检测方法、货物管理系统及非易失性计算机可读存储介质与流程

1.本技术涉及检测技术领域，更具体而言，涉及一种检测方法、货物管理系统及非易失性计算机可读存储介质。


背景技术：

2.目前，针对于大型仓储物流中，往往同时会存在人、叉车及货物等对象，而为保证仓库的安全性，不同的对象应处于自身对应的区域之内，以保证货物不会因人或叉车进入货物存放区域，以致使货物损坏。


技术实现要素：

3.本技术实施方式提供一种检测方法、货物管理系统及非易失性计算机可读存储介质，其能够通过判断目标对象是否位于预设仓库中与目标对象对应的目标区域之内，从而保证不同标签的目标对象不会进入非对应的目标区域，如避免搬运设备进入货物存放区域，从而保证货物不会发生损坏。
4.本技术实施方式的检测方法包括获取预设仓库的场景图像；基于预设的目标检测模型，检测所述场景图像中的目标对象，并确定所述目标对象的坐标、标签及置信度；及根据所述目标对象的坐标、标签及置信度、以及所述预设仓库中预设的每个目标区域在所述场景图像中的预设坐标范围，确定所述目标对象是否位于对应的所述目标区域之内。
5.本技术实施方式的检测方法包括获取预设仓库的图像采集装置的视频码流；对所述视频码流进行解码，以获取连续多帧场景图像；建立第一线程，以基于预设的目标检测模型检测每帧所述场景图像中的目标对象，并确定所述目标对象的坐标、标签及置信度；及建立第二线程，以根据所述目标对象的坐标、标签及置信度、以及所述预设仓库中的每个目标区域在所述场景图像中的预设坐标范围，确定所述目标对象是否位于对应的所述目标区域之内。
6.本技术实施方式的货物管理系统包括处理器和图像采集装置。所述处理器用于获取预设仓库的场景图像；基于预设的目标检测模型，检测所述场景图像中的目标对象，并确定所述目标对象的坐标、标签及置信度；根据所述目标对象的坐标、标签及置信度、以及所述预设仓库中的每个目标区域在所述场景图像中的预设坐标范围，确定所述目标对象是否位于对应的所述目标区域之内。
7.本技术实施方式的非易失性计算机可读存储介质包含计算机程序，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行如下检测方法：获取预设仓库的场景图像；基于预设的目标检测模型，检测所述场景图像中的目标对象，并确定所述目标对象的坐标、标签及置信度；及根据所述目标对象的坐标、标签及置信度、以及所述预设仓库中预设的每个目标区域在所述场景图像中的预设坐标范围，确定所述目标对象是否位于对应的所述目标区域之内。
8.本技术实施方式的检测方法、货物管理系统及非易失性计算机可读存储介质中，
通过获取预设仓库的场景图像，且基于预设的目标检测模型，来检测场景图像中的目标对象，以确定目标对象的坐标、标签及置信度。接下来，便可通过目标对象的坐标、标签及置信度，来判断出目标对象是否位于预设仓库中与目标对象对应的目标区域之内。如此，可通过判断目标对象是否位于预设仓库中与目标对象对应的目标区域之内，从而保证不同标签的目标对象不会进入非对应的目标区域，如避免搬运设备进入货物存放区域，从而保证货物不会发生损坏。
9.本技术的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实施方式的实践了解到。
附图说明
10.本技术的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
11.图1是本技术某些实施方式的检测方法的流程示意图；
12.图2是本技术某些实施方式的货物管理系统的平面示意图；
13.图3是本技术某些实施方式的检测方法的流程示意图；
14.图4是本技术某些实施方式的检测方法的流程示意图；
15.图5是本技术某些实施方式的检测方法的流程示意图；
16.图6是本技术某些实施方式的检测方法的场景示意图；
17.图7是本技术某些实施方式的检测方法的场景示意图；
18.图8是本技术某些实施方式的检测方法的流程示意图；
19.图9是本技术某些实施方式的非易失性计算机可读存储介质和处理器的连接状态示意图。
具体实施方式
20.下面详细描述本技术的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本技术的实施方式，而不能理解为对本技术的实施方式的限制。
21.请参阅图1，本技术实施方式提供一种检测方法。该检测方法包括步骤：
22.011：获取预设仓库的场景图像；
