The present application discloses a tool recognition method, device and equipment based on multi feature fusion. The scheme includes: identifying the image with the tool to get the image of the tool to be identified, the rough classification of the tool image and the extraction of the structure features, and the extraction of the tool image according to the structural features of the extracted tool image. By comparing the non structural features with the non structural features corresponding to the presupposed tool sample image, the similarity contrast results are obtained, and the tool subdivision category corresponding to the tool image is determined by similarity contrast results, and the tool properties in the tool image are identified according to the tool subdivision category. The tool can be more reliably identified by this scheme.
【技术实现步骤摘要】
一种基于多特征融合的刀具识别方法、装置以及设备
本申请涉及图像识别领域,尤其涉及一种基于多特征融合的刀具识别方法、装置以及设备。
技术介绍
为了提高保证飞机、地铁等交通方式的安全性,通常要对乘客进行安检,刀具是安检过程中重点检测的一类物品。常规安检中对刀具的识别主要是靠安保人员进行人工识别,这一过程对安保人员对刀具种类的知识水平具有较高的要求,并且人工判断主观性强,容易造成错识误识。基于此,需要一种更为可靠的刀具识别方案。
技术实现思路
本申请的一些实施例提供一种基于多特征融合的刀具识别方法、装置以及设备,用以解决现有技术中的如下技术问题:需要一种更为可靠的刀具识别方案。本申请的一些实施例采用下述技术方案:一种基于多特征融合的刀具识别方法,包括:识别带有刀具的图像,以得到待识别的刀具图像;对所述刀具图像进行粗分类以及提取结构特征;根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征;通过将所述非结构特征与预设刀具样例图像对应的非结构特征进行相似度对比,以得到相似度对比结果;利用所述相似度对比结果,确定所述刀具图像对应的刀具细分类别;根据所述刀具细分类别,识别所述刀具图像中刀具的性质。可选地,所述对所述刀具图像进行粗分类以及提取结构特征,具体包括:利用基于第一标注样本训练过的机器学习模型,对所述刀具图像进行粗分类以及提取结构特征;其中,所述第一标注样本为刀具图像,标注的内容包括对应的:刀具粗分类别、刀具结构信息。可选地,所述刀具结构信息包括:刀具尺寸信息,和/或刀具组成部分的位置关系信息。可选地,基于第一标注样本训练机器学习模型,具体包括:基于第一标注 ...
【技术保护点】
1.一种基于多特征融合的刀具识别方法,其特征在于,包括:识别带有刀具的图像,以得到待识别的刀具图像;对所述刀具图像进行粗分类以及提取结构特征;根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征;通过将所述非结构特征与预设刀具样例图像对应的非结构特征进行相似度对比,以得到相似度对比结果;利用所述相似度对比结果,确定所述刀具图像对应的刀具细分类别;根据所述刀具细分类别,识别所述刀具图像中刀具的性质。
【技术特征摘要】
1.一种基于多特征融合的刀具识别方法,其特征在于,包括:识别带有刀具的图像,以得到待识别的刀具图像;对所述刀具图像进行粗分类以及提取结构特征;根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征;通过将所述非结构特征与预设刀具样例图像对应的非结构特征进行相似度对比,以得到相似度对比结果;利用所述相似度对比结果,确定所述刀具图像对应的刀具细分类别;根据所述刀具细分类别,识别所述刀具图像中刀具的性质。2.如权利要求1所述的方法,其特征在于,所述对所述刀具图像进行粗分类以及提取结构特征,具体包括:利用基于第一标注样本训练过的机器学习模型,对所述刀具图像进行粗分类以及提取结构特征;其中,所述第一标注样本为刀具图像,标注的内容包括对应的:刀具粗分类别、刀具结构信息。3.如权利要求2所述的方法,其特征在于,所述刀具结构信息包括:刀具尺寸信息,和/或刀具组成部分的位置关系信息。4.如权利要求2所述的方法,其特征在于,基于第一标注样本训练机器学习模型,具体包括:基于第一标注样本,以多任务训练方式,对机器学习模型进行类别分类训练和结构特征回归训练。5.如权利要求1所述的方法,其特征在于,所述根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征,具体包括:利用基于第二标注样本训练过的机器学习模型,根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征;其中,所述第二标注样本为刀具图像,标注的内容包括对应的刀具细分类别。6.如权利要求5所述的方法,其特征在于,所述基于第二标注样本训练过的机器学习模型包括卷积神经网络。7.如权利要求6所述的方法,其特征在于,所述非结构特征包括全局非结构特征和局部非结构特征;所述根据提取的所述刀具图像的结构特征,提取所述刀具图像的非结构特征,具体包括:将所述刀具图像输入所述卷积神经网络进行...
【专利技术属性】
技术研发人员:彭莉,刘丹,刘洋,
申请(专利权)人:新智数字科技有限公司,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。