空箱识别方法及系统技术方案

公开了一种空箱识别方法及识别系统，该方法包括以下步骤：获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；对所述车辆进行X射线检查，获取所述车辆的透射图像；将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符。根据本公开的空箱识别方法及识别系统，通过对申报为空箱或空车的车辆的透射图像进行智能分析，能够在不开箱的情况下准确地确定车辆是否为空，并在很大程度上减轻安检人员的工作量。

【技术实现步骤摘要】
空箱识别方法及系统
本公开涉及辐射成像安全检查
，特别是涉及一种针对车辆的空车箱进行安全检查的空箱识别方法和系统。
技术介绍
X射线透射成像技术作为一种非介入式检查手段，被广泛应用于口岸、海关、边检等安检场景，对过关车辆进行风险评估。集装箱和厢式货车作为现代物流重要的交通运输工具，近年来屡被不法分子利用进境、过境的空箱进行走私活动。作为智能鉴别功能的一个重要内容，智能空箱识别的业务需求十分迫切。随着进出口贸易量的急剧增加，人工审图给出鉴别结论的方式已经远远无法满足安检任务的需求。因此，实现可以代替人眼的智能鉴别功能成为辐射成像安全检查技术的研究目标。目前的空箱识别或验证存在两种解决方案，分别是视频监控方式和称重方式。对于申报为空的车辆，第一种方式是利用摄像头对过关车辆进行监控，此过程要求开启箱门，监控人员通过图像查看箱体载货状态并做出结论。这种方式的最大问题是人为干预过多，通关效率较低，且误判率较高。第二种方式是对过关车辆进行称重，通过与备案重量进行比较，得出风险指标。此方式要求对过关车辆的重量进行备案，只能对重量偏差明显的走私行为有效。虽然市场上已经存在以上两种解决方案，但这些方案只在特定条件下有效，均存在着高漏检或高误报的问题。
技术实现思路
本公开的目的旨在解决现有技术中存在的上述问题和缺陷的至少一个方面。根据本公开的一个方面的实施例，提供了一种空箱识别方法，包括以下步骤：获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；对所述车辆进行X射线检查，获取所述车辆的透射图像；将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符。在一些实施例中，所述图像识别结果包含所述候选区域的类别信息、位置信息以及置信度。在一些实施例中，所述空箱识别模型是通过监督学习方式训练的，包括以下步骤：建立空箱识别任务的训练样本图像数据库，其中训练样本图像数据包括训练样本图像及其对应的标注信息；根据所述空箱识别任务确定基于卷积神经网络的检测网络，并进行初始化；以及利用所述训练样本图像数据对初始化的所述检测网络进行训练，得到空箱识别模型。在一些实施例中，所述建立空箱识别任务的训练样本图像数据库包括：采用样本增强方法扩增异常的图像数据；以及根据所述空箱识别任务对所述异常的图像数据进行标注。在一些实施例中，所述利用所述训练样本图像数据对初始化的所述检测网络进行训练包括：将训练样本图像及其标注信息缩放至合适的检测网络输入；以及利用如下优化函数对检测网络进行训练：L＝Lcls+λLreg其中，Lcls是训练样本数据的类别损失；Lreg是训练样本数据的位置回归损失；λ是控制参数。在一些实施例中，所述对所述车辆进行X射线检查，获取所述车辆的透射图像为仅对所述车辆的车箱进行X射线检查，获取所述车辆的车箱的透射图像。在一些实施例中，在所述将所述透射图像输入预先训练得到的空箱识别模型之前，还包括对所述透射图像进行预处理的步骤。在一些实施例中，所述预处理包括对所述透射图像进行去条纹处理。在一些实施例中，所述后处理分析包括利用得分阈值与非极大值抑制，过滤掉置信度过小的候选区域，并合并同一位置区域附近的重叠候选区域。在一些实施例中，所述将所述图像识别结果与所述报关信息进行比较，判定是否与所述报关信息相符包括：如果图像识别结果与所述报关信息相符，则认为风险较低；如果图像识别结果与所述报关信息不符，则认为风险较高。根据本公开的另一方面，还提供了一种空箱识别系统，包括：数据采集设备，包括：车辆数据提取模块，所述车辆数据提取模块适用于从报关信息中提取申报为空箱或空车的车辆；和透射图像采集模块，对申报为空箱或空车的所述车辆进行X射线检查，获取所述车辆的透射图像；数据处理设备，所述数据处理设备利用空箱识别模型对所述透射图像进行识别，以便定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果，然后将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符；以及控制器，所述控制器控制所述数据采集设备和所述数据处理设备的工作状态。在一些实施例中，所述透射图像采集模块仅对申报为空箱或空车的所述车辆的车箱进行X射线检查，获取所述车辆的车箱的透射图像。在一些实施例中，所述数据处理设备还包括预处理模块，所述预处理模块适用于对所述透射图像采集模块所采集的透射图像进行预处理。在一些实施例中，所述数据处理设备还包括后处理模块，所述后处理模块适用于利用得分阈值与非极大值抑制，过滤掉置信度过小的候选区域，并合并同一位置区域附近的重叠候选区域。在一些实施例中，还包括存储设备，所述存储设备与所述数据采集设备和所述数据处理设备连接，并适用于存储所述车辆的报关信息、透射图像以及识别结果。根据本公开上述各种实施例所述的空箱识别方法及识别系统通过对申报为空箱或空车的车辆的透射图像进行智能分析，判断被检查车辆是否与申报一致，从而判定车辆是否存在夹藏的风险，即是否涉及伪报或瞒报，可以在一定程度上替代人工自动鉴别透视图像，提高空集装箱或空厢式货车的通关效率，实现“一站式”智能验放。本公开能够在不开箱的情况下准确地确定车辆是否为空，并在很大程度上减轻安检人员的工作量。附图说明图1是根据本公开的一个示例性实施例的空箱识别方法的示意性流程图；图2是根据本公开的一个示例性实施例的空箱识别模型训练过程的示意图；以及图3是根据本公开的一个示例性实施例的空箱识别系统的结构示意图。具体实施方式虽然将参照含有本专利技术的较佳实施例的附图充分描述本专利技术，但在此描述之前应了解本领域的普通技术人员可修改本文中所描述的专利技术，同时获得本专利技术的技术效果。因此，须了解以上的描述对本领域的普通技术人员而言为一广泛的揭示，且其内容不在于限制本专利技术所描述的示例性实施例。另外，在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本披露实施例的全面理解。然而明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。在其他情况下，公知的结构和设备以图示的方式体现以简化附图。根据本公开的总体上的专利技术构思，提供了一种空箱识别方法，包括以下步骤：获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；对所述车辆进行X射线检查，获取所述车辆的透射图像；将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关本文档来自技高网...

