CN114255436B - 基于人工智能的安检图像识别系统及其方法 - Google Patents
基于人工智能的安检图像识别系统及其方法 Download PDFInfo
- Publication number
- CN114255436B CN114255436B CN202010957839.XA CN202010957839A CN114255436B CN 114255436 B CN114255436 B CN 114255436B CN 202010957839 A CN202010957839 A CN 202010957839A CN 114255436 B CN114255436 B CN 114255436B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- security inspection
- remote
- column
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims description 36
- 238000007689 inspection Methods 0.000 claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101150039208 KCNK3 gene Proteins 0.000 description 2
- 101150083764 KCNK9 gene Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
Abstract
基于人工智能的安检图像识别系统包括安检模块、任务分发模块、以及远程判图模块。安检模块被配置为扫描被检对象,生成被检对象的图像,并将生成的图像实时地、逐列地发送给由任务分发模块分配的远程判图模块。任务分发模块被配置为生成判图任务,并将判图任务发送给空闲的远程判图模块。远程判图模块被配置为在从任务分发模块接收到判图任务后,逐列地从安检模块接收并显示图像,以供远程判图员判别图像中是否有嫌疑物。任务分发模块还被配置为:对图像进行切分;在切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果存在嫌疑物,则从切分位置起回溯第一数量的图像列。
Description
技术领域
本发明涉及安检技术领域,并且更具体地涉及一种基于人工智能的安检图像识别系统及其方法。
背景技术
目前,安检系统在轨道交通、物流、大型活动等安检业务中得到了广泛的应用。在进行安检时,需要安检员在现场或远程判图站的显示器上查看安检机的X光图像中是否有违禁品。当采用远程判图模式时,对于图像可有两种处理方式。第一种处理方式是不对图像进行切分,在远程判图站连续出图,这相当于直播了安检机屏幕。这种处理方式需要安检机与远程判图站以一对一的方式设置。这样虽然实现了远程判图,改善了判图员的工作环境,但是达不到降本增效的效果。第二种处理方式是对图像进行切分,将切分后的图像实时发送给远程判图站。这样可以例如针对一台安检机设置多台远程判图站,将切分后的图像发给空闲的远程判图站,从而提高了判图效率。
在现有技术中,在对图像进行切分时,首先判断空气列数,当出现一定列数的空气列时,说明没有行李包裹出现,此时切分图像;在一直未出现空气列的情况下,当X光图像的列数达到一定值(例如900列)时,强制对图像进行切分,从第901列起开始下一幅图像。
对图像进行切分的现有技术虽然提高了工作效率,但存在以下问题。当采用远程集中判图模式时,判图员不在安检机前工作,如果将切分后的图像发给远程的判图员,则可能会由于图像被切分、信息不足,从而使判图员无法可靠地判断是否存在嫌疑物。因此,需要一种能够在提高识别效率的同时可靠判断是否存在嫌疑物的安检图像识别系统及其方法。
发明内容
为了解决现有问题中存在的技术问题,在本申请的第一方面中,提供了一种图像识别系统,可以包括:安检模块、任务分发模块、以及远程判图模块,其中,
所述安检模块被配置为扫描被检对象,生成所述被检对象的图像,并将生成的图像实时地、逐列地发送给由所述任务分发模块分配的所述远程判图模块,其中所述被检对象是接受安检的对象;
所述任务分发模块被配置为生成判图任务,并将所述判图任务发送给空闲的远程判图模块;
所述远程判图模块被配置为在从所述任务分发模块接收到判图任务后,逐列地从所述安检模块接收并显示所述图像,以供远程判图员判别所述图像中是否有嫌疑物,
其中,所述任务分发模块还被配置为:对所述图像进行切分;在所述切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使所述安检模块将回溯的图像列与从所述切分位置处起的下一幅图像一起发送给所述远程判图模块。
根据本发明的实施例,假设所述第一识别范围的长度为M列,所述被检对象被放置在速度为V米/秒的皮带上,所述图像的扫描频率为F列/秒,典型嫌疑物的长度为L米,则M=F*(L/V)。
