[發(fā)明專利]一種基于遮擋的安檢圖像危險(xiǎn)品檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110749725.0
• 申請(qǐng)日: 2021-07-02
• 公開（公告）號(hào): CN113313130B
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 張印輝;黃瀅;何自芬;楊宏寬;趙崇
• 申請(qǐng)（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號(hào): G06V10/44
• 分類號(hào): G06V10/44;G06V10/764;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津煜博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12246
• 代理人: 朱維

1.一種基于遮擋的安檢圖像危險(xiǎn)品檢測(cè)方法，其中，所述方法應(yīng)用于一種基于遮擋的安檢圖像危險(xiǎn)品檢測(cè)系統(tǒng)，所述系統(tǒng)包括一圖像采集裝置，所述方法包括：

構(gòu)建安檢場景危險(xiǎn)品數(shù)據(jù)庫；

對(duì)所述安檢場景危險(xiǎn)品數(shù)據(jù)庫進(jìn)行分類，獲得各類別危險(xiǎn)品目標(biāo)信息；

通過所述圖像采集裝置獲得第一圖像信息，所述第一圖像信息為第一危險(xiǎn)品的圖像信息；

根據(jù)所述第一圖像信息，獲得所述第一危險(xiǎn)品的第一結(jié)構(gòu)信息；

根據(jù)所述各類別危險(xiǎn)品目標(biāo)信息和所述第一結(jié)構(gòu)信息進(jìn)行分析，確定危險(xiǎn)品尺度指標(biāo)、目標(biāo)間遮擋次數(shù)指標(biāo)和遮擋程度指標(biāo)；

獲得所述危險(xiǎn)品尺度指標(biāo)的第一結(jié)構(gòu)卷積特征、所述目標(biāo)間遮擋次數(shù)指標(biāo)的第二結(jié)構(gòu)卷積特征，所述遮擋程度指標(biāo)的第三結(jié)構(gòu)卷積特征；

根據(jù)所述第一結(jié)構(gòu)卷積特征、所述第二結(jié)構(gòu)卷積特征和所述第三結(jié)構(gòu)卷積特征，獲得第一結(jié)構(gòu)特征結(jié)果；

對(duì)所述第一結(jié)構(gòu)特征結(jié)果進(jìn)行外觀尺度進(jìn)行分析，獲得第一目標(biāo)尺度分布結(jié)果；

將所述第一結(jié)構(gòu)特征結(jié)果和所述第一目標(biāo)尺度分布結(jié)果輸入第一危險(xiǎn)品評(píng)估模型，獲得第一危險(xiǎn)品評(píng)估結(jié)果；

根據(jù)第一類別損失權(quán)重系數(shù)和第一動(dòng)態(tài)遮擋系數(shù)，獲得第一安檢影響因素；

根據(jù)所述第一安檢影響因素對(duì)所述第一危險(xiǎn)品評(píng)估模型進(jìn)行增量學(xué)習(xí)，獲得第二危險(xiǎn)品評(píng)估模型；

根據(jù)所述第二危險(xiǎn)品評(píng)估模型，獲得所述第一危險(xiǎn)品的第二危險(xiǎn)品評(píng)估結(jié)果；

根據(jù)所述第一危險(xiǎn)品評(píng)估結(jié)果和所述第二危險(xiǎn)品評(píng)估結(jié)果，生成第一危險(xiǎn)品檢測(cè)結(jié)果。

2.如權(quán)利要求1所述的方法，其中，所述方法包括：

根據(jù)所述第一目標(biāo)尺度分布結(jié)果，獲得預(yù)設(shè)先驗(yàn)框數(shù)量K，其中，K為大于2的自然數(shù)；

根據(jù)所述預(yù)設(shè)先驗(yàn)框數(shù)量，獲得第一執(zhí)行指令，所述第一執(zhí)行指令用于計(jì)算K個(gè)所述預(yù)設(shè)先驗(yàn)框和危險(xiǎn)品目標(biāo)邊界框的交并比；

