判图方法和系统

技术领域

本发明涉及安检领域，尤其涉及一种判图方法和系统。

背景技术

在现有的安检技术中，判图系统采用人工智能（Artificial Intelligence，AI）识别来辅助人工判图，并且一套业务系统仅采用一家AI智能识别判图厂商提供的产品。

然而，单独一家的智能识别能力有限，识别准确率不高，所以AI的判图结论仅能够作为人工判图的参考，还不能替代人工的专业判图能力，最终的判图结论必须由人工来给出，导致判图效率低下。

发明内容

本发明实施例提供了一种判图方法，能够利用多路判图设备来获取最终结果，提高判图方法的可靠性和判图效率。

一方面，本发明实施例提供了一种判图方法，该方法包括：利用当前等级的多路判图设备来获取针对同一图像的多个判图结果，判图结果指示无嫌疑或有嫌疑；计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例；以及将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果。

根据本发明实施例提供的判图方法，第一预设阈值大于或等于75%。

根据本发明实施例提供的判图方法，多路判图设备中的每一路的判图设备不同于其他路的判图设备，每一路包括一个或多个判图设备，并且位于同一路中的多个判图设备彼此不同。

根据本发明实施例提供的判图方法，多路判图设备中的每一路均包括一个判图设备，并且每个判图设备被配置有相同或不同的权重；其中，计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例，包括：基于每个判图设备的权重和对应的判图结果，来计算比例。

根据本发明实施例提供的判图方法，多路判图设备中的一路或多路包括多个判图设备，并且多个判图设备中的每一个被配置有相同或不同的权重；其中，利用当前等级的多路判图设备来获取针对同一图像的多个判图结果，包括：基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果。

根据本发明实施例提供的判图方法，基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果，包括：基于位于一路中的多个判图设备的权重和对应的判图结果，来计算比例；将比例大于或等于第二预设阈值的无嫌疑或有嫌疑作为针对同一图像的一个或多个判图结果，其中，第二预设阈值与第一预设阈值相同或者不同。

根据本发明实施例提供的判图方法，多路判图设备中的每一路被配置有相同或不同的权重；其中，计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例，包括：基于每一路的权重和对应的判图结果，来计算比例。

根据本发明实施例提供的判图方法，选择判图结果与最终结果不一致的判图设备，并将这种不一致反馈回所选判图设备。

根据本发明实施例提供的判图方法，若当前等级的多路判图设备无法给出最终结果，则利用当前等级的多路判图设备中的一路或多路以及当前等级的附加的一路或多路判图设备来获取最终结果。

根据本发明实施例提供的判图方法，还包括：若当前等级的多路判图设备无法给出最终结果，则利用下一等级的多路判图设备来获取最终结果，其中，第一预设阈值为100%，并且下一等级的多路判图设备的判图准确性高于当前等级的多路判图设备的判图准确性。

根据本发明实施例提供的判图方法，还包括：若各个等级的多路判图设备均无法给出最终结果，则将比例大于或等于第三预设阈值的无嫌疑或有嫌疑作为中间结果进行存储，并且如果存在两个以上的中间结果一致，则将一致的中间结果作为最终结果，其中，第三预设阈值大于或等于75%且小于100%。

另一方面，本发明实施例提供了一种判图系统，该系统包括：当前等级的多路判图设备，用于获取针对同一图像的多个判图结果，判图结果指示无嫌疑或有嫌疑；第一处理单元，用于计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例；以及输出单元，用于将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果。

根据本发明实施例提供的判图系统，第一预设阈值大于或等于75%。

根据本发明实施例提供的判图系统，多路判图设备中的每一路的判图设备不同于其他路的判图设备，每一路包括一个或多个判图设备，并且位于同一路中的多个判图设备彼此不同。

根据本发明实施例提供的判图系统，多路判图设备中的每一路均包括一个判图设备，并且每个判图设备被配置有相同或不同的权重；其中，第一处理单元具体用于：基于每个判图设备的权重和对应的判图结果，来计算比例。

根据本发明实施例提供的判图系统，多路判图设备中的一路或多路包括多个判图设备和第二处理单元，并且多个判图设备中的每一个被配置有相同或不同的权重；其中，第二处理单元用于：基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果。

根据本发明实施例提供的判图系统，第二处理单元具体用于：基于位于一路中的多个判图设备的权重和对应的判图结果，来计算比例；以及将比例大于或等于第二预设阈值的无嫌疑或有嫌疑作为针对同一图像的一个或多个判图结果，其中，第二预设阈值与第一预设阈值相同或者不同。

根据本发明实施例提供的判图系统，多路判图设备中的每一路被配置有相同或不同的权重；其中，第一处理单元具体用于：基于每一路的权重和对应的判图结果，来计算比例。

根据本发明实施例提供的判图系统，还包括：当前等级的附加的一路或多路判图设备，用于在当前等级的多路判图设备无法给出最终结果的情况下，则与当前等级的多路判图设备中的一路或多路一起来获取最终结果。

根据本发明实施例提供的判图系统，还包括：下一等级的多路判图设备，用于在当前等级的多路判图设备无法给出最终结果的情况下，基于下一等级的多路判图设备来获取最终结果，其中，第一预设阈值为100%，并且下一等级的多路判图设备的判图准确性高于当前等级的多路判图设备的判图准确性。

本发明实施例的判图方法和系统，能够利用多路判图设备来获取最终结果，能够更好地利用多个不同的判图设备的判图能力，提高了判图结果的准确性、可靠性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提供的判图方法的流程示意图；