23.012：基于预设的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及
24.013：根据目标对象的坐标、标签及置信度、以及预设仓库中预设的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
25.请参阅图2，本技术实施方式还提供一种货物管理系统100。本技术实施方式的检测方法可应用于货物管理系统100。货物管理系统100包括处理器20和图像采集装置30。处理器20用于步骤011、步骤012和步骤013。即，处理器20用于获取预设仓库的场景图像；基于预设的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及根据目标对象的坐标、标签及置信度、以及预设仓库中预设的每个目标区域在场景图
像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
26.具体地，货物管理系统100的图像采集装置30能够采集预设仓库的场景图像，处理器20能够获取到图像采集装置30采集的预设仓库的场景图像。其中，预设仓库为设置有货物管理系统100的仓库，其用于存放货物。
27.在处理器20获取到预设仓库的场景图像后，处理器20可基于预设的目标检测模型，检测场景图像中的目标对象。其中，预设的目标检测模型为只需要浏览一次，就可以识别出场景图像中的物体的类别和位置(you only look once，yolo)的目标检测模型，具体为yolov5目标检测模型。目标对象可以是场景图像中的人、搬运设备和货物等。即，处理器20可基于预设的目标检测模型，以检测出场景图像中的人、搬运设备和货物。
28.在处理器20基于预设的目标检测模型，检测出场景图像中的目标对象后，还可确定出目标对象的坐标、标签及置信度。其中，目标对象的坐标为目标对象在场景图像中的位置。
29.目标对象的标签为目标对象的类型。例如，目标对象为人时，对应的标签为a；目标对象为搬运设备时，对应的标签为b；目标对象为货物时，对应的标签为c。那么，在处理器20基于预设的检测模型，检测场景图像中的目标对象时，若目标对象为人时，则可确定目标对象的标签为a；若目标对象为搬运设备时，则可确定目标对象的标签为b；若目标对象为货物时，则可确定目标对象的标签为c。
30.目标对象的置信度为处理器20根据预设的目标检测模型，获取的置信度。其代表了目标检测模型检测场景图像中的目标对象的准确性。例如，目标对象为人的置信度为80％，则说明场景图像中目标对象是人的准确性为80％。又例如，目标对象为搬运设备的置信度为90％，则说明场景图像中目标对象是搬运设备的准确性为90％。
31.最后，在处理器20基于预设的目标检测模型，确定目标对象的坐标、标签及置信度后，处理器20便可根据目标对象的坐标、标签、置信度及预设仓库中预设的每个目标区域在场景图像中的预设坐标范围，从而确定目标对象是否位于对应的目标区域之内。
32.其中，预设的目标区域为用于货物存放区域。目标区域可以是预设仓库中的货架、预设仓库中由标识线围成的线库等。
33.可以理解，货物管理系统100的图像采集装置30在安装完成后，一般会采集预设仓库内特定区域的场景图像，因此，目标区域在场景图像中预设坐标范围可根据对图像采集装置30采集的任一张场景图像中的目标区域的标定来确定。
34.综上可知，目标对象包含有三种，分别为人、搬运设备和货物。而目标区域为用于存放货物的区域。可以理解，目标区域内只应存在货物，即，目标区域内的目标对象只应为货物。而人和搬运设备不应存在于目标区域内。
35.在某些实施方式中，预设仓库中可包括有多个目标区域。货物管理系统100可包括多个图像采集装置30。预设仓库的不同位置设置有多个图像采集装置30，且每个图像采集装置30的视场范围覆盖了一个或多个目标区域，而多个图像采集装置30共同覆盖了预设仓库中所有的目标区域。
36.进一步地，处理器20可先根据目标对象的置信度，先判断目标检测模型检测场景图像中的目标对象的准确性，处理器20可预先设置有预设阈值，若目标对象的置信度低于预设阈值时，处理器20则确定场景图像中不包含该目标对象，或者目标检测模型对场景图
像中的目标对象检测错误，如目标对象为人，目标检测模型却误识别为货物。如此，便不再执行判断目标对象是否位于对应的目标区域之内的步骤。
