CN110261923B - 一种违禁品检测方法及装置 - Google Patents
一种违禁品检测方法及装置 Download PDFInfo
- Publication number
- CN110261923B CN110261923B CN201810872243.2A CN201810872243A CN110261923B CN 110261923 B CN110261923 B CN 110261923B CN 201810872243 A CN201810872243 A CN 201810872243A CN 110261923 B CN110261923 B CN 110261923B
- Authority
- CN
- China
- Prior art keywords
- ray image
- contraband
- target
- ray
- article
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000007689 inspection Methods 0.000 claims description 36
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000002184 metal Substances 0.000 description 7
- 229910052751 metal Inorganic materials 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- -1 woodware Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种违禁品检测方法及装置，所述方法包括：获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；针对每种违禁品，将构成所述违禁品的每个部件及每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。由于在本发明实施例中，针对每种违禁品，将构成所述违禁品的每个部件与待检测的至少一张X光图像中存在的每个目标物品进行匹配，并在匹配成功的所述违禁品的目标部件的数量大于设定的数量阈值时，确定待检测的至少一张X光图像中存在所述违禁品，实现了对拆分后的违禁品的检测和识别，避免了安全隐患。
Description
技术领域
本发明涉及安检技术领域，尤其涉及一种违禁品检测方法及装置。
背景技术
随着安全意识的增强，各种安检设备被广泛的应用于车站、机场、地铁、口岸、港口及举行重大赛事或活动的场馆等。其中最常用的安检设备就是X光安检机，目前X光安检机在客流和物流领域得到了越来越广泛的应用。通常情况下X光安检机包括电机、电机驱动的传送带及X光机，传送带的一端为待检区域，包裹放置在待检区域后，会被电机驱动的传送带传输至传送带的另一端，包裹由传送带的一端传输至另一端的途中被X光机照射扫描生成X光图像，从而根据X光图像中是否存在违禁品，识别包裹中是否存在违禁品。
然而，现有技术中虽然能够根据包裹的X光图像检测到包裹中是否存在刀、枪等违禁品，但是当违禁品被拆分后，例如：当枪被拆分为枪管、弹簧、弹夹等部件后，这些拆分后的部件不属于违禁品，根据X光图像无法检测出X光图像中存在枪，导致拆分后的枪等违禁品可以通过包裹携带，造成了安全隐患。
发明内容
本发明提供一种违禁品检测方法及装置，用以解决现有技术中无法通过X光图像检测出拆分后的违禁品，导致安全隐患产生的问题。
本发明公开了一种违禁品检测方法，所述方法包括：
获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；
针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时；确定所述至少一张X光图像中存在所述违禁品。
进一步地，所述识别所述至少一张X光图像中存在的每个目标物品，包括：
根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或
根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
进一步地，所述对物品识别模型训练的过程，包括：
针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；
将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
进一步地，所述物品识别模型为卷积神经网络分类器。
进一步地，所述确定匹配成功的所述违禁品的目标部件的数量之后，所述方法还包括：
针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述属性信息包括颜色和形状中的至少一种。
进一步地，如果确定所述至少一张X光图像中存在所述违禁品，所述方法还包括：
显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
进一步地，所述获取待检测的至少一张X光图像，包括：
获取至少一台X光安检机当前采集的X光图像；或
获取至少一台X光安检机在设定时长内采集的X光图像。
本发明公开了一种违禁品检测装置，所述装置包括：
获取识别模块，用于获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；
