[发明专利]基于人工智能深度学习的自动识别物体的方法及其装置

说明书

本发明公开了一种基于人工智能深度学习的自动识别物体的方法及其装置，其中方法主要包括：由设置在物品识别区域不同方位的X光机采集得到待识别物品的X光图像；将采集得到的各个方位的X光图像同时输入预设的深度学习模型，以提取X光图像中对应的待识别物品的多维度数据；将多维度数据进行融合，生成多维度数据对应的数据特征；由数据特征中分别提取得到分类特征和位置特征；计算分类特征的置信度值，并将置信度值大于预设的最小值的分类特征和相应的位置特征组合作为识别结果输出。其利用交叉成像和预设的深度学习模型，将多维采集的图像合成一路复合图像，大幅提高了违禁品的识别率，避免漏检，且实现了安检的全自动化进行。

技术领域

本发明涉及安检物体识别技术领域，特别涉及一种基于人工智能深度学习的自动识别物体的方法及其装置。

背景技术

安检机，又名安检仪，包括安检X光机，行李安检机，通道式X光机，物检X光机，X射线安检仪，X光行李安检机，X射线检测仪，X射线异物检测机，X光安检机，X光行包检测仪，三品检测仪，三品检查机，三品检查仪，查危仪。

安检机广泛应用于机场、火车站、汽车站、政府机关大楼、大使馆、会议中心、会展中心、酒店、商场、大型活动、邮局、学校、物流行业、工业检测等。目前安检系统，采用的主要技术是单一成像，人工判读的办法，该方法存在效率低下、召回率较低、漏检率较高、人力成本高等多方面问题，导致安检效果不佳，安全性差。

针对上述缺陷，专利申请号为201711126618.2的中国专利《安检检测方法、装置、系统及电子设备》中采用了将待识别物品的X光图像利用预设的深度学习模型提取对应的待检测物品的物品特征，利用基于预设的深度学习模型训练的分类器对物品特征进行识别，生成对应待检测物的识别结果，实现了对违禁品的自动识别检测，达到了在提高了识别效率的同时，有效保证了对违禁品识别的准确性，预防了安全隐患的发生的技术效果。但是在这一技术方案中虽然利用了深度学习模型实现了对违禁品的自动检测和识别，但是在这一方案中仅在一个角度上设置了X光机，但是鉴于物品放置的角度的不同，对于不同的物品在同一角度上得到的图像并无区别，例如对于一把刀，如果它是平面放置，在上方拍摄得到的图像就是一把刀的样子，而当同一把刀竖直放置时，在上方拍摄得到的图像则是一条直线，和一个棍子基本相同，因而使用上述专利公开的技术方案仍然存在检测和识别错误的风险，准确率并不高。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于人工智能深度学习的自动识别物体的方法，大幅提高了违禁品的识别率，避免漏检，且实现了安检的全自动化进行。

为了实现根据本发明的这些目的和其它优点，提供了一种基于人工智能深度学习的自动识别物体的方法，主要包括以下步骤：

步骤1、由设置在物品识别区域不同方位的X光机采集得到待识别物品的X光图像；

步骤2、将采集得到的各个方位的X光图像同时输入预设的深度学习模型，以提取所述X光图像中对应的待识别物品的多维度数据；

步骤3、将步骤2得到的多维度数据进行融合，生成多维度数据对应的数据特征；

步骤4、由步骤3得到的数据特征中分别提取得到分类特征和位置特征；

步骤5、计算步骤4得到的分类特征的置信度值，并将置信度值大于预设的最小值的分类特征和相应的位置特征组合作为识别结果输出。

优选的是，所述的基于人工智能深度学习的自动识别物体的方法中，至少在所述物品识别区域的顶部和一侧设置有X光机，且设置的所述X光机均位于同一横切面上。

优选的是，所述的基于人工智能深度学习的自动识别物体的方法中，所述深度学习模型为基于卷积神经网络的深度学习模型，且通过各种违禁品的样本数据训练得到。