违禁品检测方法、一种计算设备及存储介质技术

本发明专利技术涉及一种违禁品的检测方法、一种计算设备及存储介质，检测方法通过判断同一预测类别的检测结果中是否存在与预测得分最高检测框的IOU大于过滤阈值的检测框，来确定检测结果。当存在IOU大于背景阈值时，检测结果为预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框的集成结果，当不存在IOU大于过滤阈值时，保留预测得分最高的检测框的检测结果。本发明专利技术所涉及的集成方法简单有效，不需要针对不同检测模型设定不同判断参数，在各个模型中具有通用性，应用灵活，消耗计算资源少，模型运算速度快。有效地克服了现有技术在复杂场景下违禁品检测率低、误检率高等缺点，增强了检测模型的鲁棒性，提升该模型在复杂场景下的违禁品检测性能。

Detection method of contraband, a computing device and storage medium

【技术实现步骤摘要】
违禁品检测方法、一种计算设备及存储介质
本专利技术属于安检
，具体涉及一种违禁品检测方法、一种计算设备及存储介质。
技术介绍
X光图片违禁品检测是公共安全领域的一个关键问题，它的主要目的是在伪彩色处理后的X光图片中准确检测其是否包含违禁品，如刀和枪，并能在复杂的遮挡干扰情况下定位违禁品，为人工开箱查验提供线索。目前，X光图片中的违禁品检测以人工查验为主，相关工作人员需要时刻监视画面，并在较短的时间内给出人工判定结果，这不仅费时费力，完全满足不了快递物流安检中高速、大量的需求，而且人工查验若遗漏违禁品，则可能会引发严重后果。因此，自动化违禁品检测技术以其成本低、效率高、稳定性强等优点受到了人们的广泛关注。目标检测(ObjectDetection)是计算机视觉领域的基本任务之一，近些年随着深度学习的崛起，越来越多的目标检测算法采用深度学习方法来完成，并提出了大量基于深度学习的算法与技术，在众多公开数据集上不断的刷新违禁品检测任务的检测精度。尽管如此，对于场景较为复杂的数据集或贴近生活场景的视频数据，由于光照变化、背景复杂、视角差异等因素的影响，大部分算法在此类场景下检测效果无法令人满意，距离大规模商业应用还有一定距离，故当前违禁品安全检测技术的研究依然具有挑战性。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种违禁品检测方法、一种计算设备及存储介质。该方法有效地克服了现有技术在复杂场景下违禁品检测率低、误检率高等缺点，增强了检测模型的鲁棒性，提升该模型在复杂场景下的违禁品检测性能。为实现上述专利技术目的，根据本专利技术的第一个方面，提出的一种违禁品检测方法，包括以下步骤：S1利用预设的N个不同的违禁品检测模型分别对待测安检图像进行检测，获得N个检测结果；所述检测结果包括图像上违禁品的检测框和每个检测框对应的预测类别、预测得分；其中，N为≥2的整数；S2将同一预测类别中的检测结果进行筛选，若存在IOU＞δ，保留预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框，进行上述检测框的集成后保留集成结果；若不存在IOU＞δ，保留预测得分最高的检测框的检测结果；其中，δ为设定的过滤阈值，IOU为在每个预测类别内预测得分最高的检测框与剩余检测框的重合度；所述集成方法为：设预测得分最高的检测框为Boxx，Boxx坐标为[X1x,Y1x,X2x,Y2x]，预测分数为Cx；剩余检测框中与最大IOU对应的检测框为Boxy，Boxy的坐标为[X1y,Y1y,X2y,Y2y]，预测得分为Cy；集成后的检测框坐标为：，，，，集成后的分数为C：；S3输出检测结果。根据本专利技术的又一方面，提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现如上所述检测方法的步骤。根据本专利技术的再一方面，提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如上所述检测方法的步骤。本专利技术的有益技术效果在于：由于单个模型检测准确率十分有限，本专利技术使用多模型集成方法，学习每个模型对最终结果的贡献，提高模型灵敏度，并且与现有多模型集成的思路不同，本专利技术创新性地开发了一种多模型集成的方法来实现违禁品的检测，通过判断同一预测类别的检测结果中是否存在与预测得分最高检测框的IOU大于过滤阈值的检测框，来确定检测结果。当存在IOU大于过滤阈值时，检测结果为预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框的集成结果，当不存在IOU大于过滤阈值时，保留预测得分最高的检测框的检测结果。本专利技术所涉及的集成方法简单有效，不需要针对不同检测模型设定不同判断参数，在各个模型中具有通用性，应用灵活，消耗计算资源少，模型运算速度快。有效地克服了现有技术在复杂场景下违禁品检测率低、误检率高等缺点，增强了检测模型的鲁棒性，提升该模型在复杂场景下的违禁品检测性能。进一步的，本专利技术的集成检测方法还使我们能够将不同的模型体系结构进行比较，以不断改进我们的产品。附图说明图1是本说明书实施例提供的一种计算设备的结构框图；图2是本说明书实施例提供的一种复杂场景下的违禁品检测方法流程图；图3是本说明书实施例提供的一种违禁品检测方法流程图。具体实施方式在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。首先，对本专利技术一个或多个实施例涉及的名词术语进行解释。违禁品：法律规定的不准私自制造、购买、使用、持有、储存、运输进出口的物品，例如武器、弹药、爆炸物品(如炸药、雷管、导火索等)等。安检图像：利用安检设备获取的图像，本专利技术所涉及安检设备或安检机并不仅限于X光安检设备，也不限定安检设备的具体种类或型号，可通过扫描实现的安检设备和/或安检机均是本专利技术所要保护的范围，例如太赫兹成像设备等。在本申请中，提供了一种违禁品检测方法、一种计算设备及存储介质，在下面的实施例中逐一进行详细说明。图1示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库150用于保存数据。计算设备100还包括接入设备140，接入设备140使得计算设备100能够经由一个或多个网络160通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。在本说明书的一个实施例中，计算设备100的上述部件以及图1中未示出的其他部本文档来自技高网...

