[發明專利]基于風格特征通道注意力的X光安檢圖像違禁品檢測方法

在審

• 申請號: 202110941143.2
• 申請日: 2021-08-17
• 公開（公告）號: CN113657493A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 杜慧茜;王曼;傅雄軍;袁大森;謝民
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 張利萍

本發明涉及基于風格特征通道注意力的X光安檢圖像違禁品檢測方法，屬于目標檢測技術領域。包括：1對數據集進行預處理獲取訓練集和測試集；2對訓練集進行數據增強和打亂處理；3構建SCIA模塊，并構建特征金字塔網絡SCIA?FPN；4將訓練集的X光安檢圖像輸入SCIA?FPN獲取特征圖；5將特征圖輸入RPN網絡獲取預測框；6將預測框和特征圖輸入ROI池化層，輸出池化后的特征圖；7將池化后的特征圖輸入分類回歸網絡；8重復2至7進行多次訓練獲取違禁品檢測模型；9將測試集輸入違禁品檢測模型輸出違禁品檢測結果。所述方法能有效檢測出X光安檢圖像中被遮擋的多尺度違禁品，給出違禁品類別分數并精確標出違禁品位置。

技術領域

本發明涉及基于風格特征通道注意力的X光安檢圖像違禁品檢測方法，屬于深度學習、目標檢測以及X光安檢圖像處理技術領域。

背景技術

違禁品檢測是目標檢測的一個重要分支，旨在自動檢測X光安檢圖像中是否存在一個或多個違禁的物品，并且給出每個違禁品的邊界框及相應的違禁品類別。X光安檢圖像違禁品檢測在維護公共場所秩序，交通樞紐安全保障，快遞寄送等領域有著廣泛的應用前景。當前，安檢仍需安檢人員通過肉眼識別X光安檢圖像中的違禁品，人工安檢容易受視覺疲勞影響而出現漏判和錯判現象。因此，X光安檢圖像違禁品檢測近年來受到了研究人員的廣泛關注。

現有X光安檢圖像違禁品檢測方法分為兩類。一類是基于機器學習的傳統方法，一類是基于深度學習的方法。

基于機器學習的傳統方法首先提取特征，然后進行分類識別。常用的特征描述方法包括加速穩健特征、快速加速穩健特征及尺度不變特征變換等，分類識別方法包括支持向量機、隨機森林、最鄰近算法等。傳統方法存在的問題是：提取特征依賴于人工選定，并且僅局限于小樣本數據集或某一類違禁品，性能較差，不能滿足實際應用。

近年來，深度學習不斷發展，由于深度卷積神經網絡可以自動提取特征，基于深度卷積神經網絡的目標檢測算法層出不窮，這一方法也被應用到X光安檢圖像違禁品檢測領域。如：Hassan等人利用結構張量提取違禁品的輪廓，但這種方法需要參數微調；Miao等人制作了一個安全檢查X光圖像數據集(security Inspection X-ray，SIXray)，并提出了一個類別平衡多層次框架檢測該數據集中的違禁品；Wei等人制作了一個遮擋違禁品X光圖像數據集(Occluded Prohibited Items X-ray，OPIXray)，提出一個結合邊緣檢測和注意力模型的抗遮擋注意力模塊，檢測數據集中不同遮擋水平的違禁品，但檢測精度有待提高。盡管深度學習極大地促進了X光安檢圖像中違禁品檢測的發展，但目前的違禁品檢測仍存在兩大難題：(1)多尺度問題：X光安檢圖像中違禁品尺寸各異，很難在檢測過程中兼顧各種尺寸的違禁品，尤其小尺寸違禁品易漏檢；(2)遮擋問題：X光安檢圖像中物品繁多，背景復雜，違禁品大多被嚴重遮擋，只有局部特征已知，不易檢測。

基于現有方法的不足，本文提出了基于風格特征通道注意力的X光安檢圖像違禁品檢測方法，利用X光安檢圖像中不同材質顯示不同顏色這一風格特征，結合特征金字塔網絡，解決違禁品的遮擋與多尺度問題。

發明內容

本發明的目的在于利用X光安檢圖像的風格特征，結合特征金字塔網絡，解決違禁品的遮擋與多尺度問題，提出了基于風格特征通道注意力的X光安檢圖像違禁品檢測方法。

為了達到上述目的，本發明采取如下技術方案。

所述X光安檢圖像違禁品檢測方法，包括如下步驟：

步驟1：對X光安檢圖像數據集進行預處理，設置成與VOC2007數據集格式相同的X光安檢圖像數據集；

步驟1具體為：從公開網站中下載X光安檢圖像數據集，將數據集中的所有X光安檢圖像放入一個文件夾，將所有的標記文件放入另一個文件夾，并將數據集以K：(10-K)的比例劃分為訓練集和測試集；