托寄物处理方法、装置、计算机设备和存储介质与流程

1.本技术涉及物流技术领域，特别是涉及一种托寄物处理方法、装置、计算机设备和存储介质。


背景技术：

2.依托互联网的快速发展，快递行业也迅猛成长。随着包裹量的爆发式增长，末端配送服务面临着巨大压力。行业对快递从业者产生了庞大的需求，但派送人员数量却一直处于短缺状态、供不应求的状态；并且派送服务在很多情况下由于收件方原因，上门派送容易出现一次派送不成功。一边是不断攀升的快递派送量，另一边是人手短缺的派送人员，曾经的挨家挨户上门服务难以完全保障。
3.由于派送人员派件压力大，经常出现派送人员未经允许将快件放在代收点，快件丢失率高，而目前对于一个快件通常仅关联了运单号、收寄件人信息以及路由信息，一旦丢失，根据路由信息定位丢失件的位置难度大，周期长。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够方便查找快件的托寄物处理方法、装置、计算机设备和存储介质。
5.一种托寄物处理方法，所述方法包括：
6.接收托寄物的寄件信息；
7.获取针对所述托寄物拍摄的目标物体图像；
8.对所述目标物体图像进行图像检测，若所述目标物体图像满足预设图像要求，生成运单号；
9.将所述目标物体图像与所述运单号、所述寄件信息对应存储。
10.在其中的一个实施例中，在将所述目标物体图像与所述运单号、所述寄件信息对应存储之后，还包括：
11.在接收到针对所述托寄物的派送信息时，根据所述寄件信息向收件方发送派送场景确认信息；
12.接收基于所述派送场景确认信息反馈的派送场景目标信息；
13.获取派送所述托寄物时的派送场景实际信息；
14.若基于所述派送场景目标信息确定所述派送场景实际信息符合派送要求，生成所述托寄物的派送完成信息。
15.在其中的一个实施例中，所述派送场景实际信息包括：派送场景实际图像；所述方法还包括：
16.基于通过训练确定的场景分类模型对所述派送场景图像进行场景分类，确定所述派送场景实际图像对应的场景类别；
17.将所述派送场景实际图像对应的场景与所述派送场景目标信息进行比对，若所述
派送场景实际图像符合所述派送场景目标信息，判定所述派送场景实际图像满足派送要求。
18.在其中的一个实施例中，所述对所述目标物体图像进行图像检测包括：
19.对所述目标物体图像进行托寄物识别，得到托寄物识别结果；
20.对所述目标物体图像进行图像质量分类，得到质量分类结果；
21.若根据所述托寄物识别结果确定目标物体图像中包含托寄物，且所述质量分类结果达到预设质量要求，判定所述目标物体图像满足预设图像要求。
22.在其中的一个实施例中，所述方法包括以下至少一项：
23.第一项，
24.所述对所述目标物体图像进行托寄物识别包括：基于通过训练确定的目标检测模型对所述目标物体图像进行托寄物识别；
25.第二项，
26.所述对所述目标物体图像进行图像质量分类包括：基于通过训练确定的分类网络对所述目标物体图像进行图像质量分类。
27.在其中的一个实施例中，所述方法还包括：
28.基于通过训练确定的目标检测模型对所述目标物体图像进行人脸检测，得到人脸检测结果；
29.若根据所述人脸检测结果确定所述目标物体图像中包含人脸，对所述人脸检测结果中的人脸区域进行模糊处理。
30.在其中的一个实施例中，所述接收托寄物的寄件信息之后，获取针对所述托寄物拍摄的目标物体图像之前，还包括：
31.根据所述寄件信息确定对应的揽收人员；
32.根据所述寄件信息生成揽件任务发送至所述揽收人员的终端。
33.一种托寄物处理装置，所述装置包括：
34.接收模块，用于接收托寄物的寄件信息；
35.图像获取模块，用于获取针对所述托寄物拍摄的目标物体图像；
36.图像检测模块，用于对所述目标物体图像进行图像检测，若所述目标物体图像满足预设图像要求，生成运单号；
37.存储模块，用于将所述目标物体图像与所述运单号、所述寄件信息对应存储。
38.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
39.接收托寄物的寄件信息；
40.获取针对所述托寄物拍摄的目标物体图像；
41.对所述目标物体图像进行图像检测，若所述目标物体图像满足预设图像要求，生成运单号；
42.将所述目标物体图像与所述运单号、所述寄件信息对应存储。
43.一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执行时实现以下步骤：
44.接收托寄物的寄件信息；
45.获取针对所述托寄物拍摄的目标物体图像；
46.对所述目标物体图像进行图像检测，若所述目标物体图像满足预设图像要求，生成运单号；
47.将所述目标物体图像与所述运单号、所述寄件信息对应存储。
