CN107607562A - 一种违禁物品识别设备及方法、x光行李安检系统 - Google Patents
一种违禁物品识别设备及方法、x光行李安检系统 Download PDFInfo
- Publication number
- CN107607562A CN107607562A CN201710812468.4A CN201710812468A CN107607562A CN 107607562 A CN107607562 A CN 107607562A CN 201710812468 A CN201710812468 A CN 201710812468A CN 107607562 A CN107607562 A CN 107607562A
- Authority
- CN
- China
- Prior art keywords
- prohibited items
- ray
- equipment
- image
- ray fluoroscopy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提出了一种违禁物品识别设备及方法、X光行李安检系统,该设备包括:信号输入接口、数据采集器、处理器和信号输出接口。本发明实施例通过给出一种独立的违禁物品识别设备,将该设备设置在X光安检仪和显示终端之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,且该设备对图像进行识别时既不占用X光安检仪的资源,也不占用显示终端的资源。
Description
技术领域
本发明涉及行李安检技术领域,具体而言,涉及一种违禁物品识别设备及方法、X光行李安检系统。
背景技术
目前,X光行李安检仪,也称为X射线行李安检仪,在机场、海关、车站、汽车站、政府机关大楼、展馆等公共场合广泛应用,X光安检仪主要采用X射线扫描成像技术对行李进行安全检测的电子设备,进而工作人员根据该X光安检仪的检测结果判断行李中有无携带违禁物品,是所有安检仪中应用最为广泛的设备之一。
当前,常用的安检仪是基于x射线的辐射成像设备,能够将经过安检仪的行李物品,经由辐射成像机制,实时通过图像展现出来,然后,通过人工辨别其中是否包含违禁物品。传统安检仪的硬件结构包括:传送带通道、挡住光栅、控制单元、射线源、探测器、数据采集系统、图像重建单元、显示设备。
在实现本发明的过程中,发明人发现相关技术中至少存在以下问题:相关技术中主要借助X光安检仪,工作人员结合X光安检仪输出的图像凭借经验人工识别安检行李中是否存在违禁物品,这样不仅存在安检速度低、耗时长的问题,还存在由于人为因素参与或者其他不可控因素导致违禁物品未识别出来的情况。
发明内容
有鉴于此,本发明实施例的目的在于提供一种违禁物品识别设备及方法、X光行李安检系统,从而能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,且该设备对图像进行识别时既不占用X光安检仪的资源,也不占用显示终端的资源。
第一方面,本发明实施例提供了一种违禁物品识别设备,该设备包括:信号输入接口、数据采集器、处理器和信号输出接口;所述信号输入接口分别与X光安检仪和所述数据采集器相连接,所述处理器分别与所述数据采集器和所述信号输出接口相连接,所述信号输出接口与显示终端相连接;
所述数据采集器,用于通过所述信号输入接口采集所述X光安检仪输出的安检行李的X光透视图像,并将所述X光透视图像传输至所述处理器,所述X光透视图像用于表征物品轮廓信息和物品属性信息;
所述处理器,用于对所述X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注,通过所述信号输出接口将标注后的X光透视图像传输至所述显示终端,以使所述显示终端显示所述标注后的X光透视图像。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述处理器具体用于,
利用具有多隐层结构的违禁物品识别模型对所述X光透视图像进行违禁物品的识别,得到所述X光透视图像中多个物品的违禁物品匹配度;
基于所述多个物品的违禁物品匹配度,生成所述X光透视图像的识别结果;
根据所述识别结果在所述X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述处理器具体用于,
对采集到的所述X光透视图像进行图像处理和区域划分,提取多个待识别的图像区域;
利用预先构建的具有多隐层结构的违禁物品识别模型,计算各个所述待识别的图像区域的违禁物品匹配度;
依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果生成所述X光透视图像的识别结果。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述违禁物品识别模型是利用深度学习方法对选取的违禁物品样本进行深度神经网络训练得到的。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述信号输入接口包括:HDMI输入接口;所述信号输出接口包括:HDMI输出接口。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述处理器包括:基于GPU与CPU协同工作的处理器、或者可编程逻辑器件FPGA。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述设备还包括:第一接口转换装置和/或第二接口转换装置;
所述第一接口转换装置的一端与所述信号输入接口相连接,所述第一接口转换装置的另一端用于适配所述X光安检仪的接口;
所述第二接口转换装置的一端与所述信号输出接口相连接,所述第二接口转换装置的另一端用于适配所述显示终端的接口。
结合第一方面,本发明实施例提供了第一方面的第七种可能的实施方式,其中,所述设备还包括:网络接口,所述网络接口与所述处理器相连接,并接入局域网;
所述处理器,还用于通过所述网络接口接收远端设备发送的设置信息,并使用该设置信息进行升级与维护;
