CN116563628A - 安检判图识别方法、装置、设备及存储介质 - Google Patents
安检判图识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116563628A CN116563628A CN202310514369.3A CN202310514369A CN116563628A CN 116563628 A CN116563628 A CN 116563628A CN 202310514369 A CN202310514369 A CN 202310514369A CN 116563628 A CN116563628 A CN 116563628A
- Authority
- CN
- China
- Prior art keywords
- unpacking
- image
- judgment
- intelligent
- ray image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007689 inspection Methods 0.000 claims description 106
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 238000012567 pattern recognition method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 description 31
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011111 cardboard Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请实施例提供了一种安检判图识别方法、装置、设备及存储介质,涉及智慧安检技术领域,本方案通过智能判图和集中判图相结合,以对X光图像进行判图,而且还设置判图配置表,以便于对判图结果进行查表,确定是否存在违禁物以及是否需要开包检查,因此,本方案能够减少AI误检、漏检的情况发生,有效地降低漏检率和误检率,提升了安检检测的有效性,并且人力成本同样可以得到进一步减少。
Description
技术领域
本申请实施例涉及智慧安检技术领域,尤其涉及一种安检判图识别方法、装置、设备及存储介质。
背景技术
在现有技术中,安检过程通常采用安检机,以借助X射线对旅客行李物品进行扫描,并将扫描得到的X光图像通过现场判图或集中判图等人工判图方式实现安检,但上述方式使得安检员的工作量增大,消耗了大量人力。
而且近年来,AI(Artificial Intelligence,人工智能)智能识图算法的进步迅速,其识别的准确率和检出率也越来越高,AI识图的安检方式也逐步应用在安检领域,但目前AI智能识图算法还存在不足,如果完全采用AI进行智能判图,容易引误判和漏判,不能满足轨道交通安检的要求。
因此,在安检方面漏检率和误检率均有严格要求的情况下,如何降低漏检率和误检率以满足轨道交通安检要求以及减少人力成本,成为本领域人员的亟待解决的技术问题。
发明内容
本申请实施例提供了一种安检判图识别方法、装置、设备及存储介质,不仅能够满足安检要求,还能够有效地降低漏检率和误检率,并减轻安检员的工作量。
第一方面,本申请实施例提供了一种安检判图识别方法,包括:
接收上报的X光图像,并基于对物品识别的AI智能识图算法对X光图像进行智能识别;
获取X光图像对应的智能识图结果,以确定X光图像内是否存在违禁物,智能识图结果为AI智能识图算法的输出结果;
若X光图像内存在违禁物,则根据智能识图结果和预存的判图配置表,确定是否输出开包检查信息,开包检查信息用于表示需要对X光图像对应的行李物品进行开包检查;
在未输出开包检查信息的情况下,则将X光图像传输至集中判图工作站,并基于集中判图工作站反馈的集中判图结果,确定是否输出开包检查信息,集中判图工作站用于对X光图像进行人工判图。
第二方面,本申请实施例还提供了一种安检判图识别装置,包括:
物品识别模块,配置为接收上报的X光图像,并基于对物品识别的AI智能识图算法对所述X光图像进行智能识别;
结果收集模块,配置为获取所述X光图像对应的智能识图结果,以确定所述X光图像内是否存在违禁物,所述智能识图结果为所述AI智能识图算法的输出结果;
