检查设备和检测行李物品中的枪支的方法技术

公开了一种检测行李物品中的枪支的方法和检查设备。该方法包括：对行李物品进行X射线检查，得到透射图像；利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域；利用所述检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。利用上述方案，可以更为准确地确定行李物品中是否包含枪支。在其他的实施例中，通过上述的方法检查出枪支后，在图像中做出标注，提示判图员，从而降低人工判图的工作量。

Method for checking equipment and detecting firearms in luggage items

A method and a checking device for detecting guns in luggage are disclosed. The method includes: X ray examination of luggage items and transmission images; multiple candidate regions in the transmitted image are determined by the trained gun detection neural network; the plurality of candidate regions are classified by the detection neural network to determine whether the transmitted image contains firearms. By using the above scheme, we can more accurately determine whether the firearms are included in the baggage items. In other examples, after the gun is checked out by the above method, it is marked in the image, prompting the figure to judge the figure, thus reducing the workload of the manual mapping.

【技术实现步骤摘要】
检查设备和检测行李物品中的枪支的方法
本公开涉及对辐射检查技术，具体涉及一种检查设备和检测行李物品中的枪支的方法。
技术介绍
枪支作为具有直接杀伤力、破坏力的器械，违法携带枪支行为具有很大的潜在危险性和社会隐患性，直接影响社会安定和人民群众生命财产安全。在民航、地铁以及轨道交通系统中每日客流量较大，现有的人工检测速度较慢且严重依赖工作人员，因此提高枪支检测系统的自动化程度和检测速度也是当今关注的重点问题。目前缺乏检测枪支的有效手段。据研究，枪支主要是通过行李运送，辐射成像通过对货物、行李透视成像，达到无侵犯性检查的目的。这种技术已经在机场、车站、快递站点等场所广泛应用，是违禁品安检领域最为重要的手段。在小型物品机检查的过程中，虽然已经得到了行李内部图像，但由于物品种类千差万别，判图员经验参差不齐，危险品枪支出现概率又比较低，使得人工判断效果差强人意。
技术实现思路
考虑到现有技术中的一个或多个问题，提出了一种检查设备及检查行李物品中枪支的方法。在本公开的一个方面，提出了一种检测行李物品中的枪支的方法，包括步骤：对行李物品进行X射线检查，得到透射图像；利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域；利用所述检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。根据本公开的实施例，计算各个候选区域中包含枪支的置信度，并且在所述置信度大于特定阈值的情况下判断所述候选区域中包括枪支。根据本公开的实施例，在多个候选区域中都包括相同枪支的情况下，对各个候选区域中的枪支图像进行标注，并且融合所述多个候选区域中的枪支图像，以得到枪支的位置。根据本公开的实施例，所述枪支检测神经网络是通过如下的操作训练的：建立枪支的样本透射图像；将局域建议网络(RPN)和卷积神经网络(CNN)的卷积层融合得到初始检测网络；利用样本透射图像对初始检测网络进行训练，得到枪支检测神经网络。根据本公开的实施例，训练初始检测网络的步骤包括：在局域建议网络和卷积神经网络之间不共享卷积层数据的情况下，利用从样本透射图像中确定的多个样本候选区域调节初始检测网络；在局域建议网络和卷积神经网络共享卷积层数据的情况下，训练局域建议网络；保持局域建议网络和卷积神经网络自检的共享卷积层数据不变的情况下调节所述初始检测网络至收敛，得到枪支检测神经网络。根据本公开的实施例，所述训练初始检测网络的步骤还包括：将多个样本候选区域中与人工标注的枪支的矩形框的重叠面积小于阈值的样本候选区域删除。根据本公开的另一方面，提出了一种检查设备，包括：X射线检查系统，对行李物品进行X射线检查，得到透射图像；存储器，存储所述透射图像；处理器，配置为：利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域；利用所述枪支检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。根据本公开的实施例，处理器配置为计算各个候选区域中包含枪支的置信度，并且在所述置信度大于特定阈值的情况下判断所述候选区域中包括枪支。根据本公开的实施例，处理器配置为在多个候选区域中都包括相同枪支的情况下，对各个候选区域中的枪支图像进行标注，并且融合所述多个候选区域中的枪支图像，以得到枪支的位置。根据本公开的实施例，所述存储器中存储有枪支的样本透射图像，所述处理器配置为通过如下操作训练得到所述枪支检测神经网络：将局域建议网络(RPN)和卷积神经网络(CNN)的卷积层融合得到初始检测网络；利用样本透射图像对初始检测网络进行训练，得到枪支检测神经网络。利用上述方案，可以更为准确地确定行李物品中是否包含枪支。在其他的实施例中，通过上述的方法检查出枪支后，在图像中做出标注，提示判图员，从而降低人工判图的工作量。附图说明为了更好地理解本专利技术，将根据以下附图对本专利技术进行详细描述：图1示出了根据本公开实施例的检查设备的结构示意图；图2是描述如图1所述的检查设备中包括的计算设备的结构的示意图；图3是描述根据本公开实施例的创建训练用数据库的过程的示意图；图4是描述创建枪支检测网络模型的过程的示意图；图5是详细描述根据本公开的实施例创建枪支检测网络模型的示意性流程图；图6示出了根据本公开实施例的检测枪支的过程的示意性流程图；以及图7示出了根据本公开实施例的检测到行李物品中的枪支的示意图。具体实施方式下面将详细描述本专利技术的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本专利技术。在以下描述中，为了提供对本专利技术的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本专利技术。在其他实例中，为了避免混淆本专利技术，未具体描述公知的结构、材料或方法。在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本专利技术至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。鉴于现有技术中的问题，本公开的实施例提出了一种检测行李物品中的枪支的方法。利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域，然后利用所述枪支检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。这样更为准确地检测到行李物品中是否包含枪支。根据本公开的实施例提出的枪支自动技术涉及三个部分：1)建立枪支检测数据库，2)自动检测模型建立，3)枪支自动检测过程。具体来说，建立枪支检测数据库包括图像获取、图像预处理以及感兴趣区域提取三个部分，枪支自动检测主要包括图像预处理、判决以及对嫌疑区域标记三个部分。在枪支检测模型建立之前，要建立枪支检测数据库，其中包含图像获取、图像预处理以及感兴趣区域提取三个部分。图像获取例如包括采集相当数量的小型物品机枪支图像，使图像数据库包含各个摆放形式、不同数量下的枪支图像。图像预处理例如具体涉及归一化处理。不同的扫描设备由于射线源的能量/剂量不同，探测器尺寸不同，所以得到的图像不尽相同，为减少这个差异，可以对图像归一化处理。此外，感兴趣区域提取涉及在扫描得到的灰度图像中，以枪支为单位，手工标注枪支位置，并给出枪支所处的坐标(x,y,w,h)，其中x和y表示枪支外接矩形框的左下顶点的坐标，w为宽，h为高。自动检测模型建立过程是利用深度学习理论来建立的。例如，在本申请中，主要使用深度学习的理论来进行枪支检测，在计算机视觉领域中，神经网络的种类有很多，但是卷积神经网络(ConvolutionalNeuralNetwoks，CNN)是应用最广泛的深度学习模型。本公开的实施例以CNN为实施例进行候选区域提取和CNN分类，其中候选区域提取采用的是区域建议网络(RegionProposalNetworks，RPN)，实现端到端的网络进行枪支检测。枪支检测过程涉及使用训练的CNN直接产生候选区域，并对其进行分类，即可得到该区域是否存在枪支。此外，对该候选区域存在枪支的具体位置进行回本文档来自技高网...

