CN112287908A - 一种基于人工智能的安检快速图片识别方法及系统 - Google Patents
一种基于人工智能的安检快速图片识别方法及系统 Download PDFInfo
- Publication number
- CN112287908A CN112287908A CN202011549434.9A CN202011549434A CN112287908A CN 112287908 A CN112287908 A CN 112287908A CN 202011549434 A CN202011549434 A CN 202011549434A CN 112287908 A CN112287908 A CN 112287908A
- Authority
- CN
- China
- Prior art keywords
- passenger
- picture
- centralized
- discrimination
- pictures
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 238000007689 inspection Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Biology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Alarm Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于人工智能的安检快速图片识别方法及系统，方法包括：利用图像采集装置采集进站旅客的特征信息，并通过交换机上传至集中判别服务器存储；利用X光机扫描旅客行包，获取旅客行包的扫描图片并上传至安检主机进行AI识别处理；将AI识别处理后的扫描图片通过交换机上传至集中判别服务器进行扫描图片集中判别处理，并将扫描图片中的异常判别处理结果下发至车站开包终端，车站开包终端根据异常判别处理结果对旅客行包进行检查。本发明能对车站旅客行包进行智能AI识别，通过服务器判别物品是否存在违禁物品，同时还能将物品信息与旅客进行关联绑定，提高了车站的物品安检效率和违禁物品识别准确度，同时降低了车站安检的人工成本。
Description
技术领域
本发明涉及安检技术领域，尤其涉及一种基于人工智能的安检快速图片识别方法及系统。
背景技术
现今在大中城市，轨道交通以其高速、稳定、方便、快捷的特点，已成为居民出行必不可少的交通工具之一。由于地铁的封闭性和客流密集性等特点，一旦发生恶性事件，将造成重大的损失。因此，地铁车站安全受到了越来越多的关注。
目前中大型铁路站房均采用高架候车、站台乘车以及地面出站的布局形式，客流流线组织呈现上进下出的特点。铁路站房与配套的地铁车站在换乘过中均设置有各自的进出站安检系统，存在重复的安检流程。同时，目前旅客进站时，进站安检人员还是通过拉一根黄线或指示牌，来控制进站旅客流量，即旅客在进站安检时必须依靠自我规范或愿意接受指挥来保证进站秩序和安全，这种方式未能考虑车站进站区域面积、人工控制强度、人工疏导连续性等因素，不仅会使安检人员无法连贯顺畅地疏导旅客进站，还增大了安全工作人员的工作强度，以及增加了安全管理的成本。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于人工智能的安检快速图片识别方法及系统。
本发明的目的是通过以下技术方案来实现的：
一种基于人工智能的安检快速图片识别方法，包括以下步骤：
步骤一：特征信息采集，利用图像采集装置采集进站旅客特征信息，并发送至安检主机存储；
步骤二：旅客行包扫描，利用X光机扫描旅客行包，获取旅客行包的扫描图片并上传至安检主机或关联设备进行AI识别处理，通过预先训练好的AI模型，对旅客行包内的所有物品进行相似度判别；
步骤三：集中判图处理，将AI识别处理后的扫描图片通过交换机按照设定好的路由规则和阈值上传至规定的集中判别服务器进行扫描图片集中判别处理，并将扫描图片中的异常判别处理结果下发至车站开包终端，车站开包终端根据异常判别处理结果提示对旅客行包进行检查。
具体的，获取旅客行包的扫描图片过程包括：X光机开始扫描旅客行包时，先以逐帧提取的方式分别获取旅客行包中物品的单帧图片，当X光机扫描到旅客行包中某一物品的全包图片时，将当前扫描获取的旅客行包中该物品的所有单帧图片和全包图片上传至安检主机或关联设备进行预识别，同时X光机继续对旅客行包进行扫描和扫描图片上传，直至完成整个旅客行包的扫描；全包图片是具有当前旅客行包整体形状轮廓的图片，即X光机对旅客行包扫描后具有整个旅客行包完整形状的扫描图片。
具体的，安检主机进行AI识别处理的过程包括：安检主机对接收到的旅客行包中物品的每个单帧图片进行逐帧AI识别，并对单帧图片中识别出的物品信息进行标记，同时安检主机对旅客行包中物品的全包图片进行AI识别，对图片中所有识别出的物品信息进行规则标记。
