一种基于自然引导和数据增强的违禁物品检测方法及系统技术方案

本发明专利技术公开了一种基于自然引导和数据增强的违禁物品检测方法及系统，应用于X光安全检查技术领域，其方法包括以下步骤：S1、基于原始目标检测框构造自然图像和X光安检图像的训练样本对；S2、通过数据增强策略提升训练样本对的多样性；S3、对数据增强策略获得的第一预测框结果进行分步融合，得到第二预测框结果S4、根据所述第二预测框结果对违禁物品进行检测；通过所述目标检测方法对违禁物品进行检测，引入自然图像为X光安检图像数据集提供外观特征，增强模型对违禁品的判别能力，提升检测精度；通过不同的数据增强策略提升数据集的多样性，减低因数据集本身的缺陷带来的影响，能够大大提高X光违禁物品检测模型的检测性能。能。能。

【技术实现步骤摘要】
一种基于自然引导和数据增强的违禁物品检测方法及系统


[0001]本专利技术涉及X光安全检查
，更具体的说是涉及一种基于自然引导和数据增强的违禁物品检测方法及系统。

技术介绍

[0002]X光安全检查在火车、飞机、地铁等公共交通场所中发挥着重要作用。X光安检机将行李扫描成伪彩色，安检人员需要根据对各类违禁物品成像的记忆和经验识别出行李中违禁物品的种类和位置。然而目前这种安检方式的效率完全依赖于安检人员的经验及工作状态，易受环境影响，导致漏检、误检可能性增加大。
[0003]为了减轻安检人员负担，提升安全检查效率，采用计算机自动实现违禁物品检测变得更加迫切和重要。随着计算机视觉技术的发展，目标检测任务常被用于物体的分类与定位，这与X光安检图像中识别并定位违禁物品的任务相似。在现有的深度学习方法中，通常采用迁移学习技术，直接将经典的目标检测算法迁移到X光安检图像的违禁品检测研究中，然而由于X光安检机的成像特殊性，X光安检图像在外观上和自然光图像有很大不同，X光安检图像丢失了较多的细节信息如颜色、纹理等，并且图像重叠、遮挡严重，目前常用的目标检测模型并不适用，因此，如何补充X光安检图像中违禁物品信息、提高模型泛化能力以及检测性是本领域技术人员急需解决的技术问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于自然引导和数据增强的违禁物品检测方法及系统
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于自然引导和数据增强的违禁物品检测方法，包括以下步骤：
[0007]S1、基于原始目标检测框构造自然图像和X光安检图像的训练样本对；
[0008]S2、通过数据增强策略提升所述训练样本对的多样性；
[0009]S3、对所述数据增强策略获得的第一预测框结果进行分步融合，得到第二预测框结果；
[0010]S4、根据所述第二预测框结果对违禁物品进行检测。
[0011]优选的，所述步骤S1包括：
[0012]S11、通过原始目标检测框获取违禁物品的分类准确度；
[0013]S12、基于所述分类准确度判断所述违禁物品的分类是否存在混淆；
[0014]S13、如果存在混淆，获取存在混淆的类别信息并确定自然图像的引入类别；
[0015]S14、在自然图像样本集中寻找包含所述引入类别的违禁物品图像进行样本配对。
[0016]优选的，所述步骤S2具体为：通过图像金字塔对所述X光安检图像的尺度进行校正；从所述X光安检图像中提取违禁品投影到其他X光安检图像中；对所述X光安检图像进行对比度增强、亮度增强处理。
[0017]优选的，所述步骤S3具体为：
[0018]S31、获取所述数据增强策略的第一预测框结果，所述第一预测框结果为预测框位置坐标以及置信度信息；
[0019]S32、将所述第一预测框结果按照置信度降序排列，去除置信度低于预设阈值的预测框，得到参与集成学习的待融合预测框集合；
[0020]S33、分步融合S32中得到的待融合预测框，得到初步融合预测框与未被融合预测框；
[0021]优选的，所述步骤S33之后还包括：
[0022]S34、判断所述初步融合预测框与所述未被融合预测框之间的融合程度，如果所述融合程度大于融合阈值，执行步骤S35，否则执行步骤S36；
[0023]S35、将所述初步融合预测框与所述未被融合预测框重新融合，得到一个次级预测框结果；
[0024]S36、将所述未被融合预测框单独聚类，得到一个次级预测框结果；
[0025]S37、获取所述次级预测框结果合集，作为第二预测框结果。
