【技术实现步骤摘要】
本专利技术涉及一种基于双视角安检图像的箱包自动识别方法，同时也涉及采用该识别方法的安检设备，属于安检。
技术介绍
1、安检设备主要应用于地铁、车站、机场、海关、大型会议等需要进行安全检查的公共场所，安检的对象通常是人体及其所携带的箱包等物品。对于箱包等物品的检查是借助输送带将被检查物品送入x射线检查通道完成检查。当安检的人数较多时，其所携带的箱包等物品就会一个挨着一个地、甚至交错地通过检查通道，于是在安检设备采集形成的安检图像流中，就会出现箱包之间没有缝隙、甚至彼此交错的情况。
2、在现有技术中，安检设备是依靠图像中的空气缝隙来判断箱包之间的间隙，进而把安检图像流切分为不同的箱包图像。但是，当持续出现多个箱包相连、彼此交错的情况时，由于不存在空气缝隙，无法判断每个箱包在图像流中的实际起点和长度，最终只能按固定长度对安检图像流进行切分，形成的图像与实际箱包是脱节的，造成一图中有多包、一包跨在至少两图中的杂乱情况。这就导致在复查安检图像时，安检人员无法在一个图像中看到同一箱包的完整内容，影响了观察效率，甚至会影响公共安全。因此，对于安检图像流中箱包的正确切分识别，是影响安全检查以及人包对应技术的一项重要技术研究课题。
3、在专利号为zl 202210288947.1的中国专利技术专利中，公开了一种基于目标识别的切图方法与系统。该切图方法从x光机发送的视频流中获得图片集；遍历图片集中所有视频帧图片，以当前遍历的视频帧图片为基准图片，对所述基准图片以及基准图片的后一张视频帧图片进行识别与去重处理，获得包含新包裹信
技术实现思路
1、本专利技术所要解决的首要技术问题在于提供一种基于双视角安检图像的箱包自动识别方法。
2、本专利技术所要解决的另一技术问题在于提供一种采用该箱包自动识别方法的安检设备。
3、为了实现上述目的，本专利技术采用以下的技术方案：
4、根据本专利技术实施例的第一方面，提供一种基于双视角安检图像的箱包自动识别方法，包括如下步骤：
5、(1)采集主视角安检图像和辅视角安检图像，分别对主视角的图像缓冲池和辅视角的图像缓冲池进行更新；
6、(2)采用卷积神经网络模型对输入图像数据进行箱包的识别判断，形成主、辅视角图像中箱包的初步识别结果；
7、(3)将主、辅视角图像中箱包的所述初步识别结果进行对齐处理；
8、(4)对箱包的扯出物品进行归属分析判断，形成完整的主、辅视角图像中箱包的识别结果。
9、其中较优地，所述步骤(1)中，包括如下子步骤：
10、所述图像缓冲池内的安检图像采用先入先出的原则进行更新，每次更新均采集单位列数的安检图像加入到所述图像缓冲池的尾部。
11、其中较优地，所述步骤(2)中，所述卷积神经网络模型采用faster r-cnn、yolo、mask r-cnn、convnext、vit卷积神经网络中的任意一种。
12、其中较优地，所述步骤(2)中，包括如下子步骤：
13、(21)当在输入图像中识别到某箱包的尾部位于所述图像缓冲池的尾部时，则预判为采集图像流中出现了一个新箱包；
14、(22)所述图像缓冲池加入下一组采集图像，形成新的输入图像；
15、(23)对目前所述图像缓冲池中的输入图像进行判断，若仍能识别到步骤(21)中预判的新箱包，且其尾部仍位于所述图像缓冲池的尾部，则返回步骤(22)；否则转入下一步骤；
16、(24)确认步骤(21)中预判为新箱包的识别结果。
17、其中较优地，所述步骤(3)中，包括如下子步骤：
18、(31)若主、辅视角图像在各自图像流相同的位置上均产生了箱包识别结果，则以各自的箱包识别区域作为同一箱包在两个视角中的分割图像，然后转入步骤(35)；否则转入下一步骤；
19、(32)若在同一位置仅有主视角图像产生了箱包识别结果，且其识别结果的可信度高于预设阈值，则将其识别到的箱包首尾位置作为指导信息，指导辅视角图像在对应位置产生箱包区域，然后转入步骤(35)；否则转入下一步骤；
20、(33)若在同一位置仅有辅视角图像产生了箱包识别结果，则该识别结果被放弃，然后转入步骤(35)；否则转入下一步骤；
21、(34)若主、辅视角图像的箱包识别结果中箱包区域的位置存在差异，则以二者之中置信度更高的一个识别结果为准，指导另一视角确定该箱包区域的位置；
22、(35)结束本次对齐处理，转入步骤(31)，进行下一个箱包识别结果的对齐处理。
23、其中较优地，所述步骤(4)中，包括如下子步骤：