具体的，所述步骤三中集中判别服务器进行扫描图片集中判别处理过程包括以下子步骤：
S301，集中判别服务器对上传的旅客行包单帧图片和全包图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中；
S302，集中判别服务器根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；
S303，判别终端对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器；
S304，集中判别服务器将异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果。
一种基于人工智能的安检快速图片识别系统，包括：
图像采集装置，用于采集进站旅客人员的特征信息，并发送至安检主机存储；
X光机，用于扫描旅客行包信息，并提取旅客行包中物品信息的单帧图片和全包图片，并将提取的单帧图片和全包图片上传到安检主机；
安检主机，用于对上传的单帧图片和全包图片进行AI识别，并对图片中识别出的物品信息进行标记，将标记后的图片发送至交换机；
交换机，用于将旅客特征信息和标记后的旅客行包的扫描图片上传至集中判别服务器，以及将集中判别服务器下发的异常判别处理结果转发至开包终端；
开包终端，用于车站安检人员实时监测旅客行包的安检状况，并根据集中判别服务器下发的异常判别处理结果对存在异常的旅客行包进行开包检查；
集中判别服务器，用于对上传的旅客行包扫描图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中，根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；并将判别终端返回的异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果，将异常判别处理结果下发至交换机；
判别终端，用于对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器。
可选的，图像采集装置包括人脸识别摄像头，用于采集乘客人脸图像数据和身份特征信息，人脸识别摄像头与安检主机连接。
可选的，所述开包终端包括开包主机、显示屏和报警器；显示屏和报警器分别与开包主机的输出端连接；开包主机通过局域网或4G/5G网络与集中判别服务器建立通信连接。
本发明的有益效果：本发明以逐帧提取和全包提取的方式分别对旅客行包中的物品信息进行扫描提取，能在不完全获取旅客行包中所有物品信息的条件下识别出已扫描图片中的物品信息并将旅客行包信息与旅客身份绑定，同时判断当前识别出的物品信息是否为违禁物品，若是，则提前将异常的判别结果告知安检人员，提醒安检人员对旅客行包进行开包检查，提高了旅客进站乘车的安检效率，降低了安检管理的人工成本。
附图说明
图1是本发明的方法流程图。
图2是本发明的系统原理框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
本实施例中，如图1所示，一种基于人工智能的安检快速图片识别方法，主要包括以下步骤：
步骤一：特征信息采集，利用图像采集装置采集进站旅客特征信息，并发送至安检主机存储；
步骤二：旅客行包扫描，利用X光机扫描旅客行包，获取旅客行包的扫描图片并上传至安检主机或关联设备进行AI识别处理，通过预先训练好的AI模型，对旅客行包内的所有物品进行相似度判别；
步骤三：集中判图处理，将AI识别处理后的扫描图片通过交换机按照设定好的路由规则和阈值上传至规定的集中判别服务器进行扫描图片集中判别处理，并将扫描图片中的异常判别处理结果下发至车站开包终端，车站开包终端根据异常判别处理结果提示对旅客行包进行检查。
本发明中，获取旅客行包的扫描图片过程包括：X光机开始扫描旅客行包时，先以逐帧提取的方式分别获取旅客行包中物品的单帧图片，当X光机扫描到旅客行包中某一物品的全包图片时，将当前扫描获取的旅客行包中该物品的所有单帧图片和全包图片上传至安检主机或关联设备进行预识别，同时X光机继续对旅客行包进行扫描和扫描图片上传，直至完成整个旅客行包的扫描。其中，全包图片是具有当前旅客行包整体形状轮廓的图片，即X光机对旅客行包扫描后具有整个旅客行包完整形状的扫描图片。
具体的，安检主机进行AI识别处理的过程包括：安检主机对接收到的旅客行包中物品的每个单帧图片进行逐帧AI识别，并对单帧图片中识别出的物品信息进行标记，同时安检主机对旅客行包中物品的全包图片进行AI识别，对图片中所有识别出的物品信息进行规则标记。
此外，本发明中的关联设备可采用智能探图仪进行图片AI识别。
具体的，集中判别服务器进行扫描图片集中判别处理过程包括以下子步骤：
S301，集中判别服务器对上传的旅客行包单帧图片和全包图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中；
S302，集中判别服务器根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；
