集装箱导轨跨越检测方法、装置、存储介质及电子设备与流程

1.本发明涉及检测技术领域，尤其涉及一种集装箱导轨跨越检测方法、装置、存储介质及电子设备。


背景技术：

2.目前，集装箱通过导轨进行运输，当集装箱在导轨上前进时，存在人员跨越导轨而引起危险发生的问题。因此，在运输集装箱的过程中，需要禁止人员在导轨上跨越。
3.为了防止人员跨越集装箱导轨，目前都是基于人工肉眼观察预警。然而，这种通过人眼肉眼观察的方法效率低，人工成本高。


技术实现要素：

4.本技术实施例的目的是提供一种能够解决上述现有技术中存在的问题的集装箱导轨跨越方法、装置、存储介质及电子设备。
5.为了实现上述目的，根据本技术的一个方面，提供了一种集装箱导轨跨越检测方法，包括：
6.获取集装箱运输现场图像；
7.从所述集装箱运输现场图像中提取第一预设roi区域的图像，所述第一预设roi区域为集装箱导轨区域；
8.检测所述第一预设roi区域的图像是否存在集装箱挂钩；
9.当检测到存在所述集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体；
10.当检测到存在所述人体时，确定所述人体是否位于第二预设roi区域中，所述第二预设roi区域为所述集装箱导轨之间的集装箱运输区域。
11.可选的，
12.所述确定所述人体是否位于第二预设roi区域，包括：
13.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
14.获取第一坐标点；
15.当所述第一坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
16.其中，所述第一坐标点选自所述第一区域的第一坐标集合、所述第一区域的第二坐标集合和所述第一区域的第三坐标集合中的至少一个坐标点，所述第一区域的所述第一坐标集合位于所述第一区域的左下部，所述第一区域的所述第二坐标集合位于所述第一区域的右下部，所述第一区域的所述第三坐标集合位于所述第一区域的中部。
17.可选的，
18.所述确定所述人体是否位于第二预设roi区域，包括：
19.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
20.从所述第一区域的图像提取人脚所在的第二区域；
21.获取第二坐标点；
22.当所述第二坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
23.其中，所述第二坐标点选自所述第二区域的第一坐标集合、所述第二区域的第二坐标集合和所述第一区域的第一坐标集合中的至少一个坐标点，所述第二区域的所述第一坐标集合位于所述第二区域的左下部，所述第二区域的所述第二坐标集合位于所述第二区域的右下部，所述第一区域的所述第一坐标集合位于所述第一区域的中部。
24.可选的，
25.所述检测所述第一预设roi区域的图像是否存在集装箱挂钩，包括：
26.利用第一目标检测模型对所述第一预设roi区域进行第一目标检测，所述第一目标检测用于检测所述第一预设roi区域的图像是否存在所述集装箱挂钩；
27.所述检测所述集装箱运输现场图像是否存在人体，包括：
28.利用所述第一目标检测模型对所述集装箱运输现场图像进行第二目标检测，所述第二目标检测用于检测所述集装箱运输现场图像是否存在所述人体。
29.可选的，
30.在利用第一目标检测模型对所述第一预设roi区域进行第一目标检测之前，还包括：
31.建立第一训练集，所述第一训练集的每一个样本图像同时包括所述集装箱挂钩和所述人体；
32.利用所述第一训练集对深度学习模型进行训练，得到所述第一目标检测模型。
33.可选的，
34.所述从所述第一区域的图像提取人脚所在的第二区域，包括：
35.利用第二目标检测模型对所述第一区域进行第三目标检测，以从所述第一区域的图像提取所述人脚所在的所述第二区域；
36.在所述利用第二目标检测模型对所述第一区域进行第三目标检测之前，还包括：
37.建立第二训练集，所述第二训练集的每一个样本图像包括所述人脚；
38.利用所述第二训练集对深度学习模型进行训练，得到所述第二目标检测模型。
39.可选的，