或者,通过所述网络接口向远端设备发送所述标注后的X光透视图像,以便所述远端设备利用大数据分析方法对多个所述标注后的X光透视图像进行分析并绘制安检地图。
第二方面,本发明实施例还提供了一种X光行李安检系统,该系统包括:X光安检仪、显示终端和上述第一方面至第一方面的第七种可能的实施方式中任一项所述的违禁物品识别设备;
所述违禁物品识别设备设置于所述X光安检仪和所述显示终端之间,用于对所述X光安检仪输出的安检行李的X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注,将标注后的X光透视图像传输至所述显示终端。
第三方面,本发明实施例还提供了一种应用上述第一方面至第一方面的第七种可能的实施方式中任一项所述的违禁物品识别设备识别违禁物品的方法,该方法包括:
获取X光安检仪输出的安检行李的X光透视图像;
对所述X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注;
将标注后的X光透视图像传输至显示终端,以使所述显示终端显示所述标注后的X光透视图像。
在本发明实施例提供的违禁物品识别设备及方法、X光行李安检系统中,该设备包括:信号输入接口、数据采集器、处理器和信号输出接口;该信号输入接口分别与X光安检仪和数据采集器相连接,该处理器分别与数据采集器和信号输出接口相连接,该信号输出接口与显示终端相连接。本发明实施例采用独立的违禁物品识别设备,将该设备设置在X光安检仪和显示终端之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,且该设备对图像进行识别时既不占用X光安检仪的资源,也不占用显示终端的资源。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的一种违禁物品识别设备的结构示意图;
图2示出了本发明实施例所提供的另一种违禁物品识别设备的结构示意图;
图3示出了本发明实施例所提供的又一种违禁物品识别设备的结构示意图;
图4示出了本发明实施例所提供的一种X光行李安检系统的结构示意图;
图5示出了本发明实施例所提供的一种应用图1至图3所示的违禁物品识别设备识别违禁物品的方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到相关技术中主要借助X光安检仪,工作人员结合X光安检仪输出的图像凭借经验人工识别安检行李中是否存在违禁物品,这样不仅存在安检速度低、耗时长的问题,还存在由于人为因素参与或者其他不可控因素导致违禁物品未识别出来的情况。基于此,本发明实施例提供了一种违禁物品识别设备及方法、X光行李安检系统,下面通过实施例进行描述。
如图1所示,给出了一种违禁物品识别设备的结构示意图,该设备包括:信号输入接口102、数据采集器103、处理器104和信号输出接口105;
上述信号输入接口102分别与X光安检仪和上述数据采集器103相连接,上述处理器104分别与上述数据采集器103和上述信号输出接口105相连接,上述信号输出接口105与显示终端相连接;
上述数据采集器103,用于通过上述信号输入接口102采集X光安检仪输出的安检行李的X光透视图像,并将该X光透视图像传输至上述处理器104,该X光透视图像用于表征物品轮廓信息和物品属性信息;
上述处理器104,用于对上述X光透视图像进行违禁物品的识别,并在该X光透视图像上进行违禁物品标注,通过上述信号输出接口105将标注后的X光透视图像传输至显示终端,以使该显示终端显示标注后的X光透视图像。其中,违禁物品包括:管制刀具、枪支弹药、有毒物品等等。
也就是说,自动对X光安检仪输出的安检行李的X光透视图像进行识别,并且在识别出安检行李中存在疑似违禁物品的情况下,在该X光透视图像上进行违禁物品标注,再将标注后的X光透视图像传输至显示终端,这样能够使得工作人员更加直观的查看安检行李中是否存在违禁物品,在存在违禁物品的情况下,还能够确定出违禁物品所在的位置。
上述违禁物品识别设备还包括:Flash存储器,该Flash存储器用于处理器104的软件、固件、配置数据等存储;
上述违禁物品识别设备还包括:RAM存储器,该RAM存储器用于处理器104的运行缓存。
在本发明提供的违禁物品识别设备中,采用独立的违禁物品识别设备,将该设备设置在X光安检仪和显示终端之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,且该设备对图像进行识别时既不占用X光安检仪的资源,也不占用显示终端的资源。
其中,考虑到目前多数显示屏选取HDMI接口,因此,为了能够直接适配大部分显示屏,违禁物品识别设备的信号输入接口102和信号输出接口105均选用HDMI接口,基于此,上述信号输入接口102包括:HDMI输入接口;上述信号输出接口105包括:HDMI输出接口。
具体的,当X光安检仪的输出接口为HDMI接口时,X光安检仪通过HDMI-HDMI视频线与上述违禁物品识别设备的信号输入接口102相连接;同样的,当显示终端的输入接口为HDMI接口时,显示终端通过HDMI-HDMI视频线与上述违禁物品识别设备的信号输出接口105相连接;
进一步的,考虑到当前的X光安检仪和显示终端也可能选用DVI、DP、VGA、SDI等扩展接口,为了使违禁物品识别设备适配不同接口的X光安检仪和显示终端,基于此,如图2所示,上述设备还包括:第一接口转换装置和/或第二接口转换装置,具体的,上述设备还包括第一接口转换装置、或者第二接口转换装置、或者第一接口转换装置和第二接口转换装置;
上述第一接口转换装置的一端与上述信号输入接口102相连接,上述第一接口转换装置的另一端用于适配上述X光安检仪的接口;
上述第二接口转换装置的一端与上述信号输出接口105相连接,上述第二接口转换装置的另一端用于适配上述显示终端的接口。
具体的,考虑到不同的电子显示屏的接口可能存在一定的差异,当前电子显示屏内部常用接口有HDMI、DVI、DP、VGA、SDI等接口;当X光安检仪的输出接口为DVI、DP、VGA、SDI接口时,X光安检仪通过上述第一接口装换装置与上述违禁物品识别设备的信号输入接口102相连接;同样的,当显示终端的输入接口为DVI、DP、VGA、SDI接口时,显示终端通过第二接口装换装置与上述违禁物品识别设备的信号输出接口105相连接,从而使得违禁物品识别设备也可以适配使用VGA、DVI、DP、SDI等接口的电子显示屏。
