一种基于深度学习的机场安检安全态势感知系统及方法技术方案

本发明专利技术公开了基于深度学习的机场安检安全态势感知方法及系统，涉及图像处理技术领域，本发明专利技术通过收集过往的机场安检乘客连续的图片集和行李物品图片，构建第一乘客图片矩阵和行李物品图片集，将第一乘客图片矩阵分为训练矩阵和测试矩阵，行李物品图片集分为训练集和测试集；设定对应的标签矩阵和标签集；训练测试并优化CL网络模型和CNN神经网络模型，得到最终CL网络模型和最终CNN神经网络模型；将实时收集的乘客的图片集和行李物品图片分别传输至最终CL网络模型和最终CNN卷积神经网络模型，得到安全态势结果并做出决策；将实时异常乘客的特征带入到训练好的最终递归神经网络预测模型中，得到实时异常乘客的安全态势，并做出决策。

【技术实现步骤摘要】

本专利技术属于图像处理，具体来说，特别涉及基于深度学习的机场安检安全态势方法及系统。

技术介绍

1、随着全球航空业的快速发展，机场安检作为保障航空安全的第一道防线，其重要性与日俱增。当前，机场安检系统主要依赖于人工检查结合x光机、金属探测器等传统设备，这些方法虽能在一定程度上识别违禁行李物品，但存在处理效率低、误报率高、对复杂场景识别能力不足等缺点。特别是在面对日益多样化的恐怖威胁手段时，传统安检手段显得力不从心。

2、近年来，深度学习技术在图像识别、模式分类等领域取得了显著进展，为机场安检安全态势感知提供了新的解决方案。然而，目前市场上基于深度学习的安检系统多侧重于单一行李物品的识别，缺乏对整个安检区域安全态势的全面感知与动态评估能力，且系统间信息共享不畅，难以形成高效协同的安检网络。

技术实现思路

1、本专利技术提出了一种基于深度学习的机场安检安全态势感知系统及方法，旨在通过集成多源数据融合、深度学习模型优化及实时态势分析技术，实现对机场安检区域安全态势的全面、精准、动态感知。具体技术方案包括本文档来自技高网...

【技术保护点】

1.一种基于深度学习的机场安检安全态势感知方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述S1包含以下步骤：

3.根据权利要求2所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述S2包括以下步骤：

4.根据权利要求3所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述S22包括以下步骤：

5.根据权利要求4所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述S222中的初始CL网络模型的训练误差应用缺失函数计算，函数表达式如下：

6...

【技术特征摘要】

1.一种基于深度学习的机场安检安全态势感知方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述s1包含以下步骤：

3.根据权利要求2所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述s2包括以下步骤：

4.根据权利要求3所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述s22包括以下步骤：

5.根据权利要求4所述的基于深度学习的机场安检安全态势感知方法，其特征在于，所述s222中的初始cl网络模型的训练误差应用缺失函数计算，函数表达式如下：

6.根...

【专利技术属性】
技术研发人员：李黎静，
申请(专利权)人：北京佳力信联科技有限责任公司，
类型：发明
国别省市：