[发明专利]一种X光安检机图片物体检测方法

说明书

本发明公开了一种X光安检机图片物体检测方法，设计一种FH‑SMART‑XRAY‑NET的网络基本结构，依次通过X光图像基础特征提取网络、多尺度X光物体特征网络、X光图像前景背景特征网络以及类别回归、位置回归和前景概率回归处理模块进行图像处理，完成X光安检机图片物体检测。本发明具有一定的抗复杂背景和噪声干扰的能力，检测能力与人眼相当，检测速率最快可达100FPS，能够达到人眼检测的100倍左右。

技术领域

本发明公开了一种X光安检机图片物体检测方法，涉及安检图像识别技术领域。

背景技术

随着城市的不断发展，公共安检在城市安全系统中开始起着越来越重要的作用。其中，利用X光安检机对交通卡口乘客行李进行检查已经成为了公共安检的主要手段之一。当前X光安检机安检机制主要依赖于人工手段，通过配备经过训练的安保人员用肉眼观察乘客行李的X光扫描图片，对被检人的行李进行检查。

目前基于人工的X光安检机安检机制存在着以下三点缺陷：

人力成本高，每个X光安检机通道都需要配备若干名经过培训的安检人员。安检人员的培训费用加上后期薪水，都是一笔高额的成本开支。

准确性无保障，实验表明，人的注意力在四十五分钟后会出现明显涣散，在如此条件下，人眼筛选的图片结果准确性无法得到保障。

效率低，受限于人眼观看图片的速度，被检人行李往往以较慢的速率通过X光安检机，安检效率偏低。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种X光安检机图片物体检测方法。为了使得现有X光安检机制变得智能、精确、高效，本发明设计出了一种全新的X光安检机图片物体检测算法。FH-SMART-XRAY-NET网络基本结构是一种基于DeepLearning神经网络的目标检测技术，针对X光安检机图片进行了专项优化，识别准确率高，性能优秀。

本发明为解决上述技术问题采用以下技术方案：

一种X光安检机图片物体检测方法，所述方法基于FH-SMART-XRAY-NET的网络基本结构，所述FH-SMART-XRAY-NET的网络基本结构包括四部分组成结构，分别是X光图像基础特征提取网络、多尺度X光物体特征网络、X光图像前景背景特征网络以及类别回归、位置回归和前景概率回归处理模块；所述FH-SMART-XRAY-NET网络基本结构首先对送入网络的图像进行尺度归一化处理，随后使用X光图像基础特征提取网络实现X光图像特征提取，所述X光图像基础特征提取网络包括基础特征层和抽象特征层，其中，基础特征层用以提取X光图像中的基础特征，抽象特征层用以提取X光图像深层次的抽象特征，获得图像整体的语意信息，抽象特征层输出的特征图分为大、中、小三个尺度；所述多尺度X光物体特征网络是紧跟在X光图像基础特征提取网络之后的网络，通过优化X光图像基础特征提取网络输出的大、中、小三尺度特征，实现对X光图像内不同物体的检测，包括特征图反卷积处理、定义ObjectCandidate Area处理以及抽象特征卷积处理；多尺度X光物体特征网络最终输出的特征图经过所述X光图像前景背景特征网络进一步优化处理，每一个特征图都被进一步卷积，产生的新特征图，新的特征图被送入算法后续阶段以判断每一个Object Candidate Area属于前景还是背景；所述类别回归、位置回归和前景概率回归处理模块对提取到的相应特征进行类别回归、位置回归以及前景概率回归，三者总和将成为本次前向传播的损失值；在反向传播时，FH-SMART-XRAY-NET网络基本结构将根据损失值调节网络参数，使最终效果达到最优。

作为本发明的进一步优选方案，所述X光图像基础特征提取网络中，基础特征层使用三层卷积；抽象特征层使用三级尺度抽象卷积，或者根据实际需求使用单尺度或多尺度抽象卷积。