24、(41)采用主视角图像判断箱包的扯出物品的存在；
25、(42)在辅视角图像中利用深度学习特征结合条件随机场算法对所述扯出物品进行归属分析判断。
26、其中较优地，所述步骤(42)中，当主视角图像中发现扯出物品时，该扯出物品的区域为o，则在辅视角图像的对应区域中进行如下能量计算：
27、
28、
29、其中，和分别为：
30、
31、
32、
33、其中，el为左向能量；er为右向能量；pi、pj表示卷积神经网络输出层i中位于区域o中的两个超级像素；表示pi自身的能量因素；表示左向的超级像素间的能量因素；表示右向的超级像素间的能量因素；ω1为能量因素的权重，ω2为能量因素的权重；svm(pi)表示支持向量机的输出；d(pi，pj)表示两超级像素的特征值的差值；表示输出层i中在像素pi左侧、属于区域o的部分；表示输出i中在像素pi右侧、属于o区域的部分；wl(pi，pj)表示像素pj到pj所在列属于的超级像素p‘j的垂直方向上的距离，表示像素pi左侧的一组超级像素；wr(pi，pj)表示像素pj到pj所在列属于的超级像素p‘j的垂直方向上的距离，表示像素pi右侧的一组超级像素。
34、其中较优地，当所述左向能量和所述右向能量中有一方小于对方时，则判定为扯出物品属于该方向上的扯出物品，归属为该方向上的相邻箱包范围。
35、根据本专利技术实施例的第二方面，提供一种安检设备，至少包括双视角或多视角图像采集单元和箱包自动识别单元；所述箱包自动识别单元包括处理器、存储器；所述处理器和所述存储器耦接；其中，
36、所述存储器用于存本文档来自技高网...
【技术保护点】
1.一种基于双视角安检图像的箱包自动识别方法，其特征在于包括如下步骤：
2.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(1)中，所述图像缓冲池内的安检图像采用先入先出的原则进行更新，每次更新均采集单位列数的安检图像加入到所述图像缓冲池的尾部。
3.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(2)中，所述卷积神经网络模型采用Faster R-CNN、Yolo、Mask R-CNN、ConvNeXt、ViT卷积神经网络中的任意一种。
4.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(2)中包括如下子步骤：
5.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(3)中包括如下子步骤：
6.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(4)中包括如下子步骤：
7.如权利要求6所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(42)中，当主视角图像中发现扯出
8.如权利要求7中所述的基于双视角安检图像的箱包自动识别方法，其特征在于：
9.一种安检设备，至少包括双视角或多视角图像采集单元和箱包自动识别单元，其特征在于所述箱包自动识别单元包括处理器、存储器；所述处理器和所述存储器耦接；其中，
...【技术特征摘要】
1.一种基于双视角安检图像的箱包自动识别方法，其特征在于包括如下步骤：
2.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(1)中，所述图像缓冲池内的安检图像采用先入先出的原则进行更新，每次更新均采集单位列数的安检图像加入到所述图像缓冲池的尾部。
3.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(2)中，所述卷积神经网络模型采用faster r-cnn、yolo、mask r-cnn、convnext、vit卷积神经网络中的任意一种。
4.如权利要求1所述的基于双视角安检图像的箱包自动识别方法，其特征在于所述步骤(2)中包括如下子步骤：
5.如权利要求...
【专利技术属性】
技术研发人员：王宇石，王晓侃，董明文，赵刚，
申请(专利权)人：公安部第一研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。