[发明专利]基于图像分析的违禁物识别方法、装置、系统和存储介质

摘要

本发明涉及安检技术领域，尤其为基于图像分析的违禁物识别方法、装置、系统和存储介质，该方法包括：通过采集卡获取输出视频流，然后，输入视频流获取x光图像并进行预处理，建立深度卷积神经网络模型，接下来，将预处理后的X光图像输入到深度卷积神经网络中进行特征提取，得到待检测物品的详细信息，剔除置信度小于一定阈值的元素和重叠过高的元素，得到最终预测的违禁物列表和违禁物在x光图像上的所在区域，然后，将待检测物品特征输入到违禁物列表中进行识别，最后，将违禁物的详细信息发送到安检机的显示终端中，并在规定时间内重复上述方法，实现高效且实时的检测，本发明可以提升安检工作效率，降低人力成本。

主权项

1.基于图像分析的违禁物的识别方法，其特征在于包括以下步骤：/n步骤S1：通过采集卡获取安检机的输出视频流；/n步骤S2：将步骤S1中所得的输出视频流作为本方法的输入视频流V，通过一定的时间间隔获取视频帧，所获得的每个视频帧中都是安检机产生的x光图像，并且对所得的x光图像通过Canny算子进行边缘检测和裁剪的预处理，得到预处理后的X光图像；/n步骤S3：收集大量且真实的安检机图像组成训练图像数据集I，确定要检测的违禁品分类集，对这些图像进行精细的人工标注集G，注明其中的违禁品信息包括位置和相应分类，并且对图像集I进行翻转、加噪、缩放等图像增强技术进行扩充，建立深度卷积神经网络模型F，并在高性能计算机上进行训练，得到训练好的性能优良的卷积神经网络F；/n步骤S4：将步骤S2中得到预处理后的X光图像输入到训练好的卷积神经网络F中进行特征提取，得到待检测物品的详细信息，所述详细信息包括位置、类别、置信度等；/n步骤S5：将步骤S4中所得到的详细信息中剔除置信度小于一定阈值的元素和重叠过高的元素，得到最终预测的违禁物列表和违禁物在x光图像上的所在区域；/n步骤S6：检测完成后，将待检测物品X光图片与视频帧G进行模板匹配，匹配完成后得到待检测物品区域在下一个X光视频帧G的位置P，则在X光视频帧G中位置P处，使用绘制线条框出预测的违禁物列表的详细信息，使得检测出的违禁品标注稳定在相同位置，不会闪动；/n步骤S7：将识别的X光图像中违禁物的详细信息，发送到安检机的显示终端中；/n步骤S8：通过定时器，每隔10帧从视频流获取图像进行，重复上述步骤S2到步骤S7。/n