一种安检图像中违禁物品检测方法及装置制造方法及图纸

本发明专利技术公开了一种安检图像中违禁物品检测方法及装置。该方法包括如下步骤：获取待检测的安检图像；将待检测的安检图像输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该图像用于目标物预测的边界特征增强后的特征图。利用本发明专利技术所提供的方法得到的边界特征增强后的特征图特征丰富、边界精确，以便于检测器对行李物品中的违禁品进行检测，有效地解决了X射线所拍摄的安检图像中目标物边界模糊、失真，图像色彩单调、缺乏光泽的问题。问题。问题。

【技术实现步骤摘要】
一种安检图像中违禁物品检测方法及装置


[0001]本专利技术涉及一种安检图像中违禁物品的检测方法，同时也涉及相应的违禁物品检测装置，属于安全检查


技术介绍

[0002]随着在公共交通中人流量的增加，安全检查变得越来越重要。在安全检查场景中，通常采用X射线扫描仪来检查行李中是否含有违禁物品，并且需要安检员长时间聚精会神地检查违禁品。在长时间高注意力地观看复杂的安检图像后，安检员可能会产生视觉疲劳，导致工作效率下降。
[0003]在X射线等高能射线所拍摄的安检图像中，目标物边界特征为精确的目标物检测提供了很强的鉴别信息，特别是在目标相互遮挡和特征不明显的情况下。但是，由于X射线所拍摄的图像色彩单调、缺乏光泽，其目标物边缘相较于真实图像略有失真和模糊，因此现有的目标物检测方法很难较好地提取并利用目标物边界特征，这对面向基于目标物边界特征确定的违禁物品检测任务提出了挑战。
[0004]杨晓刚等人在论文《X射线安检图像增强方法研究》(刊载于《CT理论与应用研究》2012年第4期)中，讨论了一种X射线安检图像增强的新方法。该方法的思路如下：首先消除安检图像的背景区域噪声,接着利用拉普拉斯变换对图像的边缘进行增强,然后通过CLAHE(有约束的局部直方图均衡化)方法实现图像的对比度增强,最后利用双边滤波器在保持图像边缘的前提下降低图像噪声。该方法很好地适应了X射线安检图像的特点,得到了较好的增强效果。

