装卸口状态检测方法、装置、服务器及存储器与流程

[0001]
本发明涉及计算机技术领域，具体涉及一种装卸口状态检测方法、装置、服务器及存储器。


背景技术：

[0002]
随着物流行业的发展，将货物进行集中整合然后再集中分发成为了提高运输效率所必不可少的流程。货物集中整合的地方就是中转场(即装卸口)，装卸口是货物被装载到运输工具上或者从运输工具被卸载下来的工作平台。为了提高装卸口运行的效率，首先就需要对装卸口的空闲，装卸口的状态进行监控，自动统计出装卸口的状态。装卸口是否空闲可以辅助车辆调度，而装卸口的状态的判定，则可以统计出装卸的时间以及休息的时间，可以辅助人员的调动。
[0003]
基于深度学习的方法对装卸口状态进行实时监控，就能够得到上面提到的这些生产要素。现有装卸货检测方案是利用网络模型配合状态机，完成装卸口状态判定的过程。
[0004]
在上述现有装卸口状态判定方法中会出现以下几个问题：1、对于分类模型而言，模型在某些时刻误检的概率很高；2、在装卸口状态判定到离港的过程中会出现误报问题；3、在某些特殊场景完整的事件会被拆分成多段事件。综上可知，现有的装卸口状态判定方法检测准确率不高，存在误报。


技术实现要素：

[0005]
本发明实施例提供一种装卸口状态检测方法、装置、服务器及存储器，可以有效避免单独模型状态误报及装卸口状态判定错误的问题，提高了装卸口状态判定的准确率。
[0006]
第一方面，本申请提供一种装卸口状态检测方法，所述装卸口状态检测方法包括：
[0007]
获取装卸口图像；
[0008]
对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；
[0009]
将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；
[0010]
将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；
[0011]
根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0012]
在本申请一些实施例中，所述对装卸口图像进行图像处理，得到第一处理图像和第二处理图像，包括：
[0013]
对所述装卸口图像提取光流，得到第一处理图像；
[0014]
对所述装卸口图像去除光流，得到第二处理图像。
[0015]
在本申请一些实施例中，所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态，包括：
[0016]
若所述第一状态检测结果为车辆到港，且所述第二状态检测结果为车辆到港，则
确定所述装卸口状态为车辆到港。
[0017]
在本申请一些实施例中，所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态，包括：
[0018]
若所述第一状态检测结果为车辆离港，且所述第二状态检测结果为车辆离港，则确定所述装卸口状态为车辆离港。
[0019]
在本申请一些实施例中，所述第一分类模型为7分类模型，所述第一状态结果为车辆到港、车辆离港、装货、卸货、工作、休息或无车中的一个，所述第二分类模型为3分类模型，所述第二状态结果为车辆离港、车辆半到港或车辆到港中的一个。
[0020]
在本申请一些实施例中，在所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态之前，所述方法还包括：
[0021]
获取装卸口安装的传感器传输的状态信号；
[0022]
根据所述状态信号，确定所述装卸口车辆状态；
[0023]
所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态，包括：
[0024]
根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态。
[0025]
在本申请一些实施例中，所述根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态，包括：
[0026]
若所述第一状态检测结果为车辆离港，所述第二状态检测结果为车辆离港，且所述装卸口车辆状态为无车，则确定所述装卸口状态为车辆离港；
[0027]
若所述第一状态检测结果为车辆到港，所述第二状态检测结果为车辆到港，且所述装卸口车辆状态为有车，则确定所述装卸口状态为车辆到港。
[0028]
第二方面，本申请提供一种装卸口状态检测装置，所述装卸口状态检测装置包括获取单元、图像处理单元、第一检测单元、第二检测单元和确定单元：
[0029]
获取单元，用于获取装卸口图像；
[0030]
图像处理单元，用于对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；
[0031]
第一检测单元，用于将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；
[0032]
第二检测单元，用于将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；
[0033]
确定单元，用于根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0034]
在本申请一些实施例中，所述图像处理单元具体用于：
[0035]
对所述装卸口图像提取光流，得到第一处理图像；
[0036]
对所述装卸口图像去除光流，得到第二处理图像。
[0037]