S303，判别终端对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器；
S304，集中判别服务器将异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果。
本发明中如图2所示，一种基于人工智能的安检快速图片识别系统，包括图像采集装置、X光机、交换机、开包终端、集中判别服务器和判别终端。
其中，图像采集装置用于采集进站旅客人员的特征信息，并发送至安检主机存储；X光机用于扫描旅客行包信息，并提取旅客行包中物品信息的单帧图片和全包图片，并将提取的单帧图片和全包图片上传到安检主机；安检主机用于对上传的单帧图片和全包图片进行AI识别，并对图片中识别出的物品信息进行标记，将标记后的图片发送至交换机；交换机用于将旅客特征信息和标记后的旅客行包的扫描图片上传至集中判别服务器，以及将集中判别服务器下发的异常判别处理结果转发至开包终端；开包终端用于车站安检人员实时监测旅客行包的安检状况，并根据集中判别服务器下发的异常判别处理结果对存在异常的旅客行包进行开包检查；集中判别服务器用于对上传的旅客行包扫描图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中，根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；并将判别终端返回的异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果，将异常判别处理结果下发至交换机；判别终端用于对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器。
可选的，图像采集装置包括人脸识别摄像头，用于采集乘客人脸图像数据和身份特征信息，人脸识别摄像头与安检主机连接。
可选的，开包终端包括开包主机、显示屏和报警器；显示屏和报警器分别与开包主机的输出端连接；开包主机通过局域网或4G/5G网络与集中判别服务器建立通信连接。
本发明的实施例中，图像采集装置可采用高清人脸识别摄像头，智能采集进站安检的旅客特征信息。判别终端主要用于对安检主机标记出的物品信息进行复核，解决安检主机物品类型标记错误，以及识别不出物品类型等问题，同时对安检主机已识别出的违禁物品进行再次确认，避免机器误判影响旅客乘车。开包终端主要用于安检人员接收集中判别服务器下发的异常判别结果，根据判别结果中的旅客行包信息和对应旅客特征信息，安排旅客进行开包检查，查找违禁物品。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于人工智能的安检快速图片识别方法，其特征在于，包括以下步骤：
步骤一：特征信息采集，利用图像采集装置采集进站旅客特征信息，并发送至安检主机存储；
步骤二：旅客行包扫描，利用X光机扫描旅客行包，获取旅客行包的扫描图片并上传至安检主机或关联设备进行AI识别处理，通过预先训练好的AI模型，对旅客行包内的所有物品进行相似度判别；
步骤三：集中判图处理，将AI识别处理后的扫描图片通过交换机按照设定好的路由规则和阈值上传至规定的集中判别服务器进行扫描图片集中判别处理，并将扫描图片中的异常判别处理结果下发至车站的开包终端，开包终端根据异常判别处理结果提示对旅客行包进行检查。
2.根据权利要求1所述的一种基于人工智能的安检快速图片识别方法，其特征在于，所述步骤二中获取旅客行包的扫描图片过程包括：X光机开始扫描旅客行包时，先以逐帧提取的方式分别获取旅客行包中物品的单帧图片，当X光机扫描到旅客行包中某一物品的全包图片时，将当前扫描获取的旅客行包中该物品的所有单帧图片和全包图片上传至安检主机或关联设备进行预识别，同时X光机继续对旅客行包进行扫描和扫描图片上传，直至完成整个旅客行包的扫描；全包图片是具有当前旅客行包整体形状轮廓的图片，即X光机对旅客行包扫描后具有整个旅客行包完整形状的扫描图片。
3.根据权利要求1所述的一种基于人工智能的安检快速图片识别方法，其特征在于，所述步骤二中安检主机进行AI识别处理的过程包括：安检主机对接收到的旅客行包中物品的每个单帧图片进行逐帧AI识别，并对单帧图片中识别出的物品信息进行标记，同时安检主机对旅客行包中物品的全包图片进行AI识别，对图片中所有识别出的物品信息进行规则标记。
4.根据权利要求1所述的一种基于人工智能的安检快速图片识别方法，其特征在于，所述步骤三中集中判别服务器进行扫描图片集中判别处理过程包括以下子步骤：
S301，集中判别服务器对上传的旅客行包单帧图片和全包图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中；
S302，集中判别服务器根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；
