本申请公开了一种违禁品检测方法，包括：提取当前图像帧的边缘特征信息；选取边缘特征信息中每列像素点的最优特征值，得到当前图像帧的特征线；确定当前图像帧的特征线与历史图像帧的特征线的偏移距离；将历史图像帧的目标检测框移动所述偏移距离，得到当前图像帧的目标检测框，以作为当前图像帧的违禁品检测结果。可见，该方法通过计算图像偏移量，保证最终呈现的目标检测框在画面内的平稳滑动，方便人为观察，大大提升安检实际运行和智能分析的效率。此外，本申请提供了一种违禁品检测装置、设备及计算机可读存储介质，其技术效果与上述方法的技术效果相对应。法的技术效果相对应。法的技术效果相对应。
【技术实现步骤摘要】
一种违禁品检测方法、装置、设备及计算机可读存储介质
[0001]本申请涉及计算机
，特别涉及一种违禁品检测方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]对于现有的安检机设备，在尽量少的改变原有系统运行的前提下，采用外接视频采集系统获取画面进行智能分析。采用目前主流的深度学习方法，可以检测识别到图像帧中的违禁品。但在实际应用场景中，现场工作人员需要观察实时视频画面，所以得保证检测框稳定准确的跟随物体在画面中移动。单纯采用深度学习方法，无法保证每一帧画面都能准确无误地将所有违禁品都检测出来，通常情况是对于某个违禁品(同一个违禁品通过安检机设备过程)有时能检测到，有时检测不到，因此不能在结果展示时平稳顺滑，表现出闪烁现象，极大影响安检人员观看。
[0003]综上，深度学习模型对图像噪声较为敏感，导致最终呈现的目标检测框往往存在闪烁抖动的现象，影响安检人员观看。如何克服这个缺点，是亟待本领域技术人员解决的技术问题。
技术实现思路
[0004]本申请的目的是提供一种违禁品检测方法、装置、设备及计算机可读存储介质，用以解决在目前的基于深度学习的目标检测方案中，目标检测框往往存在闪烁抖动的现象的问题。其具体方案如下：
[0005]第一方面，本申请提供了一种违禁品检测方法，包括：
[0006]提取当前图像帧的边缘特征信息；
[0007]选取所述边缘特征信息中每列像素点的最优特征值，得到所述当前图像帧的特征线；
[0008]确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离；
[0009]将所述历史图像帧的目标检测框移动所述偏移距离，得到所述当前图像帧的目标检测框，以作为所述当前图像帧的违禁品检测结果。
[0010]可选的，所述提取当前图像帧的边缘特征信息，包括：
[0011]利用Sobel算子计算当前图像帧在y方向上的梯度，得到边缘特征信息。
[0012]可选的，所述选取所述边缘特征信息中每列像素点的最优特征值，得到所述当前图像帧的特征线，包括：
[0013]选取所述边缘特征信息中每列像素点的最大特征值，得到所述当前图像帧的特征线。
[0014]可选的，在所述选取所述边缘特征信息中每列像素点的最优特征值之后，还包括：
[0015]对所述最优特征值进行连续性判断，丢弃偏离值超过预设偏离范围的最优特征值。
[0016]可选的，所述确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离，包括：
[0017]在预设偏移范围内，确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离。
[0018]可选的，所述确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离，包括：
[0019]通过滑动的方式，在预设偏移范围内计算不同偏移距离下所述当前图像帧的特征线与历史图像帧的特征线的匹配度，得到匹配度最高的偏移距离。
[0020]可选的，在所述确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离之前，还包括：
[0021]获取与所述当前图像帧的采集时间相差预设时间阈值的图像帧，以作为历史图像帧。
[0022]第二方面，本申请提供了一种违禁品检测装置，包括：
[0023]特征提取模块，用于提取当前图像帧的边缘特征信息；
[0024]特征线生成模块，用于选取所述边缘特征信息中每列像素点的最优特征值，得到所述当前图像帧的特征线；
[0025]偏移距离确定模块，用于确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离；