【技术保护点】
1.一种空箱识别方法，包括以下步骤：/n获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；/n对所述车辆进行X射线检查，获取所述车辆的透射图像；/n将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及/n将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符。/n

【技术特征摘要】
1.一种空箱识别方法，包括以下步骤：
获取报关信息，从所述报关信息中提取申报为空箱或空车的车辆；
对所述车辆进行X射线检查，获取所述车辆的透射图像；
将所述透射图像输入预先训练得到的空箱识别模型，以便所述空箱识别模型定位出所述透射图像的候选区域，并对所述候选区域进行后处理分析以获得图像识别结果；以及
将所述图像识别结果与对应的所述报关信息进行比较，判定是否与所述报关信息相符。


2.根据权利要求1所述的空箱识别方法，其中，所述图像识别结果包含所述候选区域的类别信息、位置信息以及置信度。


3.根据权利要求1所述的空箱识别方法，其中，所述空箱识别模型是通过监督学习方式训练的，包括以下步骤：
建立空箱识别任务的训练样本图像数据库，其中训练样本图像数据包括训练样本图像及其对应的标注信息；
根据所述空箱识别任务确定基于卷积神经网络的检测网络，并进行初始化；以及
利用所述训练样本图像数据对初始化的所述检测网络进行训练，得到空箱识别模型。


4.根据权利要求3所述的空箱识别方法，其中，所述建立空箱识别任务的训练样本图像数据库包括：
采用样本增强方法扩增异常的图像数据；以及
根据所述空箱识别任务对所述异常的图像数据进行标注。


5.根据权利要求3所述的空箱识别方法，其中，所述利用所述训练样本图像数据对初始化的所述检测网络进行训练包括：
将训练样本图像及其标注信息缩放至合适的检测网络输入；以及
利用如下优化函数对检测网络进行训练：
L＝Lcls+λLreg
其中，Lcls是训练样本数据的类别损失；
Lreg是训练样本数据的位置回归损失；
λ是控制参数。


6.根据权利要求1所述的空箱识别方法，其中，所述对所述车辆进行X射线检查，获取所述车辆的透射图像为仅对所述车辆的车箱进行X射线检查，获取所述车辆的车箱的透射图像。


7.根据权利要求1所述的空箱识别方法，其中，在所述将所述透射图像输入预先训练得到的空箱识别模型之前，还包括对所述透射图像进行预处理的步骤。


8...

【专利技术属性】
技术研发人员：姚彦洁，刘永春，张，赵自然，张丽，邢宇翔，
申请(专利权)人：同方威视技术股份有限公司，清华大学，
类型：发明
国别省市：北京;11