根据本发明的实施例,假设所述切分位置是图像的第C列,所述第一识别范围是第C-M列至第C列,识别出的嫌疑物的坐标是(x1,y1),则所述任务分发模块使所述安检模块将从第x1-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
根据本发明的实施例,所述任务分发模块还被配置为:如果识别的结果是不存在嫌疑物,则不进行回溯。
根据本发明的实施例,所述任务分发模块还被配置为:如果识别的结果是不存在嫌疑物,则在以所述切分位置为中心的第二识别范围内再次执行人工智能识别以识别是否存在嫌疑物,如果再次识别的结果仍然是不存在嫌疑物,则不进行回溯。
根据本发明的实施例,假设所述切分位置是图像的第C列,所述第二识别范围是第C-(M/2)列至第C+(M/2)列,如果再次识别的结果是存在嫌疑物,且识别出的嫌疑物的坐标为(x2,y2),则:
当(x2-W)≥C时,所述任务分发模块使所述安检模块将所述下一幅图像发送给所述远程判图模块;
当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示尚未完成,则所述任务分发模块使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
根据本发明的实施例,当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示已经完成,则所述任务分发模块生成新的判图任务,并且使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给与所述新的判图任务相对应的远程判图模块。
根据本发明的实施例,仅在切分位置处存在被检对象时才进行所述人工智能识别。
在本申请的第二方面中,提供了一种基于人工智能的安检图像识别方法,包括:
安检模块扫描被检对象,生成所述被检对象的图像,并将生成的图像实时地、逐列地发送给由任务分发模块分配的远程判图模块,其中所述被检对象是接受安检的对象;
所述任务分发模块生成判图任务,并将所述判图任务发送给空闲的远程判图模块;以及
所述远程判图模块在从所述任务分发模块接收到判图任务后,逐列地从所述安检模块接收并显示所述图像,以供远程判图员判别所述图像中是否有嫌疑物;
其中,所述安检图像识别方法还包括:所述任务分发模块对所述图像进行切分;在所述切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使所述安检模块将回溯的图像列与从所述切分位置处起的下一幅图像一起发送给所述远程判图模块。
根据本发明的实施例,假设所述第一识别范围的长度为M列,所述被检对象被放置在速度为V米/秒的皮带上,所述图像的扫描频率为F列/秒,典型嫌疑物的长度为L米,则M=F*(L/V)。
根据本发明的实施例,假设所述切分位置是图像的第C列,所述第一识别范围是第C-M列至第C列,识别出的嫌疑物的坐标是(x1,y1),则所述任务分发模块使所述安检模块将从第x1-W列到第C列的图像与所述下一幅图像一起作为所述切分图像,其中W为边缘裕量。
根据本发明的实施例,如果识别的结果是不存在嫌疑物,则所述任务分发模块不进行回溯。
根据本发明的实施例,如果识别的结果是不存在嫌疑物,则在以所述切分位置为中心的第二识别范围内再次执行人工智能识别以识别是否存在嫌疑物,如果再次识别的结果仍然是不存在嫌疑物,则不进行回溯。
根据本发明的实施例,假设所述切分位置是图像的第C列,所述第二识别范围是第C-(M/2)列至第C+(M/2)列,如果再次识别的结果是存在嫌疑物,且识别出的嫌疑物的坐标为(x2,y2),则:
当(x2-W)≥C时,所述任务分发模块使所述安检模块将所述下一幅图像发送给所述远程判图模块;
当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示尚未完成,则所述任务分发模块使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
根据本发明的实施例,当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示已经完成,则所述任务分发模块生成新的判图任务,并且使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给与所述新的判图任务相对应的远程判图模块。
根据本发明的实施例,仅在切分位置处存在被检对象时才进行所述人工智能识别。
在本申请的第三方面中,提供了一种非暂时性计算机可读介质,包括记录在其上且能够由处理器运行的计算机程序产品,所述计算机程序产品包括用于实现根据第二方面所述的方法的程序代码指令。
基于本申请提供的各个方面,能够基于人工智能算法对安检图像进行合适的切分和回溯,为远程判图员提供充分的信息。通过使系统具有人工智能能力,可以有效提高逻辑处理的能力,提高系统运行效率。结合了人工智能识别的图像回溯可以得到最佳的分图效果,排除不必要的重复判断和资源浪费并提高时效性。因此,能够在提高识别效率的同时可靠地判断是否存在嫌疑物。
