[發明專利]基于Faster R-CNN的物品檢測方法及系統在審

申請號：	201911270179.1	申請日：	2019-12-11
公開（公告）號：	CN111144238A	公開（公告）日：	2020-05-12
發明（設計）人：	王璐;程秋菊;陳國平;裴一峰	申請（專利權）人：	重慶郵電大學
主分類號：	G06K9/00	分類號：	G06K9/00;G06K9/46;G06N3/04
代理公司：	重慶輝騰律師事務所 50215	代理人：	王海軍
地址：	400065 重***	國省代碼：	重慶;50
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于 faster cnn 物品檢測方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明涉及三維毫米波安檢成像系統中物品識別領域，具體涉及一種基于Faster R?CNN的物品檢測方法，該方法包括：獲取待檢測的毫米波圖像；將預處理后的圖像輸入深度卷積神經網絡VGG19中，提取毫米波圖像的特征，生成特征圖；選取候選區域提取網絡的矩形候選區域，并將矩形候選區域射在特征圖上，得到映射圖；將特征圖和映射圖輸入到分類回歸網絡中，得到候選區域對應各類別的置信度和修正參數；根據各類別的置信度和修正參數判斷物品的類別；本發明通過對分類回歸網絡的優化，即采用Inception Module模塊并結合LeNet?5的結構構建特征提取網絡模型，使得分類算法更簡便有效，提高了檢測的效率和質量。

技術領域

本發明涉及三維毫米波安檢成像系統中物品識別領域，具體涉及一種基于FasterR-CNN的物品檢測方法及系統。

背景技術

隨著社會經濟的發展，在大量流動的人口為世界各國的經濟建設做出巨大的貢獻，公共場所人員的安全檢查也變得尤為重要。因此，各國開始廣泛研究和應用檢測快速且對人體無害的毫米波安檢設備，而圖像目標檢測和識別分類是安檢系統中必不可缺的組成部分。一種高效快速的物品識別方法可以更快，更加精準的識別危險物品，節約成本，防止漏檢帶來的意外。

現有技術中，毫米波圖像的目標檢測與識別技術就是從圖像中檢測出特定目標，形式：基于靜態圖像的目標檢測。其難點在于背景多變，以及待測目標形狀、大小各異。例如專利申請號為201910065349.6的《一種基于Faster R-CNN的坦克裝甲目標檢測方法》這篇專利公開了根據研究對象的相關復雜特性，選取基于深度卷積神將網絡的目標檢測模型Faster R-CNN作為目標檢測算法，并從輸入特征圖的路徑來改進算法Faster R-CNN，從而提高了檢測的準確率。

但是，由于Faster R-CNN模型在進行特征提取以及圖像分類時，計算量較大，不能高效的對物品進行識別。

發明內容

為解決以上現有技術的問題，本發明提出了一種基于Faster R-CNN的物品檢測方法，包括：

S1：獲取待檢測的毫米波圖像，并對毫米波圖像進行預處理；

S2：將預處理的毫米波圖像輸入到改進的Faster R-CNN模型中進行檢測；

S3：根據改進的Faster R-CNN模型檢測到的各類別的置信度和修正參數判斷物品的類別和物品所處的位置；

S4：對物品所處的位置進行標記，并將物品類別和所處位置在電腦上顯示出來；

步驟S2中進行檢測的過程包括：

S21：將預處理后的毫米波圖像輸入深度卷積神經網絡VGG19中，提取毫米波圖像的特征，生成特征圖；

S22：選取候選區域提取網絡的矩形候選區域，并將矩形候選區域映射在特征圖上，得到映射圖；

S23：將特征圖和映射圖輸入到分類回歸網絡中，得到候選區域對應各類別的置信度和修正參數；

在進行分類過程中，采用Inception Module模塊并結合LeNet-5的結構構建特征提取網絡模型；采用DepthWise可分離卷積技術將分類回歸網絡中的普通卷積拆分為區域和通道兩個部分，并在這兩個部分中進行卷積計算。