(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221028239 2.X (22)申请日 2022.03.22 (71)申请人 天目爱视 （北京） 科技有限公司 地址 100102 北京市海淀区上庄镇上庄路 115号院1层426号 (72)发明人 靳涵宇　 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 40/10(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/08(2012.01) (54)发明名称 一种快递存放现场监控方法 (57)摘要 本发明提供了一种快递存放现场监控 方法， 包括以下步骤： S1： 摄像机获取采集区域第一视 频数据； S2： 从第一视频数据中截取第一组图像 F1， 分析每张图像， 检测快递派送员是否存在， 若 是则进入S3， 否则返回S1； S3： 向终端发送快递派 件通知信息。 本文所述方法可以自主实现快递派 送与异常取件事件的监测与通知， 协助收件客户 远程验证快递状态， 解决由于客户不在现场无法 验收而导 致的派送不成功问题。 权利要求书4页 说明书14页 附图1页 CN 114663834 A 2022.06.24 CN 114663834 A 1.一种快递存放现场监控方法， 其特 征在于， 包括以下步骤： B1： 摄像机获取采集区域第一视频 数据； S2： 从第一视频数据中截取第一组图像F1， 分析每张图像， 获取每张图像的多幅子图， 检测快递派送员是否存在， 若是则进入S3， 否则返回S1； S3： 向终端发送快递派件通知信息； 采用神经网络模型N1在在子图中检测快递派送员是否存在， 所述神经网络模型N1， 其输入层为一幅子图SI(u′， v′)， 其输出层为一 组二维向量， 向量 的两个维度分别表示输入图中是否存在快递派送员、 是否存在一般行 人； 神经网络模型N1的隐藏层定义如下： 定义神经网络模型N1的第一层隐藏层： 式中， 表示输入层中以(u ′， v′)为中心的卷积窗口的权重， p， q表示 卷积窗口中相 对位置的整数坐标， 卷积的窗口大小为9 *9， 对应p、 q的取值范围为 ‑4到4。 SI(u′+p， v′+q)表示输 入层子图在坐标(u ′+p， v′+q)处的像素取值； 表示第一层隐藏层中坐标为(x， y)的节 点， 这个节点根据窗口参数 定义， 与输入层的9*9个节点相连接。 b0为线性偏置量。 σ (x)为一非线性 函数： ex表示指数函数， 使神经网络能够对非线性数据样本实现分类， α 是 经验参数； 定义神经网络N1的第二层隐藏层： 式中， 表示第二层隐藏层坐标为(x， y)的节点， 与第一层隐藏层的4*4＝16个节点 相连， max表示第一层隐藏层中与节点 对应位置的16个节点的最大值， 这16个节点由 x、 y方向上的p、 q定义， 即p、 q取值范围为0、 1、 2、 3。 表示第一层隐藏层中坐标 为(4x+p， 4y+q)的节点。 b1为线性偏置量。 σ(x)由式子(2)定义； 定义神经网络N1的第三层隐藏层： 式中， 表示第三层隐藏层中坐标为(x， y)的节点， 表示第二层隐藏层权　利　要　求　书 1/4 页 2 CN 114663834 A 2中在坐标(x+p， y+q)处的节点， 表示卷积窗口权重， 卷积窗口大小为7*7， 对应p、 q的 取值范围为 ‑3到3， p， q表示卷积窗口中相对位置的整数坐 标。 根据 所表示的权 重与第二层隐藏层中的7*7个节点相连。 b2为线性偏置量。 σ(x)为如式(2)定义的非线性函 数； 定义神经网络N1的第四层隐藏层为： 式中， 表示第四层隐藏层坐标为(x， y)的节点， 与第三层隐藏层的2*2＝4个节点 相连， max表示第三层隐藏层中与节点 对应位置的4个节点的最大值， 这4个节点由x、 y方向上的p、 q定义， 即p、 q取值范围为0、 1、 2、 3。 表示第三层隐藏层中坐标为 (2x+p， 2y+q)的节点。 b3为线性偏置量。 σ(x)由式子(2)定义； 定义神经网络N1的第五层隐藏层： 式中， 联合表示第五层隐藏层中的节点， 因此第五层是由两个二维矩阵 节点联合组成， (x， y)表示x、 y方向上的坐标， X的下标表示两个矩阵之一的编号， 表示第四层隐藏层中在坐标(x+p， y+q)处的节点， 分别表示与 对应的卷积窗口权重， 卷积窗口大小均为7*7， 对应p、 q的取值范围为 ‑3到 3， p， q表示卷积窗口中相对位置的整数坐标。 可知， 按 所表示的权重与第四层 隐藏层中的7*7个节点相连， 按 所表示的权重与第四层隐藏层中的7*7个节点 相连。 b4为线性偏置量。 σ(x)为如式(2)定义的非线性 函数； 通过设定神经网络N1的五个隐藏层， 将待检测的快递派送员目标和一般行人 目标结合 起来， 提取其共同特性； 利用第 五层隐藏层提取快递派送员目标和一般行人目标的差异特 性， 进一步区分目标 特征； 定义N1的输出层：权　利　要　求　书 2/4 页 3 CN 114663834 A 3