在本发明提供的实施例中,通过增加接口转换装置,不仅能够适配具有HDMI接口的X光安检仪和显示终端,还能够适配具有DVI、DP、VGA、SDI等扩展接口的X光安检仪和显示终端,因而,无需改变现有的X光安检仪和显示终端的接口,直接将违禁物品识别设备设置在适当的X光透视图像传输链路即可,能够实现即插即用的效果。
进一步的,考虑到信号输入接口102为标准的HDMI电气规格和接口协议,需要转换为适合数据采集器103直接采集的电气和接口协议,基于此,上述设备还包括:输入驱动器,上述输入驱动器分别与上述信号输入接口102和上述数据采集器103相连接,其中,该输入驱动器也为HDMI输入驱动器;
上述输入驱动器,用于对上述信号输入接口102传输的信号进行电气标准与接口协议的转换,以逻辑适配上述数据采集器103采集的信号的电气标准与接口协议。
同样的,考虑到处理器104和信号输出接口105之间的电气和接口协议存在一定的差异,为了使处理器104输出的数据信号按照标准HDMI电气规格和接口协议传输至信号输出接口105,基于此,上述设备还包括:输出驱动器,该输出驱动器分别与上述处理器104和上述信号输出接口105相连接,其中,该输出驱动器也为HDMI输出驱动器;
上述输出驱动器,用于对上述处理器104传输的信号进行电气标准与接口协议的转换,以逻辑适配上述信号输出接口105传输的信号的电气标准与接口协议。
进一步的,考虑到违禁物品识别设备需要处理的X光透视图像可能存在比较复杂的画面结构和画面素材,并且利用基于深度学习方法训练得到的具有多隐层结构的违禁物品识别模型进行违禁物品识别,对处理器104的数据处理量和数据处理速度要求比较高,进而,为了应对各种复杂的X光透视图像,同时,为了提高处理器104的数据处理速度和违禁物品识别精度,基于此,上述处理器104包括:基于GPU与CPU协同工作的处理器104、或者可编程逻辑器件FPGA。
由于利用基于深度学习方法训练得到的具有多隐层结构的违禁物品识别模型进行违禁物品识别,对数据处理量和数据处理速度要求比较高,该数据处理量一方面表现为利用海量的违禁物品样本训练违禁物品识别模型上;另一方面表现为利用训练得到的违禁物品识别配置参数配合模型在应用中对具体的X光透视图像进行分析上;
(1)在违禁物品识别模型训练过程中,本发明提供的实施例通过专用的高性能训练服务器中配置高性能GPU显卡,利用GPU显卡的并行运算能力,加快模型训练的速度;
(2)在违禁物品识别模型应用过程中,本发明提供的实施例为了兼顾严苛的应用场合,选择NVIDIA工业级的基于GPU与CPU协同工作的处理器104,用来加速实时计算分析,或者,也可将模型处理程序在可编程逻辑器件FPGA中实现,利用可编程逻辑器件FPGA的并行计算的特点实现强大的实时计算能力。
具体的,FPGA(Field-Programmable Gate Array,可编程逻辑器件),可以用来对接收到的X光透视图像进行违禁物品的识别。FPGA是由存放在片内RAM中的程序来设置其工作状态的,因此,工作时需要对片内的RAM进行编程。可以根据不同的配置模式,采用不同的编程方式。加电时,FPGA芯片将片外配置芯片(多为FLASH、EPROM等)中数据读入片内编程RAM中,配置完成后,FPGA进入工作状态。掉电后,FPGA恢复成白片,内部逻辑关系消失,因此,FPGA能够反复使用。FPGA的编程无须专用的FPGA编程器,只须用通用的FLASH、EPROM、PROM编程器即可。当需要修改FPGA功能时,只需更新片外配置芯片编程数据即可。这样,同一片FPGA,不同的编程数据,可以产生不同的电路功能。因此,FPGA的使用非常灵活。
在本发明提供的实施例中,考虑到利用基于深度学习方法训练得到的具有多隐层结构的违禁物品识别模型进行违禁物品识别,对处理器104的数据处理量和数据处理速度要求比较高,选用基于多核CPU流程控制及GPU并行加速构建混合高性能处理器104,或者选用可编程逻辑器件FPGA作为违禁物品识别过程实现的核心部件,能够增强违禁物品识别设备的温度、湿度、振动、电磁兼容等性能,更有利于设备应用于较为严苛的环境或者X光透视图像可能存在比较复杂的画面结构和画面素材中,能够有效提高违禁物品识别速度和识别精度,并且能够避免处理器104在数据处理过程中受到环境的干扰。
进一步的,上述处理器104中用于识别X光透视图像中违禁物品的违禁物品识别模型需要预先构建;其中,该违禁物品识别模型是在专用的高性能训练服务器中利用深度学习方法对选取的违禁物品样本进行深度神经网络训练得到的,然后,将训练得到的违禁物品识别模型的参数配置放到上述处理器104中,以便后续处理器104利用该违禁物品识别模型对接收到的X光透视图像进行违禁物品的识别,具体的,该违禁物品识别模型是通过如下方式构建的:
利用深度学习方法对选取的违禁物品样本进行深度神经网络训练,得到违禁物品识别模型,该违禁物品识别模型为多隐层的机器学习模型,其中,通过收集海量的包含违禁物品的图像、视频作为违禁物品样本,使用该违禁物品样本对模型进行训练优化特征参数,在深度学习的过程中不断提高识别精度,从而最终提升分类或预测的准确性;
上述处理器104,具体用于利用具有多隐层结构的违禁物品识别模型对接收到的X光透视图像进行违禁物品的识别,得到该X光透视图像中多个物品的违禁物品匹配度;
基于上述多个物品的违禁物品匹配度,生成上述X光透视图像的识别结果;
根据上述识别结果在上述X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
其中,所述处理器104,具体用于对采集到的X光透视图像进行图像处理和区域划分,提取多个待识别的图像区域,具体的,需要对X光透视图像进行变换和滤波操作,去除无关内容,提取潜在的图像区域和内容,再对提取出的潜在的图像区域和内容进行形状分析、数学形态学、特性过滤处理,确定多个待识别的图像区域;
利用预先构建的具有多隐层结构的违禁物品识别模型,计算各个待识别的图像区域的违禁物品匹配度;