48.上述托寄物处理方法、装置、计算机设备和存储介质，接收到托寄物的寄件信息之后，获取揽收人员进行揽收时针对托寄物拍摄的目标物体图像，对目标物体图像进行图像检测，确定目标物体图像是否满足预设图像要求，若满足则可以生成运单号，并将目标物体图像与寄件信息、运单号对应存储起来，完成揽收过程。上述方法在揽收过程中要求上传针对托寄物拍摄的图像，并且在图像满足一定的条件时生成运单号，并将图像与运单号、寄件信息一同存储，在后续的运输过程、投递过程中若需查找托寄物的具体位置，可结合存储的托寄物图像进行查找，在丢失件时为查找托寄物提供了有利信息。
附图说明
49.图1为一个实施例中托寄物处理方法的应用环境图；
50.图2为一个实施例中托寄物处理方法的流程示意图；
51.图3为另一个实施例中托寄物处理方法的流程示意图；
52.图4(1)为一个具体实施例中派送场景实际图像为仅托寄物的示意图；
53.图4(2)为一个具体实施例中派送场景实际图像为住户门口的示意图；
54.图4(3)为一个具体实施例中派送场景实际图像为商店门口的示意图；
55.图4(4)为一个具体实施例中派送场景实际图像为快递柜的示意图；
56.图4(5)为一个具体实施例中派送场景实际图像为非正常场景的示意图；
57.图5为一个具体实施例中efficientnet-b0网络的结构示意图；
58.图6为一个实施例中对所述目标物体图像进行图像检测的流程示意图；
59.图7为一个具体实施例中pp-yolo网络的结构示意图；
60.图8为一个具体实施例中揽收过程的流程示意图；
61.图9为一个具体实施例中派件过程的流程示意图；
62.图10为一个实施例中托寄物处理装置的结构框图；
63.图11为一个实施例中计算机设备的内部结构图。
具体实施方式
64.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
65.本技术提供的托寄物处理方法，可以应用于如图1所示的应用环境中。其中，终端102和终端103通过网络与服务器104通过网络进行通信。服务器104接收到托寄物的寄件信息之后，获取揽收人员进行揽收时针对托寄物拍摄的目标物体图像，对目标物体图像进行图像检测，确定目标物体图像是否满足预设图像要求，若满足则可以生成运单号，并将目标物体图像与寄件信息、运单号对应存储起来，完成揽收过程。其中，寄件信息可以是消费者通过终端102发送。其中，终端102、终端103可以但不限于是各种个人计算机、笔记本电脑、
智能手机、平板电脑和便携式可穿戴设备，在一个实施例中终端102可以表示消费者终端，终端103可以表示快递从业人员终端；服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
66.在一个实施例中，如图2所示，提供了一种托寄物处理方法，以该方法应用于图1中的服务器为例进行说明，包括步骤s210至步骤s240。
67.步骤s210，接收托寄物的寄件信息。
68.其中，托寄物是指需要物流公司进行运输的物品。寄件信息为寄出托寄物必须包含的信息。在一个实施例中，寄件信息包括寄件方信息，收件方信息和托寄物信息；其中，寄件方信息可以包括寄件方姓名、寄件方地址；收件方信息可以包括收件方姓名、收件方地址；托寄物信息可以包括托寄物的相关信息，例如托寄物的具体内容(或具体内容所属的分类)，托寄物的重量、托寄物的大小，等等。在另一个实施例中，寄件方非当面发起寄件请求时，寄件信息还可以包括期望揽收的地点、期望揽收的时间、期望揽收的方式，等等。在一个实施例中，托寄物的寄件信息通常是寄件方发送。在其它实施例中，托寄物的寄件信息也可以包括其它信息。
69.步骤s220，获取针对托寄物拍摄的目标物体图像。
70.在一个实施例中，获取针对托寄物拍摄的目标物体图像发生在揽收过程中；针对托寄物拍摄的目标物体图像可以是由寄件方上传，也可以由揽收人员上传。
71.在一个实施例中，接收托寄物的寄件信息之后，获取针对托寄物拍摄的目标物体图像之前，还包括：根据寄件信息确定对应的揽收人员；根据寄件信息生成揽件任务发送至揽收人员的终端。
72.本实施例为寄件方非当面发送寄件请求的情形；寄件方非当面发送寄件请求时，需要物流公司根据寄件信息分配相应的揽收人员到与寄件方约定的地址去揽收托寄物。在一个实施例中，根据寄件信息确定对应的揽收人员包括：根据寄件信息中的寄件地址确定对应的揽收人员。通常物流公司对于揽收人员划分了不同的负责区域，在接收到寄件请求时，根据寄件地址确定所属的负责区域，从而可以将该寄件请求分配至对应的揽收人员。在另一个实施例中，根据寄件信息确定对应的揽收人员也可以包括：将寄件信息公告给负责相近区域的揽收人员，接收揽收人员的主动接单请求来确定对应的揽收人员。在另一个实施例中，根据寄件信息确定对应的揽收人员还可以结合寄件信息中的其它信息来确定揽收人员，例如寄件信息中包含了寄件方期望的揽收时间和揽收地址，则在本实施例中还可以结合寄件方期望的揽收时间和揽收地址来确定合适的揽收人员。进一步地，在一个实施例中，也可以根据寄件信息中寄件方所期望的揽收时间段内，结合揽收人员当前时刻的所在地点、揽收任务计划来确定揽收人员；或者，结合寄件信息中托寄物的重量、大小等信息确定揽收人员等等。在其它实施例中，根据寄件信息确定对应的揽收人员还可以通过其它任意一种可行的方式确定。
