[發明專利]可疑物品自動檢測方法、終端設備、計算機設備及介質

在審

• 申請號: 201911336124.6
• 申請日: 2019-12-23
• 公開（公告）號: CN111260607A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 姜元;熊娣;陳振洪;溫鑫
• 申請（專利權）人: 北京無線電計量測試研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

本發明公開了一種可疑物品自動檢測方法、終端設備、計算機設備及介質，該檢測方法包括：將多張待測圖像輸入目標檢測網絡模型，得到可疑物品的候選框及置信度c；融合所述待測圖像中的可疑物品候選框，以確定對應于同一可疑物品的候選框個數；累加所述待測圖像中每個可疑物品分別對應的候選框置信度以計算每個可疑物品分別對應的加權置信度c’；將每個可疑物品的加權置信度c’與預設門限閾值T進行比較，并在c’≥T時輸出可疑物品對應的候選框。本發明所述技術方案通過利用目標檢測網絡模型進行待測圖像的可疑物品檢測，具有較高的檢測精度以及有效抑制虛警。

技術領域

本發明涉及可疑物品自動檢測領域，具體涉及一種可疑物品自動檢測方法、終端設備、計算機設備及介質。

背景技術

近年來，深度神經網絡在圖像目標檢測領域發揮越來越重要的作用，具有端對端的特性，經過合適的訓練，深度神經網絡能夠學習到可疑物品的深層次特征并給出輸入圖像中的可疑物品位置和屬性。FasterRCNN作為目標檢測方法的代表，對人體藏匿可疑物品有著優異的檢測性能。深度神經網絡的性能依賴于海量的訓練數據。訓練數據越多，覆蓋范圍越廣，越能訓練出性能優異的檢測模型。然而，實際場景中，訓練數據的采集需要大量的時間及人力成本，對物品的標注也需要高昂的費用。

目前安檢領域的研究熱點是基于毫米波進行檢查，由于毫米波成像能夠穿透衣物，且對人體無害，可以有效檢測出藏匿在人體表層的可疑物品，如手槍、爆炸物、液體等。其中基于毫米波的主動式人體安檢系統因其受環境因素影響小、圖像信噪比高等優點而被廣泛應用。

盡管如此，基于毫米波圖像的可疑物品探測仍然存在問題。毫米波成像本身容易受到噪聲的干擾，使得圖像中出現明顯的紋理、雜波等污染，給可疑物品探測增加困難，難以滿足檢測率和虛警率的高要求。同時，由于掃描硬件系統的原因，各安檢系統之間，以及單個安檢系統在不同環境下的成像風格(如明暗、對比度等)均會存在差異，從而引起檢測性能的下降。

因此，需要提出一種新的可疑物品自動檢測方法、終端設備、計算機設備及介質來解決以上一個或多個問題。

發明內容

本發明的目的在于提供一種可疑物品自動檢測方法、終端設備、計算機設備及介質，以解決現有技術中存在的問題中的至少一個；

為達到上述目的，本發明采用下述技術方案：

本發明第一方面提供一種可疑物品自動檢測方法，包括：

將多張待測圖像輸入目標檢測網絡模型，得到可疑物品的候選框及置信度c；

融合所述待測圖像中的可疑物品候選框，以確定對應于同一可疑物品的候選框個數；

累加所述待測圖像中每個可疑物品分別對應的候選框置信度以計算每個可疑物品分別對應的加權置信度c’；

將每個可疑物品的加權置信度c’與預設門限閾值T進行比較，并在c’≥T時輸出可疑物品對應的候選框。

可選地，在所述將待檢測圖像輸入目標檢測網絡模型之前，該方法還包括：

獲取毫米波圓柱掃描系統基于測試人員攜帶可疑物品生成的多張試驗圖像；

標注處理所述試驗圖像；

數據增強所述標注處理后的試驗圖像以生成多類訓練圖片；

基于所述多類訓練圖片生成目標檢測網絡模型。

可選地，所述數據增強所述標注處理后的試驗圖像以生成多類訓練圖片，進一步包括：

調節所述標注處理后的試驗圖像的對比度以生成多個不同對比度的第一類訓練圖片；

翻轉所述標注處理后的試驗圖像以生成第二類訓練圖片；