一种适用于电子商务的智能存储箱的制作方法

本发明涉及电子商务设备领域，具体涉及一种适用于电子商务的智能存储箱。

背景技术：

相关技术中，通过在线购物的方式，消费者几乎可以买到全球任何角落的任何商品，这样的贸易方式既促进了消费的繁荣也极大地方便了人们的生活。消费者通过电脑、手机等终端设备确定购买的商品后，第三方物流公司将商品送到消费者指定的地方。在第三方物流公司无法将商品送达的地方，消费者通常会选择就近的物流地点进行拿货，因此需要在该就近的物流地点设置用于存储商品的存储箱，并设置相应的安全机构。

技术实现要素：

针对上述问题，本发明旨在提供一种适用于电子商务的智能存储箱。

本发明的目的采用以下技术方案来实现：

一种适用于电子商务的智能存储箱，包括安全监测器、闭锁装置、控制器、用户终端；所述安全监测器用于监测存储箱周边的安全情况，其包括设置在存储箱的摄像头、发送器和远程监测中心，所述发送器用于将摄像头拍摄的信息传送至远程监测中心并将远程监测中心根据摄像头拍摄的信息生成的控制信号传送至控制器；所述闭锁装置用于根据一指令开启或关闭所述存储箱；所述控制器用于接收远程监测中心和用户终端发送的控制信号，根据远程监测中心和用户终端发送的控制信号向所述闭锁装置发出所述指令。

本发明的有益效果为：能够解决用户不在家时，无法收货的问题，且能够实现远程控制，安全性较高。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图；

图2是本发明的隐匿物品检测装置的结构连接示意图。

附图标记：

安全监测器1、闭锁装置2、控制器3、用户终端4、输入模块5、显示屏6、摄像头7、发送器8、远程监测中心9、隐匿物品检测装置10、扫描模块11、图像处理模块12、背景消减模块13、人体区域检测模块14、隐匿物品检测模块15。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的适用于电子商务的智能存储箱，包括安全监测器1、闭锁装置2、控制器3、用户终端4；所述安全监测器1用于监测存储箱周边的安全情况，其包括设置在存储箱的摄像头7、发送器8和远程监测中心9，所述发送器8用于将摄像头7拍摄的信息传送至远程监测中心9并将远程监测中心9根据摄像头7拍摄的信息生成的控制信号传送至控制器3；所述闭锁装置2用于根据一指令开启或关闭所述存储箱；所述控制器3用于接收远程监测中心9和用户终端4发送的控制信号，根据远程监测中心9和用户终端4发送的控制信号向所述闭锁装置2发出所述指令。

优选的，所述智能存储箱还包括输入模块5，所述输入模块5用于输入用户终端4的控制信号。

优选的，所述智能存储箱还包括用于显示商品广告的显示屏6。

本发明上述实施例能够解决用户不在家时，无法收货的问题，且能够实现远程控制，安全性较高。

优选的，所述安全监测器1还包括隐匿物品检测装置10，所述隐匿物品检测装置10用于检测拿货的用户身上是否带有非法的隐匿物品，如用于偷盗的工具；所述发送器8还用于将隐匿物品检测装置10的检测信息传送至远程监测中心9并将远程监测中心9根据隐匿物品检测装置10的检测信息生成的控制信号传送至控制器3；所述隐匿物品检测装置10包括：

(1)扫描模块11，用于对被检人员进行毫米波扫描获得原始被动毫米波图像；

(2)图像处理模块12，用于对所述原始被动毫米波图像进行处理获得目标图像；

(3)人体区域检测模块14，用于基于所述目标图像，通过对人体是否存在的预判断，进行人体区域检测，获取人体区域；

(4)隐匿物品检测模块15，用于在所述人体区域内，采用Canny边缘算子和置信区间结合的混合分割的方法，对隐匿物品进行检测，并对检测到的隐匿物品区域进行标记；

(5)隐匿物品识别模块，用于对隐匿物品进行识别。

本优选实施例设计了隐匿物品检测装置10的模块架构，实现了隐匿物品检测装置10对危险物品的检测。

优选地，所述图像处理模块12包括：

(1)二值化单元，用于对所述原始被动毫米波图像进行二值化获得二值化图像,包括：将所述原始被动毫米波图像进行平滑区P₁、过渡区P₂和边缘区P₃的区域划分,其采用平方奇异值作为区域能量的衡量，并定义区域划分公式为：

其中，v(i)为原始被动毫米波图像中像素点i处的观测值，Q(i)为对应原始被动毫米波图像中像素点i处的平方奇异值，为平方奇异值的均值；

对于平滑区P₁，设定阈值T₁，T₁为平滑区P₁所有像素灰度值的平均值，将平滑区P₁的每个像素灰度值与阈值T₁进行比较，若大于T₁，则取值为255，否则取值为0；对于过渡区P₂和边缘区P₃，过渡区P₂和边缘区P₃中每个像素点i为中心的(2a+1)x(2a+1)窗口，a∈[1，3]，各像素点阈值T₂(i)定义为该像素窗口内最大灰度值与最小灰度值和的一半，将过渡区P₂和边缘区P₃的每个像素灰度值和相应阈值T₂(i)比较，若大于T₂(i)，则取值为255，否则取值为0；

