具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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地描述，显然，所描述的实施例是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

如图1所示的一种仓库货物周边异常事件报警系统10，该报警系统10包括采集设备11、检测服务器12、逻辑服务器13和监控终端14。其中，采集设备11和检测服务器12位于内网in中，采集设备11和检测服务器12之间通过有线或无线的方式进行通信，逻辑服务器13和监控终端14位于外网wn中，逻辑服务器13和监控终端14之间通过有线的方式进行通信，检测服务器12和逻辑服务器13之间通过有线的方式进行通信，从内网in到外网wn。其中外网wn连接至互联网，这样仓库管理人员过互联网观看仓库内的货物周边异常事件。

图2中所示一种仓库货物周边异常事件报警方法，应用于仓库货物周边异常事件报警系统10中，报警系统10包括：采集设备11、检测服务器12，逻辑服务器13，监控终端14。其中报警方法步骤如下：检测服务器12接收采集设备11采集的货物图片，其中采集设备11包括设置在仓库立柱21上的摄像头组，摄像头组包括立面摄像头11a和平面摄像头11b，货物图片包括立面摄像头11a拍摄的图片和平面摄像头11b拍摄的图片；检测服务器12通过目标检测算法对货物图片进行检测，输出检测结果，其中，目标检测算法包括：安全头盔检测算法、反光背心检测算法、叉车检测算法、货物检测算法中的至少一个，其中，反光背心检测算法，安全头盔检测算法，叉车检测算法，货物检测算法均采用Yolo V5算法；逻辑服务器13运行仓库信息管理系统，逻辑服务器13接收检测服务器12输出的检测结果，将仓库信息管理系统中的仓单信息与检测结果比对，确定货物周边异常事件，监控终端14接收货物周边异常事件。

其中异常事件包括操作人员S未佩戴安全头盔23，操作人员S未穿戴反光背心24，叉车25未出现在出入库仓单时间段内，货物20数量不一致。

仓库内具有立柱21支撑，立柱21之间形成库位，立面摄像头11a和平面摄像头11b均安装在立柱21顶端。立面摄像头11a用于拍摄货物20的侧面区域，平面摄像头11b主要拍摄货物20的平面区域，货物图片包括立面摄像头11a拍摄的图片和平面摄像头11b拍摄的图片。每个库位保证能够被立面摄像头11a和平面摄像头11b拍摄到。

为了防止货物20的非法移动，对货物20周边的操作人员S着装，叉车25，货物20进行目标检测，从而确定货物周边异常事件。

为了确定货物周边异常事件，检测服务器12运行目标检测算法。检测服务器12通过目标检测算法对视频中的货物图片检测，输出检测结果，并将检测结果发送到逻辑服务器13。

为了检测操作人员的作业规范程度，安全头盔检测算法用于对货物图片中的货物20周边的操作人员S是否佩戴安全头盔23进行目标检测。若检测服务器12检测出货物图片中的操作人员S佩戴安全头盔23，则确定货物周边异常事件为安全，若检测出货物图片中的操作人员S未佩戴安全头盔23，则确定货物周边异常事件为异常。

为了检测操作人员的作业规范程度，反光背心检测算法用于对货物图片中的货物20周边的操作人员S是否穿戴反光背心24进行目标检测。若检测服务器12检测出货物图片中的操作人员S穿戴反光背心24，则确定货物周边异常事件为安全，若检测出货物图片中的操作人员S未穿戴反光背心24，则确定货物周边异常事件为异常。

为了保证叉车出现在确定事件段内，防止叉车在异常时间段进入仓库，防止货物被移走的风险。叉车检测算法检测仓库中叉车25，并记录叉车25出现在库位的时间。逻辑服务器13接收叉车25出现在库位的时间，并与仓库信息管理系统发出的出入库仓单命令的时间段进行比对，若时间未在时间段内，则确定货物周边异常事件为异常。

