图像采集异常预警方法、装置、服务器及可读存储介质与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本技术涉及货物管理技术领域，具体涉及一种图像采集异常预警方法、装置、服务器及可读存储介质。背景技术：2.在商超巡检业务中，需要数据采集人员前往目标卖场，拍照采集货架图片，上传后台数据库，之后再进行自动化的商品检测，商品识别，以及市场占有率分析，竞品分析等。3.数据采集作为整个环节的第一步，采集的图像质量会严重影响后续数据分析准确率。如果采集的图片质量过差，就需要重新派业务员返回对应网点，进行二次采集，极大的增加业务成本。4.因此，如何自动化的检查业务员采集的图片是否符合采集规范，在图片不合规时及时提醒业务员调整拍照视角，避免二次采集，是当前货物管理技术领域亟需解决的技术问题。技术实现要素：5.本技术提供一种图像采集异常预警方法、装置及计算机可读取存储介质，旨在解决如何自动化的检查业务员采集的图片是否符合采集规范，在图片不合规时及时提醒业务员调整拍照视角，避免二次采集。6.一方面，本技术提供一种图像采集异常预警方法，所述方法包括：7.获取待检测货架的图像的图像显示异常状态信息；8.获取所述待检测货架的图像的图像角度异常状态信息；9.获取所述待检测货架的图像中目标商品对应的商品面积占比异常状态信息；10.基于所述图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定所述待检测货架的图像对应的图像采集异常状态；11.若所述图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。12.在本技术一种可能的实现方式中，所述若所述图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息，包括：13.若所述图像采集异常状态为异常状态；14.则获取导致所述图像采集异常状态为异常状态的图像异常类型；15.基于所述图像异常类型，生成与所述图像异常类型对应的用于对图像采集异常情况进行预警的预警信息。16.在本技术一种可能的实现方式中，所述获取所述待检测货架的图像中目标商品对应的商品面积占比异常状态信息，包括：17.获取所述待检测货架的图像中的目标商品对应的面积区域信息；18.获取所述面积区域信息对应的目标像素区域信息和所述待检测货架的图像对应的总像素区域信息；19.基于所述目标像素区域信息和所述总像素区域信息，确定所述待检测货架中的目标商品对应的商品面积占比参数；20.基于所述商品面积占比参数和预设商品面积占比参数阈值，确定所述商品面积占比参数对应的商品面积占比异常状态信息。21.在本技术一种可能的实现方式中，所述获取所述待检测货架的图像的图像角度异常状态信息，包括：22.获取所述待检测货架的图像对应的旋转角度参数；23.获取所述待检测货架的图像对应的倾斜角度参数；24.基于所述旋转角度参数和预设旋转角度参数阈值，确定所述待检测货架的图像旋转角度异常状态；25.基于所述倾斜角度参数和预设倾斜角度参数阈值，确定所述待检测货架的图像倾斜角度异常状态；26.基于所述图像旋转角度异常状态和所述图像倾斜角度异常状态，确定所述待检测货架的图像的图像角度异常状态信息。27.在本技术一种可能的实现方式中，所述获取所述待检测货架的图像对应的旋转角度参数，包括：28.获取所述待检测货架包括的多层货架隔层中每层货架隔板的第一货架线，得到第一货架线集，并提取所述第一货架线集中每条货架线对应的骨架线，得到第一骨架线集；29.删除所述第一骨架线集中小于预设长度的骨架线，得到第一目标骨架线集，并拟合所述第一目标骨架线集中每条骨架线，得到第一拟合直线集；30.计算所述第一拟合直线集中每条拟合直线的斜率，以及所述第一拟合直线集所有拟合直线的斜率均值；31.基于所述斜率和所述斜率均值，确定所述第一拟合直线集中的第一可信拟合直线集，并将所述第一可信拟合直线集中所有拟合直线的角度平均值作为旋转角度参数。32.在本技术一种可能的实现方式中，所述获取所述待检测货架的图像对应的旋转角度参数，包括：33.获取所述待检测货架中所有商品对应的矩形检测框，得到矩形检测框集，并对所述矩形检测框集中的每个矩形检测框进行预处理，得到第一检测下边框线集；34.将所述检测下边框线集中的所有检测下边框线进行分组，得到多个检测下边框线组，所述多个检测下边框线组中的每个下边框线组与所述待检测货架包括的多层货架隔层中每层货架隔板相对应；35.将所述每个检测下边框线组进行直线拟合，得到第二拟合直线集；36.计算所述每个检测下边框线组中所有检测下边框线与所述第二拟合直线集中对应拟合直线的标准差，并基于所述标准差和预设的标准差阈值，确定所述第二拟合直线集中的第二可信拟合直线集；37.计算所述第二可信拟合直线集中所有可信拟合直线的角度的平均值，并将所述第二可信拟合直线集中所有可信拟合直线的角度的平均值作为旋转角度参数。