图像识别方法、装置和计算机存储介质制造方法及图纸

本发明专利技术提供了一种图像识别方法，包括：确定图像中的至少一个对象的多个候选区域；基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及基于所述粗识别结果，确定所述至少一个对象的精确位置。本发明专利技术可以自动提取出车辆安检图像中的目标车体部件区域，能在一定程度上辅助人工判图，用于后续的车体部件风险分析和嫌疑预警。

【技术实现步骤摘要】
图像识别方法、装置和计算机存储介质
本专利技术涉及图像识别
，特别是涉及辐射成像安全检查

技术介绍
作为现代物流重要的交通运输工具，集装箱车辆和厢式货车一直是安检、边检的重点检查对象。近年来，随着违禁品走私行为的频发，车箱、轮胎等有着内部藏匿空间的车体部件常被不法分子用来进行违法行为。因此，对含内部空间的车体部件的安全检查成为安全检查工作中的重点。现有的x光检查系统虽然能通过透射成像实现不开箱查验，但仍需要人工判图。区别于可见光成像，x光透射成像存在重叠效应，给审图人员造成困难。车辆是由不同的车体部件组合而成，这种结构信息也会在其透射图像上表现出来。作为车体安全检查的基础，对车体部件进行定位和识别是实现智能审图的重要任务，同时能为后续的风险分析和嫌疑预警奠定基础。人工分析图像内容不仅耗时费力、同时不可避免地存在漏检、视觉疲劳等问题。传统人工审图的监管方式已经不能满足快速通关的需求，安检行业对智能审图产品有着极大的需求。
技术实现思路
有鉴于此，本专利技术的目标是对辐射图像中的车体部件进行自动识别，并提取目标车体部件。为实现上述目的，本专利技术技术思路是：对车辆进行X射线检查，得到透射图像；利用训练的车体部件粗识别模型对过预处理的图像进行智能分析，确定车体部件的候选区域；对候选区域进行类别、位置的归并等后处理分析，得到车体部件粗识别结果；精细处理以上车体部件粗识别结果，得细化的车体部件识别结果；筛选、提取、及显示识别结果中的目标部件信息。根据本专利技术的第一方面，提供了一种图像识别方法，包括：确定图像中的至少一个对象的多个候选区域；基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及基于所述粗识别结果，确定所述至少一个对象的精确位置。所述图像识别方法可以用于辐射图像车辆检查系统，以便识别车体部件。在一个实施例中，图像识别方法还可以包括利用有监督学习训练的模型得到所述至少一个对象的多个候选区域，其中有监督学习训练包括在训练图像中标注所述至少一个对象的真实坐标和类别。在一个实施例中，所述多个候选区域中的每个候选区域还可以具有概率分数，确定所述至少一个对象的粗识别结果包括去除所述多个候选区域中概率分数低于第二阈值的候选区域，以及将合并属于同一对象的彼此重叠率大于第三阈值的候选区域，以得到所述对象的粗识别结果。在一个实施例中，合并候选区域可以包括：利用非极大值抑制法，根据每个候选区域的概率得分从高到低的顺序，将所述候选区域合并。在一个实施例中，生成所述至少一个对象的精确位置可以包括：确定相对于粗识别结果的水平方向偏差和竖直方向偏差，并结合粗识别结果的位置，计算出所述至少一个对象的精确位置。在一个实施例中，所述图像是车辆透射图像，所述至少一个对象包括车头、车箱、底盘和轮胎中的至少一项。在一个实施例中，当所述至少一个对象是车箱时，确定精确位置可以包括：在所述粗识别结果内确定车箱左侧边界直线、右侧边界直线、顶部边界直线，并结合所述粗识别结果的底部直线，确定车箱的精确位置。在一个实施例中，当所述至少一个对象是车头、底盘和轮胎之一时，可以在所述粗识别结果内确定所述对象的边缘的最左侧横坐标、最右侧横坐标、最上侧纵坐标、最下侧纵坐标，以确定所述对象的精确位置。在一个实施例中，图像识别方法还可以包括在所生成的精确位置内识别目标部件。根据本专利技术的第二方面，还提供了一种图像识别装置，包括：候选区域确定单元，被配置为确定图像中的至少一个对象的多个候选区域；粗识别单元，被配置为基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及精确识别单元，被配置为基于所述粗识别结果，确定所述至少一个对象的精确位置。根据本专利技术的第三方面，还提供了一种电子设备，包括：处理器；存储器，存储有计算机可读代码，当所述计算机可读代码被所述处理器执行时，使得所述处理器执行如第一方面所述的图像识别方法。根据本专利技术的第四方面，还提供了一种计算机存储介质，其上体现有计算机可读代码，当所述计算机可读代码被执行时，实现如第一方面所述的图像识别方法。根据上述各个方面，可以自动提取出车辆安检图像中的目标车体部件区域，能够在一定程度上辅助人工判图，并为后续的车体部件风险分析和嫌疑预警奠定基础。附图说明构成说明书的一部分的附图描述了本专利技术的实施例，其与具体描述一起用于解释本专利技术的原理。参照附图，根据以下详细描述，可以更加清楚地理解本专利技术，其中：图1示出了根据本专利技术实施例的辐射图像中的车体部件的车体区域的示意图；图2示出了根据本专利技术实施例的用于确定车体部件区域的示意流程图；图3示出了根据本专利技术实施例的车箱区域的粗识别结果的示意图；图4示出了根据本专利技术实施例的车箱区域的精确识别结果的示意图；图5示出了根据本专利技术实施例的图像识别方法的示意流程图；以及图6示出了根据本专利技术实施例的图像识别装置的示意框图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。本专利技术的构思在于，对透射图像或辐射图像中的车体部件进行自动识别，提取出各个车体部件，以利于针对各个车体部件来识别违禁物品。具体来说，在安检过程中对车辆进行X射线检查，得到透射图像；利用经过训练的车体部件粗识别模型对过预处理的图像进行智能分析，确定车体部件的候选区域；对候选区域进行类别、位置的归并等后处理分析，得到车体部件粗识别结果；对车体部件的粗识别结果进行进一步的精细处理，得细化或更为精确的车体部件识别结果；最后，可以在精确的识别结果内，筛选、提取、及显示识别结果中的目标部件信息。以下将详细描述上述过程。区别于可见光成像，辐射图像通常是单色图像，而且存在重叠效应，常规的图像识别方法无法适用。因此，本专利技术提出了从辐射图像中提取出各个车辆部件，以便在各个车辆部件中进行识别。如图1所示，其中示出了根据本专利技术实施例的辐射图像中的车体部件的车体区域的示意图。辐射图像可以是来自于X射线检查系统中的车辆透射图像。通常，可以采用车辆的侧视角获得图像数据。如图1所示，车辆100可以包括车头110、车厢120、底盘130和轮胎140。这些车体部件内部具有藏匿空间，因而需要对它们进行重点查验。为了应对重叠效应，提高图像中重叠区域的区分度，可以对图像数据进行预处理操作，例如，去条纹、对比度增强等。图2示出了根据本专利技术实施例的用于确定车体部件区域的示意流程图，包括线下处理和线上处理两部分。左侧的流程210示出了线下处理，对应于车体部件粗识别模型的训练与优化过程，即模型的准备过程；右侧的流程220示出了线上处理，对应于新图像数据的目标车体部件获取的过程，即方法的实际使用过程。如图2所示，线下处理210可以包括图像采集211、数据预处理212、数据标注213、以及模型训练与优化214。如上所述，图像采集211可以是当车辆经过X射线检查系统时，获取车辆的侧视角辐射图像。数据预处理212可以是包括去条纹、对比度增强等。在本专利技术的实施例中，在线上处理220中使用(如箭头230所示)的车体部件粗识别模型可以是利用监督学习方法训练得到的。具体地，线下处理210步骤还可以包括对预处理后的图像数据进行标注213，得到车头、车箱、底盘、轮胎各车体部件在图像中的位置信息和类别。本领域技术人员可以理本文档来自技高网...

