一种违禁品目标检测方法、装置及计算机设备制造方法及图纸

本发明专利技术实施例提供了一种违禁品目标检测方法、装置及计算机设备，方法包括：通过多种预设图像增强方法，对待检测X射线图像中的指定特征进行增强处理，得到多个增强图像；利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定待确定违禁品目标所处区域的位置信息；若统计的存在待确定违禁品目标的增强图像的数量达到预设阈值，则从待检测X射线图像中提取与位置信息对应的感兴趣区域图像；获取并根据感兴趣区域图像的属性特征，确定待确定违禁品目标的物质类别；若物质类别符合预设物质类别，则确定检测到的待确定违禁品目标为确定的违禁品目标。通过本方案可以降低违禁品目标检测的漏检率和误检率。

A Target Detection Method, Device and Computer Equipment for Prohibited Goods

【技术实现步骤摘要】
一种违禁品目标检测方法、装置及计算机设备
本专利技术涉及安检
，特别是涉及一种违禁品目标检测方法、装置及计算机设备。
技术介绍
随着物流行业的快速发展，利用快递、物流夹带的方式运输违禁品的现象层出不穷，这种夹带运输的方式隐蔽性很强，侦查的难度较大，危害社会治安。传统使用X射线安检机检测行李、包裹中的违禁品，通过对X射线透射行李、包裹成像，可以达到不拆包进行物品检查的目的，已经在飞机场、海关、火车站、地铁站等场所广泛应用。然而，使用X射线安检机检测违禁品的方法，需要工作人员参与图像判别，自动化程度低，工作人员长时间观察图像容易造成视觉疲劳，极易出现漏检、误检的情况，尤其是物流行业，货物流量大、时间紧，给工作人员带来极大的压力，也给监管部门带来监管困难。近年来，随着人工智能的快速发展，利用机器学习的方法进行目标检测逐渐成为主流。基于机器学习的理论，对于X射线安检机所成的图像，可以通过深度学习运算，确定图像中与预先训练的违禁品目标轮廓特征的相似度满足预设条件的目标为确定的违禁品目标，从而达到对违禁品目标的检测。但是，由于X射线扫描存在的缺陷，扫描到的图像往往存在模糊、显示不完整等问题，并且，由于违禁品目标的复杂多样性，仅凭借轮廓特征对违禁品目标进行检测，检测的结果存在较高的漏检率和误检率。
技术实现思路
本专利技术实施例的目的在于提供一种违禁品目标检测方法、装置及计算机设备，以降低违禁品目标检测的漏检率和误检率。具体技术方案如下：第一方面，本专利技术实施例提供了一种违禁品目标检测方法，所述方法包括：通过多种预设图像增强方法，对获取的待检测X射线图像中的指定特征进行增强处理，得到多个增强图像；利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，其中，所述基本属性信息包括所述待确定违禁品目标所处区域的位置信息；统计存在所述待确定违禁品目标的增强图像的数量，若所述数量达到预设阈值，则从所述待检测X射线图像中提取与所述位置信息对应的感兴趣区域图像；获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别；若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标。可选的，所述待检测X射线图像的获取方式，包括：获取通过X射线安检机采集的源X射线图像；对所述源X射线图像进行归一化操作，得到待检测X射线图像。可选的，在所述利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息之前，所述方法还包括：获取多个包含有违禁品目标的图像样本；根据标定的各图像样本中违禁品目标区域的坐标信息，提取各违禁品目标区域中的图像，得到多个样本掩膜；对各样本掩膜进行预设扩增处理，得到多个扩增后的掩膜图像；将各掩膜图像投影至多个预设图像中，得到多个训练样本；利用预设深度学习方法对所述多个训练样本进行训练，得到检测模型；所述利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，包括：利用所述检测模型，对各增强图像进行检测，判断各增强图像中是否存在违禁品目标，并确定所述待确定违禁品目标的基本属性信息。可选的，在所述若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标之后，所述方法还包括：将指定场景样本集中的样本及包含有所述确定的违禁品目标的图像设定为候选样本，所述指定场景样本集中包括服从指定场景下目标分布的样本；根据各候选样本的相关性，为各候选样本分配权重；选择各候选样本中权重最大的第一候选样本，并从所述多个训练样本中选择与所述第一候选样本的相似度大于预设相似度的第二候选样本；更新所述指定场景样本集中的样本为所述第一候选样本及所述第二候选样本；利用所述预设深度学习方法对更新后的指定场景样本集中的样本进行训练，得到更新的检测模型，以在下一次获取待检测X射线图像时，执行利用所述更新的检测模型，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息。可选的，所述获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别，包括：获取所述感兴趣区域图像的灰度值；确定所述灰度值所处的预设灰度范围；基于所述预设灰度范围，确定所述待确定违禁品目标的物质类别。可选的，所述基本属性信息还包括所述待确定违禁品目标的类型信息；在所述若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标之后，所述方法还包括：根据所述类型信息，得到所述确定的违禁品目标的类型。第二方面，本专利技术实施例提供了一种违禁品目标检测装置，所述装置包括：增强处理模块，用于通过多种预设图像增强方法，对获取的待检测X射线图像中的指定特征进行增强处理，得到多个增强图像；检测模块，用于利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，其中，所述基本属性信息包括所述待确定违禁品目标所处区域的位置信息；统计模块，用于统计存在所述待确定违禁品目标的增强图像的数量，若所述数量达到预设阈值，则从所述待检测X射线图像中提取与所述位置信息对应的感兴趣区域图像；获取模块，用于获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别；确定模块，用于若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标。可选的，所述获取模块，还用于：获取通过X射线安检机采集的源X射线图像；对所述源X射线图像进行归一化操作，得到待检测X射线图像。可选的，所述装置还包括：图像样本获取模块，用于获取多个包含有违禁品目标的图像样本；提取模块，用于根据标定的各图像样本中违禁品目标区域的坐标信息，提取各违禁品目标区域中的图像，得到多个样本掩膜；扩增处理模块，用于对各样本掩膜进行预设扩增处理，得到多个扩增后的掩膜图像；投影模块，用于将各掩膜图像投影至多个预设图像中，得到多个训练样本；第一训练模块，用于利用预设深度学习方法对所述多个训练样本进行训练，得到检测模型；所述检测模块，具体用于：利用所述检测模型，对各增强图像进行检测，判断各增强图像中是否存在违禁品目标，并确定所述待确定违禁品目标的基本属性信息。可选的，所述装置还包括：设定模块，用于将指定场景样本集中的样本及包含有所述确定的违禁品目标的图像设定为候选样本，所述指定场景样本集中包括服从指定场景下目标分布的样本；分配模块，用于根据各候选样本的相关性，为各候选样本分配权重；选择模块，用于选择各候选样本中权重最大的第一候选样本，并从所述多个训练样本中选择与所述第一候选样本的相似度大于预设相似度的第二候选样本；更新模块，用于更新所述指定场景样本集中的样本为所述第一候选样本及所述第二候选样本；第二训练模块，用于利用所述预设深度学习方法对更新后的指定场景样本集中的样本进行训练，得到更新的检测模型，以在下一次获取待检测X射线图像时，执行利用所述更新的检测模型，对各增强图像进行检测，判断各增强图像中是否存在待确定本文档来自技高网...

