安检危险品检测方法及系统技术方案

本发明专利技术涉及危险品识别技术领域，提出了安检危险品检测方法及系统，将安检物品图像输入到目标检测算法中，目标检测算法的搭建步骤包括：对输入图像进行特征提取，得到特征向量Z

【技术实现步骤摘要】
安检危险品检测方法及系统


[0001]本专利技术涉及危险品识别
，具体的，涉及安检危险品检测方法及系统。

技术介绍

[0002]在我国，每天有数百万人乘坐地铁、民航飞机等公共交通工具，每年地铁安检都能检测到成千上万的危险品，包括刀具、危险液体硫酸、氰化物等。如果有不法分子浑水摸鱼携带违禁物品进行违法活动，会造成无法估量的损失，因此行李的安全检测在安全防范中扮演着重要角色。
[0003]目前在国内的安检主要靠X光安检机拍摄X光图片靠人工识别违禁物品。采用人工辩别的方式，在普通人数较少场景下可能更灵活准确，随着违禁品的品类不断增加，新的品类加入的时候，在人数众多的车站、机场等场所，以及背包中物品种类繁多不好辩别的情况，难免会出现错判漏判的情况。因此设计一种可以帮助加快安全检查过程并提高其准确性的系统非常重要。

技术实现思路

[0004]本专利技术提出安检危险品检测方法及系统，解决了相关技术中安检的检测准确性差的问题。
[0005]本专利技术的技术方案如下：
[0006]第一方面：
[0007]安检危险品检测方法，用于从安检物品中检测出危险品，包括：
[0008]获得安检物品图像；
[0009]将所述安检物品图像输入到目标检测算法中，对所述安检物品图像中的危险品图像进行检测，得到检测结果；
[0010]根据所述检测结果检测出危险品；
[0011]其中，所述目标检测算法的搭建步骤包括：
[0012]对输入图像进行特征提取，得到特征向量Z
q
，根据特征向量Z
q
的上、下、左、右四块区域，提取出输入图像中的四块关注区域；
[0013]所述特征向量Z
q
通过第一全连接层得到每一块关注区域的向量Q、向量K和向量V；
[0014]所述特征向量Z
q
通过第二全连接层得到每一块关注区域的注意力权重Att；
[0015]根据每一块所述关注区域的注意力权重Att，对每一块关注区域进行自注意力和交叉注意力计算，得到每一块关注区域的重构向量Va；其中，对任一块关注区域Va1的自注意力和交叉注意力计算过程包括：
[0016]任一块关注区域的自注意力为：Va1＝Q1
×
K1
×
V1；
[0017]任一块关注区域和第二关注块区域的交叉注意力为：Va2＝Q1
×
K2
×
V1；
[0018]任一块关注区域和第三关注块区域的交叉注意力为：Va3＝Q1
×
K3
×
V1；
[0019]任一块关注区域和第四块关注区域的交叉注意力为：Va4＝Q1
×
K4
×
V1；
[0020]四块关注区域的所述向量Va通过第三全连接层进行输出，输出结果用于目标检测。
[0021]第二方面：安检危险品检测系统，用于从安检物品中检测出危险品，包括：
[0022]图像获取模块：获得安检物品图像；
[0023]图像检测模块：将所述安检物品图像输入到目标检测算法中，对所述安检物品图像中的危险品图像进行检测，得到检测结果；
[0024]图像判断模块：根据所述检测结果检测出危险品；
[0025]其中，所述目标检测算法的搭建步骤包括：
[0026]特征提取模块：对输入图像进行特征提取，得到特征向量Z
q
，根据特征向量Z
q
的上、下、左、右四块区域，提取出输入图像中的四块关注区域；
[0027]第一特征处理模块：所述特征向量Z
q
通过第一全连接层得到每一块关注区域的向量Q、向量K和向量V；
[0028]第二特征处理模块：所述特征向量Z
q
通过第二全连接层得到每一块关注区域的注意力权重Att；
[0029]计算模块：根据每一块所述关注区域的注意力权重Att，对每一块关注区域进行自注意力和交叉注意力计算，得到每一块关注区域的重构向量Va；其中，对任一块关注区域Va1的自注意力和交叉注意力计算过程包括：
[0030]任一块关注区域的自注意力为：Va1＝Q1
×
K1
×
V1；
[0031]任一块关注区域和第二关注块区域的交叉注意力为：Va2＝Q1
×
K2
×
V1；
[0032]任一块关注区域和第三关注块区域的交叉注意力为：Va3＝Q1
×
K3
×
V1；
[0033]任一块关注区域和第四块关注区域的交叉注意力为：Va4＝Q1
×
K4
×
V1；
[0034]第三特征处理模块：四块关注区域的所述向量Va通过第三全连接层进行输出，输出结果用于目标检测。
[0035]本专利技术的工作原理及有益效果为：
[0036]本专利技术中，以安检机拍摄的物品图像为研究对象，通过目标检测算法，对安检物品图像中的危险品图像进行识别，根据识别结果检测出危险品。目标检测算法的搭建过程中，对四块关注区域的价值向量V进行权重分配，将注意力更多的分配给更有价值的区域，忽略无意义的区域，并通过计算自注意力和交叉注意力得出每块关注区域之间的联系程度，让被关注的区域有主次之分。因此，与现有技术相比，本专利技术采用的方法可以智能、快速、准确地的进行检测。
附图说明
[0037]下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0038]图1为本专利技术安检危险品检测方法流程图；
[0039]图2为本专利技术目标检测算法的搭建流程图；
[0040]图3为本专利技术安检危险品检测系统的结构示意图；
[0041]图4为本专利技术目标检测算法的搭建结构示意图。
具体实施方式
[0042]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都涉及本专利技术保护的范围。
[0043]实施例1
[0044]如图1～图2所示，本实施例提出了安检危险品检测方法，用于从安检物品中检测出危险品，包括：
[0045]S100：获得安检物品图像；
[0046]本实施例中，安检物品图像为安检机X光所采集的图像。
[0047]S200：将安检物品图像输入到目标检测算法中，对安检物品图像中的危险品图像进行检测，得到检测结果；
[0048]其中，目标检测算法的搭建步骤包括：
[0049]S210：对输入图像进行特征提取，得到特征向量Z
q
，根据特征向量Z
q
的上、下、左、右四块区域，提取出输入图像中的四块关注区域；...