38.在本技术一种可能的实现方式中，所述获取所述待检测货架的图像对应的倾斜角度参数，包括：39.获取所述待检测货架包括的多层货架隔层中每层货架隔板的第二货架线，得到第二货架线集，得到第二货架线集，并提取所述第二货架线集中每条货架线对应的骨架线，得到第二骨架线集；40.删除所述第二骨架线集中长度小于预设长度的骨架线，得到第二目标骨架线集，并拟合所述第二目标骨架线集中每条骨架线，得到第三拟合直线集；41.计算所述第三拟合直线集中每条拟合直线的斜率，以及所述第三拟合直线集所有拟合直线的斜率均值；42.基于所述斜率和所述斜率均值，确定所述第三拟合直线集中的可信拟合直线集，并计算所述可信拟合直线集中每条拟合直线与预设水平线的夹角值，得到夹角值集；43.选取所述夹角值集中最大夹角作为倾斜角度参数。44.在本技术一种可能的实现方式中，所述获取待检测货架的图像的图像显示异常状态信息，包括：45.获取所述待检测货架的图像对应的亮度显示参数和清晰度显示参数；46.基于所述亮度显示参数和预设亮度显示参数阈值，确定所述待检测货架的图像的亮度显示异常状态；47.基于所述清晰度显示参数和预设清晰度显示参数阈值，确定所述待检测货架的图像的清晰度显示异常状态；48.基于所述亮度显示异常状态和所述清晰度显示异常状态，确定待检测货架的图像的图像显示异常状态信息。49.另一方面，本技术提供一种图像采集异常预警装置，所述装置包括：50.第一获取单元，用于获取待检测货架的图像的图像显示异常状态信息；51.第二获取单元，用于获取所述待检测货架的图像的图像角度异常状态信息；52.第三获取单元，用于获取所述待检测货架的图像中目标商品对应的商品面积占比异常状态信息；53.第一确定单元，用于基于所述图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定所述待检测货架的图像对应的图像采集异常状态；54.第一生成单元，用于若所述图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。55.在本技术一种可能的实现方式中，所述第一生成单元，具体用于：56.若所述图像采集异常状态为异常状态；57.则获取导致所述图像采集异常状态为异常状态的图像异常类型；58.基于所述图像异常类型，生成与所述图像异常类型对应的用于对图像采集异常情况进行预警的预警信息。59.在本技术一种可能的实现方式中，所述第三获取单元，具体用于：60.获取所述待检测货架的图像中的目标商品对应的面积区域信息；61.获取所述面积区域信息对应的目标像素区域信息和所述待检测货架的图像对应的总像素区域信息；62.基于所述目标像素区域信息和所述总像素区域信息，确定所述待检测货架中的目标商品对应的商品面积占比参数；63.基于所述商品面积占比参数和预设商品面积占比参数阈值，确定所述商品面积占比参数对应的商品面积占比异常状态信息。64.在本技术一种可能的实现方式中，所述第二获取单元，具体包括：65.第四获取单元，用于获取所述待检测货架的图像对应的旋转角度参数；66.第五获取单元，用于获取所述待检测货架的图像对应的倾斜角度参数；67.第二确定单元，用于基于所述旋转角度参数和预设旋转角度参数阈值，确定所述待检测货架的图像旋转角度异常状态；68.第三确定单元，用于基于所述倾斜角度参数和预设倾斜角度参数阈值，确定所述待检测货架的图像倾斜角度异常状态；69.第四确定单元，用于基于所述图像旋转角度异常状态和所述图像倾斜角度异常状态，确定所述待检测货架的图像的图像角度异常状态信息。70.在本技术一种可能的实现方式中，所述第四获取单元，具体用于：71.获取所述待检测货架包括的多层货架隔层中每层货架隔板的第一货架线，得到第一货架线集，并提取所述第一货架线集中每条货架线对应的骨架线，得到第一骨架线集；72.删除所述第一骨架线集中小于预设长度的骨架线，得到第一目标骨架线集，并拟合所述第一目标骨架线集中每条骨架线，得到第一拟合直线集；73.计算所述第一拟合直线集中每条拟合直线的斜率，以及所述第一拟合直线集所有拟合直线的斜率均值；74.基于所述斜率和所述斜率均值，确定所述第一拟合直线集中的第一可信拟合直线集，并将所述第一可信拟合直线集中所有拟合直线的角度平均值作为旋转角度参数。75.在本技术一种可能的实现方式中，所述第四获取单元，具体用于：76.获取所述待检测货架中所有商品对应的矩形检测框，得到矩形检测框集，并对所述矩形检测框集中的每个矩形检测框进行预处理，得到第一检测下边框线集；77.将所述检测下边框线集中的所有检测下边框线进行分组，得到多个检测下边框线组，所述多个检测下边框线组中的每个下边框线组与所述待检测货架包括的多层货架隔层中每层货架隔板相对应；78.将所述每个检测下边框线组进行直线拟合，得到第二拟合直线集；79.