[发明专利]安检识别系统及其控制方法

说明书

本发明涉及一种安检识别系统及其控制方法，所述安检识别系统融合了强化学习算法和注意力区域生成网络，所述安检识别系统包括如下模块：(1)物体特征提取模块；(2)危险品区域分割模块；(3)初步分类模块；(4)初步分类结果判断模块；(5)细粒化识别模块。本发明通过优化危险品区域分割模块和设置细粒化识别模块，大大的提高了安检的准确度及安检效率，缩短安检时长，缓解拥堵状况，还可以节省人力资源，减轻安检工作人员的工作压力。

技术领域

本发明涉及一种安检识别系统及其控制方法，属于对象识别技术领域。

背景技术

随着安全意识的不断增强，地铁站、火车站、飞机场等重要区域都安装了安检仪器。目前，危险物品的识别主要以人工识别为主。这样的识别方式需要对工作人员进行培训，而且无法保证准确率，容易出现漏判、错判的情况。此外，地铁站等区域人流密集，依靠人工识别会导致安检效率很低。因此，我们迫切地需要一种高效的自动化安检识别系统。

发明内容

本发明的目的在于提供一种能够提高安检准确度及案件效率的安检识别系统及其控制方法。

为达到上述目的，本发明提供如下技术方案：一种安检识别系统，所述安检识别系统融合了强化学习算法和注意力区域并生成网络，所述安检识别系统包括如下模块：

物体特征提取模块：利用X光机对物体进行图像扫描以获得原始图片，将所述原始图片输入至卷积神经网络中提取物体特征以得到所述物体的特征图；

危险品区域分割模块：以窗口表示危险品区域并采用树型强化学习算法，以所述原始图片作为树根，以两类行动作为树的分支，得到两个窗口，形成树型结构，再以得到的窗口作为树根，以两类行动作为树的分支，得到四个窗口，以此类推，直至最终窗口表示出所有的危险品区域；

初步分类模块：将物体特征图与危险品区域相结合，得到危险品区域的特征图，然后将所述危险品区域的特征图进行处理并将处理结果输入至分类器中以得到危险品分类概率值和初步分类结果；

初步分类结果判断模块：所述安检识别系统内预设分类概率的阈值，判断初步分类结果的精度并将其对应的分类概率值与所述阈值作比对；

细粒化识别模块：若所述分类概率值低于阈值，则对所述物体进行细粒化识别，将所述危险品区域中特征更明显的区域采用树型强化算法分割出来，形成注意力区域，将所述注意力区域的特征图进行处理并输入至分类器中以得到分类概率。

进一步地，所述卷积神经网络包括用于增加感受野的面积从而使得提取到的物体特征更加全面的大卷积核、用于准确学习物体边缘及其他细节特征并减少大量冗余参数的小卷积核及用于加深加宽网络结构降维的卷积过滤器。

进一步地，在“初步分类模块”中，将所述危险品区域的特征图输入至池化层进行处理，所述分类器为包含softmax函数的分类器。

进一步地，所述细粒化识别模块采用循环注意力区域生成网络，根据形成的注意力区域及分类概率，继续分割以形成更为细致的注意力区域并产生分类概率，不断循环，直至达到预定目标或循环次数上限则停止循环，获得最终识别结果。

本发明还提供了一种安检识别系统的控制方法，用于如上述的安检识别系统，所述方法包括如下步骤：

S1：获取物体的扫描图像生成原始图片，将所述原始图片输入至卷积神经网络中提取物体特征以得到所述物体的特征图；

S2：以窗口表示危险品区域并采用树型强化学习算法，以所述原始图片作为树根，以两类行动作为树的分支，得到两个窗口，形成树型结构，再以得到的窗口作为树根，以两类行动作为树的分支，得到四个窗口，以此类推，直至最终窗口表示出所有的危险品区域；

S3：将物体特征图与危险品区域相结合，得到危险品区域的特征图，然后将所述危险品区域的特征图进行处理并将处理结果输入至分类器中以得到危险品分类概率值和初步分类结果；