73.进一步地，在为该寄件信息分配好对应的揽收人员之后，根据寄件信息生成相应的揽件任务转发至该揽收人员，由揽收人员跟进处理该寄件任务。
74.本实施例中，接收到寄件请求时，根据寄件请求中携带的寄件信息为寄件方分配合适的揽收人员，可适用于例如寄件方在家中发送寄件请求，期望揽收人员上门揽件的场景，为寄件方带来了便利。
75.步骤s230，对目标物体图像进行图像检测，若目标物体图像满足预设图像要求，生成运单号。
76.在一个实施例中，对目标物体图像进行图像检测可以包括对图像进行大小检测、分辨率检测、是否包含特定物体检测，等等。对目标物体图像进行图像检测的具体过程将在后实施例中详细描述，在此不再赘述。
77.在本实施例中，当目标物体图像进行图像检测之后，若检测结果表明目标物体图像满足预设图像要求，则表示揽收满足要求，揽收完成，可以进入运输阶段；其中，预设图像要求可以根据实际情况进行设置，例如对图像进行图像检测时包括检测图像大小，则预设图像要求可以包括规定的图像大小；对图像检测时包括检测图像分辨率，预设图像要求可以包括规定的分辨率范围；对图像检测时包括检测图像内是否包含指定物体时，相应地，预设图像要求可以包括必须包含指定物体，或者必须不包含指定物体，等等。在其它实施例中，预设图像要求可以设置为其它要求。
78.进一步地，在本实施例中，当目标物体图像满足预设图像要求时，还生成该托寄物对应的运单号。其中，运单号是快递运单上的唯一编码，可以通过运单号在物流管理系统中查询对应的托寄物的运输状态。
79.步骤s240，将目标物体图像与运单号、寄件信息对应存储。
80.确定目标物体图像满足预设图像要求之后，将目标物体图像与运单号、寄件信息一起对应存储；便于后续过程中对托寄物的相关信息进行查找。
81.在一个实施例中，在托寄物的运输过程中，上述方法还包括：获取托寄物相关的物流信息，将物流信息与运单号、目标物体图像和寄件信息对应存储。物流信息可以是在运输过程中由经手托寄物的物流从业人员上传，便于消费者、物流公司对托寄物的运输状态查询了解。
82.上述托寄物处理方法，接收到托寄物的寄件信息之后，获取揽收人员进行揽收时针对托寄物拍摄的目标物体图像，对目标物体图像进行图像检测，确定目标物体图像是否满足预设图像要求，若满足则可以生成运单号，并将目标物体图像与寄件信息、运单号对应存储起来，完成揽收过程。上述方法在揽收过程中要求上传针对托寄物拍摄的图像，并且在图像满足一定的条件时生成运单号，并将图像与运单号、寄件信息一同存储，在后续的运输过程、投递过程中若需查找托寄物的具体位置，可结合存储的托寄物图像进行查找，在丢失件时为查找托寄物提供了有利信息。
83.在一个实施例中，如图3所示，在将目标物体图像与运单号、寄件信息对应存储之后，还包括步骤s310至步骤s340。
84.步骤s310，在接收到针对托寄物的派送信息时，根据寄件信息向收件方发送派送场景确认信息。
85.其中，派送信息是指针对托寄物进行派送时相关信息。在一个实施例中，在托寄物到达收件方地址的最后一个物流网点之后，需为托寄物分配派送人员，在本实施例中，将在将托寄物分派到具体的派送人员时，产生的物流信息判定为接收到托寄物的派送信息。在另一个实施例中，在托寄物已经分派到具体的派送人员之后，接收到派送人员向系统发送的派送请求判定为接收到针对托寄物的派送信息。在其它实施例中，也可以通过其它方式确定接收到针对托寄物的派送信息。
86.在本实施例中，在确定托寄物运输过程结束，可以开始进入派送流程之后，由派送人员对托寄物进行派送之前，还需向收件方发送派送场景确认信息，用于向收件方确认期望的派送地址(收件地址的预设范围内可选)、期望的派送时间(指定时间段内可选)、期望的派送方式(指定派送方式内可选)等等。在一个实施例中，向收件方发送的派送场景确认信息包括提醒用户托寄物已经进入派送流程，使用户在收到该派送场景确认信息时反馈期望的派送地址、派送时间和派送方式等等。在另一个实施例中，向收件方发送的派送场景确认信息包括：派送人员选择的候选派送地址、候选派送时间、候选派送方式，在本实施例中，收件方可以基于派送场景确认信息进行确认是否可以按照候选的方式进行派送。在其它实施例中，派送场景确认信息还可以包括其它信息，例如是否需要尽快派送等等。