计算所述每个检测下边框线组中所有检测下边框线与所述第二拟合直线集中对应拟合直线的标准差，并基于所述标准差和预设的标准差阈值，确定所述第二拟合直线集中的第二可信拟合直线集；80.计算所述第二可信拟合直线集中所有可信拟合直线的角度的平均值，并将所述第二可信拟合直线集中所有可信拟合直线的角度的平均值作为旋转角度参数。81.在本技术一种可能的实现方式中，所述第五获取单元，具体用于：82.获取所述待检测货架包括的多层货架隔层中每层货架隔板的第二货架线，得到第二货架线集，得到第二货架线集，并提取所述第二货架线集中每条货架线对应的骨架线，得到第二骨架线集；83.删除所述第二骨架线集中长度小于预设长度的骨架线，得到第二目标骨架线集，并拟合所述第二目标骨架线集中每条骨架线，得到第三拟合直线集；84.计算所述第三拟合直线集中每条拟合直线的斜率，以及所述第三拟合直线集所有拟合直线的斜率均值；85.基于所述斜率和所述斜率均值，确定所述第三拟合直线集中的可信拟合直线集，并计算所述可信拟合直线集中每条拟合直线与预设水平线的夹角值，得到夹角值集；86.选取所述夹角值集中最大夹角作为倾斜角度参数。87.在本技术一种可能的实现方式中，所述第一获取单元，具体用于：88.获取所述待检测货架的图像对应的亮度显示参数和清晰度显示参数；89.基于所述亮度显示参数和预设亮度显示参数阈值，确定所述待检测货架的图像的亮度显示异常状态；90.基于所述清晰度显示参数和预设清晰度显示参数阈值，确定所述待检测货架的图像的清晰度显示异常状态；91.基于所述亮度显示异常状态和所述清晰度显示异常状态，确定待检测货架的图像的图像显示异常状态信息。92.另一方面，本技术还提供一种服务器，所述服务器包括：93.一个或多个处理器；94.存储器；以及95.一个或多个应用程序，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所述的图像采集异常预警方法。96.另一方面，本技术还提供一种计算机可读存储介质，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，以执行所述的图像采集异常预警方法中的步骤。97.本技术中通过获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。从整体合规性进行综合判断，提高巡检图像采集的有效率，降低二次派单率，节省成本。附图说明98.为了更清楚地说明本技术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技术的一些实施例，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。99.图1是本技术实施例提供的图像采集异常预警系统的场景示意图；100.图2是本技术实施例中提供的图像采集异常预警方法的一个实施例流程示意图；101.图3是本技术实施例中提供的步骤202的一个实施例流程示意图；102.图4是本技术实施例中提供的图像采集异常预警装置的一个实施例结构示意图；103.图5是本技术实施例中提供的服务器的一个实施例结构示意图。具体实施方式104.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。105.在本技术的描述中，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技术和简化描述，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技术的限制。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。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。106.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“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技术，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技术。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技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。107.本技术实施例提供一种图像采集异常预警方法、装置、服务器及可读存储介质，以下分别进行详细说明。108.如图1所示，图1是本技术实施例提供的图像采集异常预警系统的场景示意图，该图像采集异常预警系统可以包括多个终端100和服务器200，终端100和服务器200网络连接，服务器200中集成有图像采集异常预警装置，如图1中的服务器，终端100可以访问服务器200。