[发明专利]X光图像目标检测方法、装置及设备

说明书

本发明公开了一种X光图像目标检测方法、装置及设备，主要基于多分类多标签结构，通过获取X光图像中的待定框的多个候选标签，为待定框赋予多个标签，并基于该多个候选标签确定出所述待定框内目标的类别，也即意味着最终确定的待定框内目标的类别不限于一种或多种。本发明能够加强目标检测工具正则化，有效提升目标检测工具增益，进而提升目标识别率，经验证在具体实施时本发明能够改善目标检测工具的泛化能力，便于快速、准确地分类违禁品，辅助安检员工作的同时大大提高违禁品检出率，而且本发明的关注点聚焦于分类任务，与回归任务无关，对整个系统牵连影响较小，具备改进独立性，便于本领域技术人员实施、实现本发明创造。

技术领域

本发明涉及机器视觉技术领域，尤其涉及一种X光图像目标检测方法、装置及设备。

背景技术

X光安检机在安防系统中的作用至关重要，尤其是在地铁站、火车站、机场等人流密集的交通节点中，安检机是确保旅客人身财产安全乃至国家、社会稳定的重要安全保障工具。传统的安检机检测方式是由安检员通过肉眼观察安检机中行李箱包的X光成像，辨别其中是否有违禁品。但众所周知，X光图像与物品外貌无关，而是与物品自身的成分、密度以及成像时的角度、位置等有关，这与物品的自然图像相差较大，并且X光图像存在更多的透视现象，上述这些因素会导致以肉眼方式观察违禁品难度较大。而且，即便是经过培训上岗的熟练安检员，工作时间过长后也会产生视觉疲劳，同样会导致违禁品的检出率降低。

目前，现有技术是将用于自然图像处理的目标检测算法模型施用于X光图像目标检测场景，该技术以卷积神经网络为代表利用深度学习算法进行区域定性处理，可以在一定程度上解决人工视检的弊端。但值得注意的是，自然图像的目标检测算法迁移到X光图像时存在客观的技术障碍，其主要原因是X光图像和自然图像存在颜色、形状等差异，尤其X光图像相较自然图像来说，目标之间存在重叠透视现象，遮挡效应不明显，多个物品叠放后较难检出。例如安检机对行李进行检查时，X光图像中多目标之间经常存在重叠透视现象，实际情况往往是一个待定框(也可称为感兴趣区域RoI——Region of Interest或proposal)可能与不止一个被预先确定类别标签的真实框(Grond-Truth Box，具有一个明确的标签)出现交叠现象，也即是无法直接判别待定框内的物品类别，这里所称标签及类别是指物品的内容名目，例如折叠刀、饮料瓶、打火机等。而自然图像目标检测技术虽然能够较好地对前景目标识别出一个类别(为一个明确的候选区域设定一个标签)，但这显然无法解决X光图像目标检测应用中所面对的实际问题。

因此，适用于自然图像处理的目标检测工具直接运用到X光图像训练时，不一定能取得等价效果，事实上，在真实场景中利用现有技术训练出的用于X光图像目标检测的模型工具其性能表现欠佳、缺陷较为明显。

发明内容

针对上述问题，本发明的目的是提供一种X光图像目标检测方法、装置及设备，以改进现有的目标检测工具，提升目标类别识别率。

本发明采用的技术方案如下：

一种X光图像目标检测方法，包括：

获取X光图像中的待定框的多个候选标签；

从多个所述候选标签中确定所述待定框内目标的类别。

可选地，所述获取X光图像中的待定框的多个候选标签包括：

根据当前待定框与X光图像中其他的真实框的交并比，得到多个可用标签；

将所述可用标签作为所述待定框的所述候选标签。

可选地，所述根据当前待定框与X光图像中其他的真实框的交并比，得到多个可用标签包括：

分别计算当前待定框与各个所述真实框的交并比，得到交并比集合；

基于预设的交并比阈值，从所述交并比集合中过滤出有效交并比；