第一开包检查模块,配置为若所述X光图像内存在所述违禁物,则根据所述智能识图结果和预存的判图配置表,确定是否输出开包检查信息,所述开包检查信息用于表示需要对所述X光图像对应的行李物品进行开包检查;
第二开包检查模块,配置为在未输出所述开包检查信息的情况下,则将所述X光图像传输至集中判图工作站,并基于所述集中判图工作站反馈的集中判图结果,确定是否输出所述开包检查信息,所述集中判图工作站用于对所述X光图像进行人工判图。
第三方面,本申请实施例还提供了一种电子设备,该电子设备还包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,一个或多个处理器实现如上述任一实施例中的安检判图识别方法。
第四方面,本申请实施例还提供了一种存储介质,其存储有计算机可执行指令,计算机可执行指令在由处理器执行时用于执行如上述任一实施例中的安检判图识别方法。
本申请方案通过智能判图和集中判图相结合,以对X光图像进行判图,而且还设置判图配置表,以便于对判图结果进行查表,确定是否存在违禁物以及是否需要开包检查,因此,本方案能够减少AI误检、漏检的情况发生,有效地降低漏检率和误检率,提升了安检检测的有效性,并且人力成本同样可以得到进一步减少。
附图说明
图1为本申请一实施例提供的安检判图识别方法的步骤流程图;
图2为本申请一实施例提供的智能识图后的X光图像的示意图;
图3为本申请一实施例提供的确定是否开包的步骤流程图;
图4为本申请另一实施例提供的确定是否开包的步骤流程图;
图5为本申请一实施例提供的安检判图识别装置的示意图;
图6为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请实施例,而非对本申请实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请实施例相关的部分而非全部结构,本领域技术人员在阅读本申请说明书后,应该能够想到,只要技术特征不互相矛盾,那么技术特征的任意组合均可以构成可选的实施方式。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。在本申请的描述中,“多个”表示两个及以上,“若干”表示一个及以上。
地铁、车站等场所均设置有安检机,以对旅客的行李物品进行检查,并且安检员通过手持安检仪进行辅助安检。安检机是一种借助于输送带将被检查行李送入X射线检查通道而完成检查的电子设备。
X射线是一种可以穿透木材、纸板、皮革等不透明物体的电磁波。安检机能根据物体对X射线的吸收程度,在显示屏上呈现不同颜色的影像。简单来说,橙色代表有机物,例如食品、塑料等;书本、陶瓷等显示为绿色;金属则显示为蓝色。
安检机的工作原理是:行李物品进入X射线检查通道,其将阻挡包裹检测传感器,检测信号被送往设备的系统控制部分,产生X射线触发信号,以触发X射线射线源发射X射线束;一束经过准直器的扇形X射线束穿过输送带上的被检物品,X射线被被检物品吸收,最后轰击安装在通道内的双能量半导体探测器;探测器把X射线转变为信号,将这些很弱的信号放大后,送到信号处理机箱做进一步处理,经处理后通过显示屏将被检物显示为相应的颜色。即,安检机能够输出X光图像,且安检机除了在显示屏中显示X光图像外,还可以将X光图像向服务器上报。
本申请实施例提供的安检判图识别方法可应用于服务器中,下面以服务器执行安检判图识别方法为例进行说明,如图1所示,图1为本申请一实施例提供的安检判图识别方法的步骤流程图,该方法包括如下步骤:
步骤S110、接收上报的X光图像,并基于对物品识别的AI智能识图算法对X光图像进行智能识别。
可以想到的是,在物品进入X射线检查通道并在输送带中移动的过程中,物品触发检测信号后,安检机可通过X射线的照射,输出对应于该物品的X光图像。需要说明的是,在一些实施例中,安检机还可以是定时采样X光图像,即在物品通过输送带经过X射线检查通道的过程中,安检机能够输出多张X光图像,进而服务器可以以其中完全显示该物品的X光图像作为目标图像,以进行智能识别。
服务器与安检机通信连接,安检机将输出的X光图像上报服务器。在服务器接收到该X光图像后,服务器基于预设的AI智能识图算法对X光图像进行识别,进而确定对应的行李物品内是否携带有违禁物。
需要说明的是,AI智能识图算法可以采用相关技术中基于OpenVINO技术的物品识别算法,或者采用相关技术中其他实现AI识别的算法,本申请对此不做限定。
