[發明專利]違禁品的檢測方法及裝置

有效

• 申請號: 202110266096.6
• 申請日: 2021-03-11
• 公開（公告）號: CN112884755B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 宋紅;楊健;艾丹妮;范敬凡;魏一凡
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/40;G06V10/82;G06V10/80;G06N3/0464
• 代理公司: 北京市中聞律師事務所 11388
• 代理人: 馮夢洪

違禁品的檢測方法與裝置，解決了X射線圖像中物體互相遮擋、背景雜亂、小物體難以檢測的問題。方法包括：(1)對包含違禁物品的X射線圖像進行圖像隨機翻轉、歸一化的預處理，并將預處理后的數據加載到卷積神經網絡模型中；(2)利用卷積神經網絡對輸入的X射線圖像進行特征的提取、融合與增強；(3)對經過處理后得到的特征金字塔每層的特征圖，通過兩個并行分支的子網絡分別計算其中含有違禁物品的類別與位置信息；(4)利用Soft?NMS算法去除冗余的候選檢測框，并對結果進行輸出，標出違禁物品具體的類別與位置。

技術領域

本發明涉及圖像檢測的技術領域，尤其涉及一種違禁品的檢測方法，以及違禁品的檢測裝置。

背景技術

在安全檢查中，通常使用X射線掃描儀來查看行李中是否包含有違禁物品，但現實場景中的行李物品往往是隨機擺放的，通常相互重疊，相互遮擋。同時，人工檢察員長時間觀察X射線圖像會導致其出現視覺疲勞，這些因素為安檢員的檢查工作帶來更大的挑戰。

傳統的X射線檢測算法依賴于手工設計的特征進行目標檢測，而深度學習神經網絡通過學習特定任務的特征克服了傳統手工設計特征的依賴性，且使得X射線檢測的精度獲得了進一步的提升。但是，現有的檢測方法仍然對X射線圖像中物體互相遮擋，背景雜亂，小物體檢測等問題沒有徹底的解決方案。

發明內容

為克服現有技術的缺陷，本發明要解決的技術問題是提供了一種違禁品的檢測方法，其解決了X射線圖像中物體互相遮擋、背景雜亂、小物體難以檢測的問題。

本發明的技術方案是：這種違禁品的檢測方法，其包括以下步驟：

(1)對包含違禁物品的X射線圖像進行圖像隨機翻轉、歸一化的預處理，并將預處理后的數據加載到卷積神經網絡模型中；

(2)利用卷積神經網絡對輸入的X射線圖像進行特征的提取、融合與增強；

(3)對經過處理后得到的特征金字塔每層的特征圖，通過兩個并行分支的子網絡分別計算其中含有違禁物品的類別與位置信息；

(4)利用Soft-NMS算法去除冗余的候選檢測框，并對結果進行輸出，標出違禁物品具體的類別與位置。

本發明通過融合高層特征圖豐富的語義信息與低層特征圖豐富的細節信息，對特征進行集成，獲得了平衡的語義與空間信息，利于對各種尺度的目標進行檢測，因此解決了X射線圖像中物體互相遮擋、背景雜亂、小物體難以檢測的問題。

還提供了違禁品的檢測裝置，其包括：

預處理模塊，其配置來對包含違禁物品的X射線圖像進行圖像隨機翻轉、歸一化的預處理，并將預處理后的數據加載到卷積神經網絡模型中；

特征處理模塊，其配置來利用卷積神經網絡對輸入的X射線圖像進行特征的提取、融合與增強；

類別與位置信息獲取模塊，其配置來對經過處理后得到的特征金字塔每層的特征圖，通過兩個并行分支的子網絡分別計算其中含有違禁物品的類別與位置信息；

結果輸出模塊，其配置來利用Soft-NMS算法去除冗余的候選檢測框，并對結果進行輸出，標出違禁物品具體的類別與位置。

附圖說明

圖1是根據本發明的違禁品的檢測方法的整體模型圖。

圖2是根據本發明的違禁品的檢測方法的流程圖。

具體實施方式

如圖2所示，這種違禁品的檢測方法，其包括以下步驟：

(1)對包含違禁物品的X射線圖像進行圖像隨機翻轉、歸一化的預處理，并將預處理后的數據加載到卷積神經網絡模型中；

(2)利用卷積神經網絡對輸入的X射線圖像進行特征的提取、融合與增強；