在本申请一些实施例中，所述确定单元具体用于：
[0038]
若所述第一状态检测结果为车辆到港，且所述第二状态检测结果为车辆到港，则确定所述装卸口状态为车辆到港。
[0039]
在本申请一些实施例中，所述确定单元具体用于：
[0040]
若所述第一状态检测结果为车辆离港，且所述第二状态检测结果为车辆离港，则确定所述装卸口状态为车辆离港。
[0041]
在本申请一些实施例中，所述第一分类模型为7分类模型，所述第一状态结果为车辆到港、车辆离港、装货、卸货、工作、休息或无车中的一个，所述第二分类模型为3分类模型，所述第二状态结果为车辆离港、车辆半到港或车辆到港中的一个。
[0042]
在本申请一些实施例中，所述装卸口状态检测装置还包括：
[0043]
车辆状态获取单元，用于在所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态之前，获取装卸口安装的传感器传输的状态信号；根据所述状态信号，确定所述装卸口车辆状态；
[0044]
所述确定单元具体用于：根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态。
[0045]
在本申请一些实施例中，所述确定单元具体用于：
[0046]
若所述第一状态检测结果为车辆离港，所述第二状态检测结果为车辆离港，且所述装卸口车辆状态为无车，则确定所述装卸口状态为车辆离港；
[0047]
若所述第一状态检测结果为车辆到港，所述第二状态检测结果为车辆到港，且所述装卸口车辆状态为有车，则确定所述装卸口状态为车辆到港。
[0048]
第三方面，本申请还提供一种服务器，所述服务器包括：
[0049]
一个或多个处理器；
[0050]
存储器；以及
[0051]
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的装卸口状态检测方法。
[0052]
第四方面，本申请还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行第一方面中任一项所述的装卸口状态检测方法中的步骤。
[0053]
本发明实施例通过获取装卸口图像；对装卸口图像进行图像处理，得到第一处理图像和第二处理图像；将第一处理图像输入预设的第一分类模型，根据第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；将第二处理图像输入预设的第二分类模型，根据第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；根据第一状态检测结果和第二状态检测结果，确定装卸口状态。本发明实施例中对装卸口图像进行两种不同的处理，分别通过两个分类模型分别对两种处理图像进行装卸口检测，进而根据两个模型输出的检测结果确定装卸口状态，由于该装卸口状态是通过两个模型输出的检测结果确定，可以有效避免单独模型状态误报及装卸口状态判定错误的问题，提高了装卸口状态判定的准确率。
附图说明
[0054]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0055]
图1是本发明实施例提供的装卸口状态检测系统的场景示意图；
[0056]
图2是本发明实施例提供的装卸口状态检测方法的一个实施例流程示意图；
[0057]
图3是本发明实施例提供的装卸口状态检测装置的一个实施例结构示意图；
[0058]
图4是本发明实施例提供的服务器的一个实施例结构示意图。
具体实施方式
[0059]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0060]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0061]
在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
[0062]
本发明实施例提供一种装卸口状态检测方法、装置、服务器及存储器，以下分别进行详细说明。
[0063]
请参阅图1，图1为本发明实施例所提供的装卸口状态检测系统的场景示意图，该装卸口状态检测系统可以包括服务器100，服务器100中集成有装卸口状态检测装置。
[0064]
本发明实施例中服务器100主要用于获取装卸口图像；对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0065]
本发明实施例中，该服务器100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。本发明的实施例
中，服务器与用户终端之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划(3rd generation partnership project，3gpp)、长期演进(long term evolution，lte)、全球互通微波访问(worldwide interoperability for microwave access，wimax)的移动通信，或基于tcp/ip协议族(tcp/ip protocol suite，tcp/ip)、用户数据报协议(user datagram protocol，udp)协议的计算机网络通信等。
[0066]
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的服务器，或者服务器网络连接关系，例如图1中仅示出1个服务器，可以理解的，该装卸口状态检测系统还可以包括一个或多个其他服务器，具体此处不作限定。