步骤S120、获取X光图像对应的智能识图结果,以确定X光图像内是否存在违禁物。
该智能识图结果为服务器运行AI智能识图算法的输出结果。服务器根据相应的智能识图结果对X光图像内是否存在违禁物进行判断。
图2为本申请一实施例提供的智能识图后的X光图像的示意图,该X光图像是对背包进行扫描后的图像,在经过AI智能识图算法后,X光图像上还输出有物品名称以及对应的识别置信度,如图,X光图像中有剪刀、雨伞、电击器等物品,对应地,在图中还显示有物品对应的识别置信度,如剪刀的识别置信度为99%、雨伞的识别置信度为99%以及电击器的识别置信度为95%等。
在一些实施例中,服务器可对检测到的物品进行判别,以确定所检测的物品是否为违禁物,例如,对于违禁物,服务器上设置有相应的表格或列表,即在表格或列表中记录有违禁物的信息,以判别所检测到的物品是否为违禁物。
步骤S130、若X光图像内存在违禁物,则根据智能识图结果和预存的判图配置表,确定是否输出开包检查信息。
对于X光图像,若其中存在违禁物,服务器结合智能识图结果和预存的判图配置表对智能识图结果进行判断,以确定其是否满足开包要求,从而实现智能判图。可以理解的是,判图配置表根据当前场所的安检要求设置,例如,在部分场所的安检要求中,对于部分违禁物,当智能判图过程中,判断X光图像中存在该违禁物,无需人工判别,直接开包检查。因此,可在判图配置表中设置相应的参数项,以确定是否输出开包检查信息。
可以想到的是,若X光图像内不存在违禁物,即智能识别后,服务器根据智能识图结果判断X光图像内不存在违禁物,相应地,对于该行李物品,其可以直接通行,即安检员可对该行李物品直接放行。或者,在一些实施例中,在服务器根据智能识图结果判断X光图像内不存在违禁物,服务器可将X光图像发送至集中判图工作站,由判图员进行人工判图。
其中,开包检查信息用于表示需要对X光图像对应的行李物品进行开包检查,可以想到的是,服务器可以向安检机发送开包检查信息,相应地,该开包检查信息可以在安检机的显示屏上显示,或者,服务器还可以向与服务器连接的终端机发送开包检查信息,以告知安检员对该行李物品进行开包检查。
在一实施例中,判图配置表中对应于一个物品设置有多个参数项,即各参数项对应的参数信息关联于该物品,例如,在判图配置表中,设置有物品类别、物品名称、置信度阈值等参数项。因此,在判图配置表中,可以以对应于同一物品的多个参数项对应的参数信息作为一条记录。
图3为本申请一实施例提供的确定是否开包的步骤流程图,如图3所示,本申请的安检判图方法还包括如下步骤:
步骤S310、对比智能识图结果和判图配置表内的各参数项,确定对比结果。
步骤S320、基于对比结果,确定是否输出开包检查信息。
可以理解的是,在一些实施例中,智能识图结果中携带有物品名称以及对应的识别置信度,进而服务器将智能识图结果和判图配置表内的各参数项进行对比,从而选取出一条记录作为识别结果,例如,智能识图结果携带的物品名称与判图配置表中的各条记录逐一对比,选取物品名称相同的一条记录。
在确定了相应的识别结果后,服务器根据识别结果,对当前检测到的物品判断其是否满足相应的条件,进而确定是否输出开包检查信息。例如,在作为识别结果的记录中携带有置信度阈值、判别数量阈值以及开包参数等参数项,因此,对应于上述参数项,可预设置相应的条件,当智能识图结果中携带的参数满足对应上述参数项设置的条件时,服务器确定输出开包检查信息。
因此,服务器可通过查询判图配置表对智能识图结果进行判定,以在智能识图结果中携带的参数满足对应上述参数项设置的条件时输出开包检查信息,即方案能够结合判图配置表设定相应的策略,可以充分利用智能判图的优点,并有效规避智能判图的不足,满足轨道交通的安检要求。
步骤S140、在未输出开包检查信息的情况下,则将X光图像传输至集中判图工作站,并基于集中判图工作站反馈的集中判图结果,确定是否输出开包检查信息。
在未输出开包检查信息的情况下,如对于X光图像中存在违禁物但服务器并未输出开包检查信息的情况,服务器可将X光图像传输至集中判图工作站,可以想到的是,在安检领域中,集中判图工作站通常为判图员操作的终端设备,其可与服务器进行通信,因此,在接收到服务器发送的X光图像后,集中判图工作站生成相应的判图任务,该判图任务由判图员对X光图像进行人工判图,从而确定是否存在违禁物以及是否需要开包。因此,判图员通过集中判图工作站向服务器反馈集中判图结果,以使得服务器能够根据集中判图结果确定是否输出开包检查信息。