40.当确定所述人体位于所述第二预设roi区域中时，发出预警信号。
41.根据本技术的一个方面，提供了一种集装箱导轨跨越检测装置，包括：
42.提取模块，用于获取集装箱运输现场图像；以及
43.从所述集装箱运输现场图像中提取第一预设roi区域的图像，所述第一预设roi区域为集装箱导轨区域；
44.检测模块，用于检测所述第一预设roi区域的图像是否存在集装箱挂钩；以及
45.当检测到存在所述集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体；
46.当检测到存在所述人体时，确定所述人体是否位于第二预设roi区域中，所述第二预设roi区域为所述集装箱导轨之间的集装箱运输区域。
47.可选的，
48.所述确定所述人体是否位于第二预设roi区域，包括：
49.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
50.获取第一坐标点；
51.当所述第一坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
52.其中，所述第一坐标点选自所述第一区域的第一坐标集合、所述第一区域的第二坐标集合和所述第一区域的第三坐标集合中的至少一个坐标点，所述第一区域的所述第一坐标集合位于所述第一区域的左下部，所述第一区域的所述第二坐标集合位于所述第一区域的右下部，所述第一区域的所述第三坐标集合位于所述第一区域的中部。
53.可选的，
54.所述确定所述人体是否位于第二预设roi区域，包括：
55.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
56.从所述第一区域的图像提取人脚所在的第二区域；
57.获取第二坐标点；
58.当所述第二坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
59.其中，所述第二坐标点选自所述第二区域的第一坐标集合、所述第二区域的第二坐标集合和所述第一区域的第一坐标集合中的至少一个坐标点，所述第二区域的所述第一坐标集合位于所述第二区域的左下部，所述第二区域的所述第二坐标集合位于所述第二区域的右下部，所述第一区域的所述第一坐标集合位于所述第一区域的中部。
60.可选的，
61.所述检测所述第一预设roi区域的图像是否存在集装箱挂钩，包括：
62.利用第一目标检测模型对所述第一预设roi区域进行第一目标检测，所述第一目标检测用于检测所述第一预设roi区域的图像是否存在所述集装箱挂钩；
63.所述检测所述集装箱运输现场图像是否存在人体，包括：
64.利用所述第一目标检测模型对所述集装箱运输现场图像进行第二目标检测，所述第二目标检测用于检测所述集装箱运输现场图像是否存在所述人体。
65.可选的，
66.在利用第一目标检测模型对所述第一预设roi区域进行第一目标检测之前，还包括：
67.建立第一训练集，所述第一训练集的每一个样本图像同时包括所述集装箱挂钩和所述人体；
68.利用所述第一训练集对深度学习模型进行训练，得到所述第一目标检测模型。
69.可选的，
70.所述从所述第一区域的图像提取人脚所在的第二区域，包括：
71.利用第二目标检测模型对所述第一区域进行第三目标检测，以从所述第一区域的图像提取所述人脚所在的所述第二区域；
72.在所述利用第二目标检测模型对所述第一区域进行第三目标检测之前，还包括：
73.建立第二训练集，所述第二训练集的每一个样本图像包括所述人脚；
74.利用所述第二训练集对深度学习模型进行训练，得到所述第二目标检测模型。
75.可选的，
76.当确定所述人体位于所述第二预设roi区域中时，发出预警信号。
77.根据本技术的一个方面，提供一种存储介质，其特征在于，用于存储一种用于执行上述的集装箱导轨跨越检测方法的计算机程序。
78.根据本技术的一个方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时上述的集装箱导轨跨越检测方法。