109.本技术实施例中服务器200主要用于获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。110.本技术实施例中，该服务器200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，例如本技术实施例中所描述的服务器200，其包括但不限于计算机、网络终端、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。本技术的实施例中，服务器与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)的计算机网络通信等。111.可以理解的是，本技术实施例中所使用的终端100可以是既包括接收和发射硬件的设备，既具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。112.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案的一种应用场景，并不构成对本技术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终端，或者服务器网络连接关系，例如图1中仅示出1个服务器和2个终端。可以理解的，该图像采集异常预警系统还可以包括一个或多个其他服务器，或/且一个或多个与服务器网络连接的终端，具体此处不作限定。113.另外，如图1所示，该图像采集异常预警系统还可以包括存储器300，用于存储数据，如存储待检测货架的图像和图像采集异常预警数据，例如图像采集异常预警系统运行时的图像采集异常预警数据。114.需要说明的是，图1所示的图像采集异常预警系统的场景示意图仅仅是一个示例，本技术实施例描述的图像采集异常预警系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着图像采集异常预警系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。115.接下来，介绍本技术实施例提供的图像采集异常预警方法。116.本申实施例图像采集异常预警方法的实施例中以图像采集异常预警装置作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体，该图像采集异常预警装置应用于服务器，该方法包括：获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。117.请参阅图2至图5，图2为本技术实施例中提供的图像采集异常预警方法的一个实施例流程示意图，该图像采集异常预警方法包括步骤201至步骤205：118.201、获取待检测货架的图像的图像显示异常状态信息。119.其中，本技术中的货架可以是常规的专用货架，也可以是新型货架。该货架可以包括多层货架隔层。拍摄的货架的图像可用于自动化商品检测、商品识别，以及市场占有率分析，竞品分析等。而上述操作，对拍摄的图像的质量要求极高。120.然而图像欠曝光会导致图片过暗，过曝光会导致图片过亮，都不利于后续的信息提取。由此，本技术通过在对拍摄的待检测货架的图像进行保存之前，先获取图像显示异常状态信息。该图像显示异常状态信息指的是图像的亮度和/或清晰度出现异常的信息。具体的，图像显示异常状态信息可以包括亮度显示异常状态和清晰度显示异常状态。121.在本技术的一些实施例中，获取待检测货架的图像的图像显示异常状态信息，包括：获取待检测货架的图像对应的亮度显示参数和清晰度显示参数；基于亮度显示参数和预设亮度显示参数阈值，确定待检测货架的图像的亮度显示异常状态；基于清晰度显示参数和预设清晰度显示参数阈值，确定待检测货架的图像的清晰度显示异常状态；基于亮度显示异常状态和清晰度显示异常状态，确定待检测货架的图像的图像显示异常状态信息。122.具体的，亮度显示参数可以图像中的像素的亮度均值，而清晰度检查方式可以包括：将采集的rgb图像转为灰度图像；缩放到固定大小w*h；用拉普拉斯算子或者sobel算子计算图像中的所有边缘，生成边缘信息图；计算边缘信息图的像素标准差。如果图像比较清晰，则图像中的所有对象的边缘也会比较清晰，则就能检测到丰富的边缘信息，其计算的像素标准差就会较大。反之如果图像模糊，则边缘信息不明显，像素标准差较小。判断像素标准差是否大于一定阈值，则可以判断图像是否清晰。123.202、获取待检测货架的图像的图像角度异常状态信息。124.图像角度一般可以包括图像的旋转角度和倾斜角度。而图像角度异常状态信息指的是图像的旋转角度和/或倾斜角度出现异常的情况，如，旋转角度超过15°和/或倾斜角度超过15°。其具体如何获取待检测货架的图像的图像角度异常状态信息，可参阅下述具体实施例，在此不做赘述。