[0067]
另外，如图1所示，该装卸口状态检测系统还可以包括存储器200，用于存储数据，如存储装卸口图像数据等。
[0068]
需要说明的是，图1所示的装卸口状态检测系统的场景示意图仅仅是一个示例，本发明实施例描述的装卸口状态检测系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着装卸口状态检测系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
[0069]
首先，本发明实施例中提供一种装卸口状态检测方法，该装卸口状态检测方法包括：获取装卸口图像；对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0070]
如图2所示，为本发明实施例中装卸口状态检测方法的一个实施例流程示意图，该装卸口状态检测方法的执行主体为装卸口状态检测装置，该装卸口状态检测装置应用于服务器，该装卸口状态检测方法包括：
[0071]
201、获取装卸口图像。
[0072]
本发明实施例中，在中转场可以具有多个装卸口，每个装卸口可以对应一个拍摄设备(如监控摄像头)，装卸口状态检测装置可以获取该多个装卸口对应的多路视频流数据，其中每一路视频流数据与一个装卸口相对应，每一路视频流数据中，传输的数据是视频帧序列(即装卸口图像)。本发明实施例中，装卸口可以指的是目标中转场中的一个目标装卸口，该装卸口图像为该目标装卸口对应的视频帧序列。
[0073]
202、对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像。
[0074]
在一个具体实施例中，所述对装卸口图像进行图像处理，得到第一处理图像和第二处理图像的步骤可以包括：对所述装卸口图像提取光流，得到第一处理图像；对所述装卸口图像去除光流，得到第二处理图像。
[0075]
在具体实施时，对装卸口图像提取光流，得到第一处理图像，该第一处理图像即为光流图，本发明实施例中，对装卸口图像提取光流，得到第一处理图像的方式可以是通过光流法(例如可以是tvl1光流算法，lk光流算法等)提取装卸口图像中的光流特征，得到光流图(即第一处理图像)。另外，对所述装卸口图像去除光流，得到第二处理图像，同样可以采
用光流法(例如可以是tvl1光流算法，lk光流算法等)提取装卸口图像中的光流特征，得到提取光流特征后的图像，即得到第二处理图像，该第二处理图像即为装卸口图像去除光流后的图像。
[0076]
可以理解的是，上述对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像的方式仅为举例，在实际应用中，对所述装卸口图像进行图像处理中可以是对装卸口图像进行的任意两种不同的图像处理(例如两种不同的图片增广处理方式)，得到第一处理图像和第二处理图像，具体此处不作限定。
[0077]
203、将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果。
[0078]
本发明实施例中第一分类模型可以是可以是现有的已训练好的神经网络模型，例如卷积神经网络(convolutional neural networks，cnn)模型，可以理解的是，本发明实施例中主要是直接使用模型，该第一分类模型也可以是未来新出现的神经网络模型，只要能够对装卸口图片进行装卸口状态分类识别即可。在本发明一个具体实施例中，所述第一分类模型可以为7分类模型，该7分类模型的状态可以为：车辆到港、车辆离港、装货、卸货、工作、休息、无车；此时，所述第一状态结果可以为车辆到港、车辆离港、装货、卸货、工作、休息或无车中的一个。
[0079]
另外，本发明实施例中可以预先采集大量装卸口样本图片，并进行图像处理得到对应的第一处理图像(与装卸口图像进行图像处理得到第一处理图像采用相同的处理方式)，将这些装卸口样本图片对应的第一处理图像添加到训练样本集，用于训练第一初始模型，得到该第一分类模型。其中，第一初始模型可以是现有的神经网络模型，例如cnn模型，同样的，该第一初始模型也可以是未来新出现的神经网络模型。
[0080]
204、将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果。
[0081]
同样的，本发明实施例中第二分类模型可以是可以是现有的已训练好的神经网络模型，例如cnn模型，同样的，该第二分类模型也可以是未来新出现的神经网络模型，只要能够对装卸口图片进行装卸口状态分类识别即可。在本发明一个具体实施例中，所述第二分类模型为3分类模型，该3分类模型的状态可以为：车辆离港、车辆半到港(即有车但非完全到港)、车辆到港(有车且车辆完全到港)，此时，所述第二状态结果为车辆离港、车辆半到港或车辆到港中的一个。
[0082]
另外，本发明实施例中可以预先采集大量装卸口样本图片，并进行图像处理得到对应的第二处理图像(与装卸口图像进行图像处理得到第二处理图像采用相同的处理方式)，将这些装卸口样本图片对应的第二处理图像添加到训练样本集，用于训练第二初始模型，得到该第二分类模型。其中，第二初始模型可以是现有的神经网络模型，例如cnn模型，同样的，该第二初始模型也可以是未来新出现的神经网络模型。本发明实施例中，第一分类模型和第二分类模型可以级联设置。
[0083]
205、根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0084]