附图说明
图1中示出了根据本发明实施例的基于人工智能的安检图像识别系统的示意性框图。
图2示出了根据本发明实施例的在切分图像时执行的人工智能(AI)识别过程的一个示例。
图3中示出了根据本发明实施例的基于人工智能的安检图像识别方法的流程图。
图4中示出了图3所示的步骤303中执行人工智能识别的过程的示例性详细流程图。
图5中示出了根据本发明实施例的基于人工智能的安检图像识别系统的识别的一个具体示例。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路、材料或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。
应当理解,当称元件“耦接到”或“连接到”另一元件时,它可以是直接耦接或连接到另一元件或者可以存在中间元件。相反,当称元件“直接耦接到”或“直接连接到”另一元件时,不存在中间元件。
此外,这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
将理解的是,与术语相应的单数形式的名词可包括一个或更多个事物,除非相关上下文另有明确指示。如这里所使用的,诸如“A或B”、“A和B中的至少一个”、“A或B中的至少一个”、“A、B或C”、“A、B和C中的至少一个”以及“A、B或C中的至少一个”的短语中的每一个短语可包括在与所述多个短语中的相应一个短语中一起列举出的项的所有可能组合。如这里所使用的,诸如“第1”和“第2”或者“第一”和“第二”的术语可用于将相应部件与另一部件进行简单区分,并且不在其它方面(例如,重要性或顺序)限制所述部件。
如这里所使用的,术语“模块”可包括以硬件、软件或固件实现的单元,并可与其他术语(例如,“逻辑”、“逻辑块”、“部分”或“电路”)可互换地使用。模块可以是被适配为执行一个或更多个功能的单个集成部件或者是该单个集成部件的最小单元或部分。例如,根据实施例,可以以专用集成电路(ASIC)的形式来实现模块。
应该理解的是,本公开的各种实施例以及其中使用的术语并不意图将在此阐述的技术特征限制于具体实施例,而是包括针对相应实施例的各种改变、等同形式或替换形式。除非本文另有明确定义,否则所有术语将给出其最广泛的可能解释,包括说明书中暗示的含义以及本领域技术人员理解的和/或字典、论文等中定义的含义。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。对于附图的描述,相似的参考标号可用来指代相似或相关的元件。以下将参考附图对本公开进行示例性描述。
为了解决对安检图像进行切分时远程判图员无法得到充分信息的问题,本申请应用人工智能(AI)技术,基于人工智能算法对安检图像进行合适的切分和回溯。下面参考附图详细说明根据本发明实施例的基于人工智能的安检图像识别系统及其方法。
图1中示出了根据本发明实施例的基于人工智能的安检图像识别系统100的示意性框图。如图所述,该系统100可以包括安检模块101、任务分发模块102、以及远程判图模块103。
任务分发模块102分别与安检模块101以及远程判图模块103连接。连接可以是有线连接或者无线连接。
安检模块101可以被配置为扫描被检对象,生成被检对象的图像,并将生成的图像实时地、逐列地发送给由任务分发模块分配的远程判图模块103。被检对象例如是行李包裹、人等接受安检的对象。
任务分发模块102可以被配置为生成判图任务,并将判图任务发送给空闲的远程判图模块103。
远程判图模块103可以被配置为在从任务分发模块102接收到判图任务后,逐列地从安检模块101接收并显示图像,以供远程判图员判别图像中是否有嫌疑物。嫌疑物是怀疑为刀、打火机、液体等安检违禁品的物体。
具体地,远程判图模块103在从安检模块101接收图像时,可以通过底层API数据接口获取视频图像的逐列数据。在底层API数据接口不开放的情况下,远程判图模块103可以通过HDMI/VGA以太网服务器(编码器)等外设获取视频图像的逐列数据。当然,本发明不限于此,远程判图模块103可以通过任何合适的技术手段从安检模块101接收图像。
任务分发模块102还可以被配置为,对图像进行切分,在切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使安检模块101将回溯的图像列与从切分位置处起的下一幅图像一起发送给远程判图模块103。在对图像进行切分时,可以首先判断空气列数,当出现一定列数的空气列时,说明没有行李包裹出现,此时切分图像。在一直未出现空气列的情况下,当X光图像的列数达到一定值时,例如达到900列时,强制对图像进行切分,从第901列起开始下一幅图像。本发明对图像切分方式不作特别限定,也可以采用其他方式进行图像切分。
任务分发模块102可以被配置为仅在切分位置处存在被检对象时才进行所述人工智能识别。这样,在切分位置处不存在任何被检对象时,可以不执行图像回溯,直接将切分的下一幅图像发送给远程判图模块103,从而提高效率,节省资源。