125.203、获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息。126.目标商品指的是存放在待检测货架上的商品。商品面积占比指的是待检测货架的图像中的目标商品对应的图像显示区域与整张待检测货架的图像区域的面积占比。而商品面积占比异常状态信息指的是待检测货架的图像中的目标商品对应的图像显示区域与整张待检测货架的图像区域的面积占比出现异常，如占比过低，低于50％。127.在本技术的一些实施例中，获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息，包括：获取待检测货架的图像中的目标商品对应的面积区域信息；获取面积区域信息对应的目标像素区域信息和待检测货架的图像对应的总像素区域信息；基于目标像素区域信息和总像素区域信息，确定待检测货架中的目标商品对应的商品面积占比参数；基于商品面积占比参数和预设商品面积占比参数阈值，确定商品面积占比参数对应的商品面积占比异常状态信息。具体的，可以采用实例分割和神经网络方式，或者通过检测框和神经网络方式获取待检测货架的图像中的目标商品对应的面积区域信息。具体的，预设商品面积占比参数阈值的具体取值，可根据实际需求进行设定，如可以是50％或60％。128.204、基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态。129.其中，图像采集异常状态指的是图像的采集的是否为异常状态，其可以是异常状态，也可以是非异常状态，其非异常状态可以是图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息均对应为非异常状态，而其异常状态可以是图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息中存在至少一个异常状态即可。130.205、若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。131.在本技术的一些实施例中，若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息，包括：若图像采集异常状态为异常状态；则获取导致图像采集异常状态为异常状态的图像异常类型；基于图像异常类型，生成与图像异常类型对应的用于对图像采集异常情况进行预警的预警信息。其中，图像异常类型包括步骤204中图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息对应的异常类型，如为图像显示异常类型，和/或商品面积占比异常类型，和/或图像角度异常类型。132.本技术中通过获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。从整体合规性进行综合判断，提高巡检图像采集的有效率，降低二次派单率，节省成本。133.在本技术的一些实施例中，如图3所示，步骤202、获取待检测货架的图像的图像角度异常状态信息，包括：134.301、获取待检测货架的图像对应的旋转角度参数。135.在本技术的一些实施例中，获取待检测货架的图像对应的旋转角度参数，包括：获取待检测货架包括的多层货架隔层中每层货架隔板的第一货架线，得到第一货架线集，并提取第一货架线集中每条货架线对应的骨架线，得到第一骨架线集；删除第一骨架线集中小于预设长度的骨架线，得到第一目标骨架线集，并拟合第一目标骨架线集中每条骨架线，得到第一拟合直线集；计算第一拟合直线集中每条拟合直线的斜率，以及第一拟合直线集所有拟合直线的斜率均值；基于斜率和斜率均值，确定第一拟合直线集中的第一可信拟合直线集，并将第一可信拟合直线集中所有拟合直线的角度平均值作为旋转角度参数。136.需要说明的是，由于货架可以是多个货架进行左右拼接在一起的，即获取的待检测货架的图像中可以存在仅有一个货架的情况，也可包括多个货架的情况，因此，当获取的待检测货架的图像中仅有一个货架时，即对应每一层只有一个货架隔板，则可直接获取待检测货架包括的多层货架隔层中每层货架隔板的第一货架线，得到第一货架线集。137.当获取的待检测货架的图像中包括有多个货架隔板时，则需要将每一层中多个货架隔板对应的货架线进行拼接，得到一条拼接的货架线。138.在本技术的另一个实施例中，获取待检测货架的图像对应的旋转角度参数，包括：获取待检测货架中所有商品对应的矩形检测框，得到矩形检测框集，并对矩形检测框集中的每个矩形检测框进行预处理，得到第一检测下边框线集；将检测下边框线集中的所有检测下边框线进行分组，得到多个检测下边框线组，多个检测下边框线组中的每个下边框线组与待检测货架包括的多层货架隔层中每层货架隔板相对应；将每个检测下边框线组进行直线拟合，得到第二拟合直线集；计算每个检测下边框线组中所有检测下边框线与第二拟合直线集中对应拟合直线的标准差，并基于标准差和预设的标准差阈值，确定第二拟合直线集中的第二可信拟合直线集；计算第二可信拟合直线集中所有可信拟合直线的角度的平均值，并将第二可信拟合直线集中所有可信拟合直线的角度的平均值作为旋转角度参数。