一种基于双视角安检图像的违禁品检测方法及装置制造方法及图纸

本申请属于安检技术领域，公开了一种基于双视角安检图像的违禁品检测方法及装置，该方法包括：获取行李的第一视角安检图像和第二视角安检图像；通过预先训练的违禁品检测模型对第一视角安检图像和第二视角安检图像进行处理，得到行李的违禁品检测结果；其中，违禁品检测模型用于根据第一视角安检图像和第二视角安检图像检测行李中是否存在违禁品，并在行李中存在违禁品时，对行李中的违禁品进行分类和定位；输出行李的违禁品检测结果。本申请可通过双视角特征融合来解决安检图像成像角度不佳、互相遮挡等影响目标检测精度的问题，达到提高检测精度的效果。提高检测精度的效果。提高检测精度的效果。

【技术实现步骤摘要】
一种基于双视角安检图像的违禁品检测方法及装置


[0001]本申请涉及安检
，尤其涉及一种基于双视角安检图像的违禁品检测方法及装置。

技术介绍

[0002]随着经济高速发展，在航空、轨道交通及物流等领域对安全检测有着较高的要求。当前的已经投入实际使用的安检设备主要有金属设备检测和X光安检设备。其中，X光安检设备的应用范围更光，对种类繁多的违禁品具有更好的检测能力。目前，在很多比较重要的场合使用了更加先进的双视角X光安检机，相比传统的只能呈现一个俯视图视角的X光安检机，双视角X光安检机可以同时扫描出物品的俯视和侧视视角的透视图，有着更广的检测视野，有助于检测出更多的小型、被遮挡、被刻意隐藏的违禁品。
[0003]然而，目前双视角X光安检机依然没有改变主要依靠人工检测的情况，需要大量的人力投入。虽然双视角X光安检机提供了更多供鉴别的信息，但其无疑对安检工作人员施加了更高的工作压力，一旦安检工作人员疲劳工作，就会导致对违禁品的误检或漏检，影响安检精度。可见，现有技术存在检测精度低的问题。