在已有的装卸口分类模型中造成误检的原因有多种，帧率，光流都会对当前时刻的状态检测造成影响。比如在车辆休息时，有强风吹过或当前环境为雾霾天气时，那么光流会出现较大的变化，装卸口状态检测对应的表现为检测跳变，即不是一直的休息状态，而是
各种状态胡乱出现。因此，本发明实施例中是在现有单独的装卸口分类模型的基础上，通过第一分类模型和第二分类模型进行装卸口状态判断处理，即结合两个模型输出检测结果对装卸货场景进行判断。
[0085]
在本发明一些实施例中，所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态，包括：若所述第一状态检测结果为车辆到港，且所述第二状态检测结果为车辆到港，则确定所述装卸口状态为车辆到港。即只有当第一分类模型和第二分类模型的检测结果均为车辆到港时，才确定装卸口状态处于车辆到港状态，进行装卸口状态车辆到港上报，以便于装卸口人员和车辆的调配。
[0086]
以第一分类模型和第二分类模型分别为上述实施例中描述的7分类模型和3分类模型为例，只有当第一分类模型输出的第一状态检测结果为车辆到港，且第二分类模型输出的第二状态检测结果为车辆到港时，才确定装卸口状态为车辆到港。
[0087]
具体的，对7分类模型和3分类模型分别进行串行条件判定装卸口检测，当车辆完全驶进卡口时才会触发车辆到港条件，当车辆处于未完全到港的位置时，若没有开始工作那么也不算车辆到港。该规则的制定是为了有效统计车辆到离港状况。现有装卸口检测方案中会存在车辆未完全到港，停留片刻或较长时间之后不工作就离开，这样的到离港信息是近乎无效的信息，而本发明实施例中结合7分类模型和3分类模型的检测结果联合判定装卸口状态，如果不同时满足两个分类模型的判定条件，那么该事件或者动作(例如车辆到港或车辆离港)的判定就不会发生，这样做的好处是可以避免因为单独一个分类模型误报而带来的事件拆分和状态误检问题。
[0088]
同样的，本发明实施例中对于装卸口状态中车辆离港的判定，也是结合第一分类模型和第二分类模型的检测结果(即第一状态检测结果和第二状态检测结果)来判定，具体的，所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态，包括：若所述第一状态检测结果为车辆离港，且所述第二状态检测结果为车辆离港，则确定所述装卸口状态为车辆离港。即只有当第一分类模型和第二分类模型的检测结果均为车辆离港时，才确定装卸口状态处于车辆离港状态，进行装卸口状态车辆离港上报，以便于装卸口人员和车辆的调配。
[0089]
本发明实施例通过获取装卸口图像；对装卸口图像进行图像处理，得到第一处理图像和第二处理图像；将第一处理图像输入预设的第一分类模型，根据第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；将第二处理图像输入预设的第二分类模型，根据第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；根据第一状态检测结果和第二状态检测结果，确定装卸口状态。本发明实施例中对装卸口图像进行两种不同的处理，分别通过两个分类模型分别对两种处理图像进行装卸口检测，进而根据两个模型输出的检测结果确定装卸口状态，由于该装卸口状态是通过两个模型输出的检测结果确定，可以有效避免单独模型状态误报及装卸口状态判定错误的问题，提高了装卸口状态判定的准确率。
[0090]
作为进一步优选，在第一分类模型和第二分类模型结合判定装卸口状态的前提下，虽然装卸口状态分类准确度已经大幅提高，但仍然存在误差的可能，本发明实施例中，可以进一步在装卸口附近(例如装卸口墙壁立柱上或者装卸口安装的拍摄装置上)设置传感器，以检测车辆是否到达装卸口，是否离开装卸口，进一步验证两个模型(第一分类模型
和第二分类模型)的分类结果，只有当第一分类模型和第二分类模型的检测结果和传感器的检测结果匹配时，才确定车辆到离港事件，进行到港或离港事件上报。
[0091]
其中，传感器的工作原理是，传感器预先会设定一个阈值x(x为正值)，当实际被检测物体(如车辆)与传感器内的光斑直射距离大于x时，传感器传回低电平；反之传感器传回高电平。而高低电平会通过设置装卸口附近的拍摄装置传递到服务器，当解析成0，1的状态信号。可以理解为，当状态信号为0时，表示没有物体在x的距离内；当状态信号为1时，存在物体在x的距离内。在实际场合应用中，有车辆存在时状态信号即为1，无车时状态信号即为0。
[0092]
具体的，在本发明一些实施例中，在所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态之前，所述方法还包括：获取装卸口安装的传感器传输的状态信号；根据所述状态信号，确定所述装卸口车辆状态。
[0093]
此时，所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态的步骤可以包括：根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态。
[0094]
在具体实施时，所述根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态，包括：若所述第一状态检测结果为车辆离港，所述第二状态检测结果为车辆离港，且所述装卸口车辆状态为无车，则确定所述装卸口状态为车辆离港；若所述第一状态检测结果为车辆到港，所述第二状态检测结果为车辆到港，且所述装卸口车辆状态为有车，则确定所述装卸口状态为车辆到港。
[0095]
