[发明专利]基于X光机的物品分析及多维图像关联方法与系统在审
申请号: | 202011188667.0 | 申请日: | 2020-10-30 |
公开(公告)号: | CN112364903A | 公开(公告)日: | 2021-02-12 |
发明(设计)人: | 李宗南;许金金;张浒;孙涛;苗应亮 | 申请(专利权)人: | 盛视科技股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G01V5/00 |
代理公司: | 深圳市深软翰琪知识产权代理有限公司 44380 | 代理人: | 吴雅丽 |
地址: | 518000 广东省深圳市福田区沙头街道天*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 物品 分析 多维 图像 关联 方法 系统 | ||
1.一种基于X光机的物品分析及多维图像关联系统,其特征在于:包括物品检查通道、运送物品穿过物品检查通道的传送带以及用于图像识别的计算机,物品检查通道上设有分离设置的X光机以及图像抓拍模块,X光机内部具有X射线阵列探测器;所述图像抓拍模块包括支架以及位于支架上的摄像机;所述图像抓拍模块的摄像机拍摄的图像是物品的RGB可见光图像;X光机以及摄像机的输出端均通过电缆与计算机连接;
其中,所述计算机获得X光机拍摄的X光图像并解析,将解析结果与已经预设的违禁或可疑物品类型表比对,若有比对结果,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块对该可疑物品进行抓拍。
2.一种基于X光机的物品分析及多维图像关联方法,其特征在于:应用于权利要求1所述的可疑物品图像获取系统中,其包括如下过程:
所述计算机获得X光机拍摄的X光图像并解析,将解析结果与预设的正常阈值进行对比,如果超出正常阈值,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块对该可疑物品进行抓拍。
3.根据权利要求2所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍之前还包括对X光图像中物品所属可疑物品类型进行标记的步骤:对物品所属可疑物品类型进行标记可以通过人工方式实现,也可以通过计算机程序和算法自动实现或二者相互辅助的方式实现。
4.根据权利要求2或3所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍具体包括:计算机根据传送带的传送速度以及X光机与图像抓拍模块之间的距离计算可疑物品到达摄像机的图像拍摄区域所需的时间T,计算机通知相应摄像机在时间T到达时实施抓拍。
5.根据权利要求4所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍,具体是:根据X光机长度l1、X光机到图像拍摄区域的距离s和图像拍摄区域长度l2以及传送带的运行速度v计算当前可疑物品箱到达拍摄区域中心所需的时间t1:t1=(0.5(l1+l2)+s)/v;然后给当前可疑物品生成唯一的标识符ID,将时间t1和ID发送给图像抓拍模块。
6.根据权利要求5所述的基于X光机的物品分析及多维图像关联方法,其特征在于:所述物品图像抓拍模块执行抓拍的方法是:获取传送带暂停时间t0,计算物品到达抓拍中心区域的总时间t(t=t1+t0),图像抓拍模块从接收到物品ID和经时间t1信息后,等待经时间t后触发所有摄像机曝光;存储抓拍图像,并将物品ID赋予当前时刻抓拍的所有图像。
7.根据权利要求2-6任一所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机对X光图像获取并解析,具体包括:确定目标类型,获取并标注X光图像,训练并优化深度学习模型;利用深度学习模型对X光图像中物品内容进行检测和识别,该过程包括提取物品图像的深层次特征,预测目标在图像中的位置坐标、所述可疑物品类型以及置信度。
8.根据权利要求7所述的基于X光机的物品分析及多维图像关联方法,其特征在于:将解析结果与已经预设的违禁或可疑物品类型表比对以判定物品是否可疑,具体包括:如果有人工参与物品的可疑性类别判定,则用人工判定的物品类型与已经预设的违禁或可疑物品类型表比对,若有比对结果,则确定当前目标为违禁或可疑物品;如果只通过计算机程序和算法模型对物品的可疑性类别进行判定,则包括:利用深度学习算法模型计算物品所属可疑性类别和置信度,判断置信度是否超过预设的正常阈值,如果超过阈值,则用深度学习算法模型输出的可疑性类别与已经预设的违禁或可疑物品类型表比对,若有结果,则确定目标为违禁或可疑物品。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于盛视科技股份有限公司,未经盛视科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011188667.0/1.html,转载请声明来源钻瓜专利网。