图2示出了本发明第一实施例提供的判图方法的示意图；

图3示出了本发明第二实施例提供的判图方法的示意图；

图4示出了本发明第三实施例提供的判图方法的示意图；

图5示出了本发明第四实施例提供的判图方法的示意图；

图6示出了本发明第五实施例提供的判图方法的示意图；

图7示出了本发明第六实施例提供的判图方法的示意图；

图8示出了本发明第七实施例提供的判图方法的示意图；

图9示出了本发明第八实施例提供的判图方法的示意图；

图10示出了本发明第九实施例提供的判图方法的示意图；

图11示出了本发明第十实施例提供的判图方法的示意图；

图12示出了本发明第十一实施例提供的判图方法的示意图；

图13示出了本发明实施例提供的判图系统的结构示意图；以及

图14示出了图13所示的第一路判图设备的具体实现方式的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

首先，为了更好地理解本发明，对本发明实施例中提供的多个术语进行介绍，具体如下：

第一等级的多路判图设备：可以表示算力相对较弱的硬件资源，其被配置有相对较弱算力的AI算法，并输出较为粗糙的判图结果的较低等级判图设备。

第二等级或更高等级的多路判图设备：可以表示算力相对较强的硬件资源，其被配置有相对较强算力的AI算法，并输出较为精确的判图结果的较高等级判图设备。

厂商：能够对扫描图像内的嫌疑物品进行智能识别的厂商，例如同方威视、海康威视等，以及潜在具备智能识别能力的厂商，例如云从、商汤、百度和华为等。

任务：与安检点扫描行李物品所产生的扫描图像相对应的判图任务，用于判图行李物品中是否包含有嫌疑物品。通常嫌疑物品可以指代那些可能会对安全造成威胁的危险物品。

学习训练资源：开发判图设备时，需要先收集大量的嫌疑物品，并对其进行扫描以获得扫描图像，以及包含嫌疑物品的行李物品的扫描图像。接下来，人为的由专业人员对这些图像进行标定，以标出嫌疑物品的位置和类型。然后将这种标定好的图像输入机器学习模型，以供机器进行学习，更新优化模型，让机器学会如何辨别扫描图像内的嫌疑物品。由收集到的嫌疑物品学习训练资源，生成对应的嫌疑物品库，可以特异地针对某些类型的嫌疑物品来选择学习训练资源，使得判图设备能够识别出特异的嫌疑物品而不去识别其他的物品类型。

嫌疑物品库：由机器学习和训练得到的AI智能识别嫌疑物品模型，该模型对应的AI可以识别出嫌疑物品库中指定的嫌疑物品。

随着安检行业的发展，减员增效、开源节流的概念将会越来越基础，越来越重要。随着诸如图形处理单元（Graphics Processing Unit，GPU）、神经网络处理单元（Neural-network Processing Unit，NPU）等之类的算力资源的发展，诸如神经网络、深度学习等之类的人工智能技术的发展，AI智能判图的准确性、可靠性将不断提高。相关法律法规、业内行情、项目指标、业主需要也将随之不断发展。

在一些弱安检场景下的应用，AI已经具备部分替代人工的能力。那么在AI可以大概率完成判图并且不会出错的情况下，如何进一步保障AI判图结论的安全可靠，确保不出任何纰漏，以进一步扩大AI的应用范围，从而除了将AI应用于弱安检场景，还可以应用于一些对可靠性要求较高的场景，这将成为未来判图系统重点考虑的问题。

可以理解，无论是诸如智能识别仪等之类的硬件设备，还是诸如智能识别云服务等之类的软件服务，如果它们均来自同一厂商，则采用的均是一个系列的AI智能识别算法。这样一来，无疑压制了AI能够带来的识别能力的上限。

可见，现有技术中，仅采用一家AI智能识别判图厂商提供的产品，由于一家AI产品的识别能力不足，导致AI智能判图存在一定风险，从而可能会出现嫌疑物漏检或误判的情况。

然而，在某些情况下，判图系统所属的安全领域对风险的容忍度几乎为零，对判图结论的可靠性要求非常高，由于在人工判图时可以事后追责到人，而系统的失误就不便于追责了。

可见，现有的判图系统的判图工作无法依赖于机器，这导致效率低下，人工成本较高等，故而如何提高机器的AI判图可靠性十分重要，进而达到将AI智能识别判图引入到判图系统的真正目的，例如降低人工成本，避免人为疲劳等原因导致的效率低下和判断失误，提供系统可靠性和判图效率等。

通常情况下，当系统可靠性达到与人工可靠性相当的程度，甚至超过人工可靠性时，就可以认为其可以部分替代人工了。当系统可靠性无限接近100%时，就可以认为其可以完全替代人工了。

为了解决现有技术问题，本发明实施例提供了一种判图方法和系统。下面首先对本发明实施例所提供的判图方法进行介绍。

图1示出了本发明实施例提供的判图方法的流程示意图。如图1所示，该判图方法可以包括如下步骤：S110，利用当前等级的多路判图设备来获取针对同一图像的多个判图结果，判图结果指示无嫌疑或有嫌疑；S120，计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例；以及S130，将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果。

可以理解，判图系统在应用AI智能识别判图功能时，由机器完成对待检测物（例如，行李物品）的透视扫描，得到一张扫描图像，接着利用厂家提供的AI产品（即，判图设备）来识别该图像内是否存在嫌疑违禁物品等，其中，若存在则输出指示有嫌疑的判图结果，若不存在则输出指示无嫌疑的判图结果。可见，厂商的AI产品向判图系统提供了例如AI识图和判图能力。

然而，虽然厂商的AI产品都具备AI判图能力，但是应当注意，每家厂商在开发其AI产品时所采用的学习训练资源均不同，这就导致训练出来的嫌疑物品库也不同。同时，每家厂商所采取的识别算法、训练模式、建模方法等也不尽相同，这就导致每家厂商的AI产品针对同一张扫描图像进行嫌疑物品识别时所输出的判图结果可能会存在差别。

因此，本发明上述实施例提供的判图方法可以利用多家判图设备进行判图，可以提高判图结果的可靠性，具体如下：

作为一个示例，参考图1，在S110中，通过利用当前等级的多路判图设备来对同一图像进行识图和判图，得到各自的判图结果，其中，若识别出存在嫌疑，则输出指示有嫌疑的判图结果，若未识别出存在嫌疑，则输出指示无嫌疑的判图结果。

作为一个示例，判图设备除了可以用于获取判图结果之外，还可以用于对嫌疑物品的位置进行标注。

在一个实施例中，当前等级的多路判图设备中的每一路仅包括一个判图设备，在这种情况下，每一路中的一个判图设备的判图结果便可以作为该路的判图结果。在另一实施例中，当前等级的多路判图设备中的每一路均包括多个判图设备，在这种情况下，需要首先获取位于同一路中的每个判图设备的判图结果，接着通过某种方法来综合分析（下面将进行介绍）位于同一路中的每个判图设备的判图结果从而获取每一路的判图结果。在又一实施例中，当前等级的多路判图设备中既存在仅包括一个判图设备的路，还存在包括多个判图设备的路，在这种情况下，仅包括一个判图设备的路的判图结果即为该路中的判图设备的判图结果，而包括多个判图设备的路的判图结果则需要通过前一实施例中描述的方法来获取该路的判图结果，这将在下面进行详细介绍。