检测模块，用于针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。
进一步地，所述获取识别模块，具体用于根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
进一步地，所述装置还包括：
训练模块，用于针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
进一步地，所述物品识别模型为卷积神经网络分类器。
进一步地，所述检测模块，还用于针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述属性信息包括颜色和形状中的至少一种。
进一步地，所述装置还包括：
显示存储模块，用于显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
进一步地，所述获取识别模块，具体用于获取至少一台X光安检机当前采集的X光图像；或获取至少一台X光安检机在设定时长内采集的X光图像。
本发明公开了一种违禁品检测方法及装置，所述方法包括：获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。由于在本发明实施例中，识别待检测的至少一张X光图像中存在的每个目标物品，并针对每种违禁品，将构成所述违禁品的每个部件与识别到的每个目标物品进行匹配，并在匹配成功的所述违禁品的目标部件的数量大于设定的数量阈值时，确定待检测的至少一张X光图像中存在所述违禁品，实现了对拆分后的违禁品的检测和识别，避免了安全隐患的产生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明提供的一种违禁品检测过程示意图之一；
图2为本发明提供的一种违禁品检测过程示意图之二；
图3为本发明提供的一种违禁品检测装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
图1为本发明实施例提供的一种违禁品检测过程示意图，该过程包括：
S101：获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品。
本发明实施例提供的违禁品检测方法应用于电子设备，该电子设备可以为个人电脑(PC)、平板电脑、服务器等设备，也可以为X光安检机等安检设备。
具体的，X光安检机可以对放入安检机的包裹等进行X光图像的采集，电子设备可以实时获取X光安检机当前采集的X光图像，也可以按照设定的周期，如10s、20s等，获取X光安检机在当前周期内采集的每张X光图像，并将从X光安检机中获取X光图像作为待检测的X光图像。
另外，在本发明实施例中，电子设备中还可以预先保存有每个物品的样本X光图像，在电子设备获取到待检测的至少一张X光图像后，电子设备识别待检测的至少一张X光图像中存在的每个物品；具体在识别时，电子设备可以对每个物品的样本X光图像与获取的待检测的每张X光图像的内容、颜色、特征、结构、关系、纹理及灰度等的相似性和一致性进行分析，从而识别在待检测的每张X光图像中存在的每个目标物品。
S102：针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的该违禁品的目标部件的数量。
S103：当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。
在本发明实施例中，在电子设备中预先保存有记录有每种违禁品及构成每种违禁品的每个部件的数据库，例如：违禁品为枪，在该数据库中记录有违禁品“枪”—部件1“弹簧”、部件2“金属空心圆柱”、部件3“金属块”的信息。
电子设备识别待检测的至少一张X光图像中存在的每个目标物体后，针对每种违禁品，将构成所述违禁品的每个部件分别与每个目标物品进行匹配，具体的，在进行匹配时，电子设备可以将构成所述违禁品的每个部件的名称分别与目标物品的名称进行匹配，也可以将构成所述违禁品的每个部件的样本X光图像，与每个目标物品在所述至少一张X光图像中的图像进行匹配，并将与目标物品匹配成功的部件作为目标部件。例如：待检测的至少一张X光图像中存在的目标物体包括：目标物品1“弹簧”、目标物品2“塑料瓶”、目标物品3“金属空心圆柱”、目标物品4“眼镜”、目标物品5“梳子”，构成违禁品“枪”的部件包括部件1“弹簧”、部件2“金属空心圆柱”、部件3“金属块”，其中构成违禁品的“枪”的部件1“弹簧”与目标物品1“弹簧”匹配成功、部件2“金属空心圆柱”与目标物品3“金属空心圆柱”匹配成功，确定匹配成功的违禁品“枪”目标部件的数量为2。
电子设备针对每种违禁品，判断匹配成功的所述违禁品的目标部件的数量是否大于设定的数量阈值，如果是，则确定待检测的至少一张X光图像中存在所述违禁品。例如：匹配成功的违禁品“枪”的目标部件的数量为2，大于设定的数量阈值1，确定待检测的至少一张X光图像中存在违禁品“枪”。
在本发明实施例中，可以针对每种违禁品设定一个统一的数量阈值，如1、2、5等；较佳的，还可以针对每种违禁品分别设定数量阈值，在针对每种违禁品，判断匹配成功的所述违禁品的目标部件的数量是否大于设定数量阈值时，具体判断匹配成功的所述违禁品的目标部件的数量是否大于所述违禁品对应的数量阈值。
由于在本发明实施例中，识别待检测的至少一张X光图像中存在的每个目标物品，并针对每种违禁品，将构成所述违禁品的每个部件与识别到的每个目标物品进行匹配，并在匹配成功的所述违禁品的目标部件的数量大于设定的数量阈值时，确定待检测的至少一张X光图像中存在所述违禁品，实现了对拆分后的违禁品的检测和识别，避免了安全隐患的产生。