依次判断各图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定该图像区域对应的物品为违禁物品,根据所有的图像区域的匹配度判断结果生成上述X光透视图像的识别结果;
根据上述识别结果在X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
在本发明提供的实施例中,利用预先训练好的具有多隐层结构的违禁物品识别模型进行违禁物品识别,基于多层神经网络的深度学习智能模型适用于大数据(海量图像)的分析与识别,提高了对X光透视图像中违禁物品的识别速度,从而可以实现及时、快速地将X光透视图像中违禁物品识别并标注,提高行李的安检速度。
进一步的,考虑到单纯地根据物品的轮廓信息来判断该物品是否为违禁物品,可能存在误判的情况,如行李中存在一个玩具枪,其轮廓形状可能与被判断为违禁物品的枪支匹配度比较高,这样就出现识别与标记不准确的情况,为了提高识别与标记的准确度,基于X光安检仪能够提供各物品的属性信息(如,材料属性),从而,针对于:依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果生成所述X光透视图像的识别结果的步骤中,上述处理器104,具体用于:
依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则判断所述图像区域对应的物品的属性信息是否符合预设条件;
如果符合,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果和属性信息判断结果生成所述X光透视图像的识别结果。
进一步的,为了便于远程对违禁物品识别设备进行升级和维护,以及便于远程对违禁物品识别设备的违禁物品识别情况进行统计与分析,基于此,如图3所示,上述设备还包括:网络接口106,该网络接口106与上述处理器104相连接,并接入局域网;
上述处理器104,还用于通过上述网络接口106接收远端设备发送的设置信息,并使用该设置信息对该违禁物品识别设备进行升级与维护;
或者,通过上述网络接口106向远端设备发送标注后的X光透视图像,以便远端设备利用大数据分析方法对多个标注后的X光透视图像进行分析并绘制安检地图,这样能够形成完善的安检记录,便于统计每个安检位置出现违禁物品的概率和时间段,具有很好的指导意义,并且便于后续数据查询与追溯。
本发明实施例还提供了一种X光行李安检系统,如图4所示,该系统包括:X光安检仪20、显示终端30和上述违禁物品识别设备10;
上述违禁物品识别设备10设置于上述X光安检仪20和上述显示终端30之间,用于对X光安检仪20输出的安检行李的X光透视图像进行违禁物品的识别,并在X光透视图像上进行违禁物品标注,将标注后的X光透视图像传输至显示终端30。
在本发明提供的X光行李安检系统中,采用独立的违禁物品识别设备10,将该设备设置在X光安检仪20和显示终端30之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪20输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,并且该设备对图像进行识别时即不占用X光安检仪20的资源,也不占用显示终端30的资源。
本发明实施例还提供了一种应用上述违禁物品识别设备10识别违禁物品的方法,如图5所示,该方法包括步骤S501-S503,具体为:
步骤S501:获取X光安检仪20输出的安检行李的X光透视图像;
步骤S502:对上述X光透视图像进行违禁物品的识别,并在该X光透视图像上进行违禁物品标注;
步骤S503:将标注后的X光透视图像传输至显示终端30,以使该显示终端30显示上述标注后的X光透视图像。
在本发明提供的实施例中,采用独立的违禁物品识别设备10,将该设备设置在X光安检仪20和显示终端30之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪20输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,并且该设备对图像进行识别时即不占用X光安检仪20的资源,也不占用显示终端30的资源。
进一步的,上述用于识别X光透视图像中违禁物品的违禁物品识别模型需要预先构建;其中,该违禁物品识别模型是在专用的高性能训练服务器中利用深度学习方法对选取的违禁物品样本进行深度神经网络训练得到的,然后,将训练得到的违禁物品识别模型的参数配置放到上述处理器104中,以便后续处理器104利用该违禁物品识别模型对接收到的X光透视图像进行违禁物品的识别,具体的,该违禁物品识别模型是通过如下方式构建的:
利用深度学习方法对选取的违禁物品样本进行深度神经网络训练,得到违禁物品识别模型,该违禁物品识别模型为多隐层的机器学习模型,其中,通过收集海量的包含违禁物品的图像、视频作为违禁物品样本,使用该违禁物品样本对模型进行训练优化特征参数,在深度学习的过程中不断提高识别精度,从而最终提升分类或预测的准确性;
上述步骤S502:对上述X光透视图像进行违禁物品的识别,并在该X光透视图像上进行违禁物品标注,具体包括:
利用具有多隐层结构的违禁物品识别模型对接收到的X光透视图像进行违禁物品的识别,得到该X光透视图像中多个物品的违禁物品匹配度;
基于上述多个物品的违禁物品匹配度,生成上述X光透视图像的识别结果;
根据上述识别结果在上述X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
其中,利用具有多隐层结构的违禁物品识别模型对接收到的X光透视图像进行违禁物品的识别,得到该X光透视图像中多个物品的违禁物品匹配度,具体包括:
对采集到的X光透视图像进行图像处理和区域划分,提取多个待识别的图像区域,具体的,需要对X光透视图像进行变换和滤波操作,去除无关内容,提取潜在的图像区域和内容,再对提取出的潜在的图像区域和内容进行形状分析、数学形态学、特性过滤处理,确定多个待识别的图像区域;
利用预先构建的具有多隐层结构的违禁物品识别模型,计算各个待识别的图像区域的违禁物品匹配度;
对应的,基于上述多个物品的违禁物品匹配度,生成上述X光透视图像的识别结果,具体包括:
依次判断各图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定该图像区域对应的物品为违禁物品,根据所有的图像区域的匹配度判断结果生成上述X光透视图像的识别结果;
根据上述识别结果在X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
进一步的,考虑到单纯地根据物品的轮廓信息来判断该物品是否为违禁物品,可能存在误判的情况,如行李中存在一个玩具枪,其轮廓形状可能与被判断为违禁物品的枪支匹配度比较高,这样就出现识别与标记不准确的情况,为了提高识别与标记的准确度,基于X光安检仪能够提供各物品的属性信息(如,材料属性),从而,依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果生成所述X光透视图像的识别结果,具体包括:
依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则判断所述图像区域对应的物品的属性信息是否符合预设条件;
如果符合,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果和属性信息判断结果生成所述X光透视图像的识别结果。
在本发明实施例提供的违禁物品过滤方法中,采用独立的违禁物品识别设备10来进行违禁物品的识别与标注,将该设备设置在X光安检仪20和显示终端30之间,实时对X光安检仪输出的图像进行违禁物品的识别与标注,能够便于工作人员快速地确定安检行李中是否存在违禁物品,无需工作人员结合X光安检仪20输出的图像凭借经验人工识别,提高了工作人员的工作效率,进而可以加快行李传送带的运行速度,减少行李安检时间,同时,该设备使用方便,具有即插即用的特点,而且便于后续设备的检修、维护与升级,并且该设备对图像进行识别时即不占用X光安检仪20的资源,也不占用显示终端30的资源。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种违禁物品识别设备,其特征在于,所述设备包括:信号输入接口、数据采集器、处理器和信号输出接口;所述信号输入接口分别与X光安检仪和所述数据采集器相连接,所述处理器分别与所述数据采集器和所述信号输出接口相连接,所述信号输出接口与显示终端相连接;
所述数据采集器,用于通过所述信号输入接口采集所述X光安检仪输出的安检行李的X光透视图像,并将所述X光透视图像传输至所述处理器,所述X光透视图像用于表征物品轮廓信息和物品属性信息;
所述处理器,用于对所述X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注,通过所述信号输出接口将标注后的X光透视图像传输至所述显示终端,以使所述显示终端显示所述标注后的X光透视图像。
2.根据权利要求1所述的设备,其特征在于,所述处理器具体用于,利用具有多隐层结构的违禁物品识别模型对所述X光透视图像进行违禁物品的识别,得到所述X光透视图像中多个物品的违禁物品匹配度;
基于所述多个物品的违禁物品匹配度,生成所述X光透视图像的识别结果;
根据所述识别结果在所述X光透视图像上进行违禁物品标注,得到标注后的X光透视图像。
3.根据权利要求2所述的设备,其特征在于,所述处理器具体用于,对采集到的所述X光透视图像进行图像处理和区域划分,提取多个待识别的图像区域;
利用预先构建的具有多隐层结构的违禁物品识别模型,计算各个所述待识别的图像区域的违禁物品匹配度;
依次判断各所述图像区域的违禁物品匹配度是否大于第一预设阈值,如果是,则确定所述图像区域对应的物品为违禁物品,根据所有所述图像区域的匹配度判断结果生成所述X光透视图像的识别结果。
4.根据权利要求2或3所述的设备,其特征在于,所述违禁物品识别模型是利用深度学习方法对选取的违禁物品样本进行深度神经网络训练得到的。
5.根据权利要求1所述的设备,其特征在于,所述信号输入接口包括:HDMI输入接口;所述信号输出接口包括:HDMI输出接口。
6.根据权利要求1所述的设备,其特征在于,所述处理器包括:基于GPU与CPU协同工作的处理器、或者可编程逻辑器件FPGA。
7.根据权利要求1所述的设备,其特征在于,所述设备还包括:第一接口转换装置和/或第二接口转换装置;
所述第一接口转换装置的一端与所述信号输入接口相连接,所述第一接口转换装置的另一端用于适配所述X光安检仪的接口;
所述第二接口转换装置的一端与所述信号输出接口相连接,所述第二接口转换装置的另一端用于适配所述显示终端的接口。
8.根据权利要求1所述的设备,其特征在于,所述设备还包括:网络接口,所述网络接口与所述处理器相连接,并接入局域网;
所述处理器,还用于通过所述网络接口接收远端设备发送的设置信息,并使用该设置信息进行升级与维护;
或者,通过所述网络接口向远端设备发送所述标注后的X光透视图像,以便所述远端设备利用大数据分析方法对多个所述标注后的X光透视图像进行分析并绘制安检地图。
9.一种X光行李安检系统,其特征在于,所述系统包括:X光安检仪、显示终端和如权利要求1-8任一项所述的违禁物品识别设备;
所述违禁物品识别设备设置于所述X光安检仪和所述显示终端之间,用于对所述X光安检仪输出的安检行李的X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注,将标注后的X光透视图像传输至所述显示终端。
10.一种应用权利要求1-8任一项所述的违禁物品识别设备识别违禁物品的方法,其特征在于,所述方法包括:
获取X光安检仪输出的安检行李的X光透视图像;
对所述X光透视图像进行违禁物品的识别,并在所述X光透视图像上进行违禁物品标注;