由上述方案可知,本方案将智能判图和集中判图相结合,根据AI智能识图算法对行李物品进行识别检测,并在未输出开包检查信息的情况下采用集中判图,以使得人工判图与AI识图紧密结合,从而充分利用AI识图的优点,并有效规避AI识图的不足,不仅能够满足规定的漏检率和误检率指标,还能够最大程度节省人力。
在一实施例中,服务器获取的智能识图结果包括物品类型、物品名称、物品数量和识别置信度,而对于不同的物品,在判图配置表中对应设置有判图置信度阈值、判别数量阈值和开包参数,可以想到的是,在判图配置表中对应于物品A不仅包括物品类型和物品名称,还包括判图置信度阈值、判别数量阈值和开包参数。
图4为本申请另一实施例提供的确定是否开包的步骤流程图,如图4所示,本申请的安检判图识别方法还包括如下步骤:
步骤S410、基于违禁物的物品类型和物品名称,在判图配置表中确定违禁物对应的判图置信度阈值、判别数量阈值以及开包参数。
步骤S420、结合判图置信度阈值和判别数量阈值,依次对违禁物的识别置信度和物品数量进行对比判断。
步骤S430、在识别置信度大于或等于判图置信度阈值、物品数量大于或等于判别数量阈值且违禁物对应的开包参数为用于确定开包的参数的情况下,输出开包检查信息。
可以理解的是,在判图配置表中,对应于不同的类型以及名称的物品均设置有相应的判图置信度阈值、判别数量阈值以及开包参数,可以想到的是,开包参数作为对应是否直接开包的参数项,在判图配置表中,对应不同的物品,其在开包参数中的具体参数可根据安检要求设置,例如,开包参数包括是和否,对应于喷雾瓶,在安检要求中需要进行开包检查,因此,对应于喷雾瓶的开包参数为是。
进而在确定了判图置信度阈值、判别数量阈值以及开包参数后,服务器可根据当前检测到的违禁物对应的判图置信度阈值和判别数量阈值,对违禁物的识别置信度和物品数量进行对比判断,如判断违禁物的识别置信度是否大于或等于判图置信度阈值以及判断违禁物的物品数量是否大于或等于判别数量上限。
例如,在地铁场景中,打火机作为违禁物品,在安检要求中对应设置有相应的数量要求,如3个,即打火机数量不超过3个,可不进行开包检查。因此,在判图配置表中,对应于打火机的判别数量阈值可设置为3。
而且,对于是否输出开包检查信息,还设置相应的条件,当识别置信度大于或等于判图置信度阈值、物品数量大于或等于判别数量阈值且违禁物对应的开包参数为用于确定开包的参数时,服务器输出开包检查信息。
因此,本方案对于智能识图结果还设置有相应的规则,以便于确定是否输出开包检查信息,从而充分利用AI识图的优势,满足安检要求。
在一些实施例中,智能识图结果包括识别置信度,对应地,在判图配置表中携带有显示置信度阈值。进而,若服务器未输出开包检查信息,则在向集中判图工作发送X光图像前,服务器还可以对X光图像进行标注操作,如在识别置信度大于或等于显示置信度阈值的情况下,服务器在X光图像中对违禁物进行标注,例如,用矩形框标示违禁物,以提示判图员,便于判图员更快速地对违禁物进行判断。
在判图员对标注后的X光图像进行判别后,判图员可通过集中判图工作站向服务器反馈集中判图结果,服务器则根据集中判图结果确定是否输出开包检查信息,例如,服务器接收到对应于开包的集中判图结果,服务器则输出开包检查信息,以告知安检员开包检查。
在X光图像上对违禁物进行标注,以使得判图员能够快速定位违禁物,从而能够提升判图的效率。且通过设置显示置信度阈值,以在识别置信度大于或等于显示置信度阈值的情况下,对X光图像进行批注,使得在集中判图的过程中减少智能判图的误报对判图员判断的影响。
在一些实施例中,标注后的X光图像中标示有违禁物且显示有违禁物的物品信息。对于违禁物的标示,可以采用矩形框、角标等方式标示违禁物,并且在X光图像上还可以显示该违禁物的物品信息,如物品名称、违禁物类型等信息,进而使得X光图像中违禁物更加明显,有助于提高判图效率。
在一些实施例中,判图配置表中还包括根据违禁物对应的物品类型设置的警报等级,即对于不同的违禁物,在判图配置表中均有相应的警报等级,且该警报等级关联于物品类型,例如,判图配置表中警报等级设置有警示、危险等等级,对于打火机这一违禁物,其所属的物品类型为易燃易爆物品,相应地,该物品类型对应的警报等级为警示;对于子弹这一违禁物,其所属的物品类型为枪支弹药类物品,相应地,该物品类型对应的警报等级为危险。
进而,服务器可根据智能识图结果,确定违禁物的物品类型,从而在判图配置表中基于物品类型确定该违禁物的警报等级,以输出相应的报警信息。可以想到的是,服务器输出的报警信息可以向终端机发送,以告知安检员当前的行李物品中存在相应警报等级的违禁物。