作为一个示例，参考图1，在S120中，各个判图设备的判图结果可以为有嫌疑或无嫌疑，在得到多路判图设备针对同一图像的多个判图结果之后，可以对无嫌疑或有嫌疑所占的比例进行计算。

例如，系统中共存在四路判图设备，第一路的判图结果为无嫌疑，第二路的判图结果为有嫌疑，第三路的判图结果为有嫌疑，并且第四路的判图结果的有嫌疑。在这种情况下，指示无嫌疑的判图结果（即，第一路的判图结果）在所有判图结果中所占的比例为25%，而指示有嫌疑的判图结果（即，第二路、第三路以及第四路的判图结果）在所有判图结果中所占的比例为75%。

作为一个示例，在S130中，将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果。

应当注意，第一预设阈值可以根据需要设置，例如第一预设阈值大于或等于75%，本发明对此不作限制。

例如，在第一实施例中，在对可靠性要求较高的应用下，第一预设阈值可以为100%。在第二实施例中，在对可靠性要求不那么高的应用下，第一预设阈值可以为75%。可以理解，这仅为一个示例，并不旨在限制本发明。在其他实施例中，第一预设阈值还可以为例如95%、90%、85%或80%等。

在第一实施例中，在第一预设阈值为100%的情况下，只有各路判图设备的判图结果完全相同（例如，均指示无嫌疑或有嫌疑），才能将这种相同的判图结果作为最终结果。在第二实施例中，在第一预设阈值为75%的情况下，需要无嫌疑或有嫌疑所占的比例等于75%或大于75%，才能将其作为最终结果，例如，若第一路的判图结果为无嫌疑，第二路的判图结果为有嫌疑，第三路的判图结果为有嫌疑，并且第四路的判图结果的有嫌疑，则由于指示有嫌疑的判图结果在所有判图结果中所占的比例为75%，则可以将指示有嫌疑的判图结果作为最终结果。

通过本发明实施例提供的上述技术方案，可以使得同一张扫描图像在多路判图设备的把控和加持下，利用多路判图设备的算法和模型优势，由多路判图设备完成识图和判图，结合了多路判图设备的共同智慧，并对多路判图设备的多路判图结果进行综合分析使得最后得出一个最终的结果，与现有技术相比，提高了判图方法的准确性、可靠性和判图效率。

作为一个示例，由于每家厂商所采取的识别算法、训练模式、建模方法等不尽相同，导致每家厂商的判图设备针对同一张扫描图像进行嫌疑物品识别和判图时所输出的判图结果可能也存在差异。

因此，为了进一步提高判图结果的准确性，综合考虑多家厂商的不同AI产品的不同判图结果，以基于这些来自不同厂商的AI产品的判图结果来得出最终结果，多路判图设备中的每一路的判图设备可以不同于其他路的判图设备，其中多路判图设备中的每一路可以包括一个或多个判图设备，在一路中包括多个判图设备的情况下，位于该路中的多个判图设备可以彼此不同，即来自不同厂商。

应当注意，在多路判图设备中的每一路的实现方式不同的情况下，每一路的判图结果的获取方式也相应不同，以下将通过具体示例的方式对其进行详细介绍。

首先，以下对在每一路中仅包括一个判图设备、每个判图设备被配置有相同的权重、并且第一预设阈值被设置为例如100%的情况下，如何计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例进行详细介绍。

作为一个示例，多路判图设备中的每一路可以均包括一个判图设备，并且每个判图设备可以被配置有相同或不同的权重，其中，计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例，包括：基于每个判图设备的权重和对应的判图结果，来计算比例。

作为一个示例，参考图2，图2示出了本发明第一实施例提供的判图方法的示意图。

在图2所示的实施例中，每一路仅包括一个判图设备，例如第一路包括厂商A的判图设备，第二路包括厂商B的判图设备，第三路包括厂商C的判图设备，以及第四路包括厂商D的判图设备。

可以理解，每一路的判图结果即为该路中的判图设备输出的判图结果，例如，第一路的判图结果（例如，无嫌疑）即为厂商A的判图设备输出的判图结果（例如，无嫌疑），第四路的判图结果（例如，有嫌疑）即为厂商D的判图设备输出的判图结果（例如，有嫌疑）等等。

在如图2所示的实施例中，第一路、第二路以及第三路的判图结果均为无嫌疑，第四路的判图结果为有嫌疑，并且第一路、第二路、第三路以及第四路中的判图设备被配置有相同的权重，即每个结果所占的权重也相同，指示无嫌疑的判图结果为三个，故无嫌疑在所有判图结果中所占的比例为3/4=75%，而指示有嫌疑的判图结果只有一个，故有嫌疑在所有判图结果中所占的比例为1/4=25%。

应当注意，在图2所示的实施例中，第一预设阈值被设置为100%，在这种情况下，需要所有路的判图结果一致时，才能将这种一致的判图结果作为最终结果，由于指示无嫌疑的判图结果在所有判图结果中所占的比例为75%，不满足预设条件，因此图2所示的实施例无法得出最终结果。

可以理解，在图2所示的实施例中，如果将第一预设阈值设置为75%，在这种情况下，则可以将无嫌疑作为最终结果。然而，在其他实施例中，可以将第一预设阈值设置为大于50%的任意值，即实行少数服从多数的原则。

综上，第一预设阈值的设置取决于实际的场景和用户的需求，例如，在一些对安检结果要求比较严格的应用中，可以设置相应较高的第一预设阈值；而在一些对安检结果要求相对宽松的应用中，可以设置相对较低的第一预设阈值。本发明对此不作限制。

作为一个示例，参考图3，图3示出了本发明第二实施例提供的判图方法的示意图。

图3所示的实施例与图2所示的实施例类似，相同或相似之处在此不再赘述。不同之处主要在于，在图3所示的实施例中，各路判图设备针对同一图像的判图结果均为无嫌疑，即指示无嫌疑的判图结果在所有判图结果中所占的比例为100%，并且假设第一预设阈值也被设置为100%，在这种情况下，便可以得到最终结果，并且最终结果为无嫌疑。