将标注后的X光透视图像传输至显示终端,以使所述显示终端显示所述标注后的X光透视图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710812468.4A CN107607562B (zh) | 2017-09-11 | 2017-09-11 | 一种违禁物品识别设备及方法、x光行李安检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710812468.4A CN107607562B (zh) | 2017-09-11 | 2017-09-11 | 一种违禁物品识别设备及方法、x光行李安检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107607562A true CN107607562A (zh) | 2018-01-19 |
CN107607562B CN107607562B (zh) | 2020-06-02 |
Family
ID=61062964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710812468.4A Active CN107607562B (zh) | 2017-09-11 | 2017-09-11 | 一种违禁物品识别设备及方法、x光行李安检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107607562B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519625A (zh) * | 2018-04-08 | 2018-09-11 | 安徽理工大学 | 基于射线技术与深度学习的可识别违禁物品安检系统 |
CN108764023A (zh) * | 2018-04-04 | 2018-11-06 | 浙江大学 | 一种基于深度学习的传送带上物料检测系统 |
CN109187598A (zh) * | 2018-10-09 | 2019-01-11 | 青海奥越电子科技有限公司 | 基于数字图像处理的违禁物品检测系统及方法 |
CN109211951A (zh) * | 2018-11-16 | 2019-01-15 | 银河水滴科技(北京)有限公司 | 一种基于图像分割的安检系统及安检方法 |
CN109740588A (zh) * | 2018-12-24 | 2019-05-10 | 中国科学院大学 | 基于弱监督和深度响应重分配的x光图片违禁品定位方法 |
CN109784203A (zh) * | 2018-12-24 | 2019-05-21 | 中国科学院大学 | 基于分层传播和激活的弱监督x光图像违禁品检查方法 |
CN109978827A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于人工智能的违禁物识别方法、装置、设备和存储介质 |
CN110119734A (zh) * | 2018-02-06 | 2019-08-13 | 同方威视技术股份有限公司 | 刀具检测方法及装置 |
CN110163191A (zh) * | 2019-06-17 | 2019-08-23 | 北京航星机器制造有限公司 | 一种危险品智能识别方法、系统及危险品安检系统 |
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN110850493A (zh) * | 2019-10-24 | 2020-02-28 | 武汉艾崴科技有限公司 | 一种扫描成像机器视觉判图的线阵列高速安检机 |
CN110889329A (zh) * | 2019-10-25 | 2020-03-17 | 浙江大华技术股份有限公司 | 安检机、安检机巡检系统、视频流处理方法和存储介质 |
CN111044540A (zh) * | 2019-12-05 | 2020-04-21 | 中山新永一测控设备有限公司 | 一种无线远程x光检测设备 |
CN111239847A (zh) * | 2020-03-16 | 2020-06-05 | 成都智元汇信息技术股份有限公司 | 一种无感智慧安检系统 |
CN111630519A (zh) * | 2018-02-14 | 2020-09-04 | 株式会社石田 | 检查装置 |
WO2020187077A1 (zh) * | 2019-03-21 | 2020-09-24 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN111860578A (zh) * | 2020-06-08 | 2020-10-30 | 中国船舶重工集团公司第七一三研究所 | 一种机场安检违禁品自动识别系统图像预归类方法 |
CN112016387A (zh) * | 2019-07-08 | 2020-12-01 | 杭州芯影科技有限公司 | 适用于毫米波安检仪的违禁品识别方法和装置 |
CN112362656A (zh) * | 2020-09-29 | 2021-02-12 | 江西鹭鹭行科技有限公司 | 一种预安检方法、系统、可读存储介质及预安检设备 |
CN112789499A (zh) * | 2018-10-01 | 2021-05-11 | 世高株式会社 | 教师数据生成装置和教师数据生成程序 |
CN112934728A (zh) * | 2021-03-12 | 2021-06-11 | 昆明昆船逻根机场系统有限公司 | 一种机场行李安检状态踪溯系统及方法 |
CN112954003A (zh) * | 2021-01-25 | 2021-06-11 | 鼎电智能科技(江苏)有限公司 | 一种安检违禁物品智能识别的系统 |
CN113436388A (zh) * | 2021-06-04 | 2021-09-24 | 深圳市毅德零空科技有限公司 | 一种酒店自助入住智能管理设备 |
CN113449556A (zh) * | 2020-03-26 | 2021-09-28 | 顺丰科技有限公司 | 一种违禁品检测方法、装置、边缘计算设备及存储介质 |
CN113640321A (zh) * | 2020-05-11 | 2021-11-12 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