本发明实施例中，配合传感器等硬件设备对到港和离港事件进行进一步校正确认，加上传感器的作用是防止两个模型同时误报而引起的事件误报问题。比如当车辆准备离港时，如果车辆仍然处于完全到港的位置但两个模型同时误报无车状态，那么此时若传感器检测到车辆依然存在就不会触发离港事件。进一步提高了装卸口状态检测的准确度。
[0096]
下面结合具体应用场景对本发明实施例中装卸口状态检测中到港、离港事件检测进行详细说明，具体如下：
[0097]
以第一分类模型为7分类模型，第二分类模型为3分类模型，一车辆到达装卸口，进行装卸货，驶出装卸口这一系列动作为例：
[0098]
在一段时间内，装卸口附近设置的拍摄设备拍摄该装卸口的装卸口图像，分别对每一张装卸口图像提取光流，得到光流图，对每一张装卸口图像去掉光流，得到去除光流的rgb图像，然后分别将光流图输入7分类模型，将去除光流的rgb图像输入3分类模型；
[0099]
其中，7分类模型状态检测结果：无车，无车，车辆到港，车辆到港，车辆到港，车辆到港，休息，休息，休息，车辆到港，车辆到港，车辆到港，休息，休息，休息，工作，工作，工作，车辆离港，车辆离港，无车，无车。
[0100]
3分类模型状态检测结果：车辆离港，车辆离港，车辆离港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆半到港，车辆到港，车辆到港，车辆到港，车辆到港，车辆到港，车辆到港，车辆到港，车辆半到港，车辆半到港，车辆离港，车辆离港。
[0101]
传感器状态信号分布：0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,0,0,0；
[0102]
具体的，传感器对应的装卸口车辆状态即分别为：无车，无车，无车，无车，无车，无
车，无车，无车，无车，有车，有车，有车，有车，有车，有车，有车，无车，无车，无车。
[0103]
上述装卸口状态可以描述的场景为：车辆逐渐驶向卡口，在中途未完全到达卡口时停了一会儿，之后继续完成到港的动作并完全到达卡口，休息工作装卸货结束之后，逐渐驶离卡口，并最终无车。
[0104]
在上述过程中，可能有些车在未到达卡口时即处于半到港状态就会一直停留到最后开走，这样的情况转换到本发明实施例中装卸口状态判定过程中，就是必须7分类模型中检测结果为车辆到港，以及3分类模型的状态检测结构为车辆到港，且传感器的状态信号1(即传感器对应的装卸口车辆状态为有车)时，才会认为装卸口状态为车辆到港。如果此时只有7分类模型的状态检测结果为车辆到港，但传感器的状态信号为0(即传感器对应的装卸口车辆状态为无车)且3分类模型的状态检测结果为车辆半到港，那么此时就不会判定为车辆到港，不会上报车辆到港事件。
[0105]
与此同时，假如在车辆在离港时出现7分类模型的状态检测结果无车，但3分类模型的状态检测结果为车辆离港，或者传感器对应的车辆状态为无车的场景，那么会认为7分类模型误报，必须同时满足7分类模型的状态检测结果为车辆离港或无车，3分类模型的状态检测结果为车辆离港，传感器对应的装卸口车辆状态为无车时，才会报告车辆离港消息，这样即可解决单个模型状态误报而引起的事件动作判定错误的问题，提高装卸口状态检测的准确度。
[0106]
为了更好实施本发明实施例中装卸口状态检测方法，在装卸口状态检测方法基础之上，本发明实施例中还提供一种装卸口状态检测装置，该装卸口状态检测装置应用于服务器，如图3所示，为该装卸口状态检测装置的一个实施例结构示意图，该装卸口状态检测装置300包括获取单元301、图像处理单元302、第一检测单元303、第二检测单元304和确定单元305：
[0107]
获取单元301，用于获取装卸口图像；
[0108]
图像处理单元302，用于对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；
[0109]
第一检测单元303，用于将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；
[0110]
第二检测单元304，用于将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；
[0111]
确定单元305，用于根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0112]
在本申请一些实施例中，所述图像处理单元302具体用于：
[0113]
对所述装卸口图像提取光流，得到第一处理图像；
[0114]
对所述装卸口图像去除光流，得到第二处理图像。
[0115]
在本申请一些实施例中，所述确定单元305具体用于：
[0116]
若所述第一状态检测结果为车辆到港，且所述第二状态检测结果为车辆到港，则确定所述装卸口状态为车辆到港。
[0117]
在本申请一些实施例中，所述确定单元305具体用于：
[0118]
若所述第一状态检测结果为车辆离港，且所述第二状态检测结果为车辆离港，则
确定所述装卸口状态为车辆离港。
[0119]
在本申请一些实施例中，所述第一分类模型为7分类模型，所述第一状态结果为车辆到港、车辆离港、装货、卸货、工作、休息或无车中的一个，所述第二分类模型为3分类模型，所述第二状态结果为车辆离港、车辆半到港或车辆到港中的一个。
[0120]
在本申请一些实施例中，所述装卸口状态检测装置还包括：
[0121]
车辆状态获取单元，用于在所述根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态之前，获取装卸口安装的传感器传输的状态信号；根据所述状态信号，确定所述装卸口车辆状态；
[0122]
所述确定单元具体用于：根据所述第一状态检测结果、所述第二状态检测结果以及所述装卸口车辆状态，确定所述装卸口状态。
