信息的考虑因子。对于各种外观属性维度下，如何进行识别，本公开实施例不作限定，以下对可能的方式进行说明。

种类属性的识别方法例如通过对物品种类特征进行分类识别，比如是否有拉杆，把手，背带等，那么通过图像识别物品是否具有这些特征来确定物品的种类，同时可以给出判定的置信度；或者例如还可以通过对大量物品图像进行基于深度学习的训练后，基于物品类别神经网络识别模型进行种类判定，并得出置信度。

颜色属性的识别方法，例如可以基于图像中物品像素颜色值与基准颜色的相似度比对，得出物品的颜色值以及置信度；或者，通过大量物品图像进行基于深度学习的训练后，基于物品颜色神经网络识别模型进行颜色的判定，并得出置信度。

尺寸属性的识别方法，例如基于监控摄像头自身焦距、角度、分辨率等参数，从图像中分析出物品的大致尺寸，如长50cm左右，宽40cm左右，高40cm左右，但从不同角度拍摄，可能会造成数值不准确，可根据物品在图像中的位置及像素值大小等，得出置信度。

形状属性的识别方法，例如通过对指定物品形状特征进行分类识别，如整体是长方体，正方体，圆柱体等，并得出置信度；或者对大量物品图像进行基于深度学习的训练后，基于物品形状神经网络识别模型进行形状的相似性分类判定，并得出置信度。

材质属性的识别方法，例如通过对指定物品材质纹理特征进行分类识别，如塑料，帆布，纸质等，并得出置信度；或者对大量物品图像进行基于深度学习的训练后，基于物品纹理材质神经网络识别模型进行材质的相似性分类判定，并得出置信度。

监控摄像头分别在各外观属性维度下该物品进行识别后，可以确定识别结果的置信度，比如一个具有拉杆特征，并有四个万向滚轮的长方体，是拉杆箱的置信度可能是85％，是软体包的置信度是65％。

物品的多维度外观属性可采用向量空间模型来表征，每个物品对应一个特征向量，那么可以利用向量的相似度比对方法来将识别的结果与绑定时或者当前摄像头之前的摄像头所识别的结果进行比对，例如采用欧式距离或余弦相似度或其他相似度比对的方法，根据比对的结果便可确定所识别的外观属性对应的标识信息。同样地，图2中主传送带上的其他摄像头也可以通过上述方法识别物品的外观属性。

考虑到不同所有者的物品可能具有相同的外观属性，针对这种情况，本公开实施例提出将物品进入物品定位系统的顺序作为考虑因素之一，因而步骤S11可以包括以下步骤：

在每个物品进入传送队列时，通过所述监控摄像头识别该物品的外观属性；

根据该物品的外观属性以及该物品进入所述物品定位系统的顺序，确定该物品的标识信息。

物品进入物品定位系统的顺序可以按照物品进入前置传送带的时刻确定。如图3所示，前置传送带1先后进入两个灰色三角形的物品(按照先后顺序，标识信息分别为A和B)。那么如果只通过外观属性，可能无法准确区分哪个物品是A哪个物品是B，因此可以结合外观属性以及两个物品进入前置传送带顺序1的先后顺序来准确确定出先进入的灰色三角形为A，后进入的灰色三角形为B。

步骤S12：根据该物品进入所述传送队列的位置及该物品的标识信息，确定加入该物品后的传送队列的物品序列。

本公开实施例中，会记录传送队列的物品序列，如图2所示，主传送带的传送区域上，当前主传送带上物品序列为A(蓝色圆柱形)、B(黑色三角形)、C(黄色方形)、D(绿色圆柱形)。当物品的标识信息和该物品的外观属性绑定后，物品进入前置传送带。在多个前置传送带汇聚到一个主传送带时，需要通过进入主传送带监控摄像头捕捉的画面，确定物品进入传送队列的位置，并基于物品进入传送队列的位置，对主传送带上的物品序列更新。

以图2为例，当前置传送带3上的红色心形物品进入主传送带后，则主传送带上物品序列需更新为A(蓝色圆柱形)、A’(红色心形)、B(黑色三角形)、C(黄色方形)、D(绿色圆柱形)。

本公开实施例考虑到在较长距离的传送过程中，在传送中转位置处或转弯位置处可能会发生物品被阻挡或翻滚，造成物品序列发生变化。为了使得识别得出的物品序列与实时的物品序列一致，进而准确地定位物品，本公开实施例提出通过维序摄像头持续地检测物品序列是否发生变化，以维护物品序列的准确性。

在一种实施方式中，维序摄像头分布在物品传送区域的转角位置处。继续参见图2，有3个维序摄像头：维序摄像头1、维序摄像头2以及维序摄像头3，分别分布在传送带的转角处。