为了提高对X光图像中存在的目标物品识别的准确性，在上述实施例的基础上，在本发明实施例中，所述识别所述至少一张X光图像中存在的每个目标物品，包括：
根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或
根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
在本发明实施例中，预先对物品识别模型进行训练，并且对物品识别模型进行训练时，也是根据训练集中每个样本X光图像对应的物品，对物品识别模型进行训练完成的。训练完成的物品识别模型，可以根据输入的X光图像，识别该X光图像中存在的每个物品。
另外，在电子设备中还可以预先保存有每个物品的第一样本X光图像，在确定待检测的至少一张X光图像中存在的目标物品时，电子设备可以对每个物品的第一样本X光图像与获取的待检测的每张X光图像的内容、颜色、特征、结构、关系、纹理及灰度等的相似性和一致性进行分析，从而识别在待检测的至少一张X光图像中存在的每个目标物品。
较佳的，所述对物品识别模型训练的过程，包括：
针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；
将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
具体的，在训练集中保存有每个物品的第二样本X光图像，在对物品识别模型进行训练时，针对每张第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签，并将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。物品识别模型训练完成后，当输入X光图像到物品识别模型后，物品识别模型能识别输入的X光图像中存在的每个物品。较佳的，所述物品识别模型为卷积神经网络分类器。
示例性的，以物品“弹簧”的第二样本X光图像对物品识别模型进行训练进行说明，在训练集中保存有物品“弹簧”的一张或多张第二样本X光图像，在对物品识别模型进行训练时，针对所述一张或多张第二样本X光图像分别添加“弹簧”标签，并将添加“弹簧”标签的所述一张或多张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。物品识别模型训练完成后，当输入X光图像到物品识别模型后，物品识别模型能识别输入的X光图像中存在的“弹簧”。
为了进一步提高违禁品检测的准确性，在上述各实施例的基础上，在本发明实施例中，所述确定匹配成功的所述违禁品的目标部件的数量之后，所述方法还包括：
针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息，及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述属性信息包括颜色和形状中的至少一种。
通常X光安检机获取的X光图像中，可以实现有机物、无机物、混合物等的分辨，并将不同的物质赋予不同的颜色以便识别，通常情况下黄色为单件衣服、薄塑料和少量纸张等显现的颜色；桔黄色为香皂炸药、毒品、木器和皮革等显现的颜色；深桔黄色为数量较多的书本、纸张、人民币、高浓度液体、大袋米面等显现的颜色；蓝色为铜、铁和锌等无机物显现的颜色；绿色为混合物显现的色彩；红色为穿不透的物体显现的颜色。
在本发明实施例中，电子设备中还预先保存有每种违禁品的每个部件的属性信息，其中所述属性信息包括颜色和形状中的至少一种。具体的，电子设备在确定匹配成功的违禁品的目标部件的数量后，针对匹配成功的所述违禁品的每个目标部件，识别自身预先保存的该目标部件的第一属性信息，并识别与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同，如果是，则说明所述目标部件与该目标部件匹配成功的目标物品相同，保持匹配成功的该违禁品的目标部件的数量不同，如果否，则说明该目标部件与该目标部件匹配成功的目标物品存在差异，将匹配成功的该违禁品的目标部件的数量减1。
为了便于安检人员对携带违禁品的包裹及人物进行识别与追踪，在上述各实施例中，如果确定所述至少一张X光图像中存在所述违禁品，所述方法还包括：
显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
具体的，如果确定待检测的至少一张X光图像中存在违禁品，将待检测的至少一张X光图像中，存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像显示并存储。
此外，为了防止将违禁品拆分为后通过多个包裹携带，所述获取待检测的至少一张X光图像包括：
获取至少一台X光安检机当前采集的X光图像；或，获取至少一台X光安检机在设定时长内采集的X光图像。
具体的，在本发明实施例中，为了防止将违禁品拆分为后通过多个包裹携带，电子设备在获取待检测的至少一张X光图像时，可以是获取至少一台X光安检机当前采集的X光图像；也可以是获取至少一台X光安检机在设定时长内采集的X光图像。例如：针对只存在一台安检机的汽车站等场景，电子设备可以获取该X光安检机当前采集的X光图像作为待检测的X光图像，也可以是获取该X光安检机在设定时长内采集的X光图像作为待检测的X光图像，用以防止多人分开携带拆分后的违禁品通过X光安检机；针对存在至少两台X光安检机的地铁站等场景，电子设备可以获取所述至少两台光安检机在设定时长内采集的X光图像作为待检测的X光图像，用于防止多人携带拆分后的违禁品通过X光安检机。
