[发明专利]一种X光安检机图片物体检测方法

摘要

本发明公开了一种X光安检机图片物体检测方法，设计一种FH‑SMART‑XRAY‑NET的网络基本结构，依次通过X光图像基础特征提取网络、多尺度X光物体特征网络、X光图像前景背景特征网络以及类别回归、位置回归和前景概率回归处理模块进行图像处理，完成X光安检机图片物体检测。本发明具有一定的抗复杂背景和噪声干扰的能力，检测能力与人眼相当，检测速率最快可达100FPS，能够达到人眼检测的100倍左右。

主权项

1.一种X光安检机图片物体检测方法，所述方法基于FH‑SMART‑XRAY‑NET的网络基本结构，其特征在于：所述FH‑SMART‑XRAY‑NET的网络基本结构包括四部分组成结构，分别是X光图像基础特征提取网络、多尺度X光物体特征网络、X光图像前景背景特征网络以及类别回归、位置回归和前景概率回归处理模块；所述FH‑SMART‑XRAY‑NET网络基本结构首先对送入网络的图像进行尺度归一化处理，随后使用X光图像基础特征提取网络实现X光图像特征提取，所述X光图像基础特征提取网络包括基础特征层和抽象特征层，其中，基础特征层用以提取X光图像中的基础特征，抽象特征层用以提取X光图像深层次的抽象特征，获得图像整体的语意信息，抽象特征层输出的特征图分为大、中、小三个尺度；所述多尺度X光物体特征网络是紧跟在X光图像基础特征提取网络之后的网络，通过优化X光图像基础特征提取网络输出的大、中、小三尺度特征，实现对X光图像内不同物体的检测，包括特征图反卷积处理、定义Object Candidate Area处理以及抽象特征卷积处理；多尺度X光物体特征网络最终输出的特征图经过所述X光图像前景背景特征网络进一步优化处理，每一个特征图都被进一步卷积，产生的新特征图，新的特征图被送入算法后续阶段以判断每一个Object Candidate Area属于前景还是背景；所述类别回归、位置回归和前景概率回归处理模块对提取到的相应特征进行类别回归、位置回归以及前景概率回归，三者总和将成为本次前向传播的损失值；在反向传播时，FH‑SMART‑XRAY‑NET网络基本结构将根据损失值调节网络参数，使最终效果达到最优。