87.步骤s320，接收基于派送场景确认信息反馈的派送场景目标信息。
88.由上述步骤可知，在对托寄物进行派送之前向收件方发送了派送场景确认信息，本实施例中的派送场景目标信息即为收件方反馈的期望的派送场景信息。在一个实施例中，派送场景目标信息包括收件方期望的派送地址、派送时间和派送方式。其中，期望的派送地址可以是经纬度信息或者期望派送地址名称(例如**代收点、**快递柜)；进一步地，在一个实施例中，期望的派送地址还包括期望派送地址的场景图像，例如针对代收点、快递柜等拍摄的照片。在其它实施例中，派送场景目标信息还可以包括其它信息，与派送场景确认信息对应。
89.步骤s330，获取派送托寄物时的派送场景实际信息。
90.其中，派送场景实际信息表示派送人员在对托寄物进行派送时上传的场景相关信息，场景相关信息具体为派送人员将托寄物投放到的地点的信息。在一个实施例中，派送场景实际信息可以包括派送地点名称(例如**代收点、**快递柜)、派送地点经纬度信息，或者对派送地点拍摄的照片。在一个实施例中，对派送地点拍摄的照片中包含托寄物。进一步地，在一个实施例中，派送场景实际信息包含的内容与派送场景目标信息对应，如派送场景目标信息包含经纬度信息，派送场景实际信息中也应当包含实际派送地点的经纬度信息，其它信息类似。
91.步骤s340，若基于派送场景目标信息确定派送场景实际信息符合派送要求，生成托寄物的派送完成信息。
92.在获取到派送人员在派送人员传回的派送场景实际信息之后，将派送场景实际信息与收件方反馈的派送场景目标信息进行比较，即可确认派送人员在派送时是否符合派送要求；如果派送人员传回的派送场景实际信息满足派送要求，表示派送人员针对托寄物的派送符号要求，没有出现违规操作等情况。
93.其中，派送要求可以根据实际的派送场景目标信息的内容进行设定。在一个实施例中，若派送场景目标信息和派送场景实际信息中包含派送地点的目标经纬度信息和实际经纬度信息，此时判断实际经纬度信息是否处于目标经纬度信息的预设范围内。在另一个实施例中，若派送场景目标信息包含派送地点的名称和/或目标派送地点的照片，派送场景实际信息中包含派送地点的名称和/或实际派送地点的照片；对派送场景实际信息的判断包括：判断目标派送地点和实际派送地点的名称是否相同，和/或判断实际派送地点的照片与目标派送地点的照片中的地点是否一致，和/或，判断实际派送地点的照片中的地点是否属于目标派送地点名称对应的地点。在其它实施例中，判断派送是否符合派送要求也可以
设置为其它判断条件。
94.本实施例中，对于在托寄物的派送场景中，通过向收件方发送派送场景确认信息来获取收件方期望的派送地点、派送时间以及派送方式等等，要求派送人员结合收件方反馈的派送场景目标信息来进行派送，并且对于派送人员实际派送地点通过派送人员返回的派送场景实际信息来进行检查，只有派送场景实际信息满足派送要求时才允许派送人员操作完成；一方面结合收件方的实际情况进行派送，可减少例如收件方不在家、无法接通电话等等情况时发生的派送失败的问题，提高派送完成率，并且从用户角度而言，可以根据实际情况选择自己期望的派送地点、方式和时间等等，可以提高用户体验；另一方面，对于派送人员的实际派送场景系统进行检查，可以减少派送人员不经收件方运行擅自将托寄物派送至其它地点等情况的发生，也可以从一定程度上提升用户的体验。
95.进一步地，在一个实施例中，派送场景实际信息包括：派送场景实际图像；在本实施例中，上述方法还包括：基于通过训练确定的场景分类模型对派送场景图像进行场景分类，确定派送场景实际图像对应的场景类别；在本实施例中，将派送场景实际图像对应的场景与派送场景目标信息进行比对，若派送场景实际图像符合派送场景目标信息，判定派送场景实际图像满足派送要求。
96.在本实施例中，以派送场景实际信息包括派送场景实际图像为例，在进行派送场景实际图像是否符合派送要求时，利用场景分类模型对派送场景实际图像进行分类，确定该场景图像对应的场景类别。在一个具体实施例中，场景类别包括仅包含托寄物、投放在住户门口、商店门口、快递柜、非正常场景等等；通过场景分类模型对派送场景实际图像进行场景分类，确定对应的场景类别，再将确定的场景类别与派送场景目标信息进行比较，确定是否符合派送场景目标信息，若是则判定派送场景实际图像满足派送要求。进一步地，在一个实施例中，若判定派送场景实际图像满足派送要求，则向派送人员终端反馈派送合格的信息；在另一个实施例中，若派送场景实际图像对应的场景分类为非正常场景，或者派送场景实际图像的场景类别不符合派送场景目标信息(如目标信息为代收点，实际图像显示派送实际地点为快递柜)，判定为不满足派送要求，向派送人员终端反馈不合格的信息。