当然了，电子设备也可以将多个被标注为相关联的X光图像作为待检测的X光图像，用于防止分批次携带违禁品通过X光安检机。
图2为本发明实施例提供的一种违禁品检测过程示意图，该过程包括：
S201：获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品。
S202：针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量。
S203：判断所述目标部件的数量是否大于设定的数量阈值；如果是，进行S204，如果否，则结束。
S204：确定所述至少一张X光图像中存在所述违禁品。
S205：显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
图3为本发明实施例提供的一种违禁品检测装置结构示意图，该装置包括：
获取识别模块31，用于获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；
检测模块32，用于针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。
所述获取识别模块31，具体用于根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
所述装置还包括：
训练模块33，用于针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
较佳的，所述物品识别模型为卷积神经网络分类器。
所述检测模块32，还用于针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述属性信息包括颜色和形状中的至少一种。
所述装置还包括：
显示存储模块34，用于显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
所述获取识别模块31，具体用于获取至少一台X光安检机当前采集的X光图像；或获取至少一台X光安检机在设定时长内采集的X光图像。
本发明公开了一种违禁品检测方法及装置，所述方法包括：获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品。由于在本发明实施例中，识别待检测的至少一张X光图像中存在的每个目标物品，并针对每种违禁品，将构成所述违禁品的每个部件与识别到的每个目标物品进行匹配，并在匹配成功的所述违禁品的目标部件的数量大于设定的数量阈值时，确定待检测的至少一张X光图像中存在所述违禁品，实现了对拆分后的违禁品的检测和识别，避免了安全隐患的产生。
对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种违禁品检测方法，其特征在于，所述方法包括：
获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；
针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；
当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品；
其中，所述确定匹配成功的所述违禁品的目标部件的数量之后，所述方法还包括：
针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述第一属性信息和所述第二属性信息包括颜色和形状中的至少一种。
2.如权利要求1所述的方法，其特征在于，所述识别所述至少一张X光图像中存在的每个目标物品，包括：
根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或
根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
3.如权利要求2所述的方法，其特征在于，对所述物品识别模型训练的过程，包括：
针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；
将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
4.如权利要求1所述的方法，其特征在于，如果确定所述至少一张X光图像中存在所述违禁品，所述方法还包括：
显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
5.如权利要求1所述的方法，其特征在于，所述获取待检测的至少一张X光图像，包括：
获取至少一台X光安检机当前采集的X光图像；或
获取至少一台X光安检机在设定时长内采集的X光图像。
6.一种违禁品检测装置，其特征在于，所述装置包括：
获取识别模块，用于获取待检测的至少一张X光图像，识别所述至少一张X光图像中存在的每个目标物品；
检测模块，用于针对每种违禁品，将构成所述违禁品的每个部件及所述每个目标物品进行匹配，确定匹配成功的所述违禁品的目标部件的数量；当所述目标部件的数量大于设定的数量阈值时，确定所述至少一张X光图像中存在所述违禁品；
其中，所述检测模块，还用于针对匹配成功的所述违禁品的每个目标部件，识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息，判断所述第一属性信息与所述第二属性信息是否相同；如果相同，保持所述数量不变，如果不同，对所述数量进行更新，其中所述第一属性信息和所述第二属性信息包括颜色和形状中的至少一种。
