随着计算机技术和人工智能技术的飞速发展,现代物流业也更偏向于智能化管理。在物流仓储安全方面,结合计算机视觉技术,开发设计物流仓储安全智能监控管理系统,系统有效及时地对物流仓储人员的不安全行为进行预警处理,对提高物流仓储安全管理水平具有重要的实际意义。本文主要对物流仓储中异常目标的检测与跟踪算法,不安全行为识别算法进行了研究。针对传统目标跟踪算法在目标被遮挡后不能准确跟踪的问题,提出了一种基于差分YOLO检测和Camshift的混合跟踪算法。建立了基于YOLO网络结构的目标检测模型,利用YOLO算法确定目标位置并初始化目标跟踪窗口。根据目标的位置信息,使用Camshift算法对后续的视频帧进行处理,并更新每帧的目标,从而可以不断调整跟踪窗口位置以适应目标的运动。其次,基于YOLO检测和Camshift的混合跟踪算法,融合OpenPose算法提取人体骨骼序列。将人体关节位置作为原始特征,对特征进行预处理,从原始关节位置手动设计特征,然后提取特征来区分人员摔倒的动作类型。对采集到的物流仓储企业视频片段进行了实验,并在视频数据集上对实验结果进行了比较,实验表明该融合算法具有较好的鲁棒性和实际应用价值。为了实现本文融合算法研究在物流仓储企业环境中的实际应用,构建了物流仓储安全智能监控管理系统,并将提出的算法应用到系统中。设计了系统的功能结构,包括异常行为管理、监控信息管理、系统设置、综合统计查询等功能,实现了对物流仓储监控视频数据的采集、分析和处理。该系统具有智能化、实时性的特点,可以对物流仓储中的异常人员和异常行为进行自动分析和预警,可以大大提高物流仓储人员作业的安全性,提高物流仓储企业的安全管理水平。系统有利于物流仓储企业实时监控数据采集;有利于持续动态监测;有利于降低物流仓储企业安全事故风险,提高安全效率。因此,推广应用后具有良好的经济效益和社会效益。图19表4参71