任务分发模块102也可以被配置为:在对接收的图像进行切分时,如果切分位置处存在被检对象,则执行图像回溯,以保证远程判图员判图的准确率。图像回溯是指:在将切分的下一幅图像发送给远程判图模块103时,从切分位置起回溯一定数量的图像列(具体的回溯算法将在下文中说明),将回溯的图像列与下一幅图像一起组成一个相对完整的图像。
但是,如果对所有在切分位置处存在被检对象的切分图像都执行图像回溯,将使得判图任务增加,判图效率降低,从而浪费资源。因此,可以在切分图像时调用AI识别算法,在切图位置的一个小范围内(例如,作为一个经验值,在300列中)识别是否有潜在的嫌疑物。在小范围内识别的优势在于AI识别的范围列越少,识别的效率越高,时长越短。在下文的说明书中,将该小范围称为AI识别的范围。如果识别出潜在嫌疑物,则在生成下一个判图任务时,回溯图像以组成一个相对完整的图像发给判图员,使远程判图员可做出正确的判断。如果未识别出潜在嫌疑物,则在生成下一个判图任务时不执行图像回溯,以提高判图效率,节省资源。
例如,在切分位置处不存在任何行李包裹时,可以不执行图像回溯,直接将切分的下一幅图像发送给远程判图模块103。在切分位置处恰好存在有一个行李箱时,该行李箱中的刀子等嫌疑物(如果有的话)有可能由于被切分到两个不同的切分图像中而被漏检。因此,可以基于人工智能方法在切分位置附近的小范围内检测是否存在嫌疑物。如果存在嫌疑物,则从切分位置回溯一定数量的图像列,将回溯的图像列与下一幅图像一起发送给远程判图模块103,从而为远程判图员提供充分的图像信息,防止漏检。如果不存在嫌疑物,则不执行图像回溯,直接将切分的下一幅图像发送给远程判图模块103。
下面参考图2对根据本发明实施例的在切分图像时执行的人工智能(AI)识别过程的一个示例进行详细说明。假设AI识别的范围为M列,安检机皮带速度为V米/秒,安检机图像扫描频率为F列/秒,典型嫌疑物长度为L米,则M=F*(L/V)。如图2所示,图像的第0列位于坐标原点,图像沿X轴方向正向累积、逐列展开。假设在收到扫描图像的第C列对图像进行切分,假设前一幅图的判图任务为Task1,第二幅图的判图任务为Task2。当第C列处包括有被检对象时,调用AI识别算法在图像的第C-M列至第C列范围内进行AI识别。当AI识别结果是存在嫌疑物时,返回嫌疑物坐标为(x1,y1)。如果AI识别结果是存在多个嫌疑物,则选取(x1,y1)坐标最靠近坐标原点的嫌疑物框。为使得嫌疑物既不在回溯后图像的边缘以保证判图效果,又不与Task1的图像有过多的重叠而浪费资源,选取经验值作为边缘裕量W,则经过回溯后Task2图像的起始列为x1-W。以目前常用的安检机参数为例:安检机皮带速度0.3m/s,图像扫描频率250hz(列/秒),典型嫌疑物(例如刀、液体等)小于40cm,则AI识别的范围为250hz*(0.4m/0.3m/s)=333列。假设AI识别结果返回的嫌疑物坐标为(800,y1),W经验值为100列,则经过回溯,Task2图像的起始列为第700列。
有时,虽然在图像的第C列至C-M列范围内进行AI识别时结果是不存在嫌疑物,但是实际上仍然存在有嫌疑物。例如,嫌疑物正好被第C列切分,在这种情况下,在图像的第C列至C-M列范围内进行AI识别时无法识别出嫌疑物。考虑到这种情况,为了既实现降本增效的目的,又秉承保证安检安全的原则,则需要再次进行AI识别。例如,在图像的第C-(M/2)列至C+(M/2)列再次进行AI识别。即,将切图位置(第C列)向左右各浮动M/2作为再次AI识别的范围,以确保将由于切图原因造成AI识别失败的可能性降低到最小。当AI识别结果为存在嫌疑物时,返回嫌疑物坐标(x2,y2)。当x2-W>=C时,嫌疑物已完全包含在第C列以后的图像中(不在回溯后图像的边缘处),因此不需要回溯图像。当x2-W<C时,经过回溯后Task2图像的起始列为x2-W。这样,既回溯了图像又不增加判图任务,既能提高判图效率,又能确保可靠地判断是否存在嫌疑物。
在第一次AI识别之后,如果识别结果为无嫌疑物,则系统可以直接将下一幅图像任务Task2发送给远程判图站,或者可以等待再次AI识别的结果出来后再发送。在系统直接将下一幅图像任务Task2发送给远程判图站的情况下,在再次AI识别发现了嫌疑物时,如果需要回溯图像,则首先判断下一幅图像任务Task2是否已经在远程判图站上出图完毕。如果已经出图完毕(例如,包裹不再连包,已经根据空气列数的判断切分了图像),即下一幅图像任务Task2在远程判图站上的显示已经完成,则将回溯的图像列添加到Task2的图像上以生成一个新的任务Task3,并发送给新分配的远程判图站。如果仍然在出图的过程中,即下一幅图像任务Task2在远程判图站上的显示尚未完成,则将回溯的图像列添加到正在出图的Task2上,这样即回溯了图像又不增加判图任务。
图3中示出了根据本发明实施例的基于人工智能的安检图像识别方法30的流程图。
在步骤301中,安检模块扫描被检对象,生成所述被检对象的图像,并将生成的图像实时地、逐列地发送给由任务分发模块分配的远程判图模块,其中所述被检对象是接受安检的对象。
在步骤302中,所述任务分发模块生成判图任务,并将所述判图任务发送给空闲的远程判图模块。