7.如权利要求6所述的装置，其特征在于，所述获取识别模块，具体用于根据所述至少一张X光图像及预先训练完成的物品识别模型，确定所述至少一张X光图像中存在的每个目标物品；或根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像，确定所述至少一张X光图像中存在的每个目标物品。
8.如权利要求6所述的装置，其特征在于，所述装置还包括：
训练模块，用于针对训练集中保存的每个物品的第二样本X光图像，根据该第二样本X光图像对应的物品，为该第二样本X光图像添加对应的物品标签；将添加物品标签后的每张第二样本X光图像输入到物品识别模型中，对物品识别模型进行训练。
9.如权利要求6所述的装置，其特征在于，所述装置还包括：
显示存储模块，用于显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像；
所述获取识别模块，具体用于获取至少一台X光安检机当前采集的X光图像；或获取至少一台X光安检机在设定时长内采集的X光图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810872243.2A CN110261923B (zh) | 2018-08-02 | 2018-08-02 | 一种违禁品检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810872243.2A CN110261923B (zh) | 2018-08-02 | 2018-08-02 | 一种违禁品检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110261923A CN110261923A (zh) | 2019-09-20 |
| CN110261923B true CN110261923B (zh) | 2024-04-26 |
Family
ID=67911855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810872243.2A Active CN110261923B (zh) | 2018-08-02 | 2018-08-02 | 一种违禁品检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110261923B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112034523B (zh) * | 2020-08-17 | 2022-07-19 | 长沙理工大学 | 一种危化品检测方法和检测系统 |
| CN113506283A (zh) * | 2021-07-26 | 2021-10-15 | 浙江大华技术股份有限公司 | 图像处理方法及装置、存储介质、电子装置 |
| CN114037939A (zh) * | 2021-11-11 | 2022-02-11 | 中国铁路设计集团有限公司 | 一种危险品识别方法、识别装置、电子设备及存储介质 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1305610A (zh) * | 1998-02-11 | 2001-07-25 | 模拟技术公司 | 用于分选目的物的计算机层析x射线照相术的装置和方法 |
| CA2365045A1 (en) * | 2001-12-14 | 2003-06-14 | Cedara Software Corp. | Method for the detection of guns and ammunition in x-ray scans of containers for security assurance |
| JP2007024835A (ja) * | 2005-07-21 | 2007-02-01 | Anritsu Sanki System Co Ltd | Ｘ線異物検出方法及びｘ線異物検出装置 |
| CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
| CN101540046A (zh) * | 2009-04-10 | 2009-09-23 | 凌阳电通科技股份有限公司 | 基于图像特征的全景图拼接方法和装置 |
| CN101632011A (zh) * | 2007-01-17 | 2010-01-20 | 创新美国科技有限公司 | 用于光谱分析的高级模式识别系统 |
| CN102508313A (zh) * | 2011-10-18 | 2012-06-20 | 北京华力兴科技发展有限责任公司 | 检测运输工具的方法和系统 |
| CN102713665A (zh) * | 2009-09-17 | 2012-10-03 | 曼彻斯特城市大学 | 物体检测 |
| CN104063720A (zh) * | 2014-07-03 | 2014-09-24 | 浙江大学 | 基于深度玻尔兹曼机的电商网站违禁商品图片检测方法 |
| CN104574372A (zh) * | 2014-12-21 | 2015-04-29 | 天津大学 | 基于相似特征三角形的图像配准方法 |
| CN104641253A (zh) * | 2012-03-23 | 2015-05-20 | 派克米瑞斯有限责任公司 | 检测异常的系统和方法 |