37.而当目标对象的置信度高于预设阈值时，处理器20可再根据目标对象的坐标、标签及预设仓库中预设的每个目标区域在场景图像中的预设坐标范围，来确定目标对象是否位于对应的目标区域之内。
38.更具体地，处理器20可先根据目标对象的标签，先判断目标对象的类别。例如，目标对象的标签为a，则目标对象为人；目标对象的标签为b，则目标对象为搬运设备；目标对象的标签为c，则目标对象为货物。接下来，处理器20可判断目标对象的坐标是否位于预设仓库中预设的每个目标区域在场景图像中的预设坐标范围内，来判断目标对象是否位于对应的目标区域之内。
39.例如，目标区域在场景图像中的预设坐标范围，横向为100至200，纵向为100至200。若目标对象的坐标为(125，125)，则说明目标对象位于对应的目标区域之内。
40.此外，针对于目标对象的不同，在处理器20判断目标对象位于对应的目标区域之内后，所执行的策略也不同。例如，当目标对象为人时，若处理器20判断目标对象位于对应的目标区域时，处理器20便会控制货物管理系统100发出警告，以提醒人离开目标区域。而当目标对象为货物时，若处理器20判断目标对象位于对应的目标区域时，则货物管理系统100不会发出警告。
41.在某些实施方式中，货物管理系统100的图像采集装置30可以是多个，即，多个图像采集装置30可采集多个场景图像，在处理器20获取预设仓库的场景图像后，处理器20还可将多个场景图像合成为全景图像，以基于预设的目标检测模型对全景图像进行检测，从而对全景图像中所有的目标对象进行判断，以确定全景图像中所有的目标对象是否位于对应的目标区域之内。
42.本技术实施方式的检测方法和货物管理系统100中，通过获取预设仓库的场景图像，且基于预设的目标检测模型，来检测场景图像中的目标对象，以确定目标对象的坐标、标签及置信度。接下来，便可通过目标对象的坐标、标签及置信度，来判断出目标对象是否位于预设仓库中与目标对象对应的目标区域之内。如此，可通过判断目标对象是否位于预设仓库中与目标对象对应的目标区域之内，从而保证不同标签的目标对象不会进入非对应的目标区域，如避免搬运设备进入货物存放区域，从而保证货物不会发生损坏。
43.可实时对场景图像进行目标对象的识别，并能够输出目标对象是否位于目标区域之内的结果，从而提高检测效率，且无需对场景图像进行后处理，减少资源占用。
44.请参阅图2和图3，本技术实施方式的检测方法，包括步骤：
45.014：基于已标注了目标对象的标签的场景图像，以生成训练集；
46.015：根据训练集对目标检测模型进行训练，以得到训练至收敛的目标检测模型。
47.步骤012：基于预设的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度，包括步骤：
48.0121：基于收敛的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度。
49.在某些实施方式中，处理器20用于执行步骤014、步骤015和步骤0121。即，处理器20用于基于已标注了目标对象的标签的场景图像，以生成训练集；根据训练集对目标检测
模型进行训练，以得到训练至收敛的目标检测模型；及基于收敛的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度。
50.具体地，在处理器20基于预设的目标检测模型，检测场景图像中的目标对象前，为保证目标检测模型检测的准确性，还需先对目标检测模型进行训练。
51.更具体地，处理器20可先根据已经标注了目标对象的标签的场景图像，生成训练集。可以理解，处理器20是已知训练集中每个场景图像中目标对象的类型的。例如，场景图像中所有目标对象的标签为a，则处理器20可知训练集中每个场景图像中目标对象为人；场景图像中所有目标对象的标签为b，则处理器20可知训练集中每个场景图像中目标对象为搬运设备；场景图像中所有目标对象的标签为c，则处理器20可知训练集中每个场景图像中目标对象为货物。
52.接下来，处理器20便可根据训练集对目标检测模型进行训练，以得到训练至收敛的目标检测模型。
53.如此，可以理解，为保证目标检测模型检测的准确性，处理器20在基于预设的目标检测模型检测场景图像中的目标对象时，处理器20便会基于收敛的目标检测模型，检测场景图像中目标对象，并确定目标对象的坐标、标签及置信度，从而保证输出的目标对象的坐标、标签及置信度的准确性。
54.请参阅图2和图4，本技术实施方式的检测方法，还包括步骤：