其次，以下对在每一路中仅包括一个判图设备、每个判图设备被配置有相同的权重、并且第一预设阈值被设置为例如75%的情况下，如何计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例进行详细介绍。

作为一个示例，参考图4，图4示出了本发明第三实施例提供的判图方法的示意图。

图4所示的实施例与图2和图3所示实施例类似，相同或相似之处在此不再赘述。不同之处主要在于，在图4所示的实施例中，第一预设阈值被设置为75%，而不是100%，从图4可以看出，指示无嫌疑的判图结果为三个，指示无嫌疑的判图结果在所有判图结果中所占的比例为3/4=75%，故而可以将无嫌疑作为最终结果。

通过对比图2和图4可见，在各路判图设备的判图结果相同的情况下，第一预设阈值的不同，可以导致最终结果的不同。例如，图2可以对应于对安检结果要求准确性要求比较高的场景，而图4可以对应于对安检结果准确性要求相对较低的场景，

再次，以下对在每一路中仅包括一个判图设备、每个判图设备被配置有不同的权重、并且第一预设阈值被设置为例如75%的情况下，如何计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例进行详细介绍。

在一些实施例中，可以根据人为经验，或者大数据机器学习经验，对每一路中的判图设备配置一定比例的权重值，例如，厂商A的判图设备的权重更高，那么厂商A的判图设备的判图结果对最终结果的影响也相对较大。

作为一个示例，参考图5，图5示出了本发明第四实施例提供的判图方法的示意图。

在图5所示的实施例中，每一路仅包括一个判图设备，并且第一路中的判图设备（例如，厂商A的判图设备）被配置有权重2，第二路中的判图设备（例如，厂商B的判图设备）被配置有权重1，第三路中的判图设备（例如，厂商C的判图设备）被配置有权重1，以及第四路中的判图设备（例如，厂商D的判图设备）被配置有权重1。

由于厂商A的判图设备被配置有权重2，投票时就握有两票，占用两个名额或议席。相比较其他权重为1，只有一个名额或一票的判图设备而言，厂商A的判图设备就相当于两个权重值为1的判图设备。

因此，在计算百分比时，厂商A的判图设备的判图结果就等同于40%的判图设备所输出的判图结果，另外3个判图设备各自的判图结果分别等同于20%的判图设备所输出的判图结果。

在图5所示的实施例中，可以将第一预设阈值设置为例如75%，因此，需要有75%或超过75%的判图设备认为一张扫描图像中有嫌疑或无嫌疑，才能将这种结果作为最终结果。而在图5中，指示无嫌疑的为第二路、第三路和第四路，每一路所占的权重均为20%，可见无嫌疑所占的比例为60%，由于仅有60%的判图设备输出的判图结果指示无嫌疑，故在这种情况下，无法达成一致。

作为一个示例，参考图6，图6示出了本发明第五实施例提供的判图方法的示意图。

图6所示的实施例类似于图5所示的实施例，不同之处在于，在图6所示的实施例中，第一路、第二路以及第三路指示无嫌疑，由于第一路所占的权重为40%，第二路所占的权重为20%，并且第三路所占的权重也为20%，故有80%的判图设备输出的判图结果指示无嫌疑，20%的判图设备输出的判图结果指示有嫌疑。在图6所示的实施例中，可以将第一预设阈值设置为75%，在这种情况下，可以将无嫌疑作为最终结果。

以下通过具体示例的方式对本发明实施例提供的在多路判图设备中的一路或多路包括多个判图设备、每个判图设备被配置有相同或不同的权重的情况下，如何计算最终结果进行详细介绍。

在这种情况下，需要首先每一路的判图设备先内部达成一致，然后再作为整体一路与其他路达成一致。

首先，以下对在一路中包括多个判图设备、每个判图设备被配置有不同的权重、并且第二预设阈值被配置为例如75%的情况下，如何计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例进行详细介绍，其中第二预设阈值是为了获取每一路的判图结果而设置的值，而前面描述的第一预设阈值是为了获取最终结果而设置的值。

作为一个示例，多路判图设备中的一路或多路包括多个判图设备，并且多个判图设备中的每一个被配置有相同或不同的权重，其中，利用当前等级的多路判图设备来获取针对同一图像的多个判图结果，包括：基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果。

其中，基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果，可以包括：基于位于一路中的多个判图设备的权重和对应的判图结果，来计算比例，以及将比例大于或等于第二预设阈值的无嫌疑或有嫌疑作为针对同一图像的一个或多个判图结果，其中，第二预设阈值与第一预设阈值相同或者不同。

作为一个示例，参考图7，图7示出了本发明第六实施例提供的判图方法的示意图。

在图7所示的实施例中，第一路包括三个判图设备，即厂商A的判图设备、厂商B的判图设备以及厂商C的判图设备，其中厂商A的判图设备被配置有权重2，并且其判图结果为无嫌疑，厂商B的判图设备被配置有权重1，并且其判图结果为无嫌疑，厂商C的判图设备被配置有权重1，并且其判图结果为有嫌疑。

可见，第一路中厂商A的判图结果所占的比重为50%，厂商B和C的判图结果所占的比重均为25%，因此指示无嫌疑的判图结果（即，第一路和第二路的判图结果）在所有判图结果中所占的比例为50%+25%=75%，假设在图7所示的实施例中，第二预设阈值也被设置为75%，故可以将无嫌疑作为第一路的判图结果。

接下来，第二路的判图结果（即，厂商D的判图设备的判图结果）为有嫌疑，从而第一路的无嫌疑和第二路的有嫌疑所占的比重均为50%，假设第一预设阈值为75%，故而两路无法达成一致，即无法得出最终结果。

可以理解，除了可以将判图设备设置有一定的权重之外，还可以将每一路设置有一定的权重。

作为一个示例，多路判图设备中的每一路可以被配置有相同或不同的权重，其中，计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例，可以包括：基于每一路的权重和对应的判图结果，来计算比例。

作为一个示例，参考图8，图8示出了本发明第七实施例提供的判图方法的示意图。

图8所示的实施例类似于图7所示的实施例，不同之处在于，图8所示的实施例除了为每个判图设备配置一定的权重，还为每一路配置了不同的权重，例如，第一路被配置有权重3，第二路被配置有权重1（即，第一路的判图结果所占的比重为3/4=75%，第二路的判图结果所占的比重为1/4=25%）。