(2)预处理单元，用于对二值化图像进行稳像以及去噪处理以获得初步去噪图像，包括：

a、图像稳像子单元，用于消除人在运动时造成的图像抖动，包括：

(1)对被检对象进行毫米波扫描时，选定第一帧图像作为参考帧，将参考帧划分为互不重叠三个区域1、2、3，K表示图像宽度，G表示图像高度，从图像左上开始按照顺时针方向依次为区域1、2、3，区域1、2的大小为0.5K×0.5G，区域3的大小为K×0.5G；

(2)在下一帧扫描到的图像中心位置选定区域A₀，A₀的大小选定为0.5K×0.5G，按照step1的方法将A₀划分为三个图像子块A₁、A₂、A₃，A₁和A₂用于估算垂直方向上的局部运动向量，A₃用于估算水平方向上的局部运动向量，令A₁、A₂、A₃分别在1、2、3三个区域内搜寻最佳匹配，从而估计出图像序列的全局运动矢量，然后进行反向运动补偿，消除图像模糊；

b、分区去噪子单元，用于对平滑区P₁、过渡区P₂和边缘区P₃分别进行去噪处理，设平滑区P₁、过渡区P₂和边缘区P₃的去噪估计分别为G₁(i)、G₂(i)和G₃(i)，各区域的去噪估计的计算公式分别为：

式中，N₁为平滑区的像素总数量，V(j)为平滑区P₁在点j处的灰度值，s₁v(i)为通过均值滤波器处理后提取出的像素点i处的平滑区均值，s₁v(j)为通过均值滤波器处理后提取出的像素点j处的平滑区均值；v(j)表示边缘区P₃中所有的像素点，为归一化常数，d为边缘区P₃中像素点i和像素点j的环形特征向量的高斯加权欧氏距离，γ为高斯核函数的标准差，μ为边缘区P₃中噪声的标准差，且

c、再次去噪子单元，连接分区去噪子单元，用于采用基于分裂Bregman迭代的全变分去噪算法对由分区去噪子单元处理后的被动毫米波图像进行进一步去噪，从而进一步去除被动毫米波图像中的高斯白噪声。

本优选实施例设置图像稳像子单元，能够消除人在运动时造成的图像抖动；二值化单元中，采用全局阈值二值化和局部阈值二值化结合的方法，在保证速度的前提下取得了良好的效果；被动毫米波图像由少量近似分块平滑的图像块组成，包含有大量的冗余信息，根据这一特点，设置预处理单元，采用奇异值分解将被动毫米波图像划分为平滑区、过渡区和边缘区，并根据这三类区域各自的特征设置分区去噪子单元，用于对平滑区、过渡区和边缘区分别进行去噪处理，与目前较为主流的集中图像去噪算法相比，能够获得较高的BRISQUE，提高了计算的速度，且能够明显抑制扫描线噪声以及高斯白噪声的影响；采用再次去噪子单元，结合分区去噪子单元，进一步去除被动毫米波图像中的高斯白噪声，提高去噪效果。

优选的，所述隐匿物品检测模块15在进行混合分割时，选用合适的阈值T_y对所述目标图像进行阈值处理，所述置信区间表示隐匿物品边缘分布的灰度范围，其中包含目标图像所有边缘的全局置信区间为[int((V_l+V_h)/2),V_h],其中int()为取整算子，V_l为整个目标图像的边缘点的最小灰度值的下界，V_h为整个目标图像的边缘点的最大灰度值的上界；计算每一个隐匿物品的置信区间时，使用从V_l+1开始逐点增加的阈值T_g对目标图像进行分割，直至阈值T_g＝V_h-1时停止分割，当前景中出现了一个新的独立区域时，定义对应位置有另一个隐匿物品，隐匿物品的置信区间定义为：P_z＝[(T_g+V_h)/2,V_h]，采用边缘算子提取隐匿物品的置信区间中的边缘曲线，定义边缘曲线内所包含的区域为P_c，最终得到的隐匿物品的精确分割区域P_y为：

式中，为由较小的阈值T_y＝(T_g+V_h)/2对目标图像进行分割得到的区域。

本优选实施例采用Canny边缘算子和置信区间结合的混合分割的方法实现了对隐匿物品的分割，提高了分割的速度和精度。

优选地，所述人体区域检测模块14能够对人体隐私部位进行屏蔽，具体包括：

(1)通过脸部识别对人员的性别进行判断，根据性别不同确定不同的隐私部位，划定隐私区域；

(2)对确定的隐私区域进行模糊处理，图像模糊采用如下方法：

对于隐私区域任一点(x,y),采用函数确定(x,y)的5×5邻域点的取值权重，对该点进行邻域加权平均，得到该点的模糊值，从而达到模糊效果。

本优选实施例使得检测更加人性化。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。