97.其中，场景分类模型为预先通过训练确定的，可以是利用场景相关的样本图像数据对分类模型进行训练确定。在一个具体实施例中，场景分类模型所采用的是efficientnet-b0网络(谷歌大脑提出的一种神经网络)，利用场景相关的样本图像数据对网络进行训练，使训练确定的efficientnet-b0网络对于输入的图像进行场景分类，分为托寄物、住户门口、商店门口、快递柜、非正常场景(例如街景)等场景类别。如图4(1)所示为派送场景实际图像为仅托寄物的示意图，图4(2)所示为派送场景实际图像为住户门口的示意图，图4(3)所示为派送场景实际图像为商店门口的示意图，图4(4)所示为派送场景实际图像为快递柜的示意图，图4(5)所示为派送场景实际图像为非正常场景的示意图。
98.在其它实施例中也可以分为其它类别，训练时采用的样本同样包含上述类别。可以理解地，在其它实施例中，也可以采用其它分类神经网络实现对派送场景图像的场景分类。如图5所示为一个具体实施例中efficientnet-b0网络的结构示意图。
99.本实施例中，通过训练确定的场景分类网络对派送场景实际图像进行检测，确定是否符合派送场景目标信息中的场景，对派送人员的派送进行了约束，可减少派送人员未经允许擅自将托寄物投放至其它地点的情况，提高用户体验。
100.在一个实施例中，如图6所示，对目标物体图像进行图像检测包括步骤s610至步骤s630。
101.步骤s610，对目标物体图像进行托寄物识别，得到托寄物识别结果。
102.其中，在目标物体图像中识别托寄物，即确定目标物体图像中是否包含了托寄物。在一个实施例中，对目标物体图像进行托寄物识别包括：基于通过训练确定的目标检测模型对目标物体图像进行托寄物识别。
103.目标检测模型经过训练后，可以对于输入的图像检测出其中是否包含目标物体，且检测结果为是时输出目标物体对应的区域。在一个具体实施例中，目标检测物体采用pp-yolo网络实现。利用托寄物的样本图像数据对网络进行训练，使训练确定的pp-yolo网络对于输入的图像进行目标检测；进一步地，该网络若检测到目标，将目标分为包含单个包裹、信件类包裹、塑料包装类包裹、多个(2个以上)包裹等类别。在其它实施例中也可以分为其它类别，训练时采用的样本同样包含上述类别。可以理解地，在其它实施例中，也可以采用其它目标检测神经网络实现对派送场景图像进行目标检测。如图7所示为一个具体实施例中pp-yolo网络的结构示意图。
104.步骤s620，对目标物体图像进行图像质量分类，得到质量分类结果。
105.在一个实施例中，图像质量包括图像的大小、分辨率以及图像的拍摄质量等等。通过对目标物体图像进行图像质量分类，可以确定该图像的质量。在一个实施例中，对目标物体图像进行图像质量分类包括：基于通过训练确定的分类网络对目标物体图像进行图像质量分类。
106.分类网络用于对输入的图像进行分类，在本实施例中利用分类网络对目标物体图像进行图像质量的分类。在一个具体实施例中，分类网络采用efficientnet-b0网络实现，利用不同图像质量的样本图像数据对网络进行训练，使训练确定的efficientnet-b0网络对于输入的图像可以进行图像质量分类；进一步地，在一个实施例中，图像质量分为正常、模糊、过明、过暗、遮挡等类别。在其它实施例中也可以分为其它类别，训练时采用的样本同样包含上述类别。可以理解地，在其它实施例中，也可以采用其它分类神经网络实现对目标物体图像的图像质量分类。
107.步骤s630，若根据托寄物识别结果确定目标物体图像中包含托寄物，且质量分类结果达到预设质量要求，判定目标物体图像满足预设图像要求。
108.根据托寄物识别结果可以确定目标物体图像中是否包含托寄物，根据质量分类结果可以确定目标物体图像的图像质量分类结果，在本实施例中，对目标物体图像进行检测，具体包括确定目标物体图像中包含托寄物且质量达到预设质量要求，则判定为满足预设图像要求。其中，预设质量要求可以根据实际情况进行设定，例如若质量分类结果输出的质量分类结果包括正常、模糊、过明、过暗、遮挡等类别，则可设定为质量分类结果为正常时满足预设质量要求；在另一个实施例中，若质量分类结果输出的质量分类结果包括质量分数，则可设定质量分类结果达到预设分值时满足预设质量要求，等等。而托寄物识别结果为识别到单个包裹、信件类包裹、塑料包装类包裹、多个(2个以上)包裹等，均可判定为在目标物体图像中识别到托寄物。
109.在另一个实施例中，若目标物体图像不满足预设图像要求，向揽收人员终端发送图像不合格的提示信息，以使揽收人员重新上传针对托寄物拍摄的目标物体图像。
110.本实施例中，在对目标物体图像进行图像检测时，主要检测目标物体图像中是否包含托寄物以及图像质量是否满足条件，可以确保揽收人员揽收托寄物时上传的针对托寄物拍摄的目标物体图像符合要求，可以正常的看清托寄物的形态，便于为有查找需求时提供信息。
