物流分拣行为识别-
适用于：Linux
商品简介：物流分拣行为识别算法主要用于物流中心人工分拣区域,可对包裹分拣人员是否有抛、扔包裹这两种分拣行为进行识别、预警。以达到规范员工分拣行为，避免暴力分拣造成的货损，降低经济损失的目的。
商品亮点：以识别确真、明显的抛、扔包裹行为为手段，发现违规分拣事件并预警,在开放的多人场景复杂现场，违规分拣行为的识别精确率在70%左右（即100条告警约有70条为真实报警）,真实商用时，货物分拣高峰期时段，违规分拣事件频发，真实数据统计精确率达85%,真实有效的起到员工分拣行为的监督管理作用,为违规分拣事件的监管提供了高效的技术支撑和管理手段
商品说明
| 版本: V1.1 | 交付方式: License |
| 适用于: Linux | 上架日期: 2021-01-07 06:27:52 |
物流分拣行为识别算法是物流中心人工分拣货物包裹视频监控场景下的算法，算法针对物流中心分拣人员确真（动作幅度足够大，持续时间在四分之一秒以上）明显的抛、扔分拣动作进行识别，判断分拣人员是否有违规不合理的分拣行为。
以姿态评估算法、多尺度区域回归算法等一系列七个子算法为核心功能，设计出物流分拣行为识别算法，以达到对抛、扔的分拣行为更加精准的识别效果。由于物流分拣行为识别算法包括多个子算法，考虑到算法的并发效率以及对算力资源的需求与协调，商用时采用准实时的识别策略：录制两秒钟视频，然后进行分析，分析过程中视频录制会暂停，分析结束后继续录制。因此在识别算法运行过程中，如果发生抛、扔分拣行为会被漏检。
抛、扔包裹分拣行为属于极快、细微的动作。在此背景下物流分拣行为识别算法以追求高准确率，高精准度为目标，因此一部分疑似的、无明显证据的行为，不在识别范围内。
在真实的物流分拣行为识别使用场景中，会有一些大、重包裹，分拣人员也会有扔、抛行为。此类场景，一律识别为违规分拣。
多尺度、多手段、多时空分辨提升抛、扔分拣行为的检出率，降低非违规分拣行为的误报率。根据真实商用的报警数据统计，24小时时间内，共产生290条报警，其中真实的报警有248条（用户将抛扔大、重包裹的行为剔除后），精确率为85.5%。实验室测试召回率为97.25%，准确率为98.73%。物流分拣行为识别为客户提供了一种更加高效的监管手段，及时发现抛、扔分拣行为，快速进行追溯，有效辅助规范分拣人员的分拣行为，避免造成更多的货损情况和经济损失。
