[发明专利]一种基于阈值体系的危险品识别方法及系统

说明书

本发明涉及一种基于阈值体系的危险品识别方法及系统，属于安全监测技术领域，解决了现有技术中危险品识别针对性弱准确率低的问题。该方法包括以下步骤：获取影响危险品阈值设置的随机因素特征和固定因素特征；根据所述随机因素特征和固定因素特征通过阈值评估模糊决策树获得当前因素下各类危险品的第一阈值；基于各类危险品的第一阈值进行危险品识别得到各类危险品识别的准确率；根据获取的所述各类危险品识别的准确率通过预设的阈值调整模型获得各类危险品的第二阈值；基于所述各类危险品的第二阈值对被检测目标进行识别获得识别结果，并根据识别结果判断被检测对象是否为危险品。提高了危险品识别的针对性和准确率。

技术领域

本发明涉及安全检测技术领域，尤其涉及一种基于阈值体系的危险品识别方法及系统。

背景技术

随着我国经济的高速发展，人们的生活品质和出行热情不断提升，高铁、飞机、地铁、展馆等公共场所的人流量日益增大。携带危险品将极大地威胁人身安全，对于安检机效率的提升需求日益增加。为了保证旅公共场所的人身安全，在很多公共区域都配置了安全检查系统，主要检查行李物品中是否携带枪支、弹药、易燃、易爆、有毒、放射性等危险物品，以确保公共场所的安全。例如在机场、火车站以及大型活动场所均配置有安检设施。

目前，越来愈多的安检设施采用了基于深度神经网络的人工智能识别算法识别危险物品、违禁物品，在采用深度神经网络进行危险品识别时，神经网络会对待识别的图片的可疑区域，给出其对应的疑似危险品的疑似程度，以百分数显示。即对于一个可疑区域，神经网络将给出如“68.55％为A，23.37％为B，……”的结果，而疑似度最高的危险品分类，则将作为对于此图片的识别结果，反馈给用户。

现有技术至少存在以下缺陷，一是在不同的场合、场景，存在着对危险品不同的识别优先度和紧急程度的需求，采用“疑似度最高的结果作为识别结果”的方法将无法满足上述需求，并且存在较高的误检率。二是为满足上述需求，需建立不同种类的多个神经网路模型，增加了研发成本，且往往需要专业工程人员进行大量的修改工作，难以迅速针对不同需求改变安检系统的报警策略。

发明内容

鉴于上述的分析，本发明旨在提供一种基于阈值体系的危险品识别方法及系统，用以解决现有技术中危险品识别针对性弱、准确率低的问题。

一方面，本发明提供了一种基于阈值体系的危险品识别方法，该包括以下步骤：

获取影响危险品阈值设置的随机因素特征和固定因素特征；

根据所述随机因素特征和固定因素特征通过阈值评估模糊决策树获得当前因素下各类危险品的第一阈值；

基于各类危险品的第一阈值进行危险品识别得到各类危险品识别的准确率；

根据获取的所述各类危险品识别的准确率通过预设的阈值调整模型获得各类危险品的第二阈值；

基于所述各类危险品的第二阈值对被检测目标进行识别获得识别结果，并根据识别结果判断被检测对象是否为危险品。

进一步的，所述获取的各类危险品识别的准确率的属性值包括平均精度、查准率、查全率、IOU和置信度阈值；通过将所述属性值输入预设的阈值调整模型得到各类危险品的第二阈值。

进一步的，通过下述方式获得所述预设的阈值调整模型：

将各类危险品识别的准确率所包括的属性值输入神经网络的输入层，并随机生成权值矩阵输入至神经网络的隐藏层；

根据所述权值矩阵和所述属性值得到隐藏层神经元的输出数值，并根据所述神经元的输出数值得到输出层输出的阈值；

计算所述输出层输出的阈值与第一阈值的误差方差值，并利用误差逆传播算法获得各类危险品识别结果准确率包括的属性值的误差值；