79.在本技术实施例中，通过对集装箱运输现场图像进行自动监测，与人眼肉眼观察的方法相比，大大提高了效率，减小了人工成本。此外，由于仅检测到集装箱挂钩挂在集装箱导轨的情况下检测人体，所以大大简化了检测过程。而且，由于是在第一预设roi区域的图像而不是整个集装箱运输现场图像中检测集装箱挂钩，所以大大缩小了检测挂钩的区域，减小了其他背景的干扰，能够大幅度提高挂钩的识别率。
附图说明
80.图1是本技术实施例一提供的集装箱导轨跨越检测方法的流程示意图；
81.图2是图1中步骤s4的示例性流程示意图；
82.图3为人脚和挂钩检测图；
83.图4为挂钩检测图；
84.图5为第一预设roi区域、所述第二预设roi区域标注图；
85.图6为本技术实施例二提供的集装箱导轨跨越检测方法的流程示意图；
86.图7是本技术的目标检测装置的结构示意图；
87.图8是电子设备的结构示意图。
具体实施方式
88.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
89.需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
90.此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
91.参考图1，图1示出了一种集装箱导轨跨越检测方法实施例一的步骤流程图，可以包括如下步骤：
92.s1.获取集装箱运输现场图像，从所述集装箱运输现场图像中提取第一预设roi区域的图像，所述第一预设roi区域为集装箱导轨区域；
93.s2.检测所述第一预设roi区域的图像是否存在集装箱挂钩；
94.s3.当检测到存在所述集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体。
95.在具体实现中，若检测到第一预设roi区域的图像不存在集装箱挂钩，则结束检测过程。
96.s4.当存在所述人体，确定所述人体是否位于第二预设roi区域，所述第二预设roi区域为所述集装箱导轨之间的集装箱运输区域。
97.发明人在研发过程中，认识到在集装箱的运输过程中，需要将集装箱挂钩挂在导轨上。也就是说，当集装箱挂钩没有挂在导轨上时，集装箱没有进行运输。基于这一认识，发明人首先提出了仅在检测到集装箱挂钩挂在集装箱导轨的情况下检测人体的检测方法。由于在检测到集装箱挂钩没有挂在集装箱导轨的情况下，无需继续进行人体检测，所以大大简化了检测过程。
98.一些实施方式中，所述第一预设roi区域、所述第二预设roi区域可以在实际检测场景区域预先标注，由于采集集装箱运输现场图像的相机位置不变，因此，将实际检测场景区域的第一预设roi区域、所述第二预设roi区域位置经过世界坐标系-相机坐标系转换，相机坐标系-图像坐标系的转换，在集装箱运输现场图像的位置可以预先确定。在具体实现中，第一预设roi区域、第二预设roi区域只需要根据实际应用场景具体设置即可。
99.图2是图1中步骤s4的示例性流程示意图，在一些实施例中，若检测到存在所述人体，所述确定所述人体是否位于第二预设roi区域，具体包括：
100.s401.在所述集装箱运输现场图像中标识出所述人体所在的第一区域。
101.s402.获取第一坐标点，当所述第一坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
102.其中，所述第一坐标点选自所述第一区域的第一坐标集合、所述第一区域的第二坐标集合和所述第一区域的第三坐标集合中的至少一个坐标点，所述第一区域的所述第一坐标集合位于所述第一区域的左下部，所述第一区域的所述第二坐标集合位于所述第一区域的右下部，所述第一区域的所述第三坐标集合位于所述第一区域的中部。
103.在具体实现中，可以理解的是，第一区域为自集装箱运输现场图像中标识出的人体框区域，所述第一坐标点选自人体所在的第一区域的第一坐标集合、第二坐标集合以及第三坐标集合中的至少一个坐标点，即第一坐标点为人体框的左下部的坐标点、人体框的右下部的坐标点或者人体框中部的坐标点。在此种情况下，只要确定人体框的左下部的坐标点、右下部的坐标点或者中部的坐标点至少有一个点位于第二预设roi区域，就可以确定人体位于第二预设roi区域。
104.在一些实施例中，还提供了另外一种确定所述人体位于第二预设roi区域的实现方式，具体如下：
105.s403.从所述第一区域的图像中提取人脚所在的第二区域；