| CN104680514A (zh) * | 2013-11-29 | 2015-06-03 | 三星泰科威株式会社 | 使用特征点匹配的图像匹配方法 |
| CN105096377A (zh) * | 2014-05-14 | 2015-11-25 | 华为技术有限公司 | 一种图像处理方法和装置 |
| CN105427263A (zh) * | 2015-12-21 | 2016-03-23 | 努比亚技术有限公司 | 一种实现图像配准的方法及终端 |
| CN106127170A (zh) * | 2016-07-01 | 2016-11-16 | 重庆中科云丛科技有限公司 | 一种融合关键特征点的训练方法、识别方法及系统 |
| CN106530214A (zh) * | 2016-10-21 | 2017-03-22 | 微景天下（北京）科技有限公司 | 图像拼接系统和图像拼接方法 |
| CN107339965A (zh) * | 2016-12-24 | 2017-11-10 | 重庆都英科技有限公司 | 一种枪机体弹底壳窝加工尺寸检测装置 |
| CN107356205A (zh) * | 2016-12-24 | 2017-11-17 | 重庆都英科技有限公司 | 一种毛坯检测装置 |
| CN107525815A (zh) * | 2016-06-21 | 2017-12-29 | 莫福探测仪器有限责任公司 | 用于检测成像系统中的行李的系统和方法 |
| CN107845113A (zh) * | 2017-10-20 | 2018-03-27 | 广州阿里巴巴文学信息技术有限公司 | 目标元素定位方法、装置以及用户界面测试方法、装置 |
| CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005010561A2 (en) * | 2003-07-22 | 2005-02-03 | L-3 Communications Security and Detection Systems Corporation | Methods and apparatus for detecting objects in baggage using x-rays |
| WO2011011894A1 (en) * | 2009-07-31 | 2011-02-03 | Optosecurity Inc. | Method and system for identifying a liquid product in luggage or other receptacle |
| KR101677561B1 (ko) * | 2010-12-08 | 2016-11-18 | 한국전자통신연구원 | 영상 정합 장치 및 그것의 영상 정합 방법 |
| US9576219B2 (en) * | 2015-07-14 | 2017-02-21 | ADANI Systems, Inc. | Method and system for detection of contraband narcotics in human digestive tract |
-
2018
- 2018-08-02 CN CN201810872243.2A patent/CN110261923B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1305610A (zh) * | 1998-02-11 | 2001-07-25 | 模拟技术公司 | 用于分选目的物的计算机层析x射线照相术的装置和方法 |
| CA2365045A1 (en) * | 2001-12-14 | 2003-06-14 | Cedara Software Corp. | Method for the detection of guns and ammunition in x-ray scans of containers for security assurance |
| JP2007024835A (ja) * | 2005-07-21 | 2007-02-01 | Anritsu Sanki System Co Ltd | Ｘ線異物検出方法及びｘ線異物検出装置 |
| CN101632011A (zh) * | 2007-01-17 | 2010-01-20 | 创新美国科技有限公司 | 用于光谱分析的高级模式识别系统 |
| CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
| CN101540046A (zh) * | 2009-04-10 | 2009-09-23 | 凌阳电通科技股份有限公司 | 基于图像特征的全景图拼接方法和装置 |
| CN102713665A (zh) * | 2009-09-17 | 2012-10-03 | 曼彻斯特城市大学 | 物体检测 |
| CN102508313A (zh) * | 2011-10-18 | 2012-06-20 | 北京华力兴科技发展有限责任公司 | 检测运输工具的方法和系统 |
| CN104641253A (zh) * | 2012-03-23 | 2015-05-20 | 派克米瑞斯有限责任公司 | 检测异常的系统和方法 |
| CN104680514A (zh) * | 2013-11-29 | 2015-06-03 | 三星泰科威株式会社 | 使用特征点匹配的图像匹配方法 |