根據(jù)各所述交并比，計(jì)算獲得第一交并比均值；

根據(jù)所述第一交并比均值，選取第一先驗(yàn)框，所述第一先驗(yàn)框?yàn)榫嚯x最小的先驗(yàn)框；

根據(jù)所述預(yù)設(shè)先驗(yàn)框數(shù)量和所述第一先驗(yàn)框，基于K-means算法重復(fù)執(zhí)行所述第一執(zhí)行指令，確定最終第一聚類結(jié)果；

根據(jù)所述第一聚類結(jié)果，對(duì)所述第一危險(xiǎn)品評(píng)估結(jié)果進(jìn)行修正。

3.如權(quán)利要求2所述的方法，其中，所述構(gòu)建安檢場景危險(xiǎn)品數(shù)據(jù)庫之后，包括：

根據(jù)所述安檢場景危險(xiǎn)品數(shù)據(jù)庫，獲得危險(xiǎn)品圖像數(shù)據(jù)集；

根據(jù)目標(biāo)應(yīng)用場景，確定第一圖像變化系數(shù)；

基于圖像處理算法對(duì)所述危險(xiǎn)品圖像數(shù)據(jù)集進(jìn)行數(shù)據(jù)擴(kuò)增，所述數(shù)據(jù)擴(kuò)增按照所述第一圖像變化系數(shù)進(jìn)行變化輸出，獲得擴(kuò)增危險(xiǎn)品圖像數(shù)據(jù)集；

根據(jù)所述擴(kuò)增危險(xiǎn)品圖像數(shù)據(jù)集，對(duì)所述安檢場景危險(xiǎn)品數(shù)據(jù)庫進(jìn)行數(shù)據(jù)擴(kuò)充處理。

4.如權(quán)利要求1所述的方法，其中，所述根據(jù)所述第一安檢影響因素對(duì)所述第一危險(xiǎn)品評(píng)估模型進(jìn)行增量學(xué)習(xí)，獲得第二危險(xiǎn)品評(píng)估模型，包括：

將所述第一安檢影響因素輸入所述第一危險(xiǎn)品評(píng)估模型中，獲得第一預(yù)測(cè)危險(xiǎn)品評(píng)估結(jié)果；

通過對(duì)所述第一預(yù)測(cè)危險(xiǎn)品評(píng)估結(jié)果進(jìn)行數(shù)據(jù)損失分析，獲得第一損失數(shù)據(jù)；

將所述第一損失數(shù)據(jù)輸入到所述第一危險(xiǎn)品評(píng)估模型中進(jìn)行訓(xùn)練，獲得所述第二危險(xiǎn)品評(píng)估模型。

5.如權(quán)利要求1所述的方法，其中，所述根據(jù)所述第一結(jié)構(gòu)卷積特征、所述第二結(jié)構(gòu)卷積特征和所述第三結(jié)構(gòu)卷積特征，獲得第一結(jié)構(gòu)特征結(jié)果，包括：

將所述危險(xiǎn)品尺度指標(biāo)作為第一結(jié)構(gòu)特征、所述目標(biāo)間遮擋次數(shù)指標(biāo)作為第二結(jié)構(gòu)特征和所述遮擋程度指標(biāo)作為第三結(jié)構(gòu)特征；

分別對(duì)所述第一結(jié)構(gòu)卷積特征和所述第一結(jié)構(gòu)特征、所述第二結(jié)構(gòu)卷積特征和所述第二結(jié)構(gòu)特征、所述第三結(jié)構(gòu)卷積特征和所述第三結(jié)構(gòu)特征進(jìn)行遍歷的卷積運(yùn)算，獲得對(duì)應(yīng)的第一卷積結(jié)果、第二卷積結(jié)果和第三卷積結(jié)果；

對(duì)所述第一卷積結(jié)果、所述第二卷積結(jié)果和所述第三卷積結(jié)果進(jìn)行結(jié)果融合分析，獲得第一結(jié)構(gòu)特征結(jié)果。