[0026]检测结果输出模块，用于将所述历史图像帧的目标检测框移动所述偏移距离，得到所述当前图像帧的目标检测框，以作为所述当前图像帧的违禁品检测结果。
[0027]第三方面，本申请提供了一种违禁品检测设备，包括：
[0028]存储器：用于存储计算机程序；
[0029]处理器：用于执行所述计算机程序，以实现如上所述的违禁品检测方法。
[0030]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的违禁品检测方法。
[0031]本申请所提供的一种违禁品检测方法，包括：提取当前图像帧的边缘特征信息；选取边缘特征信息中每列像素点的最优特征值，得到当前图像帧的特征线；确定当前图像帧的特征线与历史图像帧的特征线的偏移距离；将历史图像帧的目标检测框移动所述偏移距离，得到当前图像帧的目标检测框，以作为当前图像帧的违禁品检测结果。可见，该方法通过计算图像偏移量，保证最终呈现的目标检测框在画面内的平稳滑动，方便人为观察，大大提升安检实际运行和智能分析的效率。
[0032]此外，本申请提供了一种违禁品检测装置、设备及计算机可读存储介质，其技术效果与上述方法的技术效果相对应，这里不再赘述。
附图说明
[0033]为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
[0034]图1为正常画面；
[0035]图2为完整物理发生分裂的画面；
[0036]图3为本申请所提供的违禁品检测方法实施例一的流程图；
[0037]图4为本申请所提供的违禁品检测方法实施例二的流程图；
[0038]图5为本申请所提供的违禁品检测装置实施例的示意图；
[0039]图6为本申请所提供的违禁品检测设备实施例的示意图。
具体实施方式
[0040]为了使本
的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0041]为保证违禁品目标检测框在视频画面每一帧中都准确显示，现有的解决方案主要从两个方向展开：
[0042]第一种是基于纯深度学习的方法，对每一帧画面进行检测，将结果显示在图像上，这类方法的问题主要体现在：
[0043]1、实时性：现有硬件条件下，每一帧都进行模型推理，耗时太久，导致画面延迟。
[0044]2、视觉效果：同样物体在不同帧中得到的检测框大小不一，导致框不断晃动，而且同一物体不一定在每帧画面中都能检测到，框可能会不断闪烁出现，视觉效果很差，给现场观察带来很大不便。
[0045]第二种是基于深度学习和跟踪算法的结合方法，隔一定时间间隔进行一次检测，中间的时间，让检测框自动跟踪物体。目前比较主流的方法有以下几种：
[0046]1、基于传统的跟踪算法，采用opencv自带的跟踪算法，这种算法的优点是位本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种违禁品检测方法，其特征在于，包括：提取当前图像帧的边缘特征信息；选取所述边缘特征信息中每列像素点的最优特征值，得到所述当前图像帧的特征线；确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离；将所述历史图像帧的目标检测框移动所述偏移距离，得到所述当前图像帧的目标检测框，以作为所述当前图像帧的违禁品检测结果。2.如权利要求1所述的方法，其特征在于，所述提取当前图像帧的边缘特征信息，包括：利用Sobel算子计算当前图像帧在y方向上的梯度，得到边缘特征信息。3.如权利要求1所述的方法，其特征在于，所述选取所述边缘特征信息中每列像素点的最优特征值，得到所述当前图像帧的特征线，包括：选取所述边缘特征信息中每列像素点的最大特征值，得到所述当前图像帧的特征线。4.如权利要求3所述的方法，其特征在于，在所述选取所述边缘特征信息中每列像素点的最优特征值之后，还包括：对所述最优特征值进行连续性判断，丢弃偏离值超过预设偏离范围的最优特征值。5.如权利要求1所述的方法，其特征在于，所述确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离，包括：在预设偏移范围内，确定所述当前图像帧的特征线与历史图像帧的特征线的偏移距离。6.如权利要求5所述的方法，其特征在于，所述确定所述当前图像帧的特征线与历史图像...
【专利技术属性】
技术研发人员：何超，袁逸雄，邓富城，罗韵，陈振杰，
申请(专利权)人：深圳极视角科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。