106.s404.获取第二坐标点，当所述第二坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
107.其中，所述第二坐标点选自所述第二区域的第一坐标集合、所述第二区域的第二坐标集合和所述第一区域的第一坐标集合中的至少一个坐标点，所述第二区域的所述第一坐标集合位于所述第二区域的左下部，所述第二区域的所述第二坐标集合位于所述第二区域的右下部，所述第一区域的所述第一坐标集合位于所述第一区域的中部。
108.在具体实现中，可以理解的是，第一区域为自集装箱运输现场图像中标识出的人体框区域，从第一区域的图像中提取人脚所在的第二区域，即第二区域为自人体框中框选出的人脚框区域，第二坐标点选自第二区域的第一坐标集合、第二坐标集合以及第一区域的第一坐标集合中的至少一个坐标点，第二区域的第一坐标集合位于第二区域的左下部，第二区域的第二坐标集合位于第二区域的右下部，第一区域的第一坐标集合位于第一区域的中部，即第二区域的第一坐标集合为人脚框的左下部坐标点集合，第二坐标集合为右下部坐标点集合；第一区域的第一坐标集合为人体框的中部的坐标点集合。与上述通过确定人体框的左下部的坐标点、右下部的坐标点或者中心坐标点至少有一个点位于第二预设roi区域，就可以确定人体位于第二预设roi区域的情况不同，此时将人脚框与人体框结合，通过确定人脚框的左下部的坐标点、右下部的坐标点或者人体框中部的坐标心点是否至少有一个点(即第二坐标点)位于第二预设roi区域，从而确定人体位于第二预设roi区域。
109.在具体实现中，所述从所述第一区域的图像中提取人脚所在的第二区域，包括：
110.利用第二目标检测模型对所述第一区域进行第三目标检测，以从所述第一区域的图像提取所述人脚所在的所述第二区域；
111.在所述利用第二目标检测模型对所述第一区域进行第三目标检测之前，还包括：
112.建立第二训练集，所述第二训练集的每一个样本图像包括所述人脚；
113.利用所述第二训练集对深度学习模型进行训练，得到所述第二目标检测模型。
114.本实施例中，在检测到存在人体的情况，从人体中进一步提取人脚作为特征，单独建立人脚的训练集，利用所述人脚的训练集对深度学习模型进行训练，得到所述第二目标检测模型，以利用第二目标检测模型对所述第一区域进行第三目标检测，即进行人脚检测，从所述第一区域的图像提取所述人脚所在的所述第二区域。
115.需要理解的是，在上述各实施例中，第一预设roi区域为所述集装箱运输现场图像中表征全部或部分导轨区段的区域，其可以包括所述集装箱运输现场图像中全部或部分导轨区段的图像部分，还可以包括附近的图像部分，其中，若第一预设roi区域为矩形的，则附近的图像部分，可理解为适于通过矩形框定的内容，该矩形由表征全部全部或部分导轨区段的区域，以及附近的图像部分组成。类似的，所述第二预设roi区域为集装箱在导轨运行方向上的全部或部分导轨区段的图像部分，其可以包括所述集装箱运输现场图像中全部或部分导轨区段的图像部分，还可以包括附近的图像部分，其中，若第二预设roi区域为矩形的，则附近的图像部分，也可理解为适于通过矩形框定的内容，该矩形由表征全部全部或部分导轨区段的区域，以及附近的图像部分组成。类似的，第一区域与第二区域也可以为矩形框，本技术中不对此具体限定。
116.如图3、图4、图5所示，图3为人脚和挂钩检测图，图4为挂钩检测图，图5为第一预设roi区域、所述第二预设roi区域标注图。通过在所述集装箱运输现场图像中提取第一预设
roi区域的图像，检测所述第一预设roi区域的图像是否存在集装箱挂钩，然后当检测存在集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体。当检测存在人体时，通过提取人体的特征人脚，即当检测到人脚时，根据人脚确定的第二区域，通过检测第二区域或第一区域的坐标点是否在第二预设roi区域内，判断人体是否在第二预设roi区域内；当未检测到人脚时，则根据人体确定的第一区域，通过检测第一区域的第一坐标点是否在第二预设roi区域内，判断人体是否在第二预设roi区域内。该方法通过预先设定第一预设roi区域、第二预设roi区域，大大缩减了目标检测的区域，减小了其他背景的干扰，大幅度提高了对集装箱挂钩、人体的识别率。同时，对于人脚的检测，由于是通过人体中提取的特征，可以经过深度学习网络等算法有针对地对人脚进行学习，避免了除人体外其他背景的干扰，提高了目标检测的准确率。