技术实现思路

[0005]本专利技术所要解决的首要技术问题在于提供一种安检图像中违禁物品检测方法。
[0006]本专利技术所有解决的另一技术问题在于提供一种安检图像中违禁物品检测装置。
[0007]为了实现上述目的，本专利技术采用下述的技术方案：
[0008]根据本专利技术实施例的第一方面，提供一种安检图像中违禁物品检测方法，包括如下步骤：
[0009]步骤S1、获取待检测的安检图像；
[0010]步骤S2、将所述待检测的安检图像输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该图像用于目标物预测的边界特征增强后的特征图。
[0011]其中较优地，所述基于目标物边缘信息聚合的多特征融合模型，通过如下步骤得到：
[0012]步骤S21、建立包含违禁物品的图像数据集，并划分训练集数据和测试集数据；
[0013]步骤S22、将所述训练集数据中的图像每输入一个批次图像到双向特征传播网络中，生成各个图像的多层初始特征图后，基于所述多层初始特征图提取出各个图像的多层目标物边缘特征图；
[0014]步骤S23、将所述各个图像中的多层目标物边缘特征图输入到边界特征聚合模块中，得到各个图像中目标物的多层边界特征增强的特征图；
[0015]步骤S24、将所述各个图像中目标物的多层边界特征增强的特征图输入到所述双向特征传播网络中，实现与所述多层初始特征图融合，得到各个图像用于目标物预测的边界特征增强后的特征图；
[0016]步骤S25、重复执行步骤S22至S24直至迭代预设次数，得到基于目标物边缘信息聚合的多特征融合模型；
[0017]步骤S26、采用所述测试集数据测试所述基于目标物边缘信息聚合的多特征融合模型的精度。
[0018]其中较优地，建立包含违禁物品的图像数据集时，采集数张安检图像，并对每一张图像中的物品进行标注后，从中选取出包含违禁物品的图像建立图像数据集。
[0019]其中较优地，步骤S22中，将所述每输入一个批次图像利用卷积层，生成各个图像的多层初始特征图，所述多层初始特征图输入到所述双向特征传播网络的深层特征传播模块中，通过自上而下的路径，进行目标物边缘特征传播，使得每一层的目标物边缘特征图都包含了在其之后所有层的目标物边缘特征信息。
[0020]其中较优地，步骤S23中，每一层边界特征增强的特征图通过边界特征聚合模块由如下步骤得到；
[0021]步骤S230、将一层目标物边缘特征图进行复制，得到预设数量相应层目标物边缘特征图；
[0022]步骤S231、将复制的目标物边缘特征图对应进行多方向池化操作，得到相应方向的目标物边界特征图；
[0023]步骤S232、将多方向的目标物边界特征图与对应层目标物边缘特征图进行融合，得到对应层边界特征增强的特征图。
[0024]其中较优地，步骤S231中，将复制的目标物边缘特征图对应进行多方向池化操作时，根据如下公式实现；
[0025][0026]其中，C
m，n
(i，j)表示边界聚合后特征图的第i行第j列的像素点数值；表示某一层目标物边缘特征图复制的第n张目标物边缘特征图中向下池化操作时，第i行第j列的像素点所在列中，该像素点及其之前所有像素点中的最大数值；表示某一层目标物边缘特征图复制的第n张目标物边缘特征图中向上池化操作时，第i行第j列的像素点所在列中，该像素点及其之前所有像素点中的最大数值；表示某一层目标物边缘特征图复制的第n张目标物边缘特征图中向左池化操作时，第i行第j列的像
素点所在行中，该像素点及其之前所有像素点中的最大数值；表示某一层目标物边缘特征图复制的第n张目标物边缘特征图中向右池化操作时，第i行第j列的像素点所在行中，该像素点及其之前所有像素点中的最大数值。
[0027]其中较优地，步骤S232中，将多方向的目标物边界特征图与对应层目标物边缘特征图中对应位置的像素点数值相加，得到对应层边界特征增强的特征图。
[0028]其中较优地，步骤S24中，双向特征传播网络中的浅层特征传播模块将各个图像中目标物的多层边界特征增强的特征图，通过自下而上的路径，生成浅层信息传播后的特征图，并将其与相应的各个图像的多层初始特征图中对应位置的像素点数值相加，得到各个图像用于目标物预测的边界特征增强后的特征图。
[0029]根据本专利技术实施例的第二方面，提供一种安检图像中违禁物品检测装置，其特征在于包括处理器和存储器，所述处理器读取所述存储器中的计算机程序或指令，用于执行以下操作：
[0030]获取待检测的安检图像；
[0031]将所述待检测的安检图像输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该图像用于目标物预测的边界特征增强后的特征图。
[0032]根据本专利技术实施例的第三方面，提供一种计算机可读存储介质，所述可读存储介质上存储有指令，当其在计算机上运行时，使得所述计算机执行如以下操作：
[0033]获取待检测的安检图像；
[0034]将所述待检测的安检图像输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该图像用于目标物预测的边界特征增强后的特征图。
[0035]与现有技术相比较，本专利技术所提供的安检图像中违禁物品检测方法及装置通过获取待检测的安检图像，并其输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该安检图像用于目标物预测的边界特征增强后的特征图。该特征图的特征丰富、边界精确，以便于检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安检图像中违禁物品检测方法，其特征在于包括如下步骤：步骤S1、获取待检测的安检图像；步骤S2、将所述待检测的安检图像输入到预先训练好的基于目标物边缘信息聚合的多特征融合模型中，得到该图像用于目标物预测的边界特征增强后的特征图。2.如权利要求1所述的安检图像中违禁物品检测方法，其特征在于：所述基于目标物边缘信息聚合的多特征融合模型通过如下步骤得到：步骤S21、建立包含违禁物品的图像数据集，并划分训练集数据和测试集数据；步骤S22、将所述训练集数据中的图像每输入一个批次图像到双向特征传播网络中，生成各个图像的多层初始特征图后，基于所述多层初始特征图提取出各个图像的多层目标物边缘特征图；步骤S23、将所述各个图像中的多层目标物边缘特征图输入到边界特征聚合模块中，得到各个图像中目标物的多层边界特征增强的特征图；步骤S24、将所述各个图像中目标物的多层边界特征增强的特征图输入到所述双向特征传播网络中，实现与所述多层初始特征图融合，得到各个图像用于目标物预测的边界特征增强后的特征图；步骤S25、重复执行步骤S22至S24直至迭代预设次数，得到基于目标物边缘信息聚合的多特征融合模型；步骤S26、采用所述测试集数据测试所述基于目标物边缘信息聚合的多特征融合模型的精度。3.如权利要求2所述的安检图像中违禁物品检测方法，其特征在于：建立包含违禁物品的图像数据集时，采集数张安检图像，并对每一张图像中的物品进行标注后，从中选取出包含违禁物品的图像建立图像数据集。4.如权利要求2所述的安检图像中违禁物品检测方法，其特征在于在步骤S22中，将所述每输入一个批次图像利用卷积层，生成各个图像的多层初始特征图，所述多层初始特征图输入到所述双向特征传播网络的深层特征传播模块中，通过自上而下的路径，进行目标物边缘特征传播，使得每一层的目标物边缘特征图都包含了在其之后所有层的目标物边缘特征信息。5.如权利要求2所述的安检图像中违禁物品检测方法，其特征在于在步骤S23中，每一层边界特征增强的特征图通过边界特征聚合模块由如下步骤得到；步骤S230、将一层目标物边缘特征图进行复制，得到预设数量相应层目标物边缘特征图；步骤S231、将复制的目标物边缘特征图对应进行多方向池化操作，得到相应方向的目标物边界特征图；步骤S232、将多方向的目标物边界特征图与对应层目标...

【专利技术属性】
技术研发人员：刘祥龙，陶仁帅，尉言路，李海南，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：