一种图像识别方法及装置制造方法及图纸

本申请涉及一种图像识别方法及装置，所述方法包括：获取扫描图像；对所述扫描图像进行特征提取，获得提取的图像特征；利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果；其中，所述对对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征。本申请可以提高提高目标检测的准确率和效率。

【技术实现步骤摘要】

本申请涉及图像处理
，尤其涉及一种图像识别方法及装置。
技术介绍
在贸易港口、火车站、航空站等海关监管区域，常常需要使用安检设备对旅客携带的物品进行检测，以确定所述物品是否为危险品或者走私物品。如何在安检过程中快速、准确地检测出危险品或者走私物品成为一个亟待解决的问题。现有技术中，旅客携带物品通过安检设备时，透过X射线扫描出的图像就会出现在与安检设备连接的显示屏幕上，安检人员人工观察屏幕上的图像以对其中的物品是否是危险品或者走私品进行识别。现有技术这种人工识别危险品或者走私品的方法，存在工作量大、效率低、准确率不高的问题。
技术实现思路
为解决现有存在的技术问题，本申请期望提供一种图像识别方法及装置，可以通过自动对图像进行识别，提高检测的准确率和效率。根据本申请实施例的第一方面，提供了一种图像识别方法，所述方法包括：获取扫描图像；对所述扫描图像进行特征提取，获得提取的图像特征；利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果；其中，所述对对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征。可选地，在对所述扫描图像进行特征提取前，所述方法还包括：对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色包括：获取扫描物品的原子序数，基于所述原子序数获得扫描物品的密度；根据所述扫描物品的密度确定扫描物品的分类，获得扫描物品分类结果；基于所述扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述对所述扫描图像进行特征提取，获得提取的图像特征包括：基于扫描物品的颜色特征确定目标候选区域；在所述目标候选区域内进行特征提取处理，获得提取的图像特征。可选地，所述利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标包括：利用提取的所述图像特征、基于多个深度卷积多层神经网络目标检测模型进行目标检测，获得多个检测结果；融合所述多个检测结果，获得最终的检测结果作为候选目标。可选地，所述融合所述多个检测结果，获得最终的检测结果作为候选目标包括：基于置信度计算结果，融合多个检测结果以获得最终的检测结果。可选地，所述方法还包括：基于所述图像识别结果，判断是否存在危险品或者走私物品；若判断存在危险品或者走私物品，输出提示信息。可选地，所述方法还包括：将所述图像识别结果与物品清单进行比对，获得比对结果；输出所述比对结果。根据本申请实施例的第二方面，提供了一种图像识别装置，所述装置包括：图像获取模块，用于获取扫描图像；特征提取模块，用于对所述扫描图像进行特征提取，获得提取的图像特征；其中，所述对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征；目标检测模块，用于利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；目标分类模块，用于利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果。可选地，所述装置还包括：预处理模块，用于对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述预处理模块具体包括：密度获取单元，用于获取扫描物品的原子序数，基于所述原子序数获得扫描物品的密度；分类单元，用于根据所述扫描物品的密度确定扫描物品的分类，获得扫描物品分类结果；颜色设置单元，用于基于所述扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述特征提取模块具体用于基于扫描物品的颜色特征确定目标候选区域；在所述目标候选区域内进行特征提取处理，获得提取的图像特征。可选地，所述目标检测模块具体包括：多模型检测单元，用于利用提取的所述图像特征、基于多个深度卷积多层神经网络目标检测模型进行目标检测，获得多个检测结果；结果融合单元，用于融合所述多个检测结果，获得最终的检测结果作为候选目标。可选地，所述结果融合单元具体用于基于置信度计算结果，融合多个检测结果以获得最终的检测结果。可选地，所述装置还包括：判断模块，用于基于所述图像识别结果，判断是否存在危险品或者走私物品；第一输出模块，用于若判断存在危险品或者走私物品，输出提示信息。可选地，所述装置还包括：比对模块，用于将所述图像识别结果与物品清单进行比对，获得比对结果；第二输出模块，用于输出所述比对结果。根据本申请实施例的第三方面，提供了用于图像识别的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取扫描图像；对所述扫描图像进行特征提取，获得提取的图像特征；利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果；其中，所述对对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取扫描物品的原子序数，基于所述原子序数获得扫描物品的密度；根据所述扫描物品的密度确定扫描物品的分类，获得扫描物品分类结果；基于所述扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：基于扫描物品的颜色特征确定目标候选区域；在所述目标候选区域内进行特征提取处理，获得提取的图像特征。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：利用提取的所述图像特征、基于多个深度卷积多层神经网络目标检测模型进行目标检测，获得多个检测结果；融合所述多个检测结果，获得最终的检测结果作为候选目标。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：基于置信度计算结果，融合多个检测结果以获得最终的检测结果。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：基于所述图像识别结果，判断是否存在危险品或者走私物品；若判断存在危险品或者走私物品，输出提示信息。可选地，所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：将所述图像识别结果与物品本文档来自技高网...

【技术保护点】
一种图像识别方法，其特征在于，所述方法包括：获取扫描图像；对所述扫描图像进行特征提取，获得提取的图像特征；利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果；其中，所述对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征。

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：获取扫描图像；对所述扫描图像进行特征提取，获得提取的图像特征；利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标；利用提取的所述图像特征、基于深度卷积多层神经网络目标分类模型对所述候选目标进行识别，获得图像识别结果；其中，所述对所述扫描图像进行特征提取，获得提取的图像特征具体为：获取深度卷积多层神经网络各层次的图像特征，对所述各层次的图像特征进行融合处理，获取融合后的图像特征作为提取的图像特征。2.根据权利要求1所述的方法，其特征在于，在对所述扫描图像进行特征提取前，所述方法还包括：对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。3.根据权利要求2所述的方法，其特征在于，所述对所述扫描图像进行预处理，基于扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色包括：获取扫描物品的原子序数，基于所述原子序数获得扫描物品的密度；根据所述扫描物品的密度确定扫描物品的分类，获得扫描物品分类结果；基于所述扫描物品分类结果为不同类别的扫描物品图像设置不同的颜色。4.根据权利要求2或3所述的方法，其特征在于，所述对所述扫描图像进行特征提取，获得提取的图像特征包括：基于扫描物品的颜色特征确定目标候选区域；在所述目标候选区域内进行特征提取处理，获得提取的图像特征。5.根据权利要求1所述的方法，其特征在于，所述利用提取的所述图像特征、基于深度卷积多层神经网络目标检测模型进行目标检测，获得候选目标包括：利用提取的所述图像特征、基于多个深度卷积多层神经网络目标检测模型进行目标检测，获得多个检测结果；融合所述多个检测结果，获得最终的检测结果作为候选目标。6.根据权利要求5所述的方法，其特征在于，所述融合所述多个检测结果，获得最终的检测结果...

【专利技术属性】
技术研发人员：邹博，刘玉洁，齐智峰，李锋，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁;21