S303，判别终端对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器；
S304，集中判别服务器将异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果。
5.一种基于人工智能的安检快速图片识别系统，其特征在于，包括：
图像采集装置，用于采集进站旅客人员的旅客特征信息，并发送至安检主机存储；
X光机，用于扫描旅客行包信息，并提取旅客行包中物品信息的单帧图片和全包图片，并将提取的单帧图片和全包图片上传到安检主机；
安检主机，用于对上传的单帧图片和全包图片进行AI识别，并对图片中识别出的物品信息进行标记，将标记后的图片发送至交换机；
交换机，用于将旅客特征信息和标记后的旅客行包的扫描图片上传至集中判别服务器，以及将集中判别服务器下发的异常判别处理结果转发至开包终端；
开包终端，用于车站安检人员实时监测旅客行包的安检状况，并根据集中判别服务器下发的异常判别处理结果对存在异常的旅客行包进行开包检查；
集中判别服务器，用于对上传的旅客行包扫描图片进行编号，并将编号后的图片与上传的旅客特征信息进行人包关联绑定，同时将编号后的图片加入集中判别队列中，根据集中判别队列中的编号图片生成判别任务并分发至不同判别终端的任务存储池中，在达到当前判别终端任务存储池设定的任务数量阈值时为下一判别终端分发判别任务；并将判别终端返回的异常图片和异常图片绑定的旅客特征信息作为异常判别处理结果，将异常判别处理结果下发至交换机；
判别终端，用于对判别任务中的编号图片中标记的物品信息进行违禁物品类型判别，当发现编号图片中出现违禁物品时则标记当前编号图片为异常图片反馈至集中判别服务器。
6.根据权利要求5所述的一种基于人工智能的安检快速图片识别系统，其特征在于，所述图像采集装置包括人脸识别摄像头，用于采集乘客人脸图像数据和身份特征信息，人脸识别摄像头与安检主机连接。
7.根据权利要求5所述的一种基于人工智能的安检快速图片识别系统，其特征在于，所述开包终端包括开包主机、显示屏和报警器；显示屏和报警器分别与开包主机的输出端连接；开包主机通过局域网或4G/5G网络与集中判别服务器建立通信连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011549434.9A CN112287908B (zh) | 2020-12-24 | 2020-12-24 | 一种基于人工智能的安检快速图片识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011549434.9A CN112287908B (zh) | 2020-12-24 | 2020-12-24 | 一种基于人工智能的安检快速图片识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112287908A true CN112287908A (zh) | 2021-01-29 |
| CN112287908B CN112287908B (zh) | 2021-08-10 |
Family
ID=74426106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011549434.9A Active CN112287908B (zh) | 2020-12-24 | 2020-12-24 | 一种基于人工智能的安检快速图片识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112287908B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113341474A (zh) * | 2021-05-31 | 2021-09-03 | 上海英曼尼安全装备有限公司 | 一种辅助判别危险品方法和装置 |
| CN113724226A (zh) * | 2021-08-31 | 2021-11-30 | 成都智元汇信息技术股份有限公司 | 地铁安检集中判图系统及图像处理装置、方法 |
| CN113794758A (zh) * | 2021-08-31 | 2021-12-14 | 成都智元汇信息技术股份有限公司 | 一种地铁安检系统数据通信方式的构建方法 |
| CN113822341A (zh) * | 2021-08-31 | 2021-12-21 | 成都智元汇信息技术股份有限公司 | 一种地铁安检集中判图系统的判图客户端及其工作方法 |
| CN114168056A (zh) * | 2021-12-09 | 2022-03-11 | 成都轨道交通集团有限公司 | 一种地铁安检图像信息的显示方法和显示系统 |
| CN114882446A (zh) * | 2022-07-08 | 2022-08-09 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221670A (zh) * | 2008-01-04 | 2008-07-16 | 成都双流国际机场空港科技有限公司 | 机场安检信息系统 |