111.进一步地，在一个实施例中，上述方法还包括：基于通过训练确定的目标检测模型对目标物体图像进行人脸检测，得到人脸检测结果；若根据人脸检测结果确定目标物体图像中包含人脸，对人脸检测结果中的人脸区域进行模糊处理。
112.在本实施例中，目标检测模型被训练用于识别人脸，以确定目标物体图像中是否包含人脸，以及在检测到图像中包含人脸时，输出人脸区域。进一步地，若在目标物体图像中识别到人脸，则对人脸区域进行模糊处理。这里主要考虑到在揽收人员拍摄托寄物图像时，可能将寄件方的人脸一同拍摄到图像中，为了对用户的隐私进行保护，在本实施例中采用根据目标检测模型输出的人脸检测结果确定人脸区域，并对人脸区域进行模糊处理的方式，以解决目标物体图像中包含人脸的情形。其中，对人脸区域进行模糊处理可以采用任意一种方式实现，例如高斯模糊处理，等等。
113.在一个具体实施例中，对目标物体图像进行人脸检测所用的目标检测模型可以是pp-yolo网络。在其中的一个实施例中，对于目标物体图像同时检测是否包含托寄物和人脸，即可利用包含人脸和托寄物在内的样本图像数据对网络进行训练，使得训练好的pp-yolo网络对于输入的图像进行目标检测，输出结果包括：是否包含人脸和/或托寄物，包含人脸和/或托寄物时输出对应的目标区域。进一步地，在根据输出结果确定包含人脸时对人脸区域进行模糊处理；在根据输出结果确定包含托寄物时，结合图像质量是否达标确定目标物体图像是否满足预设图像要求。例如，将图片输入如图7所示pp-yolo网络中，输出人脸检测框(图7所示实线框)和托寄物检测框(图7所示虚线框)。
114.本实施例中，在对目标物体图像进行图像检测时，如果检测到其中包含人脸的情况下，将人脸区域进行模糊处理，可以保护用户的隐私，提升用户体验。
115.在一个具体实施例中，以一个详细的例子对上述托寄物处理方法进行描述，包括以下步骤：
116.首先对上述托寄物处理方法的应用系统框架进行介绍，系统主要包括消费者客户端、快递员手持设备、云端数据服务中心。消费者客户端用于收发相关信息；快递员手持设备用于接收云端数据服务中心发送的指令信息以及拍摄、上传图片；云端数据服务中心用于储存快递收派信息数据库，包括托寄物以及签收地照片等。
117.其次，上述托寄物处理方法主要包括揽收托寄物和派送托寄物两个过程。
118.1、揽收过程，如图8所示：
119.消费者通过客户端下单寄件，预先上传寄件信息，例如包括邮寄物品收寄地址、类型、重量等信息。
120.云端数据服务中心接收到寄件信息，根据寄件信息中寄件方地址信息，采取距离最优方式分配合适的揽收人员，并分派揽收任务至对应的揽收人员。
121.揽收人员根据服务中心分派的揽收任务指示到寄件方地址地点收件。收件过程中，揽收人员需通过手持设备拍摄托寄物照片(上述目标物体图像)，在一个实施例中，托寄物照片包括托寄物带包装前后两张正面清晰照片。将托寄物照片上传至云端数据服务中心
后，云端数据服务中心中的图像质量估计模块对图像质量进行评估。质量评估合格后进入到检测模块，检测图片中是否含有托寄物。如果质量合格且图片中包含托寄物，将托寄物照片入库。同时，云端数据服务中心返回图像合格指令到揽收人员的手持设备。揽收人员揽收快递，进入运输过程。
122.2、当托寄物的运输结束后，进入派件过程，如图9所示：
123.当托寄物到达收件方所在快递分发点时，云端数据服务中心接收到托寄物的派送信息，向收件方客户端发送派送场景确认信息，其中派送场景确认信息可以包括：由本人签收、收件地放置、代收点以及快递柜。
124.云端数据服务中心获取收件方反馈的派送场景目标信息，将派送场景目标信息转发至为托寄物分配的派送人员的手持设备。
125.派送人员根据派送场景目标信息到指定地点进行派送，送达后需拍摄派送场景实际图像上传至指云端数据服务中心。其中如果本人签收，仅上传带包装托寄物。如果是其他派件选项，派送场景实际图像中还需包含派送场景。并由云端数据服务中心并对派送场景实际图像进行图像质量估计，确定是否符合派送场景目标信息，以及确定其中是否包含揽收时上传的目标物体图像中的托寄物确定是否派送合规。
126.上述托寄物处理方法中，采用了计算机视觉对揽收人员、派送人员的操作过程中进行图像采集以及检测和监控，在快递收、派件过程中，上传清晰的包裹照片，进行多次审核，满足消费者灵活的签收意愿；有较灵活的平台适应性，客户端可以使用微信小程序，云端可放在阿里平台或者以及腾讯等云平台；此外，由于建立了包裹、运单号、托寄物照片的三维信息，对快递丢失时，利用图像比对查找具有重要意义。