与图7所示实施例相类似地，第一路的判图结果为无嫌疑，第二路的判图结果为有嫌疑，从而无嫌疑所占比例为75%，假设第一预设阈值为75%，故可以将无嫌疑作为最终结果。

通过对比图7和图8所示实施例可知，通过对每一路配置不同的权重可以导致最终结果的不同。

应当注意，在第一实施例中，还可以为每一路配置相同的权重，例如第一路的权重可以设置为1，第二路的权重也可以设置为1（如图7所示）；在第二实施例中，每一路的权重可以等于位于该路中各个判图设备的权重之和，例如在图8所示的实施例中，第一路中各个判图设备的权重之和为4，则可以将第一路的权重也设置为4，第二路中判图设备的权重之和为1，则可以将第二路的权重也设置为1；在第三实施例中，每一路的权重也可以与该路中各个判图设备的权重无关（参考图8所示实施例），在本发明对此不作限制。

并且，在其他实施例中，第二路中也可以包括多个判图设备，其中的每个判图设备也可以被配置有相同或不同的权重，本发明对此不作限制。并且图7和图8所示的实施例仅示出了两路，在其他实施例中，可以存在更多路的判图设备，例如三路、四路、五路等，以上示例仅是出于说明的目的，而不旨在限制本发明。

应当注意，在一些实施例中，参考图9，图9示出了本发明第八实施例提供的判图方法的示意图。具体地，前述各个实施例中的操作流程可以是重复性的，即反复调用系统中提供的多路判图设备对同一张扫描图像进行判图，直至达到一致为止，或者在预设时段内均没有达到一致，则可以转由人工判图。

作为一个示例，在图9所示实施例中，在S910中，判图系统产生新的判图任务，接着流程进行到S920；S920，利用多路判图设备针对同一图像进行识图和判图，得到多路的判图结果，接着流程进行到S930；S930，判断判图结果是否达成一致，具体过程类似于前面描述的各个实施例，若一致，则流程进行至S940；S940，结束判图流程，得到最终结果；若在S930中判断出判图结果不一致，则流程可以返回S920，例如重新利用多路判图设备进行判图，重复前面的流程，直至达到一致以得出最终结果为止。

此外，在其他实施例中，在同一等级中，除了包括前面描述的多路判图设备之外，还可以存在附加的一路或多路判图设备（前面的各个图中均未示出），用于在前面描述的当前等级的多路判图设备无法给出最终结果时，则可以利用附加的一路或多路判图设备以及前面描述的多路判图设备中的一路或多路来获取最终结果。

其中，当前等级的多路判图设备无法给出最终结果是指计算出的指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例中不存在大于或等于第一预设阈值的无嫌疑或有嫌疑，即计算出的比例全部小于第一预设阈值。

以图2所示实施例为例进行说明，在图2所示的实施例中，仅有厂商D的判图结果与其他路的判图结果不相同，此时可以舍弃厂商D的判图结果，通过利用第五路的判图设备（例如，厂商E的判图设备，图中未示出）进行判图，以利用厂商E以及厂商A、B和C的判图设备的判图结果，若厂商E的判图设备的判图结果也为无嫌疑，则视为所有判图结果均相同，达成一致，从而可以无嫌疑作为最终结果。

并且，在一些实施例中，如果某一路的判图结果经常与其他路的判图结果不一致，则可以彻底舍弃该路，例如，假设图2中厂商D的判图结果经常与前三路的判图结果不一致，则可以舍弃第四路的判图设备，并且利用与第一路、第二路和第三路位于同一等级的其他路的判图设备来代替第四路的判图设备。

此外，在其他实施例中，不会舍弃判图结果与最终结果不一致的判图设备，而是通过对这种不一致的判图设备进行优化，以提高系统判图结果的可靠性和准确性。

作为一个示例，可以选择判图结果与最终结果不一致的判图设备，并将这种不一致反馈回所选判图设备。

作为一个示例，参考图10，图10示出了本发明第九实施例提供的判图方法的示意图。

在如图10所示的实施例中，厂商A、B和C的判图结果为均无嫌疑，厂商D的判图结果为有嫌疑，系统的最终结果为无嫌疑。在一次智能判图流程中，由判图系统记录其中判图结果与最终结果不一致的判图设备（例如，厂商D的判图设备），再由判图系统回访厂商D的判图设备，并将最终结果（例如，无嫌疑）同步给厂商D的判图设备作为留存记录，以供厂商D的判图设备进行学习，优化其自身算法和嫌疑物品库。

应当注意，在前面描述的各个实施例中，各个路的判图设备可以均处于同一等级，并且判图系统可以仅包括一个等级，并且在这一个等级中便可以得到最终结果。

然而，在其他实施例中，为了进一步提高判图系统的可靠性和准确性，判图系统可以包括多个等级的多路判图设备，以下通过具体示例的方式对包括多个等级的多路判图设备的判图系统是如何得到最终结果的流程进行详细介绍。

作为一个示例，若当前等级的多路判图设备无法给出最终结果，则利用下一等级的多路判图设备来获取最终结果，其中，第一预设阈值可以为100%，并且下一等级的多路判图设备的判图准确性高于当前等级的多路判图设备的判图准确性。

作为一个示例，参考图11，图11示出了本发明第十实施例提供的判图方法的示意图。

具体地，判图流程可以包括如下步骤：S1110，当判图系统产生新的判图任务时，利用第一等级的多路判图设备开始判图流程，接着流程进行到S1120；S1120，由当前等级（例如，第三等级）的多路判图设备来进行识图和判图，以获取每一路的判图结果；S1130，判断当前等级的多路判图设备的多个判图结果是否达成一致，例如可以假设第一预设阈值被设置为100%，在这种情况下，需要当前等级的多路判图设备的多个判图结果均相同才被认为是达成一致，如果多个判图结果中不止一种判图结果，则被认为是未能达成一致，如果在S1130中判断出判图结果未能达成一致时，则步骤进行到S1160；S1160，在当前等级的多路判图设备的多个判图结果未能达成一致的情况下，例如可以假设第三预设阈值为75%，接着判断当前等级的多路判图设备的多个判图结果中是否存在所占比例大于或等于第三预设阈值的有嫌疑或无嫌疑，如果存在，则将满足上述条件的有嫌疑或无嫌疑作为中间结果进行存储，接着流程进行到S1170；S1170，接下来，可以利用下一等级（例如，第四等级）的多路判图设备来进行识图和判图，流程返回至S1120，以重复前面的流程，例如判断下一等级的多路判图设备的多个判图结果是否达成一致等，在此不再赘述；S1140，如果在S1130中判断出当前等级的多路判图设备的多个判图结果达成一致（例如，均相同），则不管前面各个等级的多路判图设备是否存储了中间结果，均可以利用这种相同的判图结果来覆盖前面存储的中间结果，接着流程进行到S1150；S1150，结束判图流程，并且将这种相同的判图结果作为最终结果。

