[發明專利]基于改進中心點檢測的安檢X光圖像目標檢測與識別方法

有效

• 申請號: 202011155107.5
• 申請日: 2020-10-26
• 公開（公告）號: CN112232432B
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 宋永紅;吳極;張元林
• 申請（專利權）人: 西安交通大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

本發明公開了一種基于改進中心點檢測的安檢X光圖像目標檢測與識別方法，包含以下步驟：1、選取X?Ray安檢機拍攝的X光圖像，標注圖像中的目標并制作訓練圖像集；2、搭建CenterNet模型，引入高斯模型對網絡的輸出建模，修改損失函數，得到改進后的CenterNet模型；3、將訓練圖像集依次混合，旋轉，豎直翻轉進行數據增廣，并用R，G，B，灰度，H五個通道表示，訓練并保存改進后的CenterNet模型；4、進行安檢X光圖像目標檢測與識別時，首先將安檢X光圖像進行預處理，再將其像素值歸一化到標準正態分布，輸入改進后的CenterNet模型進行推理，得到圖像中目標檢測與識別結果。本發明方法能夠解決安檢圖像中目標互相遮擋，含有小目標，以及目標角度變化影響檢測準確率的問題。

技術領域

本發明屬于計算機視覺的應用領域，具體提出了一種基于改進中心點檢測的安檢X光圖像目標檢測與識別方法。

背景技術

安全檢查是發現和消除事故隱患、落實安全措施、預防事故發生的重要手段，檢查是檢驗和考查之意，安全檢查就是要對影響正常運營的各種人的因素和物的因素進行深人細致的研究，發現不安全因素，消除事故隱患。也就是把可能發生事故的各種因素消滅在萌芽狀態，做到防患于未然。

近年來，X光機已廣泛應用于地鐵站、機場等公共場所進行安檢。到目前為止，安檢人員主要是用肉眼查看X光安檢攝像頭拍攝的圖像，行李中的物品容易相互疊放，特別是在交通擁擠的情況下，容易導致漏檢和誤檢。

因此，研究一種基于深度學習的安檢X光圖像目標檢測與識別方法，對安檢X光圖像中的目標自動檢測，確保行李、包裹等安全并符合國家規定，對于提高安檢工作效率、減低成本節約時間、保障安全等有重要意義。

發明內容

本發明的目的在于針對現有基于人眼檢查X光圖像中違禁品方法存在的不足，運用目標檢測技術，提出了一種基于改進中心點檢測的安檢X光圖像目標檢測與識別方法，本發明方法能夠解決安檢行李中目標互相遮擋，有小目標，以及目標角度變化影響檢測準確率的問題，使用一個模型一套參數完成安檢X光圖像目標檢測與識別任務，該方法具有極高的準確性與魯棒性。

為了達到上述目的，本發明采用如下技術方案：

一種基于改進中心點檢測的安檢X光圖像目標檢測與識別方法，包括如下步驟：

步驟A：在獲取X-Ray安檢機拍攝的X光圖像后，每張圖像中有多個目標，以目標左上角像素點坐標、長寬和類別信息標注出每張X光圖像中的目標，已標注的圖像組成訓練圖像集；

步驟B：搭建CenterNet模型，引入高斯模型對網絡的輸出建模，修改損失函數，得到改進后的CenterNet模型；

步驟C：將步驟A中的訓練圖像集依次混合、旋轉、豎直翻轉進行數據增廣，將增廣后的圖像用R、G、B、灰度、H五個通道來表示，訓練步驟B中的改進后的CenterNet模型，得到適用于安檢X光圖像目標檢測與識別任務的模型；

步驟D：在對一張訓練圖像集之外的安檢X光圖像進行目標檢測與識別時，首先將安檢X光圖像進行預處理，之后將預處理后的圖像輸入步驟C中的適用于安檢X光圖像目標檢測與識別任務的模型，由模型輸出得到安檢X光圖像中目標檢測與識別結果。

所述步驟B具體步驟如下：

步驟B01：搭建CenterNet模型，CenterNet模型的主干網絡選取DlA34網絡；CenterNet模型具體描述：CenterNet模型由一個主干網絡和三個全連接檢測頭組成，用主干網絡來提取圖像特征得到特征圖，將特征圖輸入到三個全連接檢測頭中，三個全連接檢測頭分別輸出預測目標的中心點、寬高和中心點的偏置；

步驟B02：采用高斯分布對步驟B01中全連接檢測頭的輸出建立模型，具體地，把每個預測框的寬和高建模為均值和方差的高斯分布，同時采用負對數似然損失，從而得到改進后的CenterNet模型。