危险品检测方法和装置制造方法及图纸

本发明专利技术提供了一种危险品检测方法和装置，包括：获取安检对象的透视图像；对该透视图像进行预处理，得到该安检对象的预处理图像；将该预处理图像输入预先训练好的危险品识别模型，输出该预处理图像中的兴趣区域；该兴趣区域为满足预设特征要求的区域；基于该兴趣区域，确定该安检对象是否包含危险品，得到检测结果。该方法通过预设模型快速确定图像的兴趣区域，而兴趣区域为满足预设特征要求的区域，从而确定图像的特征，提升了危险品检测的准确程度和效率。程度和效率。程度和效率。

【技术实现步骤摘要】
危险品检测方法和装置


[0001]本专利技术涉及图像检测
，尤其是涉及一种危险品检测方法和装置。

技术介绍

[0002]随着社会的发展，旅游和运输业变得越来越普遍。通常在物品或者旅客运输时，需要对该物品或该旅客随身的包裹进行检测。然而会有不法分子趁机在该待检测件中夹藏一些违禁物品，在客流量大的时候，逐一开箱检测无疑耗费过多时间，所以一般通过辐射成像的方法对物品和包裹进行成像，然后由预设的危险品识别模型进行检测。
[0003]传统的检测技术中，由于物品的堆叠以及包裹中不同品类物品摆放复杂，造成物品间的相互遮挡，致使夹藏的违禁物品的成像轮廓与该违禁品的实际轮廓特征不一致，而现有的危险品识别模型并不具有特征识别的功能，导致现有的检测方法准确程度差、效率低。

技术实现思路

[0004]本专利技术的目的在于提供一种危险品检测方法和装置，以提升危险品检测的准确程度和效率。
[0005]第一方面，本专利技术实施例提供了一种危险品检测方法，其中，包括：获取安检对象的透视图像；对该透视图像进行预处理，得到该安检对象的预处理图像；将该预处理图像输入预先训练好的危险品识别模型，输出该预处理图像中的兴趣区域；该兴趣区域为满足预设特征要求的区域；基于该兴趣区域，确定该安检对象是否包含危险品，得到检测结果。
[0006]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，将该预处理图像输入预先训练好的危险品识别模型，输出该预处理图像中的兴趣区域；该兴趣区域为满足预设特征要求的区域的步骤包括：将该预处理图像输入预先训练好的危险品识别模型中，输出该预处理图像的特征金字塔；根据该特征金字塔，确定该预处理图像中的兴趣区域。
[0007]结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，该基于该兴趣区域，确定该安检对象是否包含危险品，得到检测结果的步骤包括：基于非极大值抑制算法对该兴趣区域内的检测框以及该检测框对应的预设标注信息进行筛选，确定该安检对象是否包含危险品，得到检测结果；该预设标注信息包括危险品品类和位置。
[0008]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，该危险品识别模型通过下述方式训练得到：获取预设的训练集数据；该训练集数据包括：带有该预设标注信息的原始图像和合成图像；该合成图像用于指示样品的透视图像和该透视图像背景的组合图像；根据该训练集数据训练预设的初始神经网络，直至满足预设的训练结束条件，得到训练好的该危险品识别模型。
[0009]结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种
可能的实施方式，其中，根据该训练集数据训练预设的初始神经网络，直至满足预设的训练结束条件，得到训练好的该危险品识别模型的步骤包括：基于该样品的尺寸，设置该初始神经网络的兴趣区域的参数；基于该初始神经网络，对该原始图像和该合成图像进行特征提取，得到训练集特征金字塔；根据该训练集特征金字塔，生成该训练集特征金字塔对应的训练集兴趣区域；基于预设的分类器对该训练集兴趣区域进行分类，得到该训练集数据的预测值；该预测值包括：该训练集兴趣区域的位置坐标和该训练集兴趣区域对应的该预设标注信息的物品品类概率向量；根据该预测值和该训练集兴趣区域的真实值计算该危险品识别模型的损失值；根据该损失值调整该初始神经网络的参数，并继续对参数调整后的网络进行训练，直到满足预设的训练结束条件，得到训练好的该危险品识别模型。
[0010]结合第一方面的第四种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，基于预设的分类器对该训练集兴趣区域进行分类，得到该训练集数据的预测值之后，该方法还包括：基于非极大值抑制算法对该预测值进行筛选，得到预设数量的该预测值。
[0011]结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，该方法还包括：获取预设的测试集数据；该测试集数据包括：带有该预设标注信息的原始图像和合成图像；该合成图像用于指示样品的透视图像和该透视图像背景的组合图像；根据该测试集数据测试该危险品识别模型，直至满足预设的训练结束条件，得到经过测试的该危险品识别模型。
[0012]结合第一方面的第六种可能的实施方式，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，该根据该测试集数据测试该危险品识别模型，直至满足预设的训练结束条件，得到经过测试的该危险品识别模型的步骤之后，该方法还包括：基于该危险品识别模型收集该测试集数据中的错误数据；该错误数据用于指示该测试集数据在测试该危险品识别模型后，得到不符合预设训练结果的数据；根据该错误数据训练该危险品识别模型，直至满足预设的训练结束条件，得到经过调整的该危险品识别模型。
[0013]结合第一方面，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，该对该透视图像进行预处理，得到该安检对象的预处理图像的步骤包括：将该透视图像的空白区域进行剪裁，得到中间待检测图像；将该中间待检测图像进行缩放，得到该预处理图像。
[0014]第一方面，本专利技术实施例提供了一种危险品检测装置，其中，包括：图像获取模块，用于获取安检对象的透视图像；图像预处理模块，用于对该透视图像进行预处理，得到该安检对象的预处理图像；兴趣区域确定模块，用于将该预处理图像输入预先训练好的危险品识别模型，输出该预处理图像中的兴趣区域；该兴趣区域为满足预设特征要求的区域；检测结果确定模块，用于基于该兴趣区域，确定该安检对象是否包含危险品，得到检测结果。
[0015]本专利技术实施例带来了以下有益效果：
[0016]本专利技术提供的一种危险品检测方法和装置，其中，包括：获取安检对象的透视图像；对该透视图像进行预处理，得到该安检对象的预处理图像；将该预处理图像输入预先训练好的危险品识别模型，输出该预处理图像中的兴趣区域；该兴趣区域为满足预设特征要求的区域；基于该兴趣区域，确定该安检对象是否包含危险品，得到检测结果。该方法通过预设模型快速确定图像的兴趣区域，而兴趣区域为满足预设特征要求的区域，从而确定图
像的特征，提升了危险品检测的准确程度和效率。
[0017]本实施例公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
[0018]为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0019]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本专利技术实施例提供的一种危险品检测方法的流程示意图；...

