一种有效提高违禁品识别率的智能安检方法

技术领域

本发明涉及安检设备及安检方法技术领域，具体为一种有效提高违禁品识别率的智能安检方法。

背景技术

为了保证公共交通运输的安全性，安全检查已经成为保障公共生命财产安全的必要手段。但由于中国人口流动性高、客流量大，安检需求也不断增加。目前安检设备的操作都需要安检人员来实施。

但是，由于X光安检机行包检测主要靠安检员人工看图与判图，其准确性依赖于安检员的自身经验，检测速度受限于安检员的工作负荷，效率不易进一步提高，行业内误报和漏报率超过30％，很难保证违禁品在人为识别安检过程中不被错漏，从而带来安全隐患。

基于深度学习的图像识别技术由此引入安检设备行业，然而现有的图像识别技术在违禁品识别方面具有一定的局限性，困难点包括：多物体重叠遮挡、图像低分辨率模糊不清，违禁品种类繁多形状各异等。鉴于此，我们提出一种有效提高违禁品识别率的智能安检方法。

发明内容

本发明的目的在于提供一种有效提高违禁品识别率的智能安检方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种有效提高违禁品识别率的智能安检方法，用于安检机对X光图进行违禁品的检测识别，包括以下步骤：

步骤A：利用X光机拍摄物品的X光图，输出高能谱灰度图和低能能谱灰度图；

步骤B：采用实例分割算法对所述X光图进行分析，找出所述X光图的未重叠部分和重叠部分；

步骤C：对于未重叠部分，选取不同材质物品未重叠部分的高能信息和低能信息，通过线性回归找出物品重叠的颜色映射关系；

步骤D：对于所述X光图的重叠部分，通过步骤B中的实例分割算法得到物品中违禁品的轮廓和分类，每个分类对应一种材质，找出轮廓中不在该材质原子序数范围的位置，并从高能能谱灰度图和低能能谱灰度图得到这些位置的高能信息和低能信息，通过高能信息和低能信息计算得出该物质修正后的原子序数；

步骤E：通过修正后的原子序数得出该物质是否为违禁品。

进一步的，步骤A中，所述X光机为双源X光机。

进一步的，步骤B中，所述实例分割算法为Mask R-CNN框架。

进一步的，步骤D中，通过高能信息和低能信息计算得出该物质修正后的原子序数方法为：

假设H

(R

对于每种材质，用此类材料的未重叠点集S中一系列(x,y)位置对应的(R

具体关系见下式：

R

G

B

(x,y)∈S；

对于每种材质，都可以通过线性回归得到一组参数估计：

将步骤C中计算得到的高能信息和低能信息H

与现有技术相比，本发明的有益效果是：该有效提高违禁品识别率的智能安检方法，通过Mask R-CNN框架进行X光图像进行实例分割，使X光图得以分层以及重叠部的还原，增加了损失函数的鲁棒性，可获取单独物体的形状和颜色信息，克服了物体重叠对于识别率的影响，较大幅度提高了识别的准确率与稳定性。

附图说明

图1为本发明实施例1的结构示意图；

图2为本发明实施例2的流程图。

图中：100、传动带；200、双源X光机；300、安检机；400、显示屏。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例1

一种安检设备，如图1所示，包括传动带100、双源X光机200、安检机300和显示屏400；传动带100用于传输物品；双源X光机200安装在传动带100上，用于提取物品的X光图片；安检机300用于检测分析双源X光机200提取的X光图片；显示屏400用于显示安检机300检测结果。

实施例2

如图2所示，一种有效提高违禁品识别率的智能安检方法，用于安检机对X光图进行违禁品的检测识别，包括以下步骤：

步骤A：利用X光机拍摄物品的X光图，输出高能谱灰度图和低能能谱灰度图；

步骤B：采用实例分割算法对所述X光图进行分析，找出所述X光图的未重叠部分和重叠部分；

步骤C：对于未重叠部分，选取不同材质物品未重叠部分的高能信息和低能信息，通过线性回归找出物品重叠的颜色映射关系；

步骤D：对于所述X光图的重叠部分，通过步骤B中的实例分割算法得到物品中违禁品的轮廓和分类，每个分类对应一种材质，找出轮廓中不在该材质原子序数范围的位置，并从高能能谱灰度图和低能能谱灰度图得到这些位置的高能信息和低能信息，通过高能信息和低能信息计算得出该物质修正后的原子序数；

步骤E：通过修正后的原子序数得出该物质是否为违禁品。

具体的，步骤A中，所述X光机为双源X光机。

值得说明的是，步骤B中，所述实例分割算法为Mask R-CNN框架。

步骤D中，通过高能信息和低能信息计算得出该物质修正后的原子序数方法为：

假设H

(R

对于每种材质，用此类材料的未重叠点集S中一系列(x,y)位置对应的(R

具体关系见下式：

R

G

B

(x,y)∈S；

对于每种材质，都可以通过线性回归得到一组参数估计：

将步骤C中计算得到的高能信息和低能信息H

本实施例的有效提高违禁品识别率的智能安检方法在使用时，通过MaskR-CNN框架进行X光图像进行实例分割，使X光机拍摄的X光图得以分层以及重叠部分的还原，修正拍摄物品的原子序数，增加了损失函数的鲁棒性，可获取单独物体的形状和颜色信息，克服了物体重叠对于识别率的影响，较大幅度提高了识别的准确率与稳定性。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。