[0123]
在本申请一些实施例中，所述确定单元305具体用于：
[0124]
若所述第一状态检测结果为车辆离港，所述第二状态检测结果为车辆离港，且所述装卸口车辆状态为无车，则确定所述装卸口状态为车辆离港；
[0125]
若所述第一状态检测结果为车辆到港，所述第二状态检测结果为车辆到港，且所述装卸口车辆状态为有车，则确定所述装卸口状态为车辆到港。
[0126]
本发明实施例通过获取单元301获取装卸口图像；图像处理单元302对装卸口图像进行图像处理，得到第一处理图像和第二处理图像；第一检测单元303将第一处理图像输入预设的第一分类模型，根据第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；第二检测单元304将第二处理图像输入预设的第二分类模型，根据第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；确定单元305根据第一状态检测结果和第二状态检测结果，确定装卸口状态。本发明实施例中对装卸口图像进行两种不同的处理，分别通过两个分类模型分别对两种处理图像进行装卸口检测，进而根据两个模型输出的检测结果确定装卸口状态，由于该装卸口状态是通过两个模型输出的检测结果确定，可以有效避免单独模型状态误报及装卸口状态判定错误的问题，提高了装卸口状态判定的准确率。
[0127]
本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种装卸口状态检测装置，所述服务器包括：
[0128]
一个或多个处理器；
[0129]
存储器；以及
[0130]
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述装卸口状态检测方法实施例中任一实施例中所述的装卸口状态检测方法中的步骤。
[0131]
本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种装卸口状态检测装置。如图4所示，其示出了本发明实施例所涉及的服务器的结构示意图，具体来讲：
[0132]
该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的服务器结构并不构成对服务器的限定，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。其中：
[0133]
处理器401是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个
部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
[0134]
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
[0135]
服务器还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0136]
该服务器还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0137]
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
[0138]
获取装卸口图像；
[0139]
对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；
[0140]
将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；
[0141]
将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；
[0142]
根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0143]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0144]
为此，本发明实施例提供一种存储介质，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本发明实施例所提供的任一种装卸口状态检测方法中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：
[0145]
获取装卸口图像；
[0146]
对所述装卸口图像进行图像处理，得到第一处理图像和第二处理图像；
[0147]
将所述第一处理图像输入预设的第一分类模型，根据所述第一分类模型进行装卸口状态分类识别，得到第一状态检测结果；
[0148]
将所述第二处理图像输入预设的第二分类模型，根据所述第二分类模型进行装卸口状态分类识别，得到第二状态检测结果；
[0149]
根据所述第一状态检测结果和所述第二状态检测结果，确定装卸口状态。
[0150]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
[0151]
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
[0152]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0153]
以上对本发明实施例所提供的一种装卸口状态检测方法、装置、服务器及存储器进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。