[发明专利]一种违禁物品检测方法、装置及设备在审

专利信息
申请号: 201910603933.2 申请日: 2019-07-05
公开(公告)号: CN110321851A 公开(公告)日: 2019-10-11
发明(设计)人: 龚韬;李东;章云 申请(专利权)人: 广东工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q50/26
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 薛娇
地址: 510060 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 违禁物品 像素特征 目标物体 准确率 检测 卷积神经网络 装置及设备 安全隐患 背景特征 检测装置 归一化 卷积核 多层 排查 融合 图片
【权利要求书】:

1.一种违禁物品检测方法,其特征在于,包括:

提取待识别图片的像素特征,得到第一像素特征图;

通过具有多层卷积核的卷积神经网络提取所述待识别图片的像素特征,得到第二像素特征图;

将所述第一像素特征图与归一化后的所述第二像素特征图融合,得到第三像素特征图;

依据所述第三像素特征图进行违禁物品的识别。

2.根据权利要求1所述的违禁物品检测方法,其特征在于,所述通过具有多层卷积核的卷积神经网络提取所述待识别图片的像素特征,得到第二像素特征图具体为:

通过具有多层卷积核的卷积神经网络对所述待识别图片进行多次下采样操作;

对经过下采样后的所述待识别图片进行上采样操作;

通过两个1*1卷积核压缩经过上采样后的所述待识别图片的通道信息,得到第二像素特征图。

3.根据权利要求2所述的违禁物品检测方法,其特征在于,所述对经过下采样后的所述待识别图片进行上采样操作具体为:

采用双线性插值法对经过下采样后的所述待识别图片进行上采样操作。

4.根据权利要求3所述的违禁物品检测方法,其特征在于,所述将所述第一像素特征图与归一化后的所述第二像素特征图融合,得到第三像素特征图具体为:

将所述第一像素特征图以及经过归一化后的所述第二像素特征图进行矩阵点乘,得到增强的所述第一像素特征图;

将所述第一像素特征图以及增强的所述第一像素特征图相加,输出融合的第三像素特征图。

5.根据权利要求1所述的违禁物品检测方法,其特征在于,所述依据所述第三像素特征图进行违禁物品的识别具体为:

将所述第三像素特征图输入区域候选网络RPN网络,得到具有预设数目个候选区域的第四像素特征图;

将所述第四像素特征图依次输入到分类器以及回归器,得到对于所述待识别图片的检测结果。

6.根据权利要求1所述的违禁物品检测方法,其特征在于,所述归一化后的所述第二像素特征图具体为:

通过sigmoid函数将所述第二像素特征图中的像素值转换为0到1之间的概率值,得到的归一化后的所述第二像素特征图。

7.根据权利要求1至6任一项所述的违禁物品检测方法,其特征在于,所述提取待识别图片的像素特征,得到第一像素特征图之前,该违禁物品检测方法还包括:

将待识别图片进行与i的数量相对应的预设类型的翻转处理,所述i的初始值为预设数值;

则所述依据所述第三像素特征图进行违禁物品的识别之后,该违禁物品检测方法还包括:

判断i是否等于预设数值;

若否,则将i的数值+1并返回步骤:

将待识别图片进行与i的数量相对应的预设类型的翻转处理;

若是,则将所有的对于不同翻转类型的所述待识别图片的违禁物品识别结果进行非极大值抑制,得到最终的违禁物品检测结果。

8.根据权利要求7所述的违禁物品检测方法,其特征在于,所述得到最终的违禁物品检测结果之后,该违禁物品检测方法还包括:

控制提示器提示最终的所述违禁物品检测结果。

9.一种违禁物品检测装置,包括:

第一提取模块,用于提取待识别图片的像素特征,得到第一像素特征图;

第二提取模块,用于通过具有多层卷积核的卷积神经网络提取所述待识别图片的像素特征,得到第二像素特征图;

融合模块,用于将所述第一像素特征图与归一化后的所述第二像素特征图融合,得到第三像素特征图;

识别模块,用于依据所述第三像素特征图进行违禁物品的识别。

10.一种违禁物品检测设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至8任一项所述违禁物品检测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910603933.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top