其中，第二拟合直线集中的第二拟合直线的总数小于货架层数。139.302、获取待检测货架的图像对应的倾斜角度参数。140.在本技术的一些实施例中，获取待检测货架的图像对应的倾斜角度参数，包括：获取待检测货架包括的多层货架隔层中每层货架隔板的第二货架线，得到第二货架线集，得到第二货架线集，并提取第二货架线集中每条货架线对应的骨架线，得到第二骨架线集；删除第二骨架线集中长度小于预设长度的骨架线，得到第二目标骨架线集，并拟合第二目标骨架线集中每条骨架线，得到第三拟合直线集；计算第三拟合直线集中每条拟合直线的斜率，以及第三拟合直线集所有拟合直线的斜率均值；基于斜率和斜率均值，确定第三拟合直线集中的可信拟合直线集，并计算可信拟合直线集中每条拟合直线与预设水平线的夹角值，得到夹角值集；选取夹角值集中最大夹角作为倾斜角度参数。141.需要说明的是，由于货架可以是多个货架进行左右拼接在一起的，即获取的待检测货架的图像中可以存在仅有一个货架的情况，也可包括多个货架的情况，因此，当获取的待检测货架的图像中仅有一个货架时，即对应每一层只有一个货架隔板，则可直接获取待检测货架包括的多层货架隔层中每层货架隔板的第二货架线，得到第二货架线集。142.当获取的待检测货架的图像中包括有多个货架隔板时，则需要将每一层中多个货架隔板对应的货架线进行拼接，得到一条拼接的货架线。143.303、基于旋转角度参数和预设旋转角度参数阈值，确定待检测货架的图像旋转角度异常状态。144.其中，预设旋转角度参数阈值的具体取值，可根据实际需求进行设定，如可以是10°或15°。本技术实施例中，当旋转角度参数达到预设旋转角度参数阈值时，则可确定待检测货架的图像旋转角度异常状态为异常状态，进一步的，当旋转角度参数小于预设旋转角度参数阈值时，则可确定待检测货架的图像旋转角度异常状态为非异常状态，如将预设旋转角度参数阈值设定为15°，当旋转角度参数为20°，即超过预设旋转角度参数阈值的15°，则可确定待检测货架的图像旋转角度异常状态为异常状态。145.304、基于倾斜角度参数和预设倾斜角度参数阈值，确定待检测货架的图像倾斜角度异常状态。146.其中，预设倾斜角度参数阈值的具体取值，可根据实际需求进行设定，如可以是10°或15°。本技术实施例中，当倾斜角度参数达到预设倾斜角度参数阈值时，则可确定待检测货架的图像倾斜角度异常状态为异常状态，进一步的，当倾斜角度参数小于预设倾斜角度参数阈值时，则可确定待检测货架的图像倾斜角度异常状态为非异常状态，如将预设倾斜角度参数阈值设定为15°，当倾斜角度参数为20°，即超过预设倾斜角度参数阈值的15°，则可确定待检测货架的图像倾斜角度异常状态为异常状态。147.305、基于图像旋转角度异常状态和图像倾斜角度异常状态，确定待检测货架的图像的图像角度异常状态信息。148.待检测货架的图像的图像角度异常指的是图像旋转角度异常，和/或图像倾斜角度异常。而当图像旋转角度异常状态和图像倾斜角度异常状态中存在一个为异常状态时，则可确定待检测货架的图像的图像角度异常状态信息对应为异常状态。149.为了更好实施本技术实施例中图像采集异常预警方法，在图像采集异常预警方法基础之上，本技术实施例中还提供一种图像采集异常预警装置，如图4所示，图像采集异常预警装置400包括第一获取单元401、第二获取单元402、第三获取单元403、第一确定单元404以及第一生成单元405：150.第一获取单元401，用于获取待检测货架的图像的图像显示异常状态信息。151.第二获取单元402，用于获取待检测货架的图像的图像角度异常状态信息。152.第三获取单元403，用于获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息。153.第一确定单元404，用于基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态。154.第一生成单元405，用于若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。155.在本技术的一些实施例中，第一生成单元405，具体用于：156.若图像采集异常状态为异常状态。157.则获取导致图像采集异常状态为异常状态的图像异常类型。158.基于图像异常类型，生成与图像异常类型对应的用于对图像采集异常情况进行预警的预警信息。159.在本技术的一些实施例中，第三获取单元403，具体用于：160.获取待检测货架的图像中的目标商品对应的面积区域信息。161.获取面积区域信息对应的目标像素区域信息和待检测货架的图像对应的总像素区域信息。