在步骤303中,所述远程判图模块在从所述任务分发模块接收到判图任务后,逐列地从所述安检模块接收并显示所述图像,以供远程判图员判别所述图像中是否有嫌疑物。
在步骤304中,所述任务分发模块对所述图像进行切分;在所述切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使所述安检模块将回溯的图像列与从所述切分位置处起的下一幅图像一起发送给所述远程判图模块。
图4中示出了图3所示的步骤304中执行人工智能识别的过程的示例性详细流程图。
在步骤3041处,判断切分位置(假设为图像的第C列)处是否存在被检对象。
在步骤3041处的判断为“否”时,进入步骤3047。在步骤3047中,不执行图像回溯,直接发送切分位置处的下一幅图像。
在步骤3041处的判断为“是”时,进入步骤3042。在步骤3042中,判断在图像的第C-M列至第C列的范围(第一识别范围)中是否存在嫌疑物。
在步骤3042处的判断为“是”时,进入步骤3043。在步骤3043中,执行图像回溯,将从第x1-W列到第C列的图像与所述下一幅图像一起发送,其中,第x1列是嫌疑物起始端所在的列,W是边缘裕量。这意味着,当在第一识别范围中识别出嫌疑物时,远程判图员仅利用下一幅图像无法检测到嫌疑物,需要将包含有嫌疑物的这部分图像与下一幅图像一起发送给远程判图模块,以便为远程判图员提供充足的信息。
在步骤3042处的判断为“否”时,进入步骤3044。在步骤3044中,判断在图像的第C-M/2列至第C+M/2列的范围(第二识别范围)中是否存在嫌疑物。
在步骤3044处的判断为“否”时,进入步骤3047,即不执行图像回溯。这意味着在切分位置附近的第一识别范围和第二识别范围两者内都没有识别出嫌疑物,因此不执行图像回溯以避免重复判图。
在步骤3044处的判断为“是”时,进入步骤3045。在步骤3045中,判断(x2-W)<C是否成立。
在步骤3045处的判断为“否”时,进入步骤3047,即不执行图像回溯。这意味着在第二识别范围内识别出的嫌疑物以适当的边缘裕量位于下一幅图像内,即远程判图员仅利用下一幅图像就能够检测到嫌疑物,因此不执行图像回溯以避免重复判图。
在步骤3045处的判断为“是”时,进入步骤3046。在步骤3046中,执行图像回溯,将从第x2-W列到第C列的图像与所述下一幅图像一起发送,其中,第x2列是嫌疑物起始端所在的列,W是边缘裕量。
图5中示出了根据本发明实施例的基于人工智能的安检图像识别系统的识别的一个具体示例。
如图5中的①所示,在虚线处进行了长图切分,A为前一副图(X列),B为下一副图。在切分位置处存在嫌疑物(刀子)。如果将B直接作为判图任务发给远程判断员,则由于嫌疑物被切分,所以会影响判图员对嫌疑物的确认。
与之相对,根据本发明实施例的基于人工智能的安检图像识别系统,使用AI识别算法在切分位置的小范围内(A的第X列至X-M列)进行识别判断,AI识别结果发现有一把刀(长L1列),因此需要进行图像回溯。如图5中的②所示,C是向图像B添加了回溯图像(回溯了图中两条虚线之间的列)后的图像。图像C提供了关于嫌疑物的完整图像,有效地避免了由于图像被切分、信息不足使判图员无法可靠地判断是否存在嫌疑物的问题。
尽管以上各个框图中示出了多个组件,但是本领域技术人员应当理解,可以在缺少一个或多个组件或将某些组件组合的情况下实现本发明的实施例。
尽管以上根据附图中所示的顺序对各个步骤进行了描述,但是本领域技术人员应当理解,所述各个步骤可以按照不同的顺序执行,或者可以在没有上述步骤中的一个或多个步骤的情况下实现本发明的实施例。
根据前述内容可以理解,一个或多个系统或设备的电子组件可以包括但不限于至少一个处理单元、存储器、以及将包括存储器在内的各个组件耦接到处理单元的通信总线或通信装置。系统或设备可以包括或可以访问各种设备可读介质。系统存储器可以包括易失性和/或非易失性存储器形式的设备可读存储介质(比如,只读存储器(ROM)和/或随机存取存储器(RAM))。通过示例而非限制的方式,系统存储器还可以包括操作系统、应用程序、其它程序模块和程序数据。
实施例可以实现为系统、方法或程序产品。因此,实施例可以采用全硬件实施例或者包括软件(包括固件、常驻软件、微代码等)的实施例的形式,它们在本文中可以统称为“电路”、“模块”或“系统”。此外,实施例可以采取在其上体现有设备可读程序代码的至少一个设备可读介质中体现的程序产品的形式。
可以使用设备可读存储介质的组合。在本文档的上下文中,设备可读存储介质(“存储介质”)可以是任何有形的非信号介质,其可以包含或存储由配置为由指令执行系统、装置或设备使用或与其结合使用的程序代码组成的程序。出于本公开的目的,存储介质或没备应被解释为非暂时性的,即不包括信号或传播介质。
本公开出于说明和描述的目的得以呈现,但是并非旨在穷举或限制。许多修改和变化对于本领域普通技术人员将是明显的。选择和描述实施例以便说明原理和实际应用,并且使得本领域普通技术人员能够理解具有适合于所预期的特定用途的各种修改的本公开的各种实施例。
Claims (17)
