[发明专利]一种基于机器学习的安检仪自动识别目标物体的方法

权利要求书

1.一种基于机器学习的安检仪自动识别目标物体的方法，其特征在于，包括：

获取安检仪采集的待检测物品的CT图像，对CT图像进行特征提取，得到CT图像的特征；

利用预设的分类器模型对所述CT图像的特征进行识别，生成对应所述待检测物品的识别结果；

将所述的识别结果发送给安检仪，以使安检仪显示所述识别结果。

2.如权利要求1所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述利用预设的分类器模型对所述CT图像的特征进行识别之前，还包括：

将CT图像的特征进行归一化，把所有特征值转变为0至1之间的数值。

3.如权利要求1所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述的预设的分类器模型的训练过程包括：

利用安检仪采集多个已知物品的CT图像，对每张CT图像提取特征，得到CT图像的特征；

建立数据集，所述数据集中包括多个样本，每个样本包含一个对应于已知物品的特征以及标签；

将所述数据集中的特征进行归一化处理，然后将数据集随机划分为训练集和测试集；

利用训练集对不同的分类器进行训练，得到分类器模型，并通过测试集测试对应的分类器模型；

从不同的分类器的训练得到的分类器模型中，根据召回率和准确率确定一个分类器模型作为所述预设的分类器模型。

4.如权利要求1所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述对CT图像进行特征提取，其中提取的特征为CT图像的灰度特征和方向梯度直方图特征。

5.如权利要求1所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述不同的分类器，包括SVM分类器和KNN分类器。

6.如权利要求5所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述分类器为SVM分类器时，训练过程中采用高斯核函数进行训练，并对训练集进行十折交叉验证。

7.如权利要求5所述的基于机器学习的安检仪自动识别目标物体的方法，其特征在于，所述分类器为KNN分类器时，K的值选5；利用欧氏距离作为KNN分类器的参数，并对训练集进行十折交叉验证。

8.一种基于机器学习的安检仪自动识别目标物体的装置，其特征在于，包括：

获取模块，用于获取安检仪采集的待检测物品的CT图像，对CT图像进行特征提取，得到CT图像的特征；

识别模块，用于利用预设的分类器模型对所述CT图像的特征进行识别，生成对应所述待检测物品的识别结果；

显示模块，用于将所述的识别结果发送给安检仪，以使安检仪显示所述识别结果。

9.一种终端设备，包括包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现前述第一方面的基于机器学习的安检仪自动识别目标物体的方法的步骤。

10.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现前述第一方面的基于机器学习的安检仪自动识别目标物体的方法的步骤。