[发明专利]图像样本生成方法、特定场景目标检测方法及其系统

权利要求书

1.一种用于深度学习的图像样本生成方法，其特征在于，包括：

S1：对安检场所的待检测物品进行场景组成分析；

S2：获得相应组成比例的目标场景的实拍安检图像，组成场景数据集；

S3：获得带标注的目标安检图像，组成目标数据集，所述目标安检图像通过安检设备拍摄所得；

S4：分别对S2、S3所述安检图像中第i特征层的像素灰度值以如下方式处理：

，其中i = 1, 2, 3； 为处理后的第i特征层像素灰度值；其中a[i]为第i特征层的像素灰度值，MAX_PIXEL_VAL[i]为第i特征层理论上的最大灰度值；

S5：确定待融合图像，其中，待融合图像包括至少一张S2所述目标场景的实拍安检图像和至少一张S3所述目标安检图像，将待融合图像的个数记作N，N≥2的整数；

S6：对上述待融合图像进行尺寸归一化；

S7：将S6所得图像进行融合形成新样本，融合方法如下：

在新样本的（i,j,k）像素点上N张图像对应的像素点均有 ≥δ时， ；

在剩余像素点上，新样本的像素值设置为 ；

其中，δ为背景色阈值， 0＜δ＜1，是第张图片，通过得到归一化后每个融合图像的像素灰度值，a_mean[j][k]为第j行第k列像素的灰度值，a_norm[i][j][k]为第j行第k列第i特征层像素的灰度值；

S8：多次迭代S5、S6、S7，直至获取到足够样本数作为用于训练的样本组成。

2.根据权利要求1所要求保护的一种用于深度学习的图像样本生成方法，其特征在于，S3中带标注的目标的种类为一种或多种，目标的数量为一个或多个。

3.根据权利要求1所要求保护的一种用于深度学习的图像样本生成方法，其特征在于，对S2、S3中图像进行数据增强后再分别并入场景数据集和目标数据集；增强方法包括几何变换操作和/或像素变换操作。

4.一种用于深度学习的图像样本生成系统，其特征在于，该系统用于实现权利要求1-3任一方法，包括：场景数据生成模块，目标数据生成模块、预处理模块、待融合图像预处理模块、图像融合模块、生成样本库，所述预处理模块用于对场景数据生成模块、目标数据生成模块中得到的数据进行处理。

5.一种特定场景的目标检测方法，其特征在于，包括：

步骤1：获取物品的安检图像，并对图像预处理；

步骤2：通过预设的卷积神经网络提取预处理后图像的图像特征；

步骤3：通过预设的目标检测模型得到安检图像的目标区域；所述预设的目标检测模型通过权利要求1-3中任一用于深度学习的图像样本生成方法所得图像样本训练得到；

步骤4：输出安检图像的检测结果，包括违禁品的种类、位置信息。