127.应该理解的是，虽然上述实施例中所涉及的各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例中所涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
128.在一个实施例中，如图10所示，提供了一种托寄物处理装置，包括：接收模块1010、图像获取模块1020、图像检测模块1030和存储模块1040，其中：
129.接收模块1010，用于接收托寄物的寄件信息；
130.图像获取模块1020，用于获取针对托寄物拍摄的目标物体图像；
131.图像检测模块1030，用于对目标物体图像进行图像检测，若目标物体图像满足预设图像要求，生成运单号；
132.存储模块1040，用于将目标物体图像与运单号、寄件信息对应存储。
133.上述托寄物处理装置，接收到托寄物的寄件信息之后，获取揽收人员进行揽收时针对托寄物拍摄的目标物体图像，对目标物体图像进行图像检测，确定目标物体图像是否满足预设图像要求，若满足则可以生成运单号，并将目标物体图像与寄件信息、运单号对应存储起来，完成揽收过程。上述装置在揽收过程中要求上传针对托寄物拍摄的图像，并且在图像满足一定的条件时生成运单号，并将图像与运单号、寄件信息一同存储，在后续的运输
过程、投递过程中若需查找托寄物的具体位置，可结合存储的托寄物图像进行查找，在丢失件时为查找托寄物提供了有利信息。
134.在一个实施例中，上述装置还包括：确认信息发送模块，用于在接收到针对托寄物的派送信息时，根据寄件信息向收件方发送派送场景确认信息；反馈信息接收模块，用于接收基于派送场景确认信息反馈的派送场景目标信息；实际信息获取模块，用于获取派送托寄物时的派送场景实际信息；判断模块，用于若基于派送场景目标信息确定派送场景实际信息符合派送要求，生成托寄物的派送完成信息。
135.在一个实施例中，派送场景实际信息包括：派送场景实际图像；在本实施例中，上述装置还包括：场景分类模块，用于基于通过训练确定的场景分类模型对派送场景图像进行场景分类，确定派送场景实际图像对应的场景类别；上述判断模块还用于：将派送场景实际图像对应的场景与派送场景目标信息进行比对，若派送场景实际图像符合派送场景目标信息，判定派送场景实际图像满足派送要求。
136.在一个实施例中，上述装置的图像检测模块1030包括：托寄物识别单元，用于对目标物体图像进行托寄物识别，得到托寄物识别结果；质量分类单元，用于对目标物体图像进行图像质量分类，得到质量分类结果；判断单元，用于若根据托寄物识别结果确定目标物体图像中包含托寄物，且质量分类结果达到预设质量要求，判定目标物体图像满足预设图像要求。
137.在一个实施例中，上述装置的托寄物识别单元具体用于：基于通过训练确定的目标检测模型对目标物体图像进行托寄物识别。
138.在一个实施例中，上述装置的质量分类单元具体用于：基于通过训练确定的分类网络对目标物体图像进行图像质量分类。
139.在一个实施例中，上述装置还包括：人脸检测模块，用于基于通过训练确定的目标检测模型对目标物体图像进行人脸检测，得到人脸检测结果；模糊处理模块，用于若根据人脸检测结果确定目标物体图像中包含人脸，对人脸检测结果中的人脸区域进行模糊处理。
140.在一个实施例中，上述装置还包括：揽收人员确定模块，用于根据寄件信息确定对应的揽收人员；任务分配模块，用于根据寄件信息生成揽件任务发送至揽收人员的终端。
141.关于托寄物处理装置的具体限定可以参见上文中对于托寄物处理方法的限定，在此不再赘述。上述托寄物处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
142.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储寄件信息、图像信息以及物流信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种托寄物处理方法。
143.本领域技术人员可以理解，图11中示出的结构，仅仅是与本技术方案相关的部分
结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
144.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
145.接收托寄物的寄件信息；获取针对托寄物拍摄的目标物体图像；对目标物体图像进行图像检测，若目标物体图像满足预设图像要求，生成运单号；将目标物体图像与运单号、寄件信息对应存储。
146.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
147.在接收到针对托寄物的派送信息时，根据寄件信息向收件方发送派送场景确认信息；接收基于派送场景确认信息反馈的派送场景目标信息；获取派送托寄物时的派送场景实际信息；若基于派送场景目标信息确定派送场景实际信息符合派送要求，生成托寄物的派送完成信息。