应当注意，如果下一等级（例如，第四等级）的多路判图设备的判图结果均相同，则无论当前等级（例如，第三等级）以及位于当前等级之前的各个等级（例如，第一等级和第二等级）的中间结果是否被存储过，都可以直接用下一等级的多路判图设备的这种相同的判图结果来覆盖当前等级以及位于当前等级之前的各个等级的多路判图设备的中间结果，以将下一等级的这种相同的判图结果作为最终结果。

其中，下一等级的多路判图设备的判图准确性可以高于上一等级的多路判图设备的判图准确性。

在其他实施例中，如果当前等级（例如，第三等级）以及位于当前等级之前的各个等级（例如，第一和第二等级）的多路判图设备均无法给出最终结果，则可以利用第四等级的多路判图设备进行识图和判图，或者可以利用除了第四等级之外的更高等级（例如，第五、第六或第七等级等）的多路判图设备来进行识图和判图，并重复前述的过程，或者直接转由人工处理，以获取最终结果，本发明对此不作限制。

在其他实施例中，如果当前等级以及位于当前等级之前的各个等级的多路判图设备均无法给出最终结果，则可以将各个等级的中间判图结果进行存储，接着可以判断是否存在两个或两个以上的中间结果一致，其中如果存在两个以上的中间结果一致，则可以将这种一致的中间结果作为最终结果，并且其中，第三预设阈值可以大于或等于75%且小于100%。

作为一个示例，参考图12，图12示出了本发明第十一实施例提供的判图方法的示意图。

具体地，判图流程可以包括如下步骤：S1210，当判图系统产生新的判图任务时，利用第一等级的多路判图设备开始判图流程，接着流程进行到S1220；S1220，由当前等级（例如，第三等级）的多路判图设备来进行识图和判图，以获取每一路的判图结果；S1230，判断当前等级的多路判图设备的多个判图结果是否达成一致，例如可以假设第一预设阈值被设置为100%，在这种情况下，需要当前等级的多路判图设备的多个判图结果均相同才被认为是达成一致，如果多个判图结果中不止一种判图结果，则被认为是未能达成一致，如果在S1130中判断出判图结果未能达成一致时，则步骤进行到S1260；S1260，利用与图11所描述的类似的方式来获取当前等级的多路判图设备的中间结果，以判断当前等级的中间结果是否与上一等级的中间结果一致，如果一致的话，则不再继续寻求更高等级的判图设备，流程进行至S1270；S1270，将这种一致的判图结果作为最终结果，接着流程进行至S1250；S1250，结束流程，得到最终结果；然而，如果在S1260中判断出当前等级的中间结果与上一等级的中间结果不一致，则流程进行至S1280；S1280，可以对当前等级的中间结果进行存储，以用于后续与其他等级的中间结果进行对比，其中若存在任意两个或两个以上等级的中间结果一致时，便可以将这种一致的中间结果作为最终结果，接着流程进行至S1290；S1290，可以利用下一等级（例如，第四等级）的多路判图设备来进行识图和判图，接着流程返回至S1220，以重复前面的流程，例如判断下一等级的多路判图设备的多个判图结果是否达成一致等，在此不再赘述；S1240，如果在S1230中判断出当前等级的多路判图设备的多个判图结果达成一致（例如，均相同），则不管前面各个等级的多路判图设备是否存储了中间结果，均可以利用这种相同的判图结果来覆盖前面存储的中间结果；以及S1250，结束判图流程，并且将这种相同的判图结果作为最终结果。

应当注意，在本发明的实施例中描述的当前等级可以用于表示当前等级的多路判图设备的判图能力，而下一等级可以用于表示下一等级的多路判图设备的判图能力等。也就是说，不同的等级可以对应于不同的判图能力。

作为一个示例，可以根据算力资源的不同来将判图设备分为不同的等级，例如，算力资源越强的判图设备，可以被认为所处的等级越高，其判图能力也越强（即，得到的判图结果的准确性越高），与此同时，其所消耗的成本也越高。

本发明实施例提供的判图系统通过利用不同等级的多路判图设备进行判图和识图，能够在保持相对低成本的情况下，尽可能地提高最终结果的准确性。

通过本发明实施例提供的上述判图方法，这种判图方法是由包括多个等级的多路判图设备的判图系统来执行的，充分利用了不同厂家的判图设备进行智能识图和判图的算法优势，达成多家判图设备进行智能判图的判图结果的共识，并根据算力资源的不同可以将判图设备分等级，将判图流程分步按等级执行，每一步可以调用不同等级的判图设备进行判图，如果某一等级的多路判图设备未能达成一致，则继续进入下一步以利用下一等级的多路判图设备进行判图，依次类推，并且判图流程越往后执行，所调用的判图设备的判图准确性越高。

应当注意，在前面描述的各个实施例提供的判图流程中，在多路判图设备达成一致之前，可以判断判图任务是否还有足够的时间供判图设备进行判图，如果没有足够的时间供判图设备进行判图，则可以立刻调度任务并转由人工判图；以及在多路判图设备达成一致之后，后续业务流程是否还需要人工判图介入，还是可以直接将多路判图设备的多个判图结果经综合分析之后得到的这种一致的判图结果作为最终结果，这取决于不同场景、不同情况、不同实践，可以根据用户需求进行选择，本发明对此不作限制。

