[發明專利]基于神經網絡和多源數據的雙視角關聯安檢方法及系統有效
| 申請號: | 202111359136.8 | 申請日: | 2021-11-17 |
| 公開(公告)號: | CN113792826B | 公開(公告)日: | 2022-02-18 |
| 發明(設計)人: | 鄧意麒;龍嘯海;盛成功;彭賢;許嘉慧;段亞東 | 申請(專利權)人: | 湖南蘇科智能科技有限公司 |
| 主分類號: | G06V10/764 | 分類號: | G06V10/764;G06V10/762;G06K9/62;G06N3/04;G06N3/08;G01V5/00;G01V11/00;G01N23/04 |
| 代理公司: | 長沙麓創時代專利代理事務所(普通合伙) 43249 | 代理人: | 賈慶 |
| 地址: | 410205 湖南省長沙市長沙高*** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 神經網絡 數據 視角 關聯 安檢 方法 系統 | ||
本發明公開了一種基于神經網絡和多源數據的雙視角關聯安檢方法及系統,方法包括:將輸入數據和輸出數據,輸入深度神經網絡模型進行訓練;將需要檢出的物品類別對應的等效原子序數信息輸入聚類算法訓練得到等效原子序數分類器;獲取主和輔X光成像系統采集到的X光圖像以及對應的等效原子序數信息,輸入訓練好的深度神經網絡模型進行識別,并將識別出的物品等效原子序數信息輸入訓練好的等效原子序數分類器,以得到關聯檢測結果。本發明通過深度神經網絡模型對X光圖像進行物品識別,對物品的等效原子序數進行分類,并通過關聯策略對已檢測到的結果進行關聯,對未檢索到物品的X光圖像進行自動標注,提高了物品的檢出率,且提高了物品檢出效率。
技術領域
本發明涉屬于安檢人工智能識別領域,尤其涉及一種基于神經網絡和多源數據的雙視角關聯安檢方法及系統。
背景技術
目前的安檢系統,通常采用X光檢測,即客戶將物品放在安檢機上,安檢機通過X光對物品物品進行X光成像,并將X光成像的圖片顯示在安檢人員的檢測窗口,以使安檢人員人工識別是否存在違禁物品。然而,人工識別違禁物品的準確性較低,且識別判斷過程耗時較長,在安檢任務繁忙的過程中,識別效率和準確率均難以滿足安檢要求,從而從易導致漏檢情況頻發。
神經網絡(Neural Networks,NN)是由大量的、簡單的處理單元(稱為神經元)廣泛地互相連接而形成的復雜網絡系統,它反映了人腦功能的許多基本特征,是一個高度復雜的非線性動力學習系統。神經網絡具有大規模并行、分布式存儲和處理、自組織、自適應和自學能力,特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。神經網絡的發展與神經科學、數理科學、認知科學、計算機科學、人工智能、信息科學、控制論、機器人學、微電子學、心理學、光計算、分子生物學等有關,是一門新興的邊緣交叉學科。近年來,神經網絡技術作為一種人工智能識別方法,在智能識別領域的應用越來越廣泛,且識別準確率越來越高。
發明專利CN111290040 A公開了一種基于圖像識別的主動式雙視角關聯的,其對于違禁品進行投影,將俯視圖和側視角檢測到的違禁品進行投影,投影到同一個圖像進行顯示,從而提高違禁品的檢出率。但是原理在于:“通過對比物體在f(俯視)和c(側視)中X光成像輪廓二值化后送入推理模型得到的分類結果及其置信度判斷是否為同一物體;若同一個物體在f(俯視)和c(側視)中都能完整顯示,則它的寬度相等,響應于確定側視角和俯視圖的圖像是否屬于同一物體”即其關聯的原理為:首先需要兩個X光成像相互垂直,然后基于同一個違禁品寬度相同,將兩個圖上的寬度相同的違禁品相關聯,進而相互投影。其存在如下問題:從數據來源方面,其僅根據違禁品成像輪廓的二值化信息判斷物品類別,未利用物品圖像顏色變化、等效原子序數變化情況等其他信息,易導致對同樣輪廓不同密度不同材質物品的誤報和漏報;從使用模型角度,物品直接送入推理模型意味著直接利用有限個特征點進行一對一比較,沒有充分利用物品成像的多尺度特征,尤其在X光成像本就信息量有限的情況下易導致誤報或漏報,從而影響后續關聯;在兩種及兩種以上形狀或X光成像輪廓相同、尺寸相同,但材質不同的物品以同一角度、同一傳送帶方向上起始位置、不同高度的情況下,僅僅依靠圖像輪廓和圖像寬度難以對輪廓、尺寸相同但材質不同的物品進行有效區分,從而導致物品之間無法正確關聯;此外,對于雙X光源安檢機,兩個視角成像面存在非正交的可能,使得利用兩個視角成像面正交從而寬度相等進行側視角和俯視角關聯的條件不再成立,故而此種條件下不可用發明專利CN111290040 A進行關聯。由于物品類別判斷方式采用一對一遍歷推理模型數據庫比較的形式,使得計算復雜度會隨著特征向量的維度和模型數據庫的規模成指數增加,從而導致大大影響計算速率,不能有效解決現實條件中物品數量不斷增加、類別日新月異的實際情況。
因此,有必要提供一種基于深度學習算法的神經網絡模型來實現安檢物品的自動識別標注,并利用等效原子序數信息,通過關聯策略對已檢測到的結果進行關聯,對未檢索到物品的X光圖像進行自動標注,以提高安檢中違禁物品的識別效率和準確率。
發明內容
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于湖南蘇科智能科技有限公司,未經湖南蘇科智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111359136.8/2.html,轉載請聲明來源鉆瓜專利網。
- 數據顯示系統、數據中繼設備、數據中繼方法、數據系統、接收設備和數據讀取方法
- 數據記錄方法、數據記錄裝置、數據記錄媒體、數據重播方法和數據重播裝置
- 數據發送方法、數據發送系統、數據發送裝置以及數據結構
- 數據顯示系統、數據中繼設備、數據中繼方法及數據系統
- 數據嵌入裝置、數據嵌入方法、數據提取裝置及數據提取方法
- 數據管理裝置、數據編輯裝置、數據閱覽裝置、數據管理方法、數據編輯方法以及數據閱覽方法
- 數據發送和數據接收設備、數據發送和數據接收方法
- 數據發送裝置、數據接收裝置、數據收發系統、數據發送方法、數據接收方法和數據收發方法
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置