【技术保护点】
1.一种检测行李物品中的枪支的方法，包括步骤：对行李物品进行X射线检查，得到透射图像；利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域；利用所述枪支检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。

【技术特征摘要】
1.一种检测行李物品中的枪支的方法，包括步骤：对行李物品进行X射线检查，得到透射图像；利用训练的枪支检测神经网络确定所述透射图像中的多个候选区域；利用所述枪支检测神经网络对所述多个候选区域进行分类，以确定所述透射图像中是否包含枪支。2.如权利要求1所述的方法，其中计算各个候选区域中包含枪支的置信度，并且在所述置信度大于特定阈值的情况下判断所述候选区域中包括枪支。3.如权利要求1所述的方法，其中在多个候选区域中都包括相同枪支的情况下，对各个候选区域中的枪支图像进行标注，并且融合所述多个候选区域中的枪支图像，以得到枪支的位置。4.如权利要求1所述的方法，所述枪支检测神经网络是通过如下的操作训练的：建立枪支的样本透射图像；将局域建议网络(RPN)和卷积神经网络(CNN)的卷积层融合得到初始检测网络；利用样本透射图像对初始检测网络进行训练，得到枪支检测神经网络。5.如权利要求4所述的方法，其中训练初始检测网络的步骤包括：在局域建议网络和卷积神经网络之间不共享卷积层数据的情况下，利用从样本透射图像中确定的多个样本候选区域调节初始检测网络；在局域建议网络和卷积神经网络共享卷积层数据的情况下，训练局域建议网络；保持局域建议网络和卷积神经网络之间的共享卷积层数据不变的情况...

【专利技术属性】
技术研发人员：王启立，戴诗语，顾建平，刘耀红，赵自然，
申请(专利权)人：同方威视技术股份有限公司，清华大学，
类型：发明
国别省市：北京,11