55.016：获取每个图像采集装置30采集的场景图像；
56.017：标定每个图像采集装置30的视场范围内的目标区域在每个图像采集装置30采集的场景图像中的预设坐标范围。
57.在某些实施方式中，处理器20用于执行步骤016和步骤017。即，处理器20用于获取每个图像采集装置30采集的所述场景图像；及标定每个图像采集装置30的视场范围内的目标区域在每个图像采集装置30采集的场景图像中的预设坐标范围。
58.具体地，货物管理系统100的图像采集装置30可以是多个，多个图像采集装置30可设置在预设仓库的不同位置。其中，每个图像采集装置30的视场范围覆盖一个或多个目标区域，多个图像采集装置30能够覆盖预设仓库中所有的目标区域。
59.那么，在处理器20获取预设仓库的场景图像时，可以是处理器20获取每个图像采集装置30采集的场景图像。接下来，处理器20便可标定每个图像采集装置30的视场范围内的目标区域在每个图像采集装置30的场景图像中的预设坐标范围。
60.根据上述可知，每个图像采集装置30的视场范围可覆盖一个或多个目标区域，那么场景图像中可包含有一个或多个目标区域，处理器20便可标定目标区域在场景图像中的预设坐标范围。可以理解，预设坐标范围代表目标区域在场景图像中的位置。
61.如此，处理器20通过标定出目标区域在场景图像中的预设坐标范围，处理器20便可通过比对目标对象的坐标和目标区域在场景图像中的预设坐标范围，来确定目标对象是否位于对应的目标区域之内。
62.在某些实施方式中，在处理器20获取到每个图像采集装置30的场景图像后，处理器20还可合成每个图像采集装置30的场景图像，以得到预设仓库的全景图像。接下来，便可标定在全景图像中标定出每个目标区域对应的预设坐标范围。如此，便可一次性的判断出全景图像中的所有目标对象是否位于对应的目标区域之内，从而提高检测效率。
63.请继续参阅图2和图4，在某些实施方式中，步骤013：根据目标对象的坐标、标签及置信度、以及预设仓库中预设的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内，包括步骤：
64.0131：在目标对象的坐标位于目标对象对应的目标区域的预设坐标范围之内且目标对象的置信度大于预设阈值的情况下，确定目标对象位于对应的目标区域之内；
65.0132：在目标对象的坐标位于目标对象对应的目标区域的预设坐标范围之外或目标对象的置信度小于或等于预设阈值的情况下，确定目标对象位于对应的所述目标区域之外。
66.在某些实施方式中，处理器20用于执行步骤0131和步骤0132。即，处理器20用于在目标对象的坐标位于目标对象对应的目标区域的预设坐标范围之内且目标对象的置信度大于预设阈值的情况下，确定目标对象位于对应的目标区域之内；及在目标对象的坐标位于目标对象对应的目标区域的预设坐标范围之外或目标对象的置信度小于或等于预设阈值的情况下，确定目标对象位于对应的所述目标区域之外。
67.具体地，货物管理系统100中可存储有预设阈值，该预设阈值为人为设定的经验值，如90％、95％。其中，目标对象的置信度，代表了目标检测模型检测出场景图像中目标对象的准确性。处理器20可以通过判断目标对象的置信度是否大于预设阈值，以判断目标检测模型检测出场景图像中的目标对象是否准确。可以理解，当目标对象的置信度大于预设阈值时，处理器20才能确定目标检测模型检测出场景图像中的目标对象是准确、可信的。
68.如此，在处理器20确定目标对象的坐标位于目标对象对应的目标区域的预设坐标范围内，且目标对象的置信度大于预设阈值时，处理器20可确定目标对象位于对应的目标区域之内。可以理解，处理器20确定目标对象位于对应的目标区域之内的充分必要条件为：处理器20确定目标对象的坐标位于对应的目标区域的预设坐标内，且目标对象的置信度是可信的。
69.同理，在处理器20确定目标对象位于对应的目标区域之外时，除了是处理器20判断出目标对象的坐标位于目标对象对应的目标区域的预设坐标范围之外，还可以是处理器20判断出目标对象的置信度小于或等于预设阈值，即目标检测模型检测场景图像中的目标对象不准确时，处理器20也可以确定目标对象位于对应的目标区域之外。
70.请参阅图2和图5，本技术实施方式的检测方法，还包括步骤：
71.018：在目标对象位于对应的货物存放区域之外的情况下，发出报警信息，目标对象对应的货物存放区域根据货物的种类和规格确定。