【技术保护点】

【技术特征摘要】
1.一种危险品检测方法，其特征在于，包括：获取安检对象的透视图像；对所述透视图像进行预处理，得到所述安检对象的预处理图像；将所述预处理图像输入预先训练好的危险品识别模型，输出所述预处理图像中的兴趣区域；所述兴趣区域为满足预设特征要求的区域；基于所述兴趣区域，确定所述安检对象是否包含危险品，得到检测结果。2.根据权利要求1所述的危险品检测方法，其特征在于，将所述预处理图像输入预先训练好的危险品识别模型，输出所述预处理图像中的兴趣区域；所述兴趣区域为满足预设特征要求的区域的步骤包括：将所述预处理图像输入预先训练好的危险品识别模型中，输出所述预处理图像的特征金字塔；根据所述特征金字塔，确定所述预处理图像中的兴趣区域。3.根据权利要求2所述的危险品检测方法，其特征在于，所述基于所述兴趣区域，确定所述安检对象是否包含危险品，得到检测结果的步骤包括：基于非极大值抑制算法对所述兴趣区域内的检测框以及所述检测框对应的预设标注信息进行筛选，确定所述安检对象是否包含危险品，得到检测结果；所述预设标注信息包括危险品品类和位置。4.根据权利要求3所述的危险品检测方法，其特征在于，所述危险品识别模型通过下述方式训练得到：获取预设的训练集数据；所述训练集数据包括：带有所述预设标注信息的原始图像和合成图像；所述合成图像用于指示样品的透视图像和所述透视图像背景的组合图像；根据所述训练集数据训练预设的初始神经网络，直至满足预设的训练结束条件，得到训练好的所述危险品识别模型。5.根据权利要求4所述的危险品检测方法，其特征在于，根据所述训练集数据训练预设的初始神经网络，直至满足预设的训练结束条件，得到训练好的所述危险品识别模型的步骤包括：基于所述样品的尺寸，设置所述初始神经网络的兴趣区域的参数；基于所述初始神经网络，对所述原始图像和所述合成图像进行特征提取，得到训练集特征金字塔；根据所述训练集特征金字塔，生成所述训练集特征金字塔对应的训练集兴趣区域；基于预设的分类器对所述训练集兴趣区域进行分类，得到所述训练集数据的预测值；所述预测值包括：所述训练集兴趣区域的位置坐标和所述训练集兴趣区域对应的所述预设标注信息的物品品类概率向量；...

【专利技术属性】
技术研发人员：兴军亮，纪志鹏，梁寅鹏，伍艺，
申请(专利权)人：智慧航安北京科技有限公司，
类型：发明
国别省市：