【技术保护点】
1.一种违禁品目标检测方法，其特征在于，所述方法包括：通过多种预设图像增强方法，对获取的待检测X射线图像中的指定特征进行增强处理，得到多个增强图像；利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，其中，所述基本属性信息包括所述待确定违禁品目标所处区域的位置信息；统计存在所述待确定违禁品目标的增强图像的数量，若所述数量达到预设阈值，则从所述待检测X射线图像中提取与所述位置信息对应的感兴趣区域图像；获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别；若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标。

【技术特征摘要】
1.一种违禁品目标检测方法，其特征在于，所述方法包括：通过多种预设图像增强方法，对获取的待检测X射线图像中的指定特征进行增强处理，得到多个增强图像；利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，其中，所述基本属性信息包括所述待确定违禁品目标所处区域的位置信息；统计存在所述待确定违禁品目标的增强图像的数量，若所述数量达到预设阈值，则从所述待检测X射线图像中提取与所述位置信息对应的感兴趣区域图像；获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别；若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标。2.根据权利要求1所述的方法，其特征在于，所述待检测X射线图像的获取方式，包括：获取通过X射线安检机采集的源X射线图像；对所述源X射线图像进行归一化操作，得到待检测X射线图像。3.根据权利要求1所述的方法，其特征在于，在所述利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息之前，所述方法还包括：获取多个包含有违禁品目标的图像样本；根据标定的各图像样本中违禁品目标区域的坐标信息，提取各违禁品目标区域中的图像，得到多个样本掩膜；对各样本掩膜进行预设扩增处理，得到多个扩增后的掩膜图像；将各掩膜图像投影至多个预设图像中，得到多个训练样本；利用预设深度学习方法对所述多个训练样本进行训练，得到检测模型；所述利用预设目标检测方法，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息，包括：利用所述检测模型，对各增强图像进行检测，判断各增强图像中是否存在违禁品目标，并确定所述待确定违禁品目标的基本属性信息。4.根据权利要求3所述的方法，其特征在于，在所述若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标之后，所述方法还包括：将指定场景样本集中的样本及包含有所述确定的违禁品目标的图像设定为候选样本，所述指定场景样本集中包括服从指定场景下目标分布的样本；根据各候选样本的相关性，为各候选样本分配权重；选择各候选样本中权重最大的第一候选样本，并从所述多个训练样本中选择与所述第一候选样本的相似度大于预设相似度的第二候选样本；更新所述指定场景样本集中的样本为所述第一候选样本及所述第二候选样本；利用所述预设深度学习方法对更新后的指定场景样本集中的样本进行训练，得到更新的检测模型，以在下一次获取待检测X射线图像时，执行利用所述更新的检测模型，对各增强图像进行检测，判断各增强图像中是否存在待确定违禁品目标，并确定所述待确定违禁品目标的基本属性信息。5.根据权利要求1所述的方法，其特征在于，所述获取并根据所述感兴趣区域图像的属性特征，确定所述待确定违禁品目标的物质类别，包括：获取所述感兴趣区域图像的灰度值；确定所述灰度值所处的预设灰度范围；基于所述预设灰度范围，确定所述待确定违禁品目标的物质类别。6.根据权利要求1至5任一所述的方法，其特征在于，所述基本属性信息还包括所述待确定违禁品目标的类型信息；在所述若所述物质类别符合预设物质类别，则确定检测到的所述待确定违禁品目标为确定的违禁品目标之后，所述方法还包括：根据所述...

【专利技术属性】
技术研发人员：张俊，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33