[发明专利]一种危险物品检测方法、装置及计算机可读存储介质

权利要求书

1.一种危险物品检测方法，其特征在于，包括：

获取目标检测区域的待检测图像数据；

将所述待检测图像数据输入至预设的神经网络模型；所述神经网络模型基于预设的训练样本集对神经网络进行训练得到，所述训练样本集中的每个训练样本均包括通过包围框标记的危险物品的位置信息；

在通过所述神经网络模型检测到所述待检测图像数据中存在危险物品时，对所检测的危险物品在所述待检测图像数据中的位置信息进行输出。

2.根据权利要求1所述的危险物品检测方法，其特征在于，所述获取目标检测区域的待检测图像数据包括：

在接收到外部输入的图像获取指令时，实时获取目标检测区域的待检测图像数据；

或，从已经采集完成的待检测图像数据中获取目标检测区域的待检测图像数据。

3.根据权利要求1所述的危险物品检测方法，其特征在于，所述神经网络模型为基于预设的训练样本集对YOLO卷积神经网络进行训练得到的YOLO卷积神经网络模型，所述训练样本分为S×S个网格，每个所述网格预测B个可能包括所述危险物品的所述包围框，所述位置信息表示为(x，y，w，h)，其中，所述x和y为所述包围框的中心相对于所处网格的左上角的位置偏移量，所述w和h为所述包围框的宽度和高度。

4.根据权利要求3所述的危险物品检测方法，其特征在于，所述YOLO卷积神经网络包括24个卷积层和2个全连接层，所述卷积层和全连接层的激活函数为Leaky ReLU函数，所述卷积层用于提取所述训练样本中的所述危险物品的图像特征，所述全连接层用于预测所述危险物品的位置信息。

5.根据权利要求1所述的危险物品检测方法，其特征在于，所述对所检测的危险物品在所述待检测图像数据中的位置信息进行输出包括：

根据所检测的危险物品在所述待检测图像数据中的位置信息确定对应于所述位置信息的目标包围框；

对所述危险物品通过所述目标包围框标记后输出显示。

6.根据权利要求1至5中任意一项所述的危险物品检测方法，其特征在于，所述对所检测的危险物品在所述待检测图像数据中的位置信息进行输出之后，还包括：

确定所述危险物品的周围环境当前所处的危险等级；

在所述危险等级高于预设等级阈值时，触发危险紧急应对提示。

7.根据权利要求6所述的危险物品检测方法，其特征在于，所述确定所述危险物品的周围环境当前所处的危险等级包括：

基于所述待检测图像数据确定所述危险物品的种类信息，并基于所述种类信息确定所述危险物品的周围环境当前所处的危险等级；

和/或，基于所述待检测图像数据确定所述危险物品周围的环境信息，并基于所述环境信息确定所述危险物品的周围环境当前所处的危险等级。

8.一种危险物品检测装置，其特征在于，包括：

获取模块，用于获取目标检测区域的待检测图像数据；

输入模块，用于将所述待检测图像数据输入至预设的神经网络模型；所述神经网络模型基于预设的训练样本集对神经网络进行训练得到，所述训练样本集中的每个训练样本均包括通过包围框标记的危险物品的位置信息；

输出模块，用于在通过所述神经网络模型检测到所述待检测图像数据中存在危险物品时，对所检测的危险物品在所述待检测图像数据中的位置信息进行输出。

9.一种电子装置，包括：存储器、处理器及存储在所述存储器上并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，实现权利要求1至7中任意一项所述方法中的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7中的任意一项所述方法中的步骤。