1.一种基于人工智能的安检图像识别系统,包括安检模块、任务分发模块、以及远程判图模块,其中,
所述安检模块被配置为扫描被检对象,生成所述被检对象的图像,并将生成的图像实时地、逐列地发送给由所述任务分发模块分配的所述远程判图模块,其中所述被检对象是接受安检的对象;
所述任务分发模块被配置为生成判图任务,并将所述判图任务发送给空闲的远程判图模块;
所述远程判图模块被配置为在从所述任务分发模块接收到判图任务后,逐列地从所述安检模块接收并显示所述图像,以供远程判图员判别所述图像中是否有嫌疑物,
其中,所述任务分发模块还被配置为:对所述图像进行切分;在所述切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使所述安检模块将回溯的图像列与从所述切分位置处起的下一幅图像一起发送给所述远程判图模块。
2.根据权利要求1所述的安检图像识别系统,其中,假设所述第一识别范围的长度为M列,所述被检对象被放置在速度为V米/秒的皮带上,所述图像的扫描频率为F列/秒,典型嫌疑物的长度为L米,则M=F*(L/V)。
3.根据权利要求2所述的安检图像识别系统,其中,假设所述切分位置是图像的第C列,所述第一识别范围是第C-M列至第C列,识别出的嫌疑物的坐标是(x1,y1),则所述任务分发模块使所述安检模块将从第x1-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
4.根据权利要求1所述的安检图像识别系统,其中,所述任务分发模块还被配置为:如果识别的结果是不存在嫌疑物,则不进行回溯。
5.根据权利要求1所述的安检图像识别系统,其中,所述任务分发模块还被配置为:如果识别的结果是不存在嫌疑物,则在以所述切分位置为中心的第二识别范围内再次执行人工智能识别以识别是否存在嫌疑物,如果再次识别的结果仍然是不存在嫌疑物,则不进行回溯。
6.根据权利要求5所述的安检图像识别系统,其中,假设所述切分位置是图像的第C列,所述第二识别范围是第C-(M/2)列至第C+(M/2)列,如果所述任务分发模块再次识别的结果是存在嫌疑物,且识别出的嫌疑物的坐标为(x2,y2),则:
当(x2-W)≥C时,所述任务分发模块使所述安检模块将所述下一幅图像发送给所述远程判图模块;
当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示尚未完成,则所述任务分发模块使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
7.根据权利要求6所述的安检图像识别系统,其中,当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示已经完成,则所述任务分发模块生成新的判图任务,并且使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给与所述新的判图任务相对应的远程判图模块。
8.根据权利要求1所述的安检图像识别系统,其中,仅在切分位置处存在被检对象时才进行所述人工智能识别。
9.一种基于人工智能的安检图像识别方法,包括:
安检模块扫描被检对象,生成所述被检对象的图像,并将生成的图像实时地、逐列地发送给由任务分发模块分配的远程判图模块,其中所述被检对象是接受安检的对象;
所述任务分发模块生成判图任务,并将所述判图任务发送给空闲的远程判图模块;以及
所述远程判图模块在从所述任务分发模块接收到判图任务后,逐列地从所述安检模块接收并显示所述图像,以供远程判图员判别所述图像中是否有嫌疑物;
其中,所述安检图像识别方法还包括:所述任务分发模块对所述图像进行切分;在所述切分位置之前的第一识别范围内执行人工智能识别以识别是否存在嫌疑物,如果识别的结果是存在嫌疑物,则从所述切分位置起回溯第一数量的图像列,使所述安检模块将回溯的图像列与从所述切分位置处起的下一幅图像一起发送给所述远程判图模块。
10.根据权利要求9所述的安检图像识别方法,其中,假设所述第一识别范围的长度为M列,所述被检对象被放置在速度为V米/秒的皮带上,所述图像的扫描频率为F列/秒,典型嫌疑物的长度为L米,则M=F*(L/V)。
11.根据权利要求10所述的安检图像识别方法,其中,假设所述切分位置是图像的第C列,所述第一识别范围是第C-M列至第C列,识别出的嫌疑物的坐标是(x1,y1),则所述任务分发模块使所述安检模块将从第x1-W列到第C列的图像与所述下一幅图像一起作为所述切分图像,其中W为边缘裕量。
12.根据权利要求9所述的安检图像识别方法,其中,如果识别的结果是不存在嫌疑物,则所述任务分发模块不进行回溯。
13.根据权利要求9所述的安检图像识别方法,其中,如果识别的结果是不存在嫌疑物,则在以所述切分位置为中心的第二识别范围内再次执行人工智能识别以识别是否存在嫌疑物,如果再次识别的结果仍然是不存在嫌疑物,则不进行回溯。
14.根据权利要求13所述的安检图像识别方法,假设所述切分位置是图像的第C列,所述第二识别范围是第C-(M/2)列至第C+(M/2)列,如果再次识别的结果是存在嫌疑物,且识别出的嫌疑物的坐标为(x2,y2),则:
