[發(fā)明專利]一種基于X光圖像前景目標(biāo)提取的物品甄別方法

在審

• 申請?zhí)枺?/td>: 201810074470.0
• 申請日: 2018-01-25
• 公開（公告）號: CN108288279A
• 公開（公告）日: 2018-07-17
• 發(fā)明（設(shè)計）人: 張滸;關(guān)慶佳;瞿磊;王東;艾安娜
• 申請（專利權(quán)）人: 盛視科技股份有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/136;G06N3/04;G06N3/08
• 代理公司: 深圳市蘭鋒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44419
• 代理人: 曹明蘭

本發(fā)明公開了一種基于X光圖像前景目標(biāo)提取的物品甄別方法，其包括有如下步驟：步驟S1，導(dǎo)入X光機圖片；步驟S2，利用深度卷積神經(jīng)網(wǎng)絡(luò)獲取圖片的特征圖；步驟S3，根據(jù)特征圖譜的特征進行分類，獲取特征圖中前景的特征點；步驟S4，獲取前景的候選框，以及候選框所對應(yīng)的位置；步驟S5，經(jīng)過全連接網(wǎng)絡(luò)對前景進行分類，得到不同的前景類別；步驟S6，獲取預(yù)測的前景物體，以及前景物體的預(yù)測位置。本發(fā)明不僅能自主獲取特征，還能獲取同一物體經(jīng)過空間變換之后的特征，準確、有效地甄選出目標(biāo)物體在圖片中的位置。

技術(shù)領(lǐng)域

本發(fā)明涉及X光圖像的甄別方法，尤其涉及一種基于X光圖像前景目標(biāo)提取的物品甄別方法。

背景技術(shù)

安檢作業(yè)是鐵路運輸安全至關(guān)重要的一步，X光安檢機是該環(huán)節(jié)中的關(guān)鍵設(shè)備，但是長期以來，都是人工看圖識別，員工上崗前要經(jīng)過相對長時間的培訓(xùn)，同時人工作業(yè)會在疲勞的時候產(chǎn)生誤檢和漏檢。X光機的模式識別系統(tǒng)通過圖像處理與識別的過程以及智能識別系統(tǒng)，解決一線安檢人員不足、過度勞累的問題，以及因此而產(chǎn)生的誤檢和漏檢等問題；消除和減少安全隱患，同時實現(xiàn)減員增效，降低對于人員素質(zhì)要求，縮短上崗前的培訓(xùn)周期，直接勝任物品安檢崗位。

目前，對于X光機圖像甄別的方式，大多采用傳統(tǒng)的圖像處理的方式，通過對獲取的x光機數(shù)字圖像進行處理，獲取某些特征，再根據(jù)特征進行分類，以此來甄別物體，但是這樣的檢測精度較低，對于金屬等x光難以穿透的物體，有一定的效果，其它如紡織物、有機物等顏色較淺的物體，比較難以獲取特征，同時由于提取特征的方法均是人為確定某一種特征，例如SURF特征，SIFT特征等，并不能很好的對所需要甄選的物體匹配、獲取，甚至將其他物體也檢測錯誤的概率非常高。另一種方法則是通過對X光機圖片進行銳化、灰度、膨脹等處理之后，利用邊緣檢測的方法獲取所要甄別的物體的外觀，最后通過SVM等分類算法對物體進行分類處理。

現(xiàn)有技術(shù)中，一種常見的圖像甄別方法是：對含有需要甄選的目標(biāo)物的X光機圖片進行去噪，降低圖片的噪點，再對圖像進行變換，例如傅里葉變換、直方圖變換、離散余弦變換等，對變換之后的圖片去掉不相關(guān)的地方，再回到原圖上對圖片做比對增強、銳化等處理之后，根據(jù)自己的需求以及理解選擇合適的特征表示方式，對圖片提取自己想要的特征，作為模板，或是作為訓(xùn)練樣本訓(xùn)練SVM的分類器。當(dāng)出現(xiàn)一張X光機圖片之后，對圖片做相同的處理，與模板進行匹配，或是送到已經(jīng)訓(xùn)練好的SVM分類器進行分類，可以得到想要的結(jié)果。

另一種常見的圖像甄別方法是：對含有需要甄別的目標(biāo)物的X光機圖片進行銳化、平滑處理，之后就能行邊緣增強，在進行濾波處理之后對此圖片進行梯度算子的獲取，獲取梯度算子的方式可以有很多，例如Canny算子，Sobel算子，Roberts算子等，同時也可以一次性獲取多個不同算子的梯度圖，或是獲取通過不同圖像處理方式的同一種梯度算子圖，根據(jù)提取到的梯度算子圖獲取所需甄別的邊緣輪廓，作為模板，或是利用這些已知的輪廓進行訓(xùn)練SVM分類器，在后續(xù)使用的上采用同樣的處理方式，與現(xiàn)有模板進行匹配獲取結(jié)果，或是利用SVM對其進行分類。

但是，在實際應(yīng)用過程中，旅客行李的多樣性，導(dǎo)致X光機圖片中的所需要甄別的物體呈現(xiàn)多樣性，多變性。具體表現(xiàn)在對于每一個物體，在X光機圖像中的位置不同，空間位置不同、照射角度不同導(dǎo)致圖片中同一物體的外形差異較大，同時由于X光機本身強大的穿透性的特點，會丟失很多物體的細節(jié)信息，不同物體在穿透后對不同物體形成的不同顏色會出現(xiàn)疊加的現(xiàn)象，更加使得甄別指定物體非常的難。

以上的兩種方法目前存在的問題都是面對復(fù)雜多變的行李，沒有很好的泛化能力，同時也有很大的誤檢，其原因是，所提取的特征或者是輪廓可能又許多的相似物品，這相似性或是由于多個物體疊加形成的，或是由于行李中物品的多樣性導(dǎo)致的，最終會使得大量的誤檢。而漏檢的原因是因為多個行李疊加，導(dǎo)致其選定的特征沒有了或者是輪廓失真，也有可能是空間位置的變換，導(dǎo)致特定角度下，這個物品無法被識別。同時，以上兩個方法本身對于提取特征的方式比較機械化，同時存在人為的因素導(dǎo)致所選擇的圖像處理方式或是特征提取的方式存在不合理的情況，這也是會嚴重影響到最后的結(jié)果。