72.在某些实施方式中，处理器20用于执行步骤018。即，处理器20用于在目标对象位于对应的货物存放区域之外的情况下，发出报警信息，目标对象对应的货物存放区域根据货物的种类和规格确定。
73.具体地，目标对象可以是货物，目标对象的标签可以是货物的种类和规格。例如，目标对象为瓷砖，则瓷砖的标签可以是瓷砖的种类和尺寸，如80mm*80mm的地板砖、30mm*50mm的墙砖等。目标区域可以是货物存放区域，每个货物存放区域内存放相同种类和规格的货物，可以理解，目标对象需存放种类和规格相同的目标区域内。
74.如此，在处理器20判断目标对象位于对应的货物存放区域之外的情况下，处理器20便会发出报警信息，提醒货物存放位置错误。其中，目标对象对应的货物存放区域可根据
货物的种类和规格确定。
75.如图6所示，预设仓库a中包含3个目标区域，分别为货物存放区域p1、货物存放区域p2和货物存放区域p3。货物存放区域p1和货物存放区域p2均为存放货物为地板砖的区域，货物存放区域p3为存放货物为墙砖的区域。而货物存放区域p1为存放尺寸为80mm*80mm的地板砖的区域，货物存放区域p2为存放尺寸为30mm*50mm的地板砖的区域，货物存放区域p3为存放尺寸为50mm*50mm的墙砖的区域。
76.那么，当处理器20根据目标对象的标签确定目标对象为80mm*80mm的地板砖，且目标对象位于货物存放区域p1之外时，发出报警信息。当处理器20根据目标对象的标签确定目标对象为30mm*50mm的地板砖，且目标对象位于货物存放区域p2之外时，发出报警信息。当处理器20根据目标对象的标签确定目标对象为50mm*50mm的墙砖，且目标对象位于货物存放区域p3之外时，发出报警信息，以提示目标对象不位于货物存放区域内，从而提示用户将货物搬运至对应的货物存放区域内。
77.请参阅图2和图5，本技术实施方式的检测方法，还包括步骤：
78.019：在目标对象的标签为预设标签且目标对象位于对应的预设安全区域之内的情况下，发出报警信息。
79.在某些实施方式中，处理器20用于执行步骤019。即，处理器20用于在目标对象的标签为预设标签且目标对象位于对应的预设安全区域之内的情况下，发出报警信息。
80.具体地，目标区域可包括预设安全区域，其中，该预设安全区域是相对于目标对象为货物的安全区域。可以理解，理论来说，预设安全区域内只应存在目标对象为货物的目标对象。
81.更具体地，预设安全区域可对应一个或多个预设标签。该预设标签可代表目标对象不是货物。例如，预设标签包括a和b，其中，目标对象为人时，预设标签为a，目标对象为搬运设备时，预设标签为b。
82.那么，在处理器20判断目标对象的标签为预设标签，且目标对象位于对应的预设安全区域之内的情况下，处理器20便会发出报警信息。可以理解，当目标对象的标签为预设标签时，目标对象则不是货物。那么，当目标对象不是货物时，若目标对象位于预设安全区域之内，目标对象可能会影响预设安全区域的货物出入库，或者搬运设备在进行出入库任务时，可能碰撞到位于预设安全区域内的货物，处理器20便会发出报警信息，以提示非货物的目标对象位于预设安全区域之内。
83.例如，当目标对象的标签为a时，则说明目标对象为人，若目标对象位于对应的预设安全区域之内，则说明人位于货物的安全区域之内，目标对象可能会影响预设安全区域的货物出入库，或者搬运设备在进行出入库任务时，可能碰撞到位于预设安全区域内的货物，处理器20便会发出报警信息，以提示非货物的目标对象位于预设安全区域之内。
84.如图7所示，目标对象可以是人m1，也可以是搬运设备m2。如图7(a)所示，当人m1位于预设安全区域k1之内时，则人会影响预设安全区域k1内的货物出入库，处理器20便会发出报警信息，以提示人位于预设安全区域之内。当人m1位于预设安全区域k1之外时，则处理器20不发出报警。同理，如图7(b)所示，当搬运设备m2位于预设安全区域k2之内时，则搬运设备m2在进行出入库任务时，可能会碰撞到位于预设安全区域内的货物，处理器20便会发出报警信息，以提示搬运设备m2位于预设安全区域之内。而当搬运设备m2位于预设安全区
域k2之外时，则处理器20不发出报警。
85.请参阅图2和图8，本技术还提供一种检测方法。该检测方法包括步骤：
86.021：获取预设仓库的图像采集装置30的视频码流；
87.022：对视频码流进行解码，以获取连续多帧场景图像；