US11301688B2 (en) | 2019-06-14 | 2022-04-12 | International Business Machines Corporation | Classifying a material inside a compartment at security checkpoints |
CN114758259A (zh) * | 2022-06-15 | 2022-07-15 | 科大天工智能装备技术(天津)有限公司 | 一种基于x光物体图像识别的包裹检测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106198580A (zh) * | 2016-08-26 | 2016-12-07 | 合肥丁点网络科技有限责任公司 | 一种x光安检机行李危险品快速自动检测报警装置及方法 |
-
2017
- 2017-09-11 CN CN201710812468.4A patent/CN107607562B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106198580A (zh) * | 2016-08-26 | 2016-12-07 | 合肥丁点网络科技有限责任公司 | 一种x光安检机行李危险品快速自动检测报警装置及方法 |
Non-Patent Citations (2)
Title |
---|
宋修竹: "X光安检图像处理方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张宁: "机场安检技术关键问题研究", 《中国博士学位论文全文数据库》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119734A (zh) * | 2018-02-06 | 2019-08-13 | 同方威视技术股份有限公司 | 刀具检测方法及装置 |
WO2019154383A1 (zh) * | 2018-02-06 | 2019-08-15 | 同方威视技术股份有限公司 | 刀具检测方法及装置 |
CN111630519A (zh) * | 2018-02-14 | 2020-09-04 | 株式会社石田 | 检查装置 |
CN108764023B (zh) * | 2018-04-04 | 2021-05-07 | 浙江大学 | 一种基于深度学习的传送带上物料检测系统 |
CN108764023A (zh) * | 2018-04-04 | 2018-11-06 | 浙江大学 | 一种基于深度学习的传送带上物料检测系统 |
CN108519625A (zh) * | 2018-04-08 | 2018-09-11 | 安徽理工大学 | 基于射线技术与深度学习的可识别违禁物品安检系统 |
CN112789499A (zh) * | 2018-10-01 | 2021-05-11 | 世高株式会社 | 教师数据生成装置和教师数据生成程序 |
CN109187598A (zh) * | 2018-10-09 | 2019-01-11 | 青海奥越电子科技有限公司 | 基于数字图像处理的违禁物品检测系统及方法 |
CN109211951A (zh) * | 2018-11-16 | 2019-01-15 | 银河水滴科技(北京)有限公司 | 一种基于图像分割的安检系统及安检方法 |
CN109740588A (zh) * | 2018-12-24 | 2019-05-10 | 中国科学院大学 | 基于弱监督和深度响应重分配的x光图片违禁品定位方法 |
CN109784203A (zh) * | 2018-12-24 | 2019-05-21 | 中国科学院大学 | 基于分层传播和激活的弱监督x光图像违禁品检查方法 |
CN109740588B (zh) * | 2018-12-24 | 2020-06-09 | 中国科学院大学 | 基于弱监督和深度响应重分配的x光图片违禁品定位方法 |
CN109784203B (zh) * | 2018-12-24 | 2020-05-15 | 中国科学院大学 | 基于分层传播和激活的弱监督x光图像违禁品检查方法 |
CN109978827A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于人工智能的违禁物识别方法、装置、设备和存储介质 |
WO2020187077A1 (zh) * | 2019-03-21 | 2020-09-24 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
US11301688B2 (en) | 2019-06-14 | 2022-04-12 | International Business Machines Corporation | Classifying a material inside a compartment at security checkpoints |
CN110163191A (zh) * | 2019-06-17 | 2019-08-23 | 北京航星机器制造有限公司 | 一种危险品智能识别方法、系统及危险品安检系统 |
CN110163191B (zh) * | 2019-06-17 | 2021-04-02 | 北京航星机器制造有限公司 | 一种危险品智能识别方法、系统及危险品安检系统 |
CN112016387A (zh) * | 2019-07-08 | 2020-12-01 | 杭州芯影科技有限公司 | 适用于毫米波安检仪的违禁品识别方法和装置 |
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN110850493A (zh) * | 2019-10-24 | 2020-02-28 | 武汉艾崴科技有限公司 | 一种扫描成像机器视觉判图的线阵列高速安检机 |
CN110889329A (zh) * | 2019-10-25 | 2020-03-17 | 浙江大华技术股份有限公司 | 安检机、安检机巡检系统、视频流处理方法和存储介质 |