[0026]一种基于自然引导和数据增强的违禁物品检测系统，包括：自然引导模块、数据增强模块、策略集成模块、目标检测模块；
[0027]所述自然引导模块构造自然图像和X光安检图像的训练样本对；
[0028]所述数据增强模块通过数据增强策略提升所述训练样本对的多样性；
[0029]所述策略集成模块对所述数据增强策略的第一预测框结果进行分步融合，得到第二预测框结果；
[0030]所述目标检测模块根据所述第二预测框结果进行违禁物品检测。
[0031]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于自然引导和数据增强的违禁物品检测方法及系统，具有以下有益效果：通过引入自然图像为X光安检图像数据集提供外观特征，补充违禁物品信息，增强模型对违禁品的判别能力，提升检测精度；通过不同的数据增强策略提升数据集的多样性，减低因数据集本身的缺陷带来的影响，能够大大提高X光违禁物品检测模型的检测性能。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的实施例，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，还可以根据提供的附图获得其他的附图。
[0033]图1为本专利技术的违禁物品检测方法流程示意图；
[0034]图2为本专利技术的违禁物品检测系统框图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0036]实施例一：
[0037]本专利技术实施例公开了一种基于自然引导和数据增强的违禁物品检测方法，如图1所示，包括以下步骤：
[0038]S1、基于原始目标检测框构造自然图像和X光安检图像的训练样本对；
[0039]S2、通过数据增强策略提升训练样本对的多样性；
[0040]S3、对数据增强策略获得的第一预测框结果进行分步融合，得到第二预测框结果；
[0041]S4、根据第二预测框结果对违禁物品进行检测。
[0042]实施例二：
[0043]本专利技术实施例公开了一种基于自然引导和数据增强的违禁物品检测方法，包括以下步骤：
[0044]S1、基于原始目标检测框构造自然图像和X光安检图像的训练样本对，具体包括：
[0045]S11、通过原始目标检测框获取所有类别违禁物品的分类准确度；
[0046]S12、基于所述分类准确度判断所述违禁物品的分类是否存在混淆，具体为：
[0047]mean(|f(O
n,c
)
‑
f(O
n,c
′
)|)<Δ
[0048]式中，O
n,c
表示n种材料，c类的违禁物品，O
n,c
′
表示n种材料，c
′
类的违禁物品，Δ表示物品O
n,c<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自然引导和数据增强的违禁物品检测方法，其特征在于，包括以下步骤：S1、基于原始目标检测框构造自然图像和X光安检图像的训练样本对；S2、通过数据增强策略提升所述训练样本对的多样性；S3、对所述数据增强策略获得的第一预测框结果进行分步融合，得到第二预测框结果；S4、根据所述第二预测框结果对违禁物品进行检测。2.根据权利要求1所述的一种基于自然引导和数据增强的违禁物品检测方法，其特征在于，所述步骤S1包括：S11、通过原始目标检测框获取违禁物品的分类准确度；S12、基于所述分类准确度判断所述违禁物品的分类是否存在混淆；S13、如果存在混淆，获取存在混淆的类别信息并确定自然图像的引入类别；S14、在自然图像样本集中寻找包含所述引入类别的违禁物品图像进行样本配对。3.根据权利要求1所述的一种基于自然引导和数据增强的X光违禁物品检测方法，其特征在于，所述步骤S2具体为：通过图像金字塔对所述X光安检图像的尺度进行校正；从所述X光安检图像中提取违禁品投影到其他X光安检图像中；对所述X光安检图像进行对比度增强、亮度增强处理。4.根据权利要求1所述的一种基于自然引导和数据增强的违禁物品检测方法，其特征在于，所述步骤S3具体为：S31、获取所述数据增强策略的第一预测框结果，...

【专利技术属性】
技术研发人员：孙波，何珺，张迎辉，钟阳财，刘筠，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：