【技术保护点】

【技术特征摘要】
1.安检危险品检测方法，用于从安检物品中检测出危险品，其特征在于，包括：获得安检物品图像；将所述安检物品图像输入到目标检测算法中，对所述安检物品图像中的危险品图像进行检测，得到检测结果；根据所述检测结果检测出危险品；其中，所述目标检测算法的搭建步骤包括：对输入图像进行特征提取，得到特征向量Z
q
，根据特征向量Z
q
的上、下、左、右四块区域，提取出输入图像中的四块关注区域；所述特征向量Z
q
通过第一全连接层得到每一块关注区域的向量Q、向量K和向量V；所述特征向量Z
q
通过第二全连接层得到每一块关注区域的注意力权重Att；根据每一块所述关注区域的注意力权重Att，对每一块关注区域进行自注意力和交叉注意力计算，得到每一块关注区域的重构向量Va；其中，对任一块关注区域Va1的自注意力和交叉注意力计算过程包括：任一块关注区域的自注意力为：Va1＝Q1
×
K1
×
V1；任一块关注区域和第二关注块区域的交叉注意力为：Va2＝Q1
×
K2
×
V1；任一块关注区域和第三关注块区域的交叉注意力为：Va3＝Q1
×
K3
×
V1；任一块关注区域和第四块关注区域的交叉注意力为：Va4＝Q1
×
K4
×
V1；四块关注区域的所述向量Va通过第三全连接层进行输出，输出结果用于目标检测。2.根据权利要求1所述的安检危险品检测方法，其特征在于，在所述特征向量Z
q
通过第一全连接层之前，还包括：将所述特征向量Z
q
通过第四全连接层得到每一块关注区域的偏移量P；根据偏移量P对每一块所述关注区域的坐标进行修正，具体为：对任一块关注区域，该关注区域的坐标＝该关注区域的初始化坐标+P，其中，四块关注区域的初始化坐标分别为：特征向量Z
q
上、下、左、右四个区域的坐标。3.根据权利要求1所述的安检危险品检测方法，其特征在于，在所述目标检测算法的搭建步骤之后还包括：利用训练集对所述目标检测算法进行训练；利用测试集对训练后的所述目标检测算法进行测试；根据测试结果检测所述目标检测算法的性能指标，所述性能指标包括准确率；若所述目标检测算法的准确率低于设定值，再次对所述目标检测算法进行训练，直至所述准确率高于设定值。所述训练集和所述测试集的获取步骤具体包括：采集安检物品图像，挑选出含有危险品的图像，且各种类型的危险品图像数量均衡；对所述危险品图像整理和标注；将整理和标注的危险品图像进行数据增强处理后，一部分作为训练集，另一部分作为测试集。4.根据权利要求3所述的安检危险品检测方法，其特征在于，所述准确率通过GIoULoss损失函数获得；GIoULoss损失函数表示为：
其中，A为预测框的面积，B为标签框的面积，C为包围A和B的最小矩形的面积。5.安检危险品检测系统，用于从安检物品中检测出危险品，其特征在于，包括：...

【专利技术属性】
技术研发人员：张珈睿，吴超，于彦辉，孙佳慧，王泽玮，
申请(专利权)人：张珈睿，
类型：发明
国别省市：