88.023：建立第一线程，以基于预设的目标检测模型检测每帧场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及
89.024：建立第二线程，以根据目标对象的坐标、标签及置信度、以及预设仓库中的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
90.请参阅图2，本技术实施方式的检测方法可应用于货物管理系统100。货物管理系统100包括处理器20和图像采集装置30。处理器20用于步骤021、步骤022、步骤023和步骤024。即，处理器20用于取预设仓库的图像采集装置30的视频码流；对视频码流进行解码，以获取连续多帧场景图像；建立第一线程，以基于预设的目标检测模型检测每帧场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及建立第二线程，以根据目标对象的坐标、标签及置信度、以及预设仓库中的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
91.具体地，货物管理系统100设置于预设仓库内，即货物管理系统100的图像采集装置30设置于预设仓库内，以拍摄预设仓库内的场景。处理器20便可实时获取预设仓库的图像采集装置30的视频码流。
92.接下来，处理器20便可对视频码流进行解码，以获取预设仓库内图像采集装置30拍摄的连续多帧的场景图像。
93.进一步地，处理器20便可建立第一线程，以基于预设的目标检测模型实时检测每帧场景图像中的目标对象，从而确定出目标对象的坐标、标签及置信度。
94.最后，处理器20可建立第二线程，以根据目标对象的坐标、标签、置信度及预设仓库中的每个目标区域在场景图像中的预设坐标范围，从而确定出目标对象是否位于对应的目标区域之内。
95.其中，处理器20确定目标对象的坐标、标签及置信度的方法、及处理器20确定目标对象是否位于对应的目标区域之内的方法，和上述步骤012和步骤013一致，在此不一一赘述。
96.本技术实施方式的检测方法和货物管理系统100中，能够实时获取图像采集装置30的视频码流，然后通过对图像采集装置30的视频码流进行解码，以获取连续多帧场景图像，并通过建立第一线程和第二线程，以确定目标对象的坐标、标签及置信度，及判断目标对象是否位于预设仓库中与目标对象对应的目标区域之内。如此，可实时对场景图像进行目标对象的识别，并能够输出目标对象是否位于目标区域之内的结果，从而提高检测效率，且无需对场景图像进行后处理，减少资源占用。
97.请参阅图9，本技术实施方式还提供一种包含计算机程序301的非易失性计算机可读存储介质300。当计算机程序301被一个或多个处理器20执行时，使得一个或多个处理器20执行上述任一实施方式的检测方法。
98.例如，计算机程序301被一个或多个处理器20执行时，使得处理器20执行以下检测方法：
99.011：获取预设仓库的场景图像；
100.012：基于预设的目标检测模型，检测场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及
101.013：根据目标对象的坐标、标签及置信度、以及预设仓库中预设的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
102.再例如，计算机程序301被一个或多个处理器20执行时，使得处理器20执行以下检测方法：
103.021：获取预设仓库的图像采集装置30的视频码流；
104.022：对视频码流进行解码，以获取连续多帧场景图像；
105.023：建立第一线程，以基于预设的目标检测模型检测每帧场景图像中的目标对象，并确定目标对象的坐标、标签及置信度；及
106.024：建立第二线程，以根据目标对象的坐标、标签及置信度、以及预设仓库中的每个目标区域在场景图像中的预设坐标范围，确定目标对象是否位于对应的目标区域之内。
107.在本说明书的描述中，参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
108.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
109.尽管上面已经示出和描述了本技术的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施方式进行变化、修改、替换和变型。