| CN107766829A (zh) * | 2017-10-27 | 2018-03-06 | 浙江大华技术股份有限公司 | 一种物品检测的方法和设备 |
| CN107833209A (zh) * | 2017-10-27 | 2018-03-23 | 浙江大华技术股份有限公司 | 一种x光图像检测方法、装置、电子设备及存储介质 |
| CN108109253A (zh) * | 2018-02-07 | 2018-06-01 | 同方威视技术股份有限公司 | 生物识别与智能核验融合的系统 |
| CN108198227A (zh) * | 2018-03-16 | 2018-06-22 | 济南飞象信息科技有限公司 | 基于x光安检机图像的违禁品智能识别方法 |
| US20180195977A1 (en) * | 2017-01-12 | 2018-07-12 | Nuctech Company Limited | Inspection devices and methods for detecting a firearm in a luggage |
| CN109254328A (zh) * | 2018-02-24 | 2019-01-22 | 北京首都机场航空安保有限公司 | 一种行李安检系统 |
| 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 |
-
2020
- 2020-12-24 CN CN202011549434.9A patent/CN112287908B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221670A (zh) * | 2008-01-04 | 2008-07-16 | 成都双流国际机场空港科技有限公司 | 机场安检信息系统 |
| US20180195977A1 (en) * | 2017-01-12 | 2018-07-12 | Nuctech Company Limited | Inspection devices and methods for detecting a firearm in a luggage |
| CN107766829A (zh) * | 2017-10-27 | 2018-03-06 | 浙江大华技术股份有限公司 | 一种物品检测的方法和设备 |
| CN107833209A (zh) * | 2017-10-27 | 2018-03-23 | 浙江大华技术股份有限公司 | 一种x光图像检测方法、装置、电子设备及存储介质 |
| CN108109253A (zh) * | 2018-02-07 | 2018-06-01 | 同方威视技术股份有限公司 | 生物识别与智能核验融合的系统 |
| CN109254328A (zh) * | 2018-02-24 | 2019-01-22 | 北京首都机场航空安保有限公司 | 一种行李安检系统 |
| CN108198227A (zh) * | 2018-03-16 | 2018-06-22 | 济南飞象信息科技有限公司 | 基于x光安检机图像的违禁品智能识别方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| ILHAN AYDIN等: "《A New Approach for Baggage Inspection by using Deep Convolutional Neural Networks》", 《INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND DATA PROCESSING》 * |
| 梅林: "《视频结构化描述（VSD）技术及在安检中的应用》", 《中国安防》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113341474A (zh) * | 2021-05-31 | 2021-09-03 | 上海英曼尼安全装备有限公司 | 一种辅助判别危险品方法和装置 |
| CN113724226A (zh) * | 2021-08-31 | 2021-11-30 | 成都智元汇信息技术股份有限公司 | 地铁安检集中判图系统及图像处理装置、方法 |
| CN113794758A (zh) * | 2021-08-31 | 2021-12-14 | 成都智元汇信息技术股份有限公司 | 一种地铁安检系统数据通信方式的构建方法 |
| CN113822341A (zh) * | 2021-08-31 | 2021-12-21 | 成都智元汇信息技术股份有限公司 | 一种地铁安检集中判图系统的判图客户端及其工作方法 |
