[发明专利]违禁品检测方法、一种计算设备及存储介质

说明书

本发明涉及一种违禁品的检测方法、一种计算设备及存储介质，检测方法通过判断同一预测类别的检测结果中是否存在与预测得分最高检测框的IOU大于过滤阈值的检测框，来确定检测结果。当存在IOU大于背景阈值时，检测结果为预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框的集成结果，当不存在IOU大于过滤阈值时，保留预测得分最高的检测框的检测结果。本发明所涉及的集成方法简单有效，不需要针对不同检测模型设定不同判断参数，在各个模型中具有通用性，应用灵活，消耗计算资源少，模型运算速度快。有效地克服了现有技术在复杂场景下违禁品检测率低、误检率高等缺点，增强了检测模型的鲁棒性，提升该模型在复杂场景下的违禁品检测性能。

技术领域

本发明属于安检技术领域，具体涉及一种违禁品检测方法、一种计算设备及存储介质。

背景技术

X光图片违禁品检测是公共安全领域的一个关键问题，它的主要目的是在伪彩色处理后的X光图片中准确检测其是否包含违禁品，如刀和枪，并能在复杂的遮挡干扰情况下定位违禁品，为人工开箱查验提供线索。目前，X光图片中的违禁品检测以人工查验为主，相关工作人员需要时刻监视画面，并在较短的时间内给出人工判定结果，这不仅费时费力，完全满足不了快递物流安检中高速、大量的需求，而且人工查验若遗漏违禁品，则可能会引发严重后果。因此，自动化违禁品检测技术以其成本低、效率高、稳定性强等优点受到了人们的广泛关注。

目标检测(Object Detection)是计算机视觉领域的基本任务之一，近些年随着深度学习的崛起，越来越多的目标检测算法采用深度学习方法来完成，并提出了大量基于深度学习的算法与技术，在众多公开数据集上不断的刷新违禁品检测任务的检测精度。尽管如此，对于场景较为复杂的数据集或贴近生活场景的视频数据，由于光照变化、背景复杂、视角差异等因素的影响，大部分算法在此类场景下检测效果无法令人满意，距离大规模商业应用还有一定距离，故当前违禁品安全检测技术的研究依然具有挑战性。

发明内容

本发明的目的在于克服现有技术的不足，提出一种违禁品检测方法、一种计算设备及存储介质。该方法有效地克服了现有技术在复杂场景下违禁品检测率低、误检率高等缺点，增强了检测模型的鲁棒性，提升该模型在复杂场景下的违禁品检测性能。

为实现上述发明目的，根据本发明的第一个方面，提出的一种违禁品检测方法，包括以下步骤：

S1利用预设的N个不同的违禁品检测模型分别对待测安检图像进行检测，获得N个检测结果；所述检测结果包括图像上违禁品的检测框和每个检测框对应的预测类别、预测得分；其中，N为≥2的整数；

S2将同一预测类别中的检测结果进行筛选，若存在IOU＞δ，保留预测得分最高的检测框和剩余检测框中与最大IOU对应的检测框，进行上述检测框的集成后保留集成结果；若不存在IOU＞δ，保留预测得分最高的检测框的检测结果；其中，δ为设定的过滤阈值，IOU为在每个预测类别内预测得分最高的检测框与剩余检测框的重合度；

所述集成方法为：设预测得分最高的检测框为Box_x，Box_x 坐标为[X1_x, Y1_x, X2_x,Y2_x]，预测分数为C_x；剩余检测框中与最大IOU对应的检测框为Box_y，Box_y的坐标为[X1_y,Y1_y, X2_y, Y2_y]，预测得分为C_y；集成后的检测框坐标为：

，

，

，

，

集成后的分数为C：；

S3输出检测结果。