【技术保护点】
1.一种违禁品检测方法，其特征在于，包括以下步骤：/nS1利用预设的N个不同的违禁品检测模型分别对待测安检图像进行检测，获得N个检测结果；所述检测结果包括图像上违禁品的检测框和每个检测框对应的预测类别、预测得分；其中，N为≥2的整数；/nS2将同一预测类别中的检测结果进行筛选，若存在IOU＞δ，保留预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框，进行上述检测框的集成后保留集成结果；若不存在IOU＞δ，保留预测得分最高的检测框的检测结果；其中，δ为设定的过滤阈值，IOU为在每个预测类别内预测得分最高的检测框与剩余检测框的重合度；/n其中，集成方法为：设预测得分最高的检测框为Box

【技术特征摘要】
1.一种违禁品检测方法，其特征在于，包括以下步骤：
S1利用预设的N个不同的违禁品检测模型分别对待测安检图像进行检测，获得N个检测结果；所述检测结果包括图像上违禁品的检测框和每个检测框对应的预测类别、预测得分；其中，N为≥2的整数；
S2将同一预测类别中的检测结果进行筛选，若存在IOU＞δ，保留预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框，进行上述检测框的集成后保留集成结果；若不存在IOU＞δ，保留预测得分最高的检测框的检测结果；其中，δ为设定的过滤阈值，IOU为在每个预测类别内预测得分最高的检测框与剩余检测框的重合度；
其中，集成方法为：设预测得分最高的检测框为Boxx，Boxx坐标为[X1x,Y1x,X2x,Y2x]，预测分数为Cx；剩余检测框中与最大IOU对应的检测框为Boxy，Boxy的坐标为[X1y,Y1y,X2y,Y2y]，预测得分为Cy；集成后的检测框坐标为：

，

，

，

，
集成后的分数为C：；
S3输出检测结果。


2.一种复杂场景下的违禁品检测方法，其特征在于，包括以下步骤：
S1：获取物品的安检图像并对图像预处理组成数据集；
S2：利用预设的N个不同的违禁品检测模型分别对S1中所述数据集中图像进行检测，检测图像中的违禁品，并在所述违禁品上标记检测框，N为≥2的整数；
S3将同一张图像经S2中所述预设的N个不同的违禁品检测模型检测后所得检测框按预测类别划分成不同集合；
具体的，同一张图像经不同的违禁品检测模型检测后会得到N个检测结果，其中，检测结果包括针对违禁品的检测框和每个检测框对应的预测类别、预测得分；
S4设定过滤阈值为δ，0＜δ＜1，在每个集合内分别计算预测得分最高的检测框与剩余检测框的IOU；
若存在IOU＞δ，保留预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框，进行上述检测框的集成；集成方法如下：预测得分最高的检测框记为Boxx，获取Boxx的坐标[X1x,Y1x,X2x,Y2x]和预测分数Cx；剩余检测框中与最大IOU对应的检测框记为Boxy，Boxy的坐标...

【专利技术属性】
技术研发人员：周凯，
申请(专利权)人：浙江啄云智能科技有限公司，
类型：发明
国别省市：浙江;33