148.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于通过训练确定的场景分类模型对派送场景图像进行场景分类，确定派送场景实际图像对应的场景类别；将派送场景实际图像对应的场景与派送场景目标信息进行比对，若派送场景实际图像符合派送场景目标信息，判定派送场景实际图像满足派送要求。
149.在一个实施例中，处理器执行计算机程序时还实现以下步骤：对目标物体图像进行托寄物识别，得到托寄物识别结果；对目标物体图像进行图像质量分类，得到质量分类结果；若根据托寄物识别结果确定目标物体图像中包含托寄物，且质量分类结果达到预设质量要求，判定目标物体图像满足预设图像要求。
150.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于通过训练确定的目标检测模型对目标物体图像进行托寄物识别。
151.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于通过训练确定的分类网络对目标物体图像进行图像质量分类。
152.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于通过训练确定的目标检测模型对目标物体图像进行人脸检测，得到人脸检测结果；若根据人脸检测结果确定目标物体图像中包含人脸，对人脸检测结果中的人脸区域进行模糊处理。
153.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据寄件信息确定对应的揽收人员；根据寄件信息生成揽件任务发送至揽收人员的终端。
154.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
155.接收托寄物的寄件信息；获取针对托寄物拍摄的目标物体图像；对目标物体图像进行图像检测，若目标物体图像满足预设图像要求，生成运单号；将目标物体图像与运单号、寄件信息对应存储。
156.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：在接收到针对托寄物的派送信息时，根据寄件信息向收件方发送派送场景确认信息；接收基于派送场景确认信息反馈的派送场景目标信息；获取派送托寄物时的派送场景实际信息；若基于派送场景目标信息确定派送场景实际信息符合派送要求，生成托寄物的派送完成信息。
157.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于通过训练确
定的场景分类模型对派送场景图像进行场景分类，确定派送场景实际图像对应的场景类别；将派送场景实际图像对应的场景与派送场景目标信息进行比对，若派送场景实际图像符合派送场景目标信息，判定派送场景实际图像满足派送要求。
158.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对目标物体图像进行托寄物识别，得到托寄物识别结果；对目标物体图像进行图像质量分类，得到质量分类结果；若根据托寄物识别结果确定目标物体图像中包含托寄物，且质量分类结果达到预设质量要求，判定目标物体图像满足预设图像要求。
159.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于通过训练确定的目标检测模型对目标物体图像进行托寄物识别。
160.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于通过训练确定的分类网络对目标物体图像进行图像质量分类。
161.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于通过训练确定的目标检测模型对目标物体图像进行人脸检测，得到人脸检测结果；若根据人脸检测结果确定目标物体图像中包含人脸，对人脸检测结果中的人脸区域进行模糊处理。
162.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据寄件信息确定对应的揽收人员；根据寄件信息生成揽件任务发送至揽收人员的终端。
163.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
164.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
165.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。