技术实现思路

[0004]本申请提供了一种基于双视角安检图像的违禁品检测方法及装置，能够利用双视角特征融合来提高检测精度。
[0005]第一方面，本申请实施例提供了一种基于双视角安检图像的违禁品检测方法，该方法包括：
[0006]获取行李的第一视角安检图像和第二视角安检图像；
[0007]通过预先训练的违禁品检测模型对第一视角安检图像和第二视角安检图像进行处理，得到行李的违禁品检测结果；其中，违禁品检测模型用于根据第一视角安检图像和第二视角安检图像检测行李中是否存在违禁品，并在行李中存在违禁品时，对行李中的违禁品进行分类和定位；
[0008]输出行李的违禁品检测结果。
[0009]在其中一个实施例中，违禁品检测模型以一阶段目标检测算法YOLOv4为基础目标检测框架，基础目标检测框架包括特征提取主干网络、SPP空间金字塔池化层、PANet网络及检测层；特征提取主干网络包括第一初级特征提取网络、第二初级特征提取网络、特征映射模块及次级特征提取网络；
[0010]通过预先训练的违禁品检测模型对第一视角安检图像和第二视角安检图像进行处理，得到行李的违禁品检测结果，包括：
[0011]通过第一初级特征提取网络提取第一视角安检图像的第一视角特征，并通过第二初级特征提取网络提取第二视角安检图像的第二视角特征；
[0012]通过特征映射模块将第一视角特征与第二视角特征融合，将得到的融合特征输入
次级特征提取网络；
[0013]通过次级特征提取网络对融合特征进行提取，得到按从大到小的尺度排列的第一特征层、第二特征层及第三特征层；
[0014]通过SPP空间金字塔池化层对第三特征层进行处理，并将第一特征层、第二特征层及经过SPP空间金字塔池化层处理后的第三特征层输入PANet网络进行处理，得到检测特征；
[0015]将检测特征输入检测层，得到行李的违禁品检测结果。
[0016]在其中一个实施例中，第一初级特征提取网络和第二初级特征提取网络均包括两个残差模块，且第一初级特征提取网络包含的两个残差模块的参数与第二初级特征提取网络包含的两个残差模块的参数不互通。
[0017]在其中一个实施例中，特征提取主干网络包括两个特征映射模块；
[0018]通过第一初级特征提取网络提取第一视角安检图像的第一视角特征，并通过第二初级特征提取网络提取第二视角安检图像的第二视角特征，包括：
[0019]通过第一初级特征提取网络的第一个残差模块初步提取第一视角安检图像的第一视角特征，并将第一视角特征输入特征提取主干网络中的第一个特征映射模块；
[0020]通过第二初级特征提取网络的第一个残差模块初步提取第二视角安检图像的第二视角特征，并将第二视角特征分别输入特征提取主干网络中的第一个特征映射模块和第二初级特征提取网络的第二个残差模块；
[0021]通过第二初级特征提取网络的第二个残差模块对第二视角特征进行再次特征提取，并将再次特征提取到的第二视角提取特征输入特征提取主干网络中的第二个特征映射模块；
[0022]通过特征映射模块将第一视角特征与第二视角特征融合，包括：
[0023]通过特征提取主干网络中的第一个特征映射模块对输入的第一视角特征和第二视角特征进行融合，将得到的初级融合特征输入第一初级特征提取网络的第二个残差模块再次进行特征提取，并将再次特征提取到的次级融合特征输入特征提取主干网络中的第二个特征映射模块；
[0024]通过特征提取主干网络中的第二个特征映射模块对次级融合特征和第二视角提取特征进行融合，得到融合特征。
[0025]在其中一个实施例中，每个特征映射模块包括上下采样模块和卷积注意力机制模块；
[0026]通过特征提取主干网络中的第一个特征映射模块对输入的第一视角特征和第二视角特征进行融合，包括：
[0027]通过第一个特征映射模块的上下采样模块对第一视角特征和第二视角特征进行上采样和下采样，并将经过上采样和下采样得到的特征输入第一个特征映射模块的卷积注意力机制模块，得到卷积注意力机制模块输出的初级融合特征；
[0028]通过特征提取主干网络中的第二个特征映射模块对次级融合特征和第二视角提取特征进行融合，得到融合特征，包括：
[0029]通过第二个特征映射模块的上下采样模块对次级融合特征和第二视角提取特征进行上采样和下采样，并将经过上采样和下采样得到的特征输入第二个特征映射模块的卷
积注意力机制模块，得到卷积注意力机制模块输出的融合特征。
[0030]在其中一个实施例中，次级特征提取网络包括依次连接的三个残差模块；将得到的融合特征输入次级特征提取网络，包括：将得到的融合特征输入次级特征提取网络的第一个残差模块；
[0031]通过次级特征提取网络对融合特征进行提取，得到按从大到小的尺度排列的第一特征层、第二特征层及第三特征层，包括：
[0032]通过次级特征提取网络的第一个残差模块对融合特征进行提取，得到第一特征层；
[0033]将第一特征层输入次级特征提取网络的第二个残差模块进行特征提取，得到第二特征层；
[0034]将第二特征层输入次级特征提取网络的第三个残差模块进行特征提取，得到第三特征层。
[0035]在其中一个实施例中，第一视角安检图像为双视角X光安检机在垂直视角上对行李采集到的X光图像，第二视角安检图像为双视角X光安检机在水平视角上对行李采集到的X光图像。
[0036]第二方面，本申请实施例提供了一种基于双视角安检图像的违禁品检测装置，该装置包括：
[0037]安检图像获取模块，用于获取行李的第一视角安检图像和第二视角安检图像；
[0038]违禁品检测模块，用于通过预先训练的违禁品检测模型对第一视角安检图像和第二视角安检图像进行处理，得到行李的违禁品检测结果；其中，违禁品检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双视角安检图像的违禁品检测方法，其特征在于，所述方法包括：获取行李的第一视角安检图像和第二视角安检图像；通过预先训练的违禁品检测模型对所述第一视角安检图像和所述第二视角安检图像进行处理，得到所述行李的违禁品检测结果；其中，所述违禁品检测模型用于根据所述第一视角安检图像和所述第二视角安检图像检测所述行李中是否存在违禁品，并在所述行李中存在违禁品时，对所述行李中的违禁品进行分类和定位；输出所述行李的违禁品检测结果。2.根据权利要求1所述的方法，其特征在于，所述违禁品检测模型以一阶段目标检测算法YOLOv4为基础目标检测框架，所述基础目标检测框架包括特征提取主干网络、SPP空间金字塔池化层、PANet网络及检测层；所述特征提取主干网络包括第一初级特征提取网络、第二初级特征提取网络、特征映射模块及次级特征提取网络；所述通过预先训练的违禁品检测模型对所述第一视角安检图像和所述第二视角安检图像进行处理，得到所述行李的违禁品检测结果，包括：通过所述第一初级特征提取网络提取所述第一视角安检图像的第一视角特征，并通过所述第二初级特征提取网络提取所述第二视角安检图像的第二视角特征；通过所述特征映射模块将所述第一视角特征与所述第二视角特征融合，将得到的融合特征输入所述次级特征提取网络；通过所述次级特征提取网络对所述融合特征进行提取，得到按从大到小的尺度排列的第一特征层、第二特征层及第三特征层；通过所述SPP空间金字塔池化层对所述第三特征层进行处理，并将所述第一特征层、所述第二特征层及经过所述SPP空间金字塔池化层处理后的第三特征层输入所述PANet网络进行处理，得到检测特征；将所述检测特征输入所述检测层，得到所述行李的违禁品检测结果。3.根据权利要求2所述的方法，其特征在于，所述第一初级特征提取网络和所述第二初级特征提取网络均包括两个残差模块，且所述第一初级特征提取网络包含的两个残差模块的参数与所述第二初级特征提取网络包含的两个残差模块的参数不互通。4.根据权利要求3所述的方法，其特征在于，所述特征提取主干网络包括两个特征映射模块；所述通过所述第一初级特征提取网络提取所述第一视角安检图像的第一视角特征，并通过所述第二初级特征提取网络提取所述第二视角安检图像的第二视角特征，包括：通过所述第一初级特征提取网络的第一个残差模块初步提取所述第一视角安检图像的第一视角特征，并将所述第一视角特征输入所述特征提取主干网络中的第一个特征映射模块；通过所述第二初级特征提取网络的第一个残差模块初步提取所述第二视角安检图像的第二视角特征，并将所述第二视角特征分别输入所述特征提取主干网络中的第一个特征映射模块和所述第二初级特征提取网络的第二个残差模块；通过所述第二初级特征提取网络的第二个残差模块对所述第二视角特征进行再次特征提取，并将再次特征提取到的第二视角提取特征输入所述特征提取主干网络中的第二个特征映射模块；
所述通过所述特征映射模块将所述第一视角特征与所述第二视角特征融合，包括：通过所述特征提取主干网络中的第一个特征映射模块对输入的所述第一视角特征和所述第二视角特征进行融合，将得到的初级融合特征输入...

【专利技术属性】
技术研发人员：高山，吴墨迪，杨欧，张海刚，
申请(专利权)人：深圳职业技术学院，
类型：发明
国别省市：