117.该方法通过集装箱挂钩、人体、以及人脚的三模态检测过程，通过深度学习学习集装箱挂钩、人体、以及人脚的特征，通过算法逻辑判断代替人工进行实时判断预警，能够有效解决人工肉眼判断预警效率低和预警成本高的问题。同时，上述集装箱导轨跨越检测方法可以应用至各种不同的场景，只需要将第一预设roi区域、所述第二预设roi区域、以及集装箱挂钩、人体、人脚根据实际应用场景具体设置，对此本实施例并不做具体限定。
118.参考图6，图6示出了一种集装箱导轨跨越检测方法实施例二的步骤流程图，可以包括如下步骤：
119.s1.在所述集装箱运输现场图像中提取第一预设roi区域的图像。
120.s2.检测所述第一预设roi区域的图像是否存在集装箱挂钩。
121.在具体实现中，所述检测所述第一预设roi区域的图像是否存在集装箱挂钩，包括：
122.s201.利用第一目标检测模型对所述第一预设roi区域进行第一目标检测，所述第一目标检测用于检测所述第一预设roi区域的图像是否存在所述集装箱挂钩。
123.s3.当存在集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体。
124.在具体实现中，所述检测所述集装箱运输现场图像是否存在人体，包括：
125.s301.在确定所述第一预设roi区域的图像存在集装箱挂钩的情况下，利用第一目标检测模型对所述集装箱运输现场图像进行第二目标检测，所述第二目标检测用于检测所述集装箱运输现场图像是否存在所述人体，也即人体为待检测的第二目标。
126.在利用第一目标检测模型对所述第一预设roi区域进行第一目标检测之前，还包括：
127.建立第一训练集，所述第一训练集的每一个样本图像同时包括所述集装箱挂钩和所述人体；
128.利用所述第一训练集对深度学习模型进行训练，得到所述第一目标检测模型。
129.本实施例中将所述集装箱挂钩与人体结合，建立第一目标检测模型，即第一目标检测模型可以对集装箱挂钩数据进行检测，也可以对人体数据进行检测，以节省训练成本。
130.在具体实现中，对于深度学习模型可以采用yolov5、yolov3、yolov4、r-cnn或faster r-cnn等，本技术不做具体限定。
131.s4.当存在所述人体，确定所述人体是否位于第二预设roi区域。
132.本实施例在上述实施例一的基础上，进一步对集装箱挂钩、人体、人脚的深度学习
进行限定，将所述集装箱挂钩与人体结合，建立第一目标检测模型，即第一目标检测模型可以对集装箱挂钩数据进行检测，也可以对人体数据进行检测，以节省训练成本。
133.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
134.参照图7，图7示出了一种集装箱导轨跨越检测装置300，其可实现通过如图1、图2、图6所示的集装箱导轨跨越检测方法，至少包括提取模块301、检测模块302，即具体为：
135.一种集装箱导轨跨越检测装置，包括：
136.提取模块301，用于获取集装箱运输现场图像；以及
137.从所述集装箱运输现场图像中提取第一预设roi区域的图像，所述第一预设roi区域为集装箱导轨区域；
138.检测模块302，用于检测所述第一预设roi区域的图像是否存在集装箱挂钩；以及
139.当检测到存在所述集装箱挂钩时，检测所述集装箱运输现场图像是否存在人体；
140.当检测到存在所述人体时，确定所述人体是否位于第二预设roi区域中，所述第二预设roi区域为所述集装箱导轨之间的集装箱运输区域。
141.可选的，
142.所述确定所述人体是否位于第二预设roi区域，包括：
143.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
144.获取第一坐标点；
145.当所述第一坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