| CN105096377A (zh) * | 2014-05-14 | 2015-11-25 | 华为技术有限公司 | 一种图像处理方法和装置 |
| CN104063720A (zh) * | 2014-07-03 | 2014-09-24 | 浙江大学 | 基于深度玻尔兹曼机的电商网站违禁商品图片检测方法 |
| CN104574372A (zh) * | 2014-12-21 | 2015-04-29 | 天津大学 | 基于相似特征三角形的图像配准方法 |
| CN105427263A (zh) * | 2015-12-21 | 2016-03-23 | 努比亚技术有限公司 | 一种实现图像配准的方法及终端 |
| CN107525815A (zh) * | 2016-06-21 | 2017-12-29 | 莫福探测仪器有限责任公司 | 用于检测成像系统中的行李的系统和方法 |
| CN106127170A (zh) * | 2016-07-01 | 2016-11-16 | 重庆中科云丛科技有限公司 | 一种融合关键特征点的训练方法、识别方法及系统 |
| CN106530214A (zh) * | 2016-10-21 | 2017-03-22 | 微景天下（北京）科技有限公司 | 图像拼接系统和图像拼接方法 |
| CN107339965A (zh) * | 2016-12-24 | 2017-11-10 | 重庆都英科技有限公司 | 一种枪机体弹底壳窝加工尺寸检测装置 |
| CN107356205A (zh) * | 2016-12-24 | 2017-11-17 | 重庆都英科技有限公司 | 一种毛坯检测装置 |
| CN107845113A (zh) * | 2017-10-20 | 2018-03-27 | 广州阿里巴巴文学信息技术有限公司 | 目标元素定位方法、装置以及用户界面测试方法、装置 |
| CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110261923A (zh) | 2019-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10726308B2 (en) | Image content moderation | |
| CN110261923B (zh) | 一种违禁品检测方法及装置 | |
| CN106874845B (zh) | 图像识别的方法和装置 | |
| WO2017050025A1 (zh) | 一种智能安全检查系统和方法 | |
| CN107833082B (zh) | 一种商品图片的推荐方法和装置 | |
| CN109196514A (zh) | 图像分类和标记 | |
| CN110110652B (zh) | 一种目标检测方法、电子设备及存储介质 | |
| CN108985347A (zh) | 分类模型的训练方法、店铺分类的方法及装置 | |
| US10489637B2 (en) | Method and device for obtaining similar face images and face image information | |
| CN112712093A (zh) | 安检图像识别方法、装置、电子设备及存储介质 | |
| CN108064341A (zh) | 物质成分检测方法、装置和检测设备 | |
| CN103793717A (zh) | 判断图像主体显著性及训练其分类器的方法和系统 | |
| CN108064394A (zh) | 一种安检物品的检测方法、装置及电子设备 | |
| US20210042561A1 (en) | X-ray image processing system and method, and program therefor | |
| EP3505972A1 (en) | Method, apparatus and system for assisting security inspection | |
| US11341377B2 (en) | Image content moderation | |
| CN110688455A (zh) | 基于人工智能过滤无效评论的方法、介质及计算机设备 | |
| CN114663390A (zh) | 自动门智能防夹方法、装置、设备及存储介质 | |
| CN113887438A (zh) | 人脸图像的水印检测方法、装置、设备及介质 | |
| CN112349006A (zh) | 一种基于图像识别的乘客与随身行李对应安检的方法 | |
| CN111612089A (zh) | 一种在安检机中危险品的标注方法及设备 | |
| Adi et al. | Beef quality identification using thresholding method and decision tree classification based on android smartphone | |
| CN110533704A (zh) | 油墨标签的识别验伪方法、装置、设备及介质 | |
| US10289926B2 (en) | Target object color analysis and tagging | |
| CN112395528B (zh) | 文本标签判别方法、装置、电子设备及存储介质 |
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 |