当(x2-W)≥C时,所述任务分发模块使所述安检模块将所述下一幅图像发送给所述远程判图模块;
当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示尚未完成,则所述任务分发模块使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给所述远程判图模块,其中W为边缘裕量。
15.根据权利要求14所述的安检图像识别方法,其中,当(x2-W)<C时,如果所述下一幅图像在所述远程判图模块上的显示已经完成,则所述任务分发模块生成新的判图任务,并且使所述安检模块将从第x2-W列到第C列的图像与所述下一幅图像一起发送给与所述新的判图任务相对应的远程判图模块。
16.根据权利要求9所述的安检图像识别方法,其中,仅在切分位置处存在被检对象时才进行所述人工智能识别。
17.一种非暂时性计算机可读介质,包括记录在其上且能够由处理器运行的计算机程序产品,所述计算机程序产品包括用于实现根据权利要求9至16中任一项所述的方法的程序代码指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010957839.XA CN114255436B (zh) | 2020-09-11 | 2020-09-11 | 基于人工智能的安检图像识别系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010957839.XA CN114255436B (zh) | 2020-09-11 | 2020-09-11 | 基于人工智能的安检图像识别系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114255436A CN114255436A (zh) | 2022-03-29 |
CN114255436B true CN114255436B (zh) | 2024-03-19 |
Family
ID=80788141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010957839.XA Active CN114255436B (zh) | 2020-09-11 | 2020-09-11 | 基于人工智能的安检图像识别系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255436B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457178B (zh) * | 2022-08-23 | 2023-05-02 | 成都智元汇信息技术股份有限公司 | 一种基于列数据的虚拟违禁品信息下发的方法及系统 |
CN115345862B (zh) * | 2022-08-23 | 2023-03-10 | 成都智元汇信息技术股份有限公司 | 基于列数据的仿x光机扫描成像的方法及装置和显示器 |
CN115578681B (zh) * | 2022-11-15 | 2023-03-10 | 成都智元汇信息技术股份有限公司 | 一种基于列数据行进包裹识别的方法与系统 |
CN115567586B (zh) * | 2022-12-06 | 2023-05-02 | 成都智元汇信息技术股份有限公司 | 智能识图结果与原图片分离的中心化智能推送方法及装置 |
CN117422881A (zh) * | 2023-11-15 | 2024-01-19 | 山东衡昊信息技术有限公司 | 一种智能化的安检集中判图系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104345350A (zh) * | 2013-07-23 | 2015-02-11 | 清华大学 | 人体安全检查方法和人体安全检查系统 |
CN108959345A (zh) * | 2018-04-11 | 2018-12-07 | 北京航星机器制造有限公司 | 一种安检图像记录快速回溯的方法和设备 |
CN109884721A (zh) * | 2018-12-10 | 2019-06-14 | 深圳极视角科技有限公司 | 基于人工智能的安检违禁物品检测方法、装置及电子设备 |
CN110543857A (zh) * | 2019-09-05 | 2019-12-06 | 安徽启新明智科技有限公司 | 基于图像分析的违禁物识别方法、装置、系统和存储介质 |
WO2020124710A1 (zh) * | 2018-12-18 | 2020-06-25 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
WO2020173021A1 (zh) * | 2019-02-25 | 2020-09-03 | 平安科技(深圳)有限公司 | 一种基于人工智能的违禁物识别方法、装置、设备和存储介质 |