162.基于目标像素区域信息和总像素区域信息，确定待检测货架中的目标商品对应的商品面积占比参数。163.基于商品面积占比参数和预设商品面积占比参数阈值，确定商品面积占比参数对应的商品面积占比异常状态信息。164.在本技术的一些实施例中，第二获取单元402，具体包括：165.第四获取单元，用于获取待检测货架的图像对应的旋转角度参数。166.第五获取单元，用于获取待检测货架的图像对应的倾斜角度参数。167.第二确定单元，用于基于旋转角度参数和预设旋转角度参数阈值，确定待检测货架的图像旋转角度异常状态。168.第三确定单元，用于基于倾斜角度参数和预设倾斜角度参数阈值，确定待检测货架的图像倾斜角度异常状态。169.第四确定单元，用于基于图像旋转角度异常状态和图像倾斜角度异常状态，确定待检测货架的图像的图像角度异常状态信息。170.在本技术的一些实施例中，第四获取单元，具体用于：171.获取待检测货架包括的多层货架隔层中每层货架隔板的第一货架线，得到第一货架线集，并提取第一货架线集中每条货架线对应的骨架线，得到第一骨架线集。172.删除第一骨架线集中小于预设长度的骨架线，得到第一目标骨架线集，并拟合第一目标骨架线集中每条骨架线，得到第一拟合直线集。173.计算第一拟合直线集中每条拟合直线的斜率，以及第一拟合直线集所有拟合直线的斜率均值。174.基于斜率和斜率均值，确定第一拟合直线集中的第一可信拟合直线集，并将第一可信拟合直线集中所有拟合直线的角度平均值作为旋转角度参数。175.在本技术的一些实施例中，第四获取单元，具体用于：176.获取待检测货架中所有商品对应的矩形检测框，得到矩形检测框集，并对矩形检测框集中的每个矩形检测框进行预处理，得到第一检测下边框线集。177.将检测下边框线集中的所有检测下边框线进行分组，得到多个检测下边框线组，多个检测下边框线组中的每个下边框线组与待检测货架包括的多层货架隔层中每层货架隔板相对应。178.将每个检测下边框线组进行直线拟合，得到第二拟合直线集。179.计算每个检测下边框线组中所有检测下边框线与第二拟合直线集中对应拟合直线的标准差，并基于标准差和预设的标准差阈值，确定第二拟合直线集中的第二可信拟合直线集。180.计算第二可信拟合直线集中所有可信拟合直线的角度的平均值，并将第二可信拟合直线集中所有可信拟合直线的角度的平均值作为旋转角度参数。181.在本技术的一些实施例中，第五获取单元，具体用于：182.获取待检测货架包括的多层货架隔层中每层货架隔板的第二货架线，得到第二货架线集，得到第二货架线集，并提取第二货架线集中每条货架线对应的骨架线，得到第二骨架线集。183.删除第二骨架线集中长度小于预设长度的骨架线，得到第二目标骨架线集，并拟合第二目标骨架线集中每条骨架线，得到第三拟合直线集。184.计算第三拟合直线集中每条拟合直线的斜率，以及第三拟合直线集所有拟合直线的斜率均值。185.基于斜率和斜率均值，确定第三拟合直线集中的可信拟合直线集，并计算可信拟合直线集中每条拟合直线与预设水平线的夹角值，得到夹角值集。186.选取夹角值集中最大夹角作为倾斜角度参数。187.在本技术的一些实施例中，第一获取单元401，具体用于：188.获取待检测货架的图像对应的亮度显示参数和清晰度显示参数。189.基于亮度显示参数和预设亮度显示参数阈值，确定待检测货架的图像的亮度显示异常状态。190.基于清晰度显示参数和预设清晰度显示参数阈值，确定待检测货架的图像的清晰度显示异常状态。191.基于亮度显示异常状态和清晰度显示异常状态，确定待检测货架的图像的图像显示异常状态信息。192.本技术中的图像采集异常预警装置400，通过第一获取单元401，获取待检测货架的图像的图像显示异常状态信息；第二获取单元402，获取待检测货架的图像的图像角度异常状态信息；第三获取单元403，获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；第一确定单元404，基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；第一生成单元405，若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。从整体合规性进行综合判断，提高巡检图像采集的有效率，降低二次派单率，节省成本。193.除了上述介绍用于图像采集异常预警方法与装置之外，本技术实施例还提供一种服务器，其集成了本技术实施例所提供的任一种图像采集异常预警装置，服务器包括：194.一个或多个处理器；195.存储器；以及196.一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行上述图像采集异常预警方法实施例中任一实施例中的任一方法的操作。197.本技术实施例还提供一种服务器，其集成了本技术实施例所提供的任一种图像采集异常预警装置。