【技术保护点】
1.一种图像识别方法，包括：确定图像中的至少一个对象的多个候选区域；基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及基于所述粗识别结果，确定所述至少一个对象的精确位置。

【技术特征摘要】
1.一种图像识别方法，包括：确定图像中的至少一个对象的多个候选区域；基于所述多个候选区域，确定所述至少一个对象的粗识别结果；以及基于所述粗识别结果，确定所述至少一个对象的精确位置。2.根据权利要求1所述的方法，还包括利用有监督学习训练的模型得到所述至少一个对象的多个候选区域，其中有监督学习训练包括在训练图像中标注所述至少一个对象的真实坐标和类别。3.根据权利要求2所述的方法，模型训练过程中还包括：通过仅保留与所标注的真实坐标的重叠率大于第一阈值的区域，确定所述至少一个对象的多个候选区域。4.根据权利要求1所述的方法，其中所述多个候选区域中的每个候选区域还具有概率分数，确定所述至少一个对象的粗识别结果包括去除所述多个候选区域中概率分数低于第二阈值的候选区域，以及将合并属于同一对象的彼此重叠率大于第三阈值的候选区域，以得到所述对象的粗识别结果。5.根据权利要求4所述的方法，其中合并候选区域包括：利用非极大值抑制法，根据每个候选区域的概率得分从高到低的顺序，将所述候选区域合并。6.根据权利要求1所述的方法，其中生成所述至少一个对象的精确位置包括：确定相对于粗识别结果的水平方向偏差和竖直方向偏差，并结合粗识别结果的位置，计算出所述至少一个对象的精确位置。7.根据权利要求1所述的方法，其中...

【专利技术属性】
技术研发人员：姚彦洁，张，刘永春，张丽，邢宇翔，
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