-
2020
- 2020-09-11 CN CN202010957839.XA patent/CN114255436B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104345350A (zh) * | 2013-07-23 | 2015-02-11 | 清华大学 | 人体安全检查方法和人体安全检查系统 |
CN108959345A (zh) * | 2018-04-11 | 2018-12-07 | 北京航星机器制造有限公司 | 一种安检图像记录快速回溯的方法和设备 |
CN109884721A (zh) * | 2018-12-10 | 2019-06-14 | 深圳极视角科技有限公司 | 基于人工智能的安检违禁物品检测方法、装置及电子设备 |
WO2020124710A1 (zh) * | 2018-12-18 | 2020-06-25 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
WO2020173021A1 (zh) * | 2019-02-25 | 2020-09-03 | 平安科技(深圳)有限公司 | 一种基于人工智能的违禁物识别方法、装置、设备和存储介质 |
CN110543857A (zh) * | 2019-09-05 | 2019-12-06 | 安徽启新明智科技有限公司 | 基于图像分析的违禁物识别方法、装置、系统和存储介质 |
Non-Patent Citations (2)
Title |
---|
基于图像识别的智能船舶安检辅助系统构想;曾青山;陈景锋;黄加亮;;中国海事;20171015(10);全文 * |
铁路货运安检查危人工智能应用研究;邹朝辉;张呈;;铁道货运;20180925(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114255436A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114255436B (zh) | 基于人工智能的安检图像识别系统及其方法 | |
CN108009544B (zh) | 目标检测方法及装置 | |
WO2019096181A1 (zh) | 安检检测方法、装置、系统及电子设备 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
US9965695B1 (en) | Document image binarization method based on content type separation | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
US8660373B2 (en) | PDF de-chunking and object classification | |
CN113139950B (zh) | 一种目标对象识别的方法及装置 | |
CN113093308B (zh) | X射线行李检查设备的校正方法、装置、设备及存储介质 | |
CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
CN113691783A (zh) | 换流站视频监控方法、系统、装置和计算机设备 | |
CN113255651A (zh) | 包裹安检方法、装置及系统和节点设备、存储装置 | |
CN109886864A (zh) | 隐私遮蔽处理方法及装置 | |
CN113673399A (zh) | 区域监测的方法、装置、电子设备及可读存储介质 | |
CN113489791B (zh) | 图像上传方法、图像处理方法及相关装置 | |
CN107330470B (zh) | 识别图片的方法和装置 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN112668676A (zh) | 包裹的安检图像处理方法、电子装置和存储介质 | |
CN113901876A (zh) | 数据关联方法、装置、电子设备及计算机可读存储介质 | |
CN112435150A (zh) | 安检方法、装置、计算机设备和存储介质 | |
CN113643265A (zh) | 基于人工智能的质量等级确定方法、装置、设备及介质 | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN113139952B (zh) | 一种图像处理的方法及装置 | |
CN113327672A (zh) | 一种多光机图像传输和远程判图方法和系统 | |
CN113780269A (zh) | 图像识别方法、装置、计算机系统及可读存储介质 |
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 |