参阅图5，图5是本技术实施例提供的服务器一个实施例结构示意图。198.如图5所示，其示出了本技术实施例所设计的图像采集异常预警装置的结构示意图，具体来讲：199.该图像采集异常预警装置可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储单元502、电源503和输入单元504等部件。本领域技术人员可以理解，图5中示出的图像采集异常预警装置结构并不构成对图像采集异常预警装置的限定，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：200.处理器501是该图像采集异常预警装置的控制中心，利用各种接口和线路连接整个图像采集异常预警装置的各个部分，通过运行或执行存储在存储单元502内的软件程序和/或模块，以及调用存储在存储单元502的数据，执行图像采集异常预警装置的各种功能和处理数据，从而对图像采集异常预警装置进行整体监控。可选的，处理器501可包括一个或多个处理核心；优选的，处理器501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501中。201.存储单元502可用于存储软件程序以及模块，处理器501通过运行存储在存储单元502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。存储单元502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图像采集异常预警装置的使用所创建的数据等。此外，存储单元502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，存储单元502还可以包括存储器控制器，以提供处理器501对存储单元502的访问。202.图像采集异常预警装置还包括给各个部件供电的电源503，优选的，电源503可以通过电源管理系统与处理器501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503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。203.该图像采集异常预警装置还可包括输入单元504，该输入单元504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。204.尽管未示出，图像采集异常预警装置还可以包括显示单元等，在此不再赘述。具体在本技术实施例中，图像采集异常预警装置中的处理器501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单元502中，并由处理器501来运行存储在存储单元502中的应用程序，从而实现各种功能，如下：205.获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。206.本技术中通过获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。从整体合规性进行综合判断，提高巡检图像采集的有效率，降低二次派单率，节省成本。207.为此，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质可以包括：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。该计算机可读存储介质中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种图像采集异常预警方法中的步骤。例如，该指令可以执行如下步骤：208.获取待检测货架的图像的图像显示异常状态信息；获取待检测货架的图像的图像角度异常状态信息；获取待检测货架的图像中目标商品对应的商品面积占比异常状态信息；基于图像显示异常状态信息、图像角度异常状态信息和商品面积占比异常状态信息，确定待检测货架的图像对应的图像采集异常状态；若图像采集异常状态为异常状态，则生成用于对图像采集异常情况进行预警的预警信息。209.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，可以参见其他实施例的相关描述。210.以上对本技术实施例所提供的一种图像采集异常预警方法、装置、服务器及可读存储介质进行了详细介绍，本文中应用了具体个例对本技术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技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本技术的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!