| CN113794758B (zh) * | 2021-08-31 | 2023-03-10 | 成都智元汇信息技术股份有限公司 | 一种地铁安检系统数据通信方式的构建方法 |
| CN114168056A (zh) * | 2021-12-09 | 2022-03-11 | 成都轨道交通集团有限公司 | 一种地铁安检图像信息的显示方法和显示系统 |
| CN114882446A (zh) * | 2022-07-08 | 2022-08-09 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
| CN114882446B (zh) * | 2022-07-08 | 2022-10-04 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112287908B (zh) | 2021-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112287908B (zh) | 一种基于人工智能的安检快速图片识别方法及系统 | |
| CN109446875B (zh) | 一种智能旅客安检系统 | |
| WO2019154384A1 (zh) | 生物识别与智能核验融合的系统 | |
| CN207689691U (zh) | 一种行李通关查验系统 | |
| CN107527081A (zh) | 基于行李rfid追踪系统、方法及服务终端 | |
| CN114019572A (zh) | 一种基于多摄像机融合的x光安检方法及安检装置 | |
| CN111833302B (zh) | 一种车号与箱号识别关联系统 | |
| CN113408391A (zh) | 基于人脸识别和rfid的旅客手提行李追踪检查方法与系统 | |
| CN109801421A (zh) | 一种地铁智能安全检测系统及方法 | |
| CN114994100B (zh) | 一种自助式铁路旅客安检系统及其检测方法 | |
| CN108226196A (zh) | 一种智能x光机探测系统及探测方法 | |
| CN105225489B (zh) | 非公交车占用公交车专用车道证据采集的方法和装置 | |
| CN112371540A (zh) | 一种可实现违禁品自动分拣的安检系统 | |
| CN111751387A (zh) | 一种违禁品智能扫描及存储方法 | |
| CN213749672U (zh) | 一种智能安检系统 | |
| CN208588688U (zh) | 一种城市轨道交通安检系统 | |
| CN114397712A (zh) | 一种城市轨道交通差异化安检方法及安检系统 | |
| CN114160447A (zh) | 一种先期机检系统及方法 | |
| CN213244187U (zh) | 一种对离船安检时过闸船舶进行货物智能识别的系统 | |
| CN111055890B (zh) | 一种铁路车辆防溜智能检测方法及检测系统 | |
| CN117392586A (zh) | 一种机场行李输送视频全流程跟踪方法及系统 | |
| CN107341465A (zh) | 斜巷运输机器视觉人员识别封闭管理系统 | |
| CN106530299A (zh) | 基于计算机图像与视觉识别的轨道扣件的检测方法 | |
| CN115860605A (zh) | 一种基于视觉识别的仓储物流检测系统 | |
| CN213424011U (zh) | 一种用于旅检通道客行识别的监控系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for fast picture recognition of security inspection based on artificial intelligence Effective date of registration: 20230103 Granted publication date: 20210810 Pledgee: Bank of Sichuan Co.,Ltd. Pledgor: CHENGDU ZHIYUANHUI INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2022510000340 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20240103 Granted publication date: 20210810 Pledgee: Bank of Sichuan Co.,Ltd. Pledgor: CHENGDU ZHIYUANHUI INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2022510000340 |