【技术实现步骤摘要】
本专利技术涉及图像处理和/或目标检测，具体涉及一种用于三维ct数据的目标识别方法和装置、电子设备、射线扫描检测系统、计算机可读存储介质和程序产品。
技术介绍
1、在相关技术中，安检ct（computed tomography，电子计算机断层扫描）设备可以提供信息量更为丰富的三维图像，被广泛应用于海关、机场、火车站、地铁站等场所的行李安全检查。
2、随着科技的发展，安检领域对目标识别的精度和实时性要求越来越高。一方面，三维ct数据包含更丰富的信息，另一方面，三维ct数据通常包含巨量的体素，具有稀疏性，同时也包含一定的噪声和冗余信息。对三维ct目标进行识别，会面临计算量庞大的问题。在安检场景中，对于具有较强的三维形状特征但物质组成和物理属性比较复杂的目标的识别难度较大，同时安检场景对三维ct数据目标识别的实时性和准确率要求也较高。
3、因此，如何有效地使用三维ct数据对目标进行识别是提高算法精度和实时性的关键课题之一。
4、需要说明的是，在本部分中公开的以上信息仅用于对本专利技术的专利技术构思的背景的理解，因此，以上信息可包含不构成现有技术的信息。
技术实现思路
1、鉴于上述技术问题中的至少一个方面，提出一种用于三维ct数据的目标识别方法和装置、电子设备、射线扫描检测系统、计算机可读存储介质和程序产品。
2、在一个方面，提供一种用于三维ct数据的目标识别方法，所述方法包括：获取三维ct数据；对所述三维ct数据进行初识别，以获取n个目标的第
3、根据一些示例性的实施例，所述第一三维图像语义描述集合以体素、三维感兴趣区域和三维ct图像中的一个或多个为单位，包含：类别信息和/或置信度；或者，所述第一三维图像语义描述集合以三维感兴趣区域和/或三维ct图像为单位，包含：类别信息、置信度和目标的位置信息中的至少一个。
4、根据一些示例性的实施例，所述三维感兴趣区域包括从所述三维ct数据中提取的与所述目标所在的局部区域对应的体数据。
5、根据一些示例性的实施例，将所述n个目标中至少一个的第一三维图像语义描述集合和所述n个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：将全部所述n个目标的第一三维图像语义描述集合和全部所述n个目标的三维感兴趣区域均作为三维目标识别方法的输入。
6、根据一些示例性的实施例，将所述n个目标中至少一个的第一三维图像语义描述集合和所述n个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：对所述n个目标的第一三维图像语义描述集合和/或所述n个目标的三维感兴趣区域进行筛选；以及将满足预设条件的n个目标的第一三维图像语义描述集合和/或所述n个目标的三维感兴趣区域作为三维目标识别方法的输入，其中，n为大于等于1且小于n的正整数。
7、根据一些示例性的实施例，对所述n个目标的第一三维图像语义描述集合和/或所述n个目标的三维感兴趣区域进行筛选，具体包括：根据所述类别信息，筛选出被判断为属于预设类别的n个目标的第一三维图像语义描述集合和/或三维感兴趣区域；和/或，根据所述置信度，筛选出置信度在预设区间内的n个目标的第一三维图像语义描述集合和/或三维感兴趣区域。
8、根据一些示例性的实施例，所述对所述三维ct数据进行初识别，以获取n个目标的第一三维图像语义描述集合，具体包括：对所述三维ct数据进行降维处理，以生成多个二维视图；利用二维图像识别方法，对所述多个二维视图进行目标识别，以获取n个目标的二维图像语义描述集合；以及对所述二维图像语义描述几何进行升维，以获取所述n个目标的第一三维图像语义描述集合。
9、根据一些示例性的实施例，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，具体包括：利用预先训练得到的针对三维ct数据的深度学习网络进行特征提取，以获取特征图。
10、根据一些示例性的实施例，提取的特征包括三维ct数据中的形状、纹理和颜色中的至少一个。
11、根据一些示例性的实施例，所述利用预先训练得到的针对三维ct数据的深度学习网络进行特征提取，还具体包括：利用所述第一三维图像语义描述集合中包含的三维掩膜、类别信息和置信度，生成特征向量。
12、根据一些示例性的实施例，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，还具体包括：利用所述深度学习网络对所述特征图进行操作，其中，所述操作包括特征图融合和特征图降维中的至少一个。
13、根据一些示例性的实施例，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，还具体包括：将所述特征图应用于分类、分割或检测任务，以获取第二三维图像语义描述集合。
14、根据一些示例性的实施例，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，还具体包括：将所述第二三维图像语义描述集合直接作为所述三维识别结果；或者，整合所述第一三维图像语义描述集合与所述第二三维图像语义描述集合，将整合后的结果作为所述三维识别结果。
15、根据一些示例性的实施例，所述第二三维图像语义描述集合以体素、三维感兴趣区域和三维ct图像中的一个或多个为单位，包含：类别信息和/或置信度；或者，所述第二三维图像语义描述集合以三维感兴趣区域和/或三维ct图像为单位，包含：类别信息、置信度和目标的位置信息中的至少一个。
16、根据一些示例性的实施例，预先训练所述针对三维ct数据的深度学习网络包括：获取训练数据；以及利用数据增广操作，增广所述训练数据，其中，所述数据增广操作包括旋转、平移、缩放、翻转和数据融合中的至少一种。
17、根据一些示例性的实施例，所述训练数据包括三维感兴趣区域，所述数据融合包括将所述三维感兴趣区域与安全品或安全包进行融合。
18、根据一些示例性的实施例，所述三维感兴趣区域通过第一ct设备获取，所述安全品或安全包通过第二ct设备获取，所述第一ct设备和所述第二ct设备为相同或不同的设备。
19、在另一方面，提供一种用于三维ct数据的目标识别方法，所述方法包括：获取三维ct数据；对所述三维ct数据进行初识别；响应于所述初识别的结果中不包括所述目标的三维感兴趣区域，将所述三维ct数据的整体或部分区域作为三维目标识别方法的输入；以及利用所述三维目标识别方法对所述本文档来自技高网...
【技术保护点】
1.一种用于三维CT数据的目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一三维图像语义描述集合以体素、三维感兴趣区域和三维CT图像中的一个或多个为单位，包含：类别信息和/或置信度；或者，
3.根据权利要求1或2所述的方法，其特征在于，所述三维感兴趣区域包括从所述三维CT数据中提取的与所述目标所在的局部区域对应的体数据。
4.根据权利要求1或2所述的方法，其特征在于，将所述N个目标中至少一个的第一三维图像语义描述集合和所述N个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：
5.根据权利要求1或2所述的方法，其特征在于，将所述N个目标中至少一个的第一三维图像语义描述集合和所述N个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：
6.根据权利要求5所述的方法，其特征在于，对所述N个目标的第一三维图像语义描述集合和/或所述N个目标的三维感兴趣区域进行筛选，具体包括：
7.根据权利要求1、2和6中任一项所述的方法，其特征在于，所述对所
8.根据权利要求1、2和6中任一项所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述N个目标中至少一个的三维识别结果，具体包括：
9.根据权利要求8所述的方法，其特征在于，提取的特征包括三维CT数据中的形状、纹理和颜色中的至少一个。
10.根据权利要求8所述的方法，其特征在于，所述利用预先训练得到的针对三维CT数据的深度学习网络进行特征提取，还具体包括：
11.根据权利要求8所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述N个目标中至少一个的三维识别结果，还具体包括：利用所述深度学习网络对所述特征图进行操作，其中，所述操作包括特征图融合和特征图降维中的至少一个。
12.根据权利要求8所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述N个目标中至少一个的三维识别结果，还具体包括：
13.根据权利要求12所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述N个目标中至少一个的三维识别结果，还具体包括：
14.根据权利要求12或13所述的方法，其特征在于，所述第二三维图像语义描述集合以体素、三维感兴趣区域和三维CT图像中的一个或多个为单位，包含：类别信息和/或置信度；或者，
15.根据权利要求8所述的方法，其特征在于，预先训练所述针对三维CT数据的深度学习网络包括：
16.根据权利要求15所述的方法，其特征在于，所述训练数据包括三维感兴趣区域，所述数据融合包括将所述三维感兴趣区域与安全品或安全包进行融合。
17.根据权利要求16所述的方法，其特征在于，所述三维感兴趣区域通过第一CT设备获取，所述安全品或安全包通过第二CT设备获取，所述第一CT设备和所述第二CT设备为相同或不同的设备。
18.一种用于三维CT数据的目标识别方法，其特征在于，所述方法包括：
19.根据权利要求18所述的方法，其特征在于，将所述三维CT数据的整体或部分区域作为三维目标识别方法的输入，具体包括：
20.一种用于三维CT数据的目标识别装置，其特征在于，所述装置包括：
21.一种用于三维CT数据的目标识别装置，其特征在于，所述装置包括：
22.一种电子设备，包括：
23.一种射线扫描检测系统，包括：
24.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1~19中任一项所述方法的步骤。
25.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1~19中任一项所述方法的步骤。
...【技术特征摘要】
1.一种用于三维ct数据的目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一三维图像语义描述集合以体素、三维感兴趣区域和三维ct图像中的一个或多个为单位，包含：类别信息和/或置信度；或者，
3.根据权利要求1或2所述的方法，其特征在于，所述三维感兴趣区域包括从所述三维ct数据中提取的与所述目标所在的局部区域对应的体数据。
4.根据权利要求1或2所述的方法，其特征在于，将所述n个目标中至少一个的第一三维图像语义描述集合和所述n个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：
5.根据权利要求1或2所述的方法，其特征在于，将所述n个目标中至少一个的第一三维图像语义描述集合和所述n个目标中至少一个的三维感兴趣区域作为三维目标识别方法的输入，具体包括：
6.根据权利要求5所述的方法，其特征在于，对所述n个目标的第一三维图像语义描述集合和/或所述n个目标的三维感兴趣区域进行筛选，具体包括：
7.根据权利要求1、2和6中任一项所述的方法，其特征在于，所述对所述三维ct数据进行初识别，以获取n个目标的第一三维图像语义描述集合，具体包括：
8.根据权利要求1、2和6中任一项所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，具体包括：
9.根据权利要求8所述的方法，其特征在于，提取的特征包括三维ct数据中的形状、纹理和颜色中的至少一个。
10.根据权利要求8所述的方法，其特征在于，所述利用预先训练得到的针对三维ct数据的深度学习网络进行特征提取，还具体包括：
11.根据权利要求8所述的方法，其特征在于，所述利用所述三维目标识别方法对所述三维感兴趣区域进行再识别，以获取所述n个目标中至少一个的三维识别结果，还具体包括：利用所述深度学习网络对所述特征图进行操作，其中，所述操作包括特征图融合和特征图降维中...
【专利技术属性】
技术研发人员：陈志强，张丽，张潇予，王璐，郑娟，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。