货物检测算法检测每个库位的货物20数量。货物检测算法检测单个托盘22以及托盘22上的一个堆垛，记录每个货物20和托盘22检测到的矩形四角的坐标和中心坐标，计算出货物20堆叠的层数和每列的货物20数，计算出每个库位中的货物20数量。

逻辑服务器13运行仓库信息管理系统，逻辑服务器13接收检测服务器12的检测结果，逻辑服务器13将仓库信息管理系统中的仓单信息与检测结果比对，输出货物周边异常事件，监控终端14接收货物周边异常事件。其中仓单信息是预先录入的出入库信息，出入库信息包括出入库货物20的数量。

逻辑服务器13将每个库位的货物20数量与对应的仓单的出入库货物20的数量比较，如果出现数量不一致，则确定货物周边异常事件为异常，向监控终端发出报警。

图3显示目标检测算法的流程示意图，其中目标检测算法包括如下步骤：

S101、获取货物图片；

S102、对货物图片进行预处理；

S103、检测货物图片中的操作人员S着装，叉车25，货物20。

S101获取货物图片步骤的包括：采集设备11采集库位上货物20的视频，并将采集到的视频发送到检测服务器12，通过摄像头发送的Rtsp/Rtmp视频流截取对应帧的货物图片。为了提高目标检测算法的效果，如图4中所示，左半部分为立面摄像头11a拍摄的图片，右半部分为平面摄像头11b拍摄的图片。在立面摄像头11a拍摄的图片中，货物20的侧面区域面积A1大于货物20的平面区域面积A2。在平面摄像头11b拍摄的图片中，货物20的平面区域面积A2大于货物20的侧面区域面积A1。

S102对货物图片进行预处理的步骤包括：为了减小曝光仓库环境中昏暗的光线对目标检测算法性能的影响，减轻对目标检测算法泛化能力的要求，检测服务器12处理货物图片的亮度，对比度，锐度。

S103利用目标检测算法检测检测货物图片中的操作人员S着装，叉车25，货物2。

图5显示了本发明的货物检测算法效果图。利用货物检测算法检测立面摄像头11a拍摄的图片和平面摄像头11b拍摄的图片，检测出单个托盘22以及托盘22上的一个堆垛。

根据检测到的每个货物20和托盘22的矩形四角的坐标和中心坐标，以此为据计算出货物20堆叠的层数和每列的货物20数，计算出每个库位中的货物20数量。

其中实际数量为通过货物检测算法计算出来的库位中的货物20数量，系统数量是通过查询仓单的出入库货物20的数量，若实际数量和系统数量一致，则显示检测数量正确，否则进行报警。

图6显示安全头盔检测算法效果图。利用反光背心检测算法，安全头盔检测算法，叉车检测算法检测立面摄像头11a拍摄的图片。图6中的方框是通过安全头盔检测算法检测出操作人员S未佩戴安全头盔23，通过反光背心检测算法检测出操作人员S穿戴反光背心24。

为了保证仓库货物周边异常事件报警系统10的实时性，报警系统10每一分钟巡检一轮，巡检一轮就是将多组监控摄像头拍摄的货物图片检测一遍。如果库位中的货物20数量检测数量正确，则进行下一个库位的检查。若巡检途中有库位中的货物20数量与仓单的出入库货物20的数量不一致，确定货物周边异常事件为异常，进行报警。

本发明的技术方案通过检测服务器12检测采集设备11发送的待检测图片，并利用目标检测算法自动对待检测图片进行识别得到检测结果，并根据检测结果确定是否向监控终端14发送报警信息，降低了仓库现场人工开销成本并且解决了仓库现场管理漏检的问题，大幅减少人工操作成本，具有良好的经济性和实用性。

以上所述是本发明的优选实施方式而已，当然不能以此来限定本发明之权利范围，应当指出，对于本技术领域的专业技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变动，这些改进和变动也视为本发明的保护范围。