通过维序摄像头维护物品序列的准确性，包括以下步骤：

传送队列中的物品在传送过程中，通过维序摄像头依次对物品的外观属性进行识别；

将识别的外观属性依次与所述物品序列中对应物品的外观属性进行对比，确定当前的传送顺序是否与所述物品序列一致；

若当前的传送顺序与所述物品序列不一致，则根据当前的传送顺序更新所述物品序列。

基于维序摄像头捕捉图像识别，通过对当前传送带上的物品的外观属性的识别和系统中维护的物品序列及属性进行比对，发现不一致时，进行更新。

以图2为例，当前主传送带上物品序列为A(蓝色圆柱形)、B(黑色三角形)、C(黄色方形)、D(绿色圆柱形)。维序摄像头2识别到黑色三角形的物品位于蓝色圆柱形的物品的后面，与记录的物品序列不一致，因此，将记录的物品序列更新为B(黑色三角形)、A(蓝色圆柱形)、C(黄色方形)、D(绿色圆柱形)。

步骤S13：通过各物品的外观属性及所述物品序列，定位传送队列中的物品。

以行李托运场景为例，在分拣行李时，定位物品即为确认每个位置的行李的标识信息，以将行李正确地送上相应的飞机进行托运；或者，乘客在等候行李时，定位物品即为确认传送带上的每个行李的标识信息和位置，以使得每个乘客都能或者自己的行李的当前位置。

为了能够准确地定位物品并节约成本，本公开结合外观属性及获取的物品序列，来定位传送队列中的物品。首先，通过主传送带周围分布的摄像头采集物品图像，获得物品的外观属性，外观属性可能存在相同或相似的情况，因此进一步结合物品序列，以准确地定位传送队列中的物品。

由于物品之间可能存在相同或相似的情况，以下针对进行外观属性识别时是否存在外观属性接近的物品，分别进行说明。

第一种情况：不存在外观属性接近的物品。通过外观属性即可直接确定物品的标识信息，查询物品序列即可获得该物品的位置。

第二种情况：存在外观属性接近的物品，则步骤S13包括：

将所述目标物品、位于所述目标物品前方的至少一个物品、及位于所述目标物品后方的至少一个物品的外观属性，与所述物品序列对应的外观属性进行对比，以确定所述目标物品的标识信息及当前位置。

当传送队列中存在外观属性几乎相同的多个物品时，需要结合目标物品前面和后面物品的外观属性(前，中，后)一起与传送序列中物品属性进行比对来确定目标物品，如果前，中，后三个物品的外观属性还是具有很高的相似度，则再加上目标物品再前面和再后面的两个物品，共五个物品进行比对，以此类推，以此实现对目标物品的定位。

请参见图4，基于同一发明构思，本公开提供一种物品定位系统400，该物品定位系统400包括：

至少一个摄像头401，用于识别物品的外观属性；

处理器402，与所述至少一个摄像头401相连，用于在每个物品进入传送队列时，通过所述至少一个摄像头401识别该物品的外观属性，以获取该物品的标识信息；根据该物品进入所述传送队列的位置及该物品的标识信息，确定加入该物品后的传送队列的物品序列；通过各物品的外观属性及所述物品序列，定位所述传送队列中的物品。

可选的，所述处理器402还用于：

针对待进入所述物品传送队列的每个物品，获取该物品的标识信息和外观属性；

将获取的外观属性与对应物品的标识信息进行关联；

通过所述至少一个摄像头401识别该物品的外观属性；

根据识别的外观属性，及外观属性与标识信息之间的关联关系，确定该物品的标识信息。

可选的，所述至少一个摄像头401包括维序摄像头，所述处理器402还用于：

传送队列中的物品在传送过程中，通过所述维序摄像头依次对物品的外观属性进行识别；

将识别的外观属性依次与所述物品序列中对应物品的外观属性进行对比，确定当前的传送顺序是否与所述物品序列一致；

若当前的传送顺序与所述物品序列不一致，则根据当前的传送顺序更新所述物品序列。

可选的，所述维序摄像头分布在物品传送区域的转角位置处。

可选的，所述外观属性至少包括种类属性、颜色属性、尺寸属性、形状属性、及材料属性中的一种，所述处理器402用于：

通过所述至少一个摄像头401分别在各外观属性维度下对该物品进行识别，并确定识别结果的置信度；

将各外观属性维度下的识别结果以及置信度，与所述关联关系中的外观属性进行相似性比对，以确定该物品的标识信息。

可选的，所述传送队列包括待定位的目标物品，所述处理器402用于：

将通过所述至少一个摄像头获取的所述目标物品、位于所述目标物品前方的至少一个物品、及位于所述目标物品后方的至少一个物品的外观属性，与所述物品序列对应的外观属性进行对比，以确定所述目标物品的标识信息及当前位置。

可选的，所述处理器402用于：

在每个物品进入传送队列时，通过所述至少一个摄像头401识别该物品的外观属性；

根据该物品的外观属性以及该物品进入所述物品定位系统400的顺序，获取该物品的标识信息。

在另一示例性实施例中，还提供了一种计算机程序产品，所述计算机程序产品包含能够由可编程的装置执行的计算机程序，所述计算机程序具有当由所述可编程的装置执行时用于执行上述的物品定位方法的代码部分。

以上所述，以上实施例仅用以对本公开的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本公开的方法及其核心思想，不应理解为对本公开的限制。本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。