其中，没有足够的时间供判图设备进行判图，可以存在如下两种情况：（1）任务超时；（2）任务未超时，具体地，出于安全考虑，为留有足够的时间用于任务调度和人工判图等，在判图过程中，在任务超时之前，当时间到达需要转由人工判图的节点时，如果多路判图设备仍然未能给出最终结果的情况下，则系统不再以判图设备的判图结果为准，而是以人工判图的结果为准，如果在任务超时之前，多路判图设备给出了最终结果，则可以将该最终结果提供给人工以供其作为辅助参考，也可以直接将该最终结果丢弃。其中，应当注意，系统在转由人工判图时任务分配失败，如果在任务超时之前，多路判图设备给出了最终结果，则可以将该最终结果作为任务的判图结果，或者系统决定不采用该最终结果，则可以将该最终结果丢弃，任务以超时处理。

此外，前面描述的多个实施例可以在判图任务剩余时间允许的情况下实施。其中，判图任务剩余时间允许的情况，包括：当多路判图设备始终无法达成一致可以转人工判图时，考虑到包括例如任务调度、网络传输、延迟、网络异常、以及由于任务分配失败导致重新调度等环节所花费的时间，为了留有足够的调度和人工判图时间，系统可能会在任务超时之前就提取做好了将任务调度给人工进行判图的准备。

例如，在任务处于高峰期（例如，客流压力比较大）的情况下，如果判图时间不足则可能导致一些风险，因此可能需要在例如多路判图设备第一次完成判图任务而没能达成一致的情况下，立即将任务调度给人工进行判图，并且不再考虑多路判图设备返回的结果。

并且，由于每个判图设备的分配和人工的分配均是分布式调度的，所以互不影响，并且转人工判图的操作不必等到多路判图设备返回结果才能开始，二者可以同步执行。

在一些实施例中，例如在弱安检控制的场景中，判图系统可以完全信任多路判图设备，在这种情况下，可以不再考虑分配给人工进行判图所花费的时间和调度策略，进而将判图任务全权交由多路判图设备来执行，以等待多路判图设备的判图结果。

应当注意，判图任务是以赋能的方式进行分布式调度的，即任务产生之后会立即自动寻找合适的判图设备进行判图，任务之间不必互相等待，且互不影响。并且同一任务可以同时分配给不同的判图设备进行判图，任务不必等待一个判图设备完成判图之后再转至另一判图设备进行判图。此外，判图设备之间也不必互相等待，且互不影响。

此外，本发明实施例还提供了一种判图系统，这种判图系统对应于前面的实施例提供的判图方法。以下通过具体示例的方式对本发明实施例提供的判图系统进行详细介绍。

作为一个示例，参考图13，图13示出了本发明实施例提供的判图系统的结构示意图。

该判图系统可以包括：当前等级的多路判图设备1310，可以用于接收针对行李物品的同一扫描图像，以输出针对同一图像的多个判图结果（例如，判图结果A、B、C和D），该判图结果指示无嫌疑或有嫌疑；第一处理单元1320，可以用于计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例；以及输出单元1320，可以用于将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果。

在如图13所示的实施例中，多路判图设备1310可以包括例如第一路判图设备1311、第二路判图设备1312、第三路判图设备1313以及第四路判图设备1314。其中，第一路判图设备1311可以用于输出针对同一图像的判图结果A，第二路判图设备1312可以用于输出针对同一图像的判图结果B，第三路判图设备1313可以用于输出针对同一图像的判图结果C，以及第四路判图设备1314可以用于输出针对同一图像的判图结果D。

第一处理单元1320可以用于接收来自多路判图设备1310的多个判图结果，并计算指示有嫌疑或无嫌疑的判图结果在所有判图结果中所占的比例，并将计算出的比例输出至输出单元1330，以使输出单元1330将比例与第一预设阈值进行比较，并将比例大于或等于第一预设阈值的无嫌疑或有嫌疑作为最终结果而输出。

通过本发明实施例提供的上述判图系统，可以使得同一张扫描图像在多路判图设备的把控和加持下，利用多路判图设备的算法和模型优势，由多路判图设备完成识图和判图，结合了多路判图设备的共同智慧，并对多路判图设备的多路判图结果进行综合分析使得最后得出一个最终的结果，与现有技术相比，提高了判图方法的准确性、可靠性。

作为一个示例，第一预设阈值可以根据需要设置，例如第一预设阈值可以大于或等于75%，本发明对此不作限制。

作为一个示例，多路判图设备中的每一路的判图设备可以不同于其他路的判图设备，每一路可以包括一个或多个判图设备，并且如果存在包括多个判图设备的路，则位于同一路中的多个判图设备可以彼此不同（例如，来自不同厂家）。

作为一个示例，多路判图设备中的每一路可以均包括一个判图设备，并且每个判图设备可以被配置有相同或不同的权重；其中，第一处理单元1320可以具体用于：基于每个判图设备的权重和对应的判图结果，来计算比例。例如，第一处理单元1320可以用于基于位于每一路中的判图设备的权重和所输出的判图结果来计算指示无嫌疑或有嫌疑的判图结果在所有判图结果中所占的比例。

可以理解，在这种包括一个判图设备的路中，位于该路中的判图设备的判图结果即为该路的判图结果。

作为一个示例，如果多路判图设备中存在一路或多路包括多个判图设备，则在这些包括多个判图设备的路中，还包括第二处理单元，并且多个判图设备中的每一个被配置有相同或不同的权重，其中，第二处理单元可以具体用于：基于位于一路中的多个判图设备的权重和对应的判图结果，来获取针对同一图像的一个或多个判图结果。

作为一个示例，以第一路判图设备1311包括多个判图设备为例进行详细介绍，参考图14，图14示出了图13所示的第一路判图设备的具体实现方式的结构示意图。

在图14所示的实施例中，第一路判图设备1311可以包括例如三个判图设备，例如来自厂商A的判图设备、来自厂商B的判图设备和来自厂商C的判图设备。其中，来自厂商A的判图设备可以被配置有权重2，来自厂商B的判图设备可以被配置有权重1，并且来自厂商C的判图设备可以被配置有权重1，三个判图设备可以将各自的判图结果（例如，无嫌疑或有嫌疑）和各自的权重分别传送至第二处理单元，以使第二处理单元可以基于三个判图设备的权重和对应的判图结果，来计算出第一路判图设备1311的判图结果A。可以理解，如何计算出最终结果的过程类似于图8所述实施例描述的过程，在此不再赘述。