CN111044540A (zh) * | 2019-12-05 | 2020-04-21 | 中山新永一测控设备有限公司 | 一种无线远程x光检测设备 |
CN111239847A (zh) * | 2020-03-16 | 2020-06-05 | 成都智元汇信息技术股份有限公司 | 一种无感智慧安检系统 |
CN113449556A (zh) * | 2020-03-26 | 2021-09-28 | 顺丰科技有限公司 | 一种违禁品检测方法、装置、边缘计算设备及存储介质 |
CN113640321A (zh) * | 2020-05-11 | 2021-11-12 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
CN113640321B (zh) * | 2020-05-11 | 2024-04-02 | 同方威视技术股份有限公司 | 安检延迟优化方法以及设备 |
CN111860578A (zh) * | 2020-06-08 | 2020-10-30 | 中国船舶重工集团公司第七一三研究所 | 一种机场安检违禁品自动识别系统图像预归类方法 |
CN111860578B (zh) * | 2020-06-08 | 2023-02-03 | 中国船舶重工集团公司第七一三研究所 | 一种机场安检违禁品自动识别系统图像预归类方法 |
CN112362656A (zh) * | 2020-09-29 | 2021-02-12 | 江西鹭鹭行科技有限公司 | 一种预安检方法、系统、可读存储介质及预安检设备 |
CN112362656B (zh) * | 2020-09-29 | 2024-01-30 | 江西鹭鹭行科技有限公司 | 一种预安检方法、系统、可读存储介质及预安检设备 |
CN112954003A (zh) * | 2021-01-25 | 2021-06-11 | 鼎电智能科技(江苏)有限公司 | 一种安检违禁物品智能识别的系统 |
CN112954003B (zh) * | 2021-01-25 | 2023-10-13 | 鼎电智能科技(江苏)有限公司 | 一种安检违禁物品智能识别的系统 |
CN112934728A (zh) * | 2021-03-12 | 2021-06-11 | 昆明昆船逻根机场系统有限公司 | 一种机场行李安检状态踪溯系统及方法 |
CN113436388A (zh) * | 2021-06-04 | 2021-09-24 | 深圳市毅德零空科技有限公司 | 一种酒店自助入住智能管理设备 |
CN114758259B (zh) * | 2022-06-15 | 2022-09-06 | 科大天工智能装备技术(天津)有限公司 | 一种基于x光物体图像识别的包裹检测方法及系统 |
CN114758259A (zh) * | 2022-06-15 | 2022-07-15 | 科大天工智能装备技术(天津)有限公司 | 一种基于x光物体图像识别的包裹检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107607562B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107607562A (zh) | 一种违禁物品识别设备及方法、x光行李安检系统 | |
CN107895367B (zh) | 一种骨龄识别方法、系统及电子设备 | |
EP3961484A1 (en) | Medical image segmentation method and device, electronic device and storage medium | |
CN109902659B (zh) | 用于处理人体图像的方法和装置 | |
CN110543857A (zh) | 基于图像分析的违禁物识别方法、装置、系统和存储介质 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN111079699A (zh) | 商品识别方法及装置 | |
CN110751079A (zh) | 物品检测方法、装置、系统和计算机可读存储介质 | |
CN106886054A (zh) | 基于三维x射线成像的危险品自动识别装置及方法 | |
CN110163191A (zh) | 一种危险品智能识别方法、系统及危险品安检系统 | |
EP3586933A1 (en) | System for counting number of game tokens | |
CN109409272A (zh) | 基于机器视觉的电缆验收系统和方法 | |
CN110032916A (zh) | 一种检测目标物体的方法和装置 | |
CN108648190A (zh) | 一种基于分水岭的渣片彩色图像分析装置及方法 | |
CN108596102A (zh) | 基于rgb-d的室内场景物体分割分类器构造方法 | |
CN101957909B (zh) | 一种基于dsp的人脸检测方法 | |
CN112444889A (zh) | 一种快速安检行包远程集中判读系统及方法 | |
CN111665572A (zh) | 一种基于x光机图像机场旅客安检智能辅助系统及方法 | |
CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
CN108229375A (zh) | 用于检测人脸图像的方法和装置 | |
CN106339722A (zh) | 一种线路刀闸状态监测方法及装置 | |
CN110136140A (zh) | 眼底图像血管影像分割方法及设备 | |
CN112037255A (zh) | 目标跟踪方法和装置 | |
CN108197563A (zh) | 用于获取信息的方法及装置 | |
CN116129153A (zh) | 实现用于禁限带物品识别的智能分析处理方法、系统、装置、处理器及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |