[发明专利]安检检测方法、装置、系统及电子设备

权利要求书

1.一种安检检测方法，其特征在于，包括：

获取安检终端接收到的安检机内的X光机采集的X光图像，对所述X光图像进行预处理，得到预处理后的X光图像；

根据预设的深度学习模型提取所述预处理后的X光图像中对应的待检测物的物品特征，所述预设的深度学习模型包括基于卷积神经网络的深度学习模型；

利用基于所述预设的深度学习模型训练的分类器对所述物品特征进行识别，生成对应所述待检测物的识别结果；

将所述待检测物的识别结果发送至所述安检终端，以使所述安检终端显示所述识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述X光图像进行预处理，包括：

采用邻域平均法对采集的所述X光图像进行平滑去噪，得到平滑去噪后的X光图像；

采用直方图均衡法对所述平滑去噪后的图像的边缘信息进行增强，得到预处理后的X光图像。

3.根据权利要求1所述的方法，其特征在于，所述基于卷积神经网络的深度学习模型是通过数量超过一定阈值的物品样本数据训练得到的，所述物品样本数据包括不同形态的违禁品对应的图片。

4.根据权利要求1所述的方法，其特征在于，所述分类器的训练过程包括：

利用基于卷积神经网络的深度学习模型提取物品标本数据的深度特征；

基于机器学习算法，对所述深度特征训练分类器；

其中所述物品标本数据中包括指定的不同识别结果的X光图片。

5.一种安检检测装置，其特征在于，包括：

预处理模块，用于获取安检终端接收到的安检机内的X光机采集的X光图像，对所述X光图像进行预处理，得到预处理后的X光图像；

特征提取模块，用于根据预设的深度学习模型提取所述预处理后的X光图像中对应的待检测物的物品特征，所述预设的深度学习模型包括基于卷积神经网络的深度学习模型；

结果识别模块，用于利用基于所述预设的深度学习模型训练的分类器对所述物品特征进行识别，生成对应所述待检测物的识别结果；

结果显示模块，用于将所述待检测物的识别结果发送至所述安检终端，以使所述安检终端显示所述识别结果。

6.一种安检检测系统，其特征在于，包括安检机、安检终端及安检识别设备，所述安检机的安检箱内设置有X光机，所述安检识别设备包括如权利要求5所述的安检检测装置；所述X光机、所述安检识别设备分别与所述安检终端连接；

所述X光机，用于采集经过所述安检机的安检通道的待检测物的X光图像，将所述X光图像发送至所述安检终端；

所述安检终端，用于当监听到接收的所述X光图像时，将所述X光图像发送至安检识别设备；还用于接收所述安检识别设备发送的所述待检测物的识别结果，将所述识别结果通过显示屏显示。

7.根据权利要求6所述的系统，其特征在于，所述识别结果包括违禁品和非违禁品两种类型；所述系统还包括报警装置，所述报警装置与所述安检终端连接；

所述安检终端，还用于当接收到的所述识别结果为违禁品时，发送报警信号至所述报警装置，以使所述报警装置进行报警提示。

8.根据权利要求6所述的系统，其特征在于，所述安检机的安检通道的底部设置有压力传感器，所述压力传感器与所述安检终端连接；

所述压力传感器，用于采集所述安检通道上承受的压力信息，将所述压力信息发送至所述安检终端；

所述安检终端，还用于根据所述压力信息开启或者关闭所述X光机。

9.根据权利要求6-8任一项所述的系统，其特征在于，所述安检识别设备包括Nvidia Jetson TX2芯片。

10.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述的方法。