[發明專利]基于人工智能深度學習的自動識別物體的方法及其裝置

有效

• 申請號: 201810551326.1
• 申請日: 2018-05-31
• 公開（公告）號: CN108802840B
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 張娜
• 申請（專利權）人: 北京邁格斯智能科技有限公司
• 主分類號: G01V5/00
• 分類號: G01V5/00;G06N3/08
• 代理公司: 11369 北京遠大卓悅知識產權代理事務所(普通合伙)
• 代理人: 湯小東

本發明公開了一種基于人工智能深度學習的自動識別物體的方法及其裝置，其中方法主要包括：由設置在物品識別區域不同方位的X光機采集得到待識別物品的X光圖像；將采集得到的各個方位的X光圖像同時輸入預設的深度學習模型，以提取X光圖像中對應的待識別物品的多維度數據；將多維度數據進行融合，生成多維度數據對應的數據特征；由數據特征中分別提取得到分類特征和位置特征；計算分類特征的置信度值，并將置信度值大于預設的最小值的分類特征和相應的位置特征組合作為識別結果輸出。其利用交叉成像和預設的深度學習模型，將多維采集的圖像合成一路復合圖像，大幅提高了違禁品的識別率，避免漏檢，且實現了安檢的全自動化進行。

技術領域

本發明涉及安檢物體識別技術領域，特別涉及一種基于人工智能深度學習的自動識別物體的方法及其裝置。

背景技術

安檢機，又名安檢儀，包括安檢X光機，行李安檢機，通道式X光機，物檢X光機，X射線安檢儀，X光行李安檢機，X射線檢測儀，X射線異物檢測機，X光安檢機，X光行包檢測儀，三品檢測儀，三品檢查機，三品檢查儀，查危儀。

安檢機廣泛應用于機場、火車站、汽車站、政府機關大樓、大使館、會議中心、會展中心、酒店、商場、大型活動、郵局、學校、物流行業、工業檢測等。目前安檢系統，采用的主要技術是單一成像，人工判讀的辦法，該方法存在效率低下、召回率較低、漏檢率較高、人力成本高等多方面問題，導致安檢效果不佳，安全性差。

針對上述缺陷，專利申請號為201711126618.2的中國專利《安檢檢測方法、裝置、系統及電子設備》中采用了將待識別物品的X光圖像利用預設的深度學習模型提取對應的待檢測物品的物品特征，利用基于預設的深度學習模型訓練的分類器對物品特征進行識別，生成對應待檢測物的識別結果，實現了對違禁品的自動識別檢測，達到了在提高了識別效率的同時，有效保證了對違禁品識別的準確性，預防了安全隱患的發生的技術效果。但是在這一技術方案中雖然利用了深度學習模型實現了對違禁品的自動檢測和識別，但是在這一方案中僅在一個角度上設置了X光機，但是鑒于物品放置的角度的不同，對于不同的物品在同一角度上得到的圖像并無區別，例如對于一把刀，如果它是平面放置，在上方拍攝得到的圖像就是一把刀的樣子，而當同一把刀豎直放置時，在上方拍攝得到的圖像則是一條直線，和一個棍子基本相同，因而使用上述專利公開的技術方案仍然存在檢測和識別錯誤的風險，準確率并不高。

發明內容

本發明的一個目的是解決至少上述問題，并提供至少后面將說明的優點。

本發明還有一個目的是提供一種基于人工智能深度學習的自動識別物體的方法，大幅提高了違禁品的識別率，避免漏檢，且實現了安檢的全自動化進行。

為了實現根據本發明的這些目的和其它優點，提供了一種基于人工智能深度學習的自動識別物體的方法，主要包括以下步驟：

步驟1、由設置在物品識別區域不同方位的X光機采集得到待識別物品的X光圖像；

步驟2、將采集得到的各個方位的X光圖像同時輸入預設的深度學習模型，以提取所述X光圖像中對應的待識別物品的多維度數據；

步驟3、將步驟2得到的多維度數據進行融合，生成多維度數據對應的數據特征；

步驟4、由步驟3得到的數據特征中分別提取得到分類特征和位置特征；

步驟5、計算步驟4得到的分類特征的置信度值，并將置信度值大于預設的最小值的分類特征和相應的位置特征組合作為識別結果輸出。

優選的是，所述的基于人工智能深度學習的自動識別物體的方法中，至少在所述物品識別區域的頂部和一側設置有X光機，且設置的所述X光機均位于同一橫切面上。

優選的是，所述的基于人工智能深度學習的自動識別物體的方法中，所述深度學習模型為基于卷積神經網絡的深度學習模型，且通過各種違禁品的樣本數據訓練得到。