146.其中，所述第一坐标点选自所述第一区域的第一坐标集合、所述第一区域的第二坐标集合和所述第一区域的第三坐标集合中的至少一个坐标点，所述第一区域的所述第一坐标集合位于所述第一区域的左下部，所述第一区域的所述第二坐标集合位于所述第一区域的右下部，所述第一区域的所述第三坐标集合位于所述第一区域的中部。
147.可选的，
148.所述确定所述人体是否位于第二预设roi区域，包括：
149.在所述集装箱运输现场图像标识出所述人体所在的第一区域；
150.从所述第一区域的图像提取人脚所在的第二区域；
151.获取第二坐标点；
152.当所述第二坐标点位于所述第二预设roi区域时，确定所述人体位于第二预设roi区域，
153.其中，所述第二坐标点选自所述第二区域的第一坐标集合、所述第二区域的第二坐标集合和所述第一区域的第一坐标集合中的至少一个坐标点，所述第二区域的所述第一坐标集合位于所述第二区域的左下部，所述第二区域的所述第二坐标集合位于所述第二区域的右下部，所述第一区域的所述第一坐标集合位于所述第一区域的中部。
154.可选的，
155.所述检测所述第一预设roi区域的图像是否存在集装箱挂钩，包括：
156.利用第一目标检测模型对所述第一预设roi区域进行第一目标检测，所述第一目标检测用于检测所述第一预设roi区域的图像是否存在所述集装箱挂钩；
157.所述检测所述集装箱运输现场图像是否存在人体，包括：
158.利用所述第一目标检测模型对所述集装箱运输现场图像进行第二目标检测，所述第二目标检测用于检测所述集装箱运输现场图像是否存在所述人体。
159.可选的，
160.在利用第一目标检测模型对所述第一预设roi区域进行第一目标检测之前，还包括：
161.建立第一训练集，所述第一训练集的每一个样本图像同时包括所述集装箱挂钩和所述人体；
162.利用所述第一训练集对深度学习模型进行训练，得到所述第一目标检测模型。
163.可选的，
164.所述从所述第一区域的图像提取人脚所在的第二区域，包括：
165.利用第二目标检测模型对所述第一区域进行第三目标检测，以从所述第一区域的图像提取所述人脚所在的所述第二区域；
166.在所述利用第二目标检测模型对所述第一区域进行第三目标检测之前，还包括：
167.建立第二训练集，所述第二训练集的每一个样本图像包括所述人脚；
168.利用所述第二训练集对深度学习模型进行训练，得到所述第二目标检测模型。
169.可选的，
170.当确定所述人体位于所述第二预设roi区域中时，发出预警信号。
171.本技术还提供一种存储介质，用于存储用于执行如图1、图2、图6所述任意一种集装箱导轨跨越检测方法的计算机程序。例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法和/或技术方案。而调用本技术的方法的程序指令，可能被存储在固定的或可移动的存储介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的存储介质中。
172.在此，根据本技术的一个实施例包括一个如图8所示的电子设备400，在一些实施方式中，包括用于存储计算机程序的存储介质401和用于执行计算机程序的处理器402，其中，当该计算机程序被该处理器执行时，触发该电子设备执行基于前述多个实施例中的方法和/或技术方案。电子设备400可实现为通用计算机设备或者专用检测设备。
173.需要注意的是，本技术的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本技术的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。根据本技术的日程提醒方法可以作为计算机实现方法在计算机上实现，用于根据本技术的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。在一些实施方式中，计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本技术的方法的非临时程序代码部件。
174.当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变
形都应属于本发明所附的权利要求的保护范围。