在一些实施例中,在终端机上设置有声光报警器,且对应于不同的警报等级设置不同的报警音量,因此,终端机在接收到报警信息后,可根据对应的警报等级控制声光报警器输出相应的报警音量。
在一些实施例中,服务器内配置有多种AI智能识图算法,对于同一X光图像,服务器可采用多种AI智能识图算法进行检测,并分别得到一个置信度。此外,服务器对于各AI智能识图算法分别设置有对应的权重,例如,n个算法都可以检测出物品W,设算法i检测到的物品W的置信度为Ci,算法i检测物品W的权重为Ri,则物品W的识别置信度为:
因此,服务器获取的智能识图结果所对应的识别置信度为多个AI智能识图算法输出的置信度的加权求和值,即各置信度与对应权重的乘积的累计和。需要说明的是,不同算法的权重值与算法的识别准确度关联,识别准确度高的算法,其对应的权重越高,即识别准确度低的算法采用低权重,识别准确度高的算法采用高权重。
方案通过采用多种AI智能识图算法并设置对应的权重,能够提升智能判图的准确度,从而有效地减少误判的情况发生。
需要说明的是,在一些实施例中,对于同一物品,还可以采用多种识图算法进行识别。而对于不同识图算法,分别设置有相应的权重,因此,该物品的识别置信度为多个识图算法输出的置信度加权求和值。
下面结合示例对本申请方案做进一步阐述。
示例性的,放置在安检机的输送带上的行李物品,如背包,会在输送过程中由安检机进行扫描并向服务器上传背包的X光图像。可以想到的是,服务器可以部署在云平台上,也可以部署在车站、安检点等场所中。
服务器可根据预设的AI智能识图算法对X光图像进行物品识别,并且针对识别到的物品,服务器可输出相应的智能识图结果,例如,在智能识图结果中携带有物品对应的名称和识别置信度。
服务器内预存有判图配置表,如下表所示,其中示出部分物品及相关信息:
基于智能识图结果,服务器可根据判图配置表确定所检测到的物品是否为违禁物,如对比判图配置表中的各条记录,从而选取与检测到的物品对应的记录作为识别结果。服务器根据所选取的记录与智能识图结果进行对比,并确定所检测到的违禁物的识别置信度是否大于或等于判图置信度阈值、违禁物的物品数量是否大于或等于判别数量阈值且违禁物对应的开包参数是否指示开包,进而在满足上述条件的情况下,服务器输出开包检查信息,例如,可以向相应的终端机发送开包检查信息,以使得安检员获悉并对背包进行开包检查。
判图配置表中还设置有显示置信度阈值,在需要将X光图像输送至判图工作站并交由判图员进行集中判图的情况下,服务器需要根据显示置信度阈值,判断物品的识别置信度是否大于或等于显示置信度阈值,进而在该物品的识别置信度大于或等于显示置信度阈值的情况下,在X光图像上对该物品进行标注,以提示判图员。且在一些实施例中显示置信度阈值大于或等于判图置信度阈值。
因此,判图置信度阈值和显示置信度阈值分离,其中,判图置信度用于协助对智能识图结果进行判断,而显示置信度阈值用于指示检测到的违禁品是否显示在X光图像上,实现了既减少了AI识图引起的漏判,又减少了因为误报对判图员造成干扰的效果。
图5为本申请一实施例提供的安检判图识别装置的示意图,该装置用于执行如上述实施例所述的安检判图识别方法,具备执行上述方法相应的功能模块并实现上述方法对应的有益效果。如图所示,安检判图识别装置包括物品识别模块501、结果收集模块502、第一开包检查模块503和第二开包检查模块504。
其中,物品识别模块501配置为接收上报的X光图像,并基于对物品识别的AI智能识图算法对X光图像进行智能识别;结果收集模块502配置为获取X光图像对应的智能识图结果,以确定X光图像内是否存在违禁物,智能识图结果为AI智能识图算法的输出结果;第一开包检查模块503配置为若X光图像内存在违禁物,则根据智能识图结果和预存的判图配置表,确定是否输出开包检查信息,开包检查信息用于表示需要对X光图像对应的行李物品进行开包检查;第二开包检查模块504配置为在未输出开包检查信息的情况下,则将X光图像传输至集中判图工作站,并基于集中判图工作站反馈的集中判图结果,确定是否输出开包检查信息,集中判图工作站用于对X光图像进行人工判图。
在上述实施例的基础上,第一开包检查模块503还配置为:
对比智能识图结果和判图配置表内的各参数项,确定对比结果;
基于对比结果,确定是否输出开包检查信息。
在上述实施例的基础上,智能识图结果包括物品类型、物品名称、物品数量和识别置信度,判图配置表中对应设置有判图置信度阈值、判别数量阈值和开包参数,第一开包检查模块503还配置为:
