[发明专利]违禁品检测方法、装置、处理器和安检系统在审
申请号: | 202011017995.4 | 申请日: | 2020-09-24 |
公开(公告)号: | CN112215095A | 公开(公告)日: | 2021-01-12 |
发明(设计)人: | 高山;郭广乾;王程航;黄汉桥;程昊宇 | 申请(专利权)人: | 西北工业大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G01V5/00 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 霍文娟 |
地址: | 710000 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 违禁品 检测 方法 装置 处理器 安检 系统 | ||
1.一种违禁品检测方法,其特征在于,包括:
获取待测X光安检图片;
将所述待测X光安检图片输入检测模型,得到输出结果,所述检测模型的神经网络结构包括深度神经网络和宽度神经网络,且所述检测模型为通过机器学习训练得到的;
根据所述输出结果确定违禁品检测结果。
2.根据权利要求1所述的方法,其特征在于,所述检测模型的训练过程包括:
获取多个X光安检图片;
获取多个标注图像,所述标注图像为对所述X光安检图片标注得到的;
建立所述X光安检图片与所述标注图像的映射关系,得到训练数据集,其中,所述训练数据集包括多组数据,且所述多组数据中的每组数据中均包括:X光安检图片和对应的标注图像;
基于所述训练数据集的数据对所述神经网络结构进行训练,得到所述检测模型。
3.根据权利要求1所述的方法,其特征在于,将所述待测X光安检图片输入检测模型,得到检测结果,包括:
采用所述深度神经网络对所述X光安检图片进行特征提取,得到特征点,一个所述特征点对应一个第一数值;
采用所述宽度神经网络对所述特征点进行融合和再提取,得到所述输出结果。
4.根据权利要求3所述的方法,其特征在于,所述深度神经网络包括浅层、中层和深层,采用所述深度神经网络对所述X光安检图片进行特征提取,得到特征点,包括:
采用所述浅层、所述中层和所述深层对所述X光安检图片进行特征提取,得到第一特征图;
采用激活函数对所述第一特征图进行处理,得到第二特征图;
对所述第二特征图进行全局平均池化处理,得到所述特征点。
5.根据权利要求3所述的方法,其特征在于,采用所述宽度神经网络对所述特征点进行融合和再提取,得到所述输出结果,包括:
所述特征点通过第一函数计算得到特征层节点,一个所述特征层节点对应一个第二数值;
所述特征层节点通过第二函数计算得到增强层节点,一个所述增强层节点对应一个第三数值;
所述特征点和所述特征层节点通过第三函数计算得到所述输出结果。
6.根据权利要求1所述的方法,其特征在于,根据所述输出结果确定违禁品检测结果,包括:
根据所述输出结果绘制特征响应图;
根据所述特征响应图确定所述违禁品检测结果。
7.一种违禁品检测装置,其特征在于,包括:
获取单元,用于获取X光安检图片;
检测单元,用于将所述X光安检图片输入检测模型,得到输出结果,所述检测模型的神经网络结构包括深度神经网络和宽度神经网络,且所述检测模型为使用多组训练数据通过机器学习训练得到的;
确定单元,用于根据所述输出结果确定违禁品检测结果。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,所述程序执行权利要求1至6中任意一项所述的方法。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的方法。
10.一种安检系统,包括安检X光机和违禁品检测装置,其特征在于,所述违禁品检测装置用于执行权利要求1至6中任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011017995.4/1.html,转载请声明来源钻瓜专利网。