[发明专利]安检检测方法、装置、系统及电子设备

说明书

技术领域

本发明涉及安检设备技术领域，尤其是涉及一种安检检测方法、装置、系统及电子设备。

背景技术

随着公众安全意识的增强，各种安检设备被广泛应用于机场、口岸、港口、地铁、法院、重大赛事的场馆等重要公共场所。而其中最常用的就是(X射线)安检机，目前安检机在客流和物流领域得到了越来越广泛的应用。一般安检机都包括电机，由电机驱动的传送带系统，跨设在传送带系统中部的机身，当然还有配套的X光机。通常安检机的机身与传送带之间形成安检通道，安检通道的至少一侧设有X光机。传送带系统的一端为待检区域，待检测物放置在待检区域后，会被电机驱动的传送带系统传输到另一端，中途必然经过安检通道，被X光机照射扫描生成X光成像，从而可以识别出待检测物是否为违禁品。

但是现有的检测方法由于容易受到检测穿透性、检测角度等外界环境因素或者外界干扰影响，大大降低了识别准确性；且在终端显示X光图像后，需要安检人员对显示的图片进行排查。这样安检人员长时间监视屏幕容易造成视觉疲劳，导致误检、错检、漏检等情况发生。

因此，现有的安检检测方法，难以保证识别的准确性，且识别效率低，容易造成安全隐患。

发明内容

有鉴于此，本发明的目的在于提供一种安检检测方法、装置、系统及电子设备，以在提高识别效率的同时，有效保证对违禁品识别的准确性，预防安全隐患发生。

第一方面，本发明实施例提供了一种安检检测方法，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。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，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。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，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。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，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。

第二方面，本发明实施例还提供一种安检检测装置，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。

第三方面，本发明实施例还提供一种安检检测系统，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第二方面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。

结合第三方面，本发明实施例提供了第三方面的第一种可能的实施方式，其中，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；