基于违禁物的物品类型和物品名称,在判图配置表中确定违禁物所对应的判图置信度阈值、判别数量阈值以及开包参数;
结合判图置信度阈值和判别数量阈值,依次对违禁物的识别置信度和物品数量进行对比判断;
在识别置信度大于或等于判图置信度阈值、物品数量大于或等于判别数量阈值且与违禁物对应的开包参数为用于确定开包的参数的情况下,输出开包检查信息。
在上述实施例的基础上,智能识图结果包括识别置信度,判图配置表包括显示置信度阈值,第二开包检查模块504还配置为:
当识别置信度阈值大于或等于显示置信度阈值,则在X光图像中标注违禁物,并将标注后的X光图像传输至集中判图工作站;
若接收到对应于开包的集中判图结果,则输出开包检查信息。
在上述实施例的基础上,标注后的X光图像上标示有违禁物且显示有违禁物的物品信息。
在上述实施例的基础上,判图配置表还包括根据各违禁物对应物品类型设置的警报等级,安检判图识别装置还包括报警模块,该报警模块配置为:
根据智能识图结果,确定违禁物的物品类型;
基于物品类型,输出与物品类型对应的报警信息。
在上述实施例的基础上,智能识图结果包括识别置信度,在采用多个AI智能识图算法的情况下,识别置信度为多个AI智能识图算法的输出结果的加权求和值。
图6为本申请一实施例提供的电子设备的结构示意图,该设备用于执行上述实施例提供的安检判图识别方法,具备执行方法相应的功能模块和有益效果。如图6所示,该设备包括处理器601、存储器602、输入装置603和输出装置604,设备中处理器601的数量可以是一个或多个,图中以一个处理器601为例;设备中的处理器601、存储器602、输入装置603和输出装置604可以通过总线或其他方式连接,图中以通过总线连接为例。存储器602作为一种计算机可读的存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的安检判图识别方法对应的程序指令/模块。处理器601通过运行存储在存储器602中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的安检判图识别方法。
存储器602可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用过程中所记录或创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器602可进一步包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置603可用于向处理器601输入相应的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置604可用于发送或显示与设备的用户设置以及功能控制有关的键信号输出。
本申请实施例还提供一种存储有计算机可执行指令的存储介质,计算机可执行指令在由处理器执行时用于执行本申请任一实施例提供的安检判图识别方法中的相关操作。
计算机可读的存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种安检判图识别方法,其特征在于,包括:
接收上报的X光图像,并基于对物品识别的AI智能识图算法对所述X光图像进行智能识别;
获取所述X光图像对应的智能识图结果,以确定所述X光图像内是否存在违禁物,所述智能识图结果为所述AI智能识图算法的输出结果;
若所述X光图像内存在所述违禁物,则根据所述智能识图结果和预存的判图配置表,确定是否输出开包检查信息,所述开包检查信息用于表示需要对所述X光图像对应的行李物品进行开包检查;
在未输出所述开包检查信息的情况下,则将所述X光图像传输至集中判图工作站,并基于所述集中判图工作站反馈的集中判图结果,确定是否输出所述开包检查信息,所述集中判图工作站用于对所述X光图像进行人工判图。
2.根据权利要求1所述的安检判图识别方法,其特征在于,所述若所述X光图像内存在所述违禁物,则根据所述智能识图结果和预存的判图配置表,确定是否输出开包检查信息,所述开包检查信息用于表示需要对所述X光图像对应的行李物品进行开包检查,包括:
对比所述智能识图结果和所述判图配置表内的各参数项,确定对比结果;
基于所述对比结果,确定是否输出所述开包检查信息。
3.根据权利要求2所述的安检判图识别方法,其特征在于,所述智能识图结果包括物品类型、物品名称、物品数量和识别置信度,所述判图配置表中对应设置有判图置信度阈值、判别数量阈值和开包参数;
