【技术实现步骤摘要】
本公开涉及安全检测领域，特别涉及一种空箱车辆智能验放方法和装置、存储介质、程序产品。
技术介绍
1、货车是陆路口岸中最常见的运输工具，虽然以空箱车辆为载体实施违法犯罪相对于载货车辆来说较少，但是走私等犯罪事件也会时有发生，所以目前对于空箱车辆的扫描图像仍然需要工作人员对图像通过人工方式进行逐张复核，无法直接实施放行。如果能够利用人工智能代替人工方式对空箱车箱进行初筛判断，对低风险的空箱车辆实现智能化验放，将会减轻工作人员的工作量、缓解人力资源与机检查验任务量之间的矛盾，同时也可以提高口岸通关效率、推动优化口岸营商环境。
2、目前，国际上通常采用的安检方法是：对待检车辆进行x射线扫描以形成透视图像，然后利用人工智能算法将车辆的不同部分进行分割，对车体部分直接和历史模板图像进行对齐比对，判断是否存在夹藏嫌疑，对车箱直接通过预训练的空箱检测算法判断其车箱是否为空，最后将上述结论综合后输出给工作人员，再经工作人员以人工方式对图像进行复核后决定是否对车辆进行放行。
技术实现思路
1、专利技术人注意到，相关技术中的安检方法无法有效实现智能化验放。这是用车头和底盘直接和历史图像比对的方法存在较多的敏感性误报、而且当待测车辆是新车或该车首次在这台设备下扫描的时候因为找不到历史图像而存在无法比对的情况，基于这些原因导致算法报警量非常高，即便把少量未报警的车辆进行放行，能够减少的工作量非常有限。
2、据此，本公开提供一种空箱车辆智能验放方法，通过利用机器学习模型对透视图像中的车
3、在本公开的第一方面，提供一种空箱车辆智能验放方法，包括：采集申报为空箱的车辆的透视图像；将所述透视图像进行分割，以得到车箱子图和车体子图；利用第一机器学习模型检测所述车箱子图中是否包括第一嫌疑物，利用第二机器学习模型检测所述车体子图中是否包括第二嫌疑物；在所述车箱子图中不包括所述第一嫌疑物，且所述车体子图中不包括所述第二嫌疑物的情况下，确定所述车辆通过检测。
4、在一些实施例中，在得到所述车箱子图和所述车体子图后，分析所述车箱子图的图像质量和所述车体子图的图像质量；在所述车箱子图的图像质量和所述车体子图的图像质量符合预定条件的情况下，利用所述第一机器学习模型检测所述车箱子图中是否包括所述第一嫌疑物，利用所述第二机器学习模型检测所述车体子图中是否包括所述第二嫌疑物。
5、在一些实施例中，分析所述车箱子图的图像质量包括：在所述车箱子图中未包括车辆箱体的情况下，对所述车箱子图的直方图进行分析以得到所述车箱子图的图像质量；在所述车箱子图中的车辆箱体扫描不完整的情况下，分析所述车辆箱体的边界框是否完全出现在所述车箱子图中，并根据分析结果得出所述车箱子图的图像质量；在所述车箱子图中的车辆箱体轮廓不完整的情况下，综合分析车辆箱体区域和空气区域的特征，并根据分析结果得出所述车箱子图的图像质量。
6、在一些实施例中，分析所述车体子图的图像质量包括：在所述车体子图中未包括车体的情况下，对所述车体子图的直方图进行分析以得到所述车体子图的图像质量；在所述车体子图中的车体扫描不完整的情况下，分析所述车体的边界框是否完全出现在所述车体子图中，并根据分析结果得出所述车体子图的图像质量；在所述车体子图中的车体轮廓不完整的情况下，综合分析车体区域和空气区域的特征，并根据分析结果得出所述车体子图的图像质量。
7、在一些实施例中，在所述车箱子图的图像质量或所述车体子图的图像质量不符合预定条件的情况下，通过人工复核方式对所述车辆进行检测。
8、在一些实施例中，在所述车箱子图中包括所述第一嫌疑物的情况下，检测所述第一嫌疑物是否为违规物品；在所述第一嫌疑物不是所述违规物品的情况下，滤除所述第一嫌疑物。
9、在一些实施例中，检测所述第一嫌疑物是否为违规物品包括：从所述车箱子图中获取所述第一嫌疑物所在区域的第一局部图像；提取所述第一局部图像的图像特征；若所述图像特征未包括在预定的白名单特征库中，则确定所述第一嫌疑物是所述违规物品；若所述图像特征包括在所述白名单特征库中，则确定所述第一嫌疑物不是所述违规物品。
10、在一些实施例中，在所述车体子图中包括所述第二嫌疑物的情况下，检测所述第二嫌疑物是否为违规物品；在所述第二嫌疑物不是所述违规物品的情况下，滤除所述第二嫌疑物。
11、在一些实施例中，检测所述第二嫌疑物是否为违规物品包括：从所述车体子图中获取所述第二嫌疑物所在区域的第二局部图像；提取所述第二局部图像的图像特征；若所述图像特征未包括在预定的白名单特征库中，则确定所述第二嫌疑物是所述违规物品；若所述图像特征包括在所述白名单特征库中，则确定所述第二嫌疑物不是所述违规物品。