作为一个示例，第二处理单元可以具体用于：基于位于一路中的多个判图设备的权重和对应的判图结果，来计算比例，以及将比例大于或等于第二预设阈值的无嫌疑或有嫌疑作为针对同一图像的一个或多个判图结果，其中，第二预设阈值与第一预设阈值相同或者不同。可以理解，如何计算出该路的判图结果的过程类似于图8所述实施例描述的过程，在此不再赘述。

例如，第二预设阈值也可以被设置为大于或等于75%。

作为一个示例，多路判图设备中的每一路被配置有相同或不同的权重；其中，第一处理单元具体用于：基于每一路的权重和对应的判图结果，来计算比例。

例如，在如图13所示的实施例中，第一路判图设备1311至第四路判图设备1314可以被设置有相同的权重；或者第一路判图设备1311至第四路判图设备1314可以被设置有不同的权重，例如第一路判图设备1311被设置有权重4，第二路判图设备1312可以被设置有权重3，第三路判图设备1313可以被设置有权重2，以及第四路判图设备1314可以被设置有权重4。

作为一个示例，判图系统除了包括前面描述的当前等级的多路判图设备之外，还可以包括：当前等级的附加的一路或多路判图设备，用于在当前等级的多路判图设备无法给出所述最终结果的情况下，则与当前等级的多路判图设备中的一路或多路一起来获取最终结果。

例如，在如图13所示的实施例中，除了包括图中所示的第一路判图设备1311至第四路判图设备1314之外，还可以包括附加的一路或多路判图设备（图中未示出），可以用于在第一路判图设备1311至第四路判图设备1314无法给出最终结果的情况下，与第一路判图设备1311至第四路判图设备1314中的一路或多路一起来获取最终结果。具体的获取过程在前面的方法实施例中进行了详细的介绍，在此不再赘述。

作为一个示例，判图系统除了包括前面描述的当前等级的多路判图设备之外，还可以包括下一等级的多路判图设备，可以用于在当前等级的多路判图设备无法给出最终结果的情况下，基于下一等级的多路判图设备来获取最终结果，其中，第一预设阈值为100%，并且下一等级的多路判图设备的判图准确性高于当前等级的多路判图设备的判图准确性。

此外，在如图13所示的实施例中，第一处理单元1320还可以用于在当前等级的多路判图设备无法给出最终结果的情况下，基于当前等级的多路判图设备的多个判图结果和对应的权重来计算无嫌疑或有嫌疑所占的比例，并将比例大于或等于第三预设阈值的判图结果输出至存储单元（其可以位于第一处理单元1320的内部或外部，本发明对此不作限制），以使存储单元对该中间结果进行存储，进而在存在两个或两个以上的中间结果一致时，使得输出单元1330可以将这种一致的中间结果作为最终结果而输出，不再向上寻求更高等级的判图设备，判图流程结束。

应当注意，本发明实施例提供的多路判图设备在进行判图时，多路判图设备可以采取多种形式，本发明对此不作限制，包括但不限于：1）仅有一路判图设备，且该路判图设备中仅包括来自一家的判图设备；2）被配置有相同权重的多路判图设备，且每一路可以仅包括来自一家的判图设备；3）被配置有不同权重的多路判图设备，且每一路可以仅包括来自一家的判图设备；4）被配置有相同权重的多路判图设备，每一路可以仅包括来自一家的判图设备，也可以包括来自多家的判图设备并且每家的判图设备的权重之和为该路的权重值，每家判图设备的权重值可以是相同的（即，该路的权重值均分后的权重值），也可以是不同的。例如，存在三路判图设备，第一路仅包括来自一家的判图设备，权重值为3；第二路包括来自两家的判图设备，权重值分别为1.5和1.5；第三路包括来自三家的判图设备，权重值分别为1，1和1；5）被配置有不同权重的多路判图设备，每一路可以仅包括来自一家的判图设备，也可以包括来自多家的判图设备并且每家判图设备的权重之和可以为该路的权重，每家判图设备的权重值可以是相同的，即该路权重值均分后的权重值，也可以是不同的。

应当注意，在本发明的实施例中，以判图结果为无嫌疑或有嫌疑为例进行说明，这仅是出于示例的目的，而不应当被认为是对本发明的限制。例如，在其他实施例中，在指示有嫌疑的判图结果中，还可以包括具体的嫌疑物标注框，该标注框可以用于对嫌疑物的位置进行标注。也就是说，在该实施例中，判图结果可以为无嫌疑或包含嫌疑物标注框的有嫌疑。

作为一个示例，在判图结果为包含嫌疑物标注框的有嫌疑的情况下，如果多个判图结果中所包含的标注框在坐标上的重合度在预设阈值范围之内，则可以认为多个判图结果为有嫌疑且嫌疑物标注框一致，才构成判图结果的一致。此时才可以认为多个或多路判图设备针对同一判图任务的多个判图结果相同。

否则，在多个判图结果针对同一判图任务的判图结果均为有嫌疑，然而嫌疑物标注框均不一致的情况下，则认为多个或多路判图设备针对同一判图任务的多个判图结果均不相同。可见，在该实施例中，判图结果不但取决于有嫌疑，还取决于标注框的位置。

此外，可以理解的是，这些“有嫌疑且嫌疑物标注框不一致”的判图结果与“无嫌疑”的判图结果也不相同。

在该实施例中，在计算不同判图结果所占的比例时，可以根据得出某判图结果的判图设备数量占总判图设备数量的比例来计算。例如，其中一个判图结果为无嫌疑，其中一个判图结果为有嫌疑且仅包含标注框1，其中一个判图结果为有嫌疑且仅包含标注框2，其中一个判图结果为有嫌疑且既包含标注框1又包含标注框2，在这种情况下，需要根据得出各个判图结果的判图设备的数量和总判图设备的数量来计算不同判图结果所占比例。

综上，本发明实施例提供的判图方法和系统弥补了AI作为判图资源时可靠性不足的问题，提高了智能识别结果作为判图业务结论的能力，促使判图系统可以更好地利用AI智能识别判图能力，更好地减轻了人工判图的压力，并且在部分安检业务场景下可以部分替代人工判图，更好地达到减员增效的目的。

本说明书的各个部分均采用递进的方式进行描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点介绍的都是与其他实施例不同之处。尤其，对于方法和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（ASIC）、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM（EROM）、软盘、CD-ROM、光盘、硬盘、光纤介质、射频（RF）链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。