所述基于所述对比结果,确定是否输出所述开包检查信息,包括:
基于所述违禁物的物品类型和物品名称,在所述判图配置表中确定所述违禁物所对应的判图置信度阈值、判别数量阈值以及开包参数;
结合所述判图置信度阈值和所述判别数量阈值,依次对所述违禁物的识别置信度和所述物品数量进行对比判断;
在所述识别置信度大于或等于所述判图置信度阈值、所述物品数量大于或等于所述判别数量阈值且与所述违禁物对应的所述开包参数为用于确定开包的参数的情况下,输出所述开包检查信息。
4.根据权利要求1或2所述的安检判图识别方法,其特征在于,所述智能识图结果包括识别置信度,所述判图配置表包括显示置信度阈值;
所述在未输出所述开包检查信息的情况下,则将所述X光图像传输至集中判图工作站,并基于所述集中判图工作站反馈的集中判图结果,确定是否输出所述开包检查信息,所述集中判图工作站用于对所述X光图像进行人工判图,包括:
当所述识别置信度阈值大于或等于所述显示置信度阈值,则在所述X光图像中标注所述违禁物,并将标注后的X光图像传输至所述集中判图工作站;
若接收到对应于开包的所述集中判图结果,则输出开包检查信息。
5.根据权利要求4所述的安检判图识别方法,其特征在于,标注后的所述X光图像上标示有所述违禁物且显示有所述违禁物的物品信息。
6.根据权利要求1所述的安检判图识别方法,其特征在于,所述判图配置表还包括根据各违禁物对应物品类型设置的警报等级,所述方法还包括:
根据所述智能识图结果,确定所述违禁物的物品类型;
基于所述物品类型,输出与所述物品类型对应的报警信息。
7.根据权利要求1所述的安检判图识别方法,其特征在于,所述智能识图结果包括识别置信度,在采用多个所述AI智能识图算法的情况下,所述识别置信度为多个所述AI智能识图算法的输出结果的加权求和值。
8.一种安检判图识别装置,其特征在于,包括:
物品识别模块,配置为接收上报的X光图像,并基于对物品识别的AI智能识图算法对所述X光图像进行智能识别;
结果收集模块,配置为获取所述X光图像对应的智能识图结果,以确定所述X光图像内是否存在违禁物,所述智能识图结果为所述AI智能识图算法的输出结果;
第一开包检查模块,配置为若所述X光图像内存在所述违禁物,则根据所述智能识图结果和预存的判图配置表,确定是否输出开包检查信息,所述开包检查信息用于表示需要对所述X光图像对应的行李物品进行开包检查;
第二开包检查模块,配置为在未输出所述开包检查信息的情况下,则将所述X光图像传输至集中判图工作站,并基于所述集中判图工作站反馈的集中判图结果,确定是否输出所述开包检查信息,所述集中判图工作站用于对所述X光图像进行人工判图。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当一个或多个所述程序被一个或多个所述处理器执行,一个或多个所述处理器实现如权利要求1至7中任一项所述的安检判图识别方法。
10.一种存储计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由处理器执行时用于执行如权利要求1至7中任一项所述的安检判图识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514369.3A CN116563628A (zh) | 2023-05-08 | 2023-05-08 | 安检判图识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310514369.3A CN116563628A (zh) | 2023-05-08 | 2023-05-08 | 安检判图识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116563628A true CN116563628A (zh) | 2023-08-08 |
Family
ID=87501264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310514369.3A Pending CN116563628A (zh) | 2023-05-08 | 2023-05-08 | 安检判图识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116563628A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218081A (zh) * | 2023-09-13 | 2023-12-12 | 北京声迅电子股份有限公司 | 快件安检方法 |