12、在一些实施例中，在确定所述车辆通过检测后，以预定比例判断是否需要通过人工复核方式对所述车辆进行检测；若确定需要通过人工复核方式对所述车辆进行检测，则对所述车辆进行人工复核；若确定无需通过人工复核方式对所述车辆进行检测，则放行所述车辆。
13、在一些实施例中，在所述车箱子图中包括所述第一嫌疑物，或所述车体子图中包括所述第二嫌疑物的情况下，对所述车辆进行人工复核。
14、在一些实施例中，所述车体子图包括所述车辆的车头区域和底盘区域。
15、在一些实施例中，采集申报为空箱的车辆的透视图像包括：获取所述车辆的申报信息；根据所述申报信息判断所述车辆是否为空箱；在所述车辆为空箱的情况下，利用x射线扫描所述车辆，以得到所述透视图像。
16、在一些实施例中，对所述第一机器学习模型进行训练；其中，所述对所述第一机器学习模型进行训练包括：利用所述第一机器学习模型对空箱车箱样本图像进行处理，以得到所述空箱车箱样本图像的检测结果；根据所述检测结果和所述空箱车箱样本图像的标签确定第一损失函数；根据所述第一损失函数对所述第一机器学习模型进行训练。
17、在一些实施例中，所述第一机器学习模型包括faster r-cnn模型、yolo模型、单次多盒检测器ssd模型、或efficientdet模型中的一项。
18、在一些实施例中，所述第二机器学习模型为生成式对抗网络模型；所述利用第二机器学习模型检测所述车体子图中是否包括第二嫌疑物包括：利用所述第二机器学习模型中的生成模型对所述车体子图进行处理，以得到模板图像；根据所述车体子图和所述模板图像之间的差异，确定所述车体子图中是否包括第二嫌疑物。
19、在一些实施例中，所述生成模型中包括映射网络模型、合成网络模型和风格转换模型；所述利用所述第二机器学习模型中的生成模型对所述车体子图进行处理包括：利用所述映射网络模型对所述车体子图进行处理，以便将所述车体子图的第一特征向量映射到指定特征空间中，以得到第二特征向量；利用所述合成网络模型将所述第二特征向量转换本文档来自技高网...
【技术保护点】
1.一种空箱车辆智能验放方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，其中，分析所述车箱子图的图像质量包括：
4.根据权利要求2所述的方法，其中，分析所述车体子图的图像质量包括：
5.根据权利要求2所述的方法，还包括：
6.根据权利要求1所述的方法，还包括：
7.根据权利要求6所述的方法，其中，检测所述第一嫌疑物是否为违规物品包括：
8.根据权利要求1所述的方法，还包括：
9.根据权利要求8所述的方法，其中，检测所述第二嫌疑物是否为违规物品包括：
10.根据权利要求1所述的方法，还包括：
11.根据权利要求1所述的方法，还包括：
12.根据权利要求1所述的方法，其中，
13.根据权利要求1所述的方法，其中，采集申报为空箱的车辆的透视图像包括：
14.根据权利要求1-13中任一项所述的方法，还包括：对所述第一机器学习模型进行训练；
15.根据权利要求14所述的方法，其中，
...【技术特征摘要】
1.一种空箱车辆智能验放方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，其中，分析所述车箱子图的图像质量包括：
4.根据权利要求2所述的方法，其中，分析所述车体子图的图像质量包括：
5.根据权利要求2所述的方法，还包括：
6.根据权利要求1所述的方法，还包括：
7.根据权利要求6所述的方法，其中，检测所述第一嫌疑物是否为违规物品包括：
8.根据权利要求1所述的方法，还包括：
9.根据权利要求8所述的方法，其中，检测所述第二嫌疑物是否为违规物品包括：
10.根据权利要求1所述的方法，还包括：
11.根据权利要求1所述的方法，还包括：
12.根据权利要求1所述的方法，其中，
13.根据权利要求1所述的方法，其中，采集申报为空箱的车辆的透视图像包括：
14.根据权利要求1-13中任一项所述的方法，还...
【专利技术属性】
技术研发人员：陈志强，张丽，李元景，孙振超，胡峥，傅罡，戴诗语，李苇，孙运达，
申请(专利权)人：同方威视技术股份有限公司，
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。