-
2023
- 2023-05-08 CN CN202310514369.3A patent/CN116563628A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218081A (zh) * | 2023-09-13 | 2023-12-12 | 北京声迅电子股份有限公司 | 快件安检方法 |
CN117218081B (zh) * | 2023-09-13 | 2024-04-09 | 北京声迅电子股份有限公司 | 快件安检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110238078B (zh) | 分拣方法、装置、系统及存储介质 | |
US11275194B2 (en) | Scanning systems | |
CN111323835B (zh) | 一种基于人包关联的安检方法及其装置 | |
WO2020173021A1 (zh) | 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 | |
US10598812B2 (en) | Systems and methods for the automatic detection of lithium batteries in cargo, baggage, parcels, and other containers | |
KR102067367B1 (ko) | 적하목록 데이터를 이미징/검출 프로세싱에 통합시킨 x-선 검사 방법 | |
CN106874845B (zh) | 图像识别的方法和装置 | |
USH2110H1 (en) | Automated security scanning process | |
CN109074889A (zh) | 用于检测货物中的危险品和违禁品的系统和方法 | |
US20220221368A1 (en) | System And Method For Determining An Indication Of A Presence Of A Leak Of Hazardous Material Using A Trained Classification Module | |
CA2757160C (en) | Transport bin identification | |
CN103052342A (zh) | 收银台 | |
US20240044814A1 (en) | Sorting support apparatus, sorting support system, sorting support method, and program | |
CN105068135A (zh) | 行邮智能检测系统及检测方法 | |
CN112099104B (zh) | 一种安检方法及装置 | |
CN116563628A (zh) | 安检判图识别方法、装置、设备及存储介质 | |
CN108064394A (zh) | 一种安检物品的检测方法、装置及电子设备 | |
KR101778503B1 (ko) | 화물 검사 정보 제공 방법, 이를 수행하는 화물 검사 정보 제공 장치 및 이를 저장한 기록매체 | |
CN110239794B (zh) | 包装方法、装置、系统及存储介质 | |
CN111382725B (zh) | 违禁快递包裹的处理方法、装置、设备及存储介质 | |
KR20170121088A (ko) | 타겟물 자동 판독이 가능한 X-ray검색시스템 | |
CN110850493A (zh) | 一种扫描成像机器视觉判图的线阵列高速安检机 | |
CN112712093A (zh) | 安检图像识别方法、装置、电子设备及存储介质 | |
CN110321800A (zh) | 一种安检物品显示的方法及装置 | |
CN114160447B (zh) | 一种先期机检系统及方法 |
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 |