CN116824167A - 一种无感无接触的安检方法、装置、系统及存储介质 - Google Patents
一种无感无接触的安检方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN116824167A CN116824167A CN202210264777.3A CN202210264777A CN116824167A CN 116824167 A CN116824167 A CN 116824167A CN 202210264777 A CN202210264777 A CN 202210264777A CN 116824167 A CN116824167 A CN 116824167A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- information
- contraband
- detection
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 claims abstract description 150
- 230000001939 inductive effect Effects 0.000 claims abstract description 26
- 238000013507 mapping Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000003190 augmentative effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 20
- 238000010586 diagram Methods 0.000 description 12
- 230000036544 posture Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 210000002683 foot Anatomy 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种无感无接触的安检方法、装置、系统及存储介质,该方法包括:获取待检人员的第一待检图像和待检信息,根据第一待检图像判断待检人员是否符合检测要求;当待检人员符合检测要求时,控制安检设备启动安检;获取安检设备采集的第二待检图像;根据待检信息对第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示,解决了安检过程中需要人工手检的问题,通过第一待检图像判断待检人员符合检测要求,控制安检设备启动,实现对待检人员的全自动检查,无需安检员人工操作,降低安检员的工作量和成本,提高安全性。在安检过程中结合待检人员的待检信息进行安全检测,实现待检人员的针对性检测,提高了检测结果的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种无感无接触的安检方法、装置、系统及存储介质。
背景技术
目前机场等公共场所使用的安检设备通常为金属安检门、毫米波等人体成像安检设备。金属安检门只能检测金属违禁品,在对待检人员检查后,需要安检员再次人工手检。当前毫米波等人体成像安检设备已经在工厂防盗、公共场所使用,安检过程中需要安检员手工启动设备进行安检。毫米波、太赫兹等高频安检设备扫描人体后,得到类似X射线图片的人体成像,能看到人体身上藏匿的各种违禁品。但是对不同待检人员的检测标准相同,无法适应性调整检测标准,导致检测结果的可靠性无法保障,每次还是需要人工进行检查,安检设备只是作为辅助人工的作用。在人流量大的场所和时间,为保证快速同行,减少待检人员的等待时间,需要增加安检员数量。因此人工安检不仅增加了安检员的工作量,也会增加安检场所的成本,并且人与人之间的接触也会伴随着不安全问题,例如,疫情期间人与人之间应尽量保持距离。因此,如何实现无接触的自动安检,以及保证检测结果的准确性成为有待解决的问题。
发明内容
本发明提供了一种无感无接触的安检方法、装置、系统及存储介质,以解决人工安检的问题,实现自动、无接触安检,减轻安检员的工作量。
根据本发明的一方面,提供了一种无感无接触的安检方法,该方法包括:
获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;
当所述待检人员符合检测要求时,控制安检设备启动安检;
获取所述安检设备采集的第二待检图像;
根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
根据本发明的另一方面,提供了一种无感无接触的安检装置,该装置包括:
信息获取模块,用于获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;
控制模块,用于当所述待检人员符合检测要求时,控制安检设备启动安检;
图像获取模块,用于获取所述安检设备采集的第二待检图像;
检测模块,用于根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
根据本发明的另一方面,提供了一种无感无接触的安检系统,包括:图像采集装置、安检设备和电子设备;
所述图像采集装置,用于采集第一待检图像;
所述安检设备,用于采集第二待检图像;
所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的无感无接触的安检方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的无感无接触的安检方法。
本发明实施例的技术方案,通过获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;当所述待检人员符合检测要求时,控制安检设备启动安检;获取所述安检设备采集的第二待检图像;根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示,解决了安检过程中需要人工手检的问题,通过获取待检人员的第一待检图像判断待检人员是否符合检测要求,在符合检测要求的情况下,控制安检设备启动安检采集第二待检图像,实现对待检人员的全自动检查,无需安检员人工操作,降低安检员的工作量,同时降低成本。并且在安检过程中结合待检人员的待检信息对第一待检图像和第二待检图像进行安全检测,实现了每个待检人员的针对性检测,提高了检测结果的准确性;并且由于整个安检过程无感无接触,提高了安全性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是根据本发明实施例一提供的一种无感无接触的安检方法的流程图;
图2是根据本发明实施例二提供的一种无感无接触的安检方法的流程图;
图3是根据本发明实施例二提供的一种OpenPose关键点识别算法的框架图;
图4是根据本发明实施例二提供的一种违禁品识别算法的框架图;
图5是根据本发明实施例三提供的一种无感无接触的安检装置的结构示意图;
图6是根据本发明实施例四提供的一种无感无接触的安检系统的结构示意图;
图7是实现本发明实施例的无感无接触的安检方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种无感无接触的安检方法的流程图,本实施例可适用于在不同场所中对场所中的人员进行自动安检的情况,该方法可以由无感无接触的安检装置来执行,该无感无接触的安检装置可以采用硬件和/或软件的形式实现,该无感无接触的安检装置可配置于电子设备中。如图1所示,该方法包括:
S101、获取待检人员的第一待检图像和待检信息,根据第一待检图像判断待检人员是否符合检测要求。
在本实施例中,待检人员具体可以理解为具有检测需求的人员,例如,在车站设置安检口对进站人员进行安检,进站人员即为待检人员。第一待检图像具体可以理解为待检人员的图像,第一待检图像可以由普通的图像采集装置采集,例如,照相机、摄像机等,图像采集装置的数量可以是一个也可以是多个。当存在多个图像采集装置时,可以选择一个作为主设备,用于采集第一待检图像,其余作为冗余设备,在主设备发生故障时启动,也可以同时启动,根据清晰度、角度等条件从采集的多个图像中选择一个作为第一待检图像。第一待检图像优选采用包括待检人员全身的图像。待检信息具体可以理解为待检人员的相关信息,例如,待检人员的身份、性别、是否为经常出现人员、黑名单成员、白名单成员等等大数据信息。检测要求具体可以理解为对待检人员启动安全检测的要求。
具体的,当待检人员准备进行安检时,通过图像采集装置采集待检人员的第一待检图像,对第一待检图像进行处理,确定待检人员的姿势是否符合检测要求,例如,双臂是否张开。第一待检图像可以是待检人员的全身图像,也可以是半身图像。第一待检图像为上半身图像时,检测要求可以是双臂是否水平、竖直等;第一待检图像为全身图像时,检测要求可以是双臂是否水平或竖直等,同时双脚是否按照要求的位置站立。待检人员的待检信息的确定方式可以是:通过图像识别、刷卡识别等方式识别待检人员的身份,进而确定待检人员的待检信息。例如,预先存储不同人员的大数据信息,将每个人的身份与大数据信息建立映射关系。在采集第一待检图像后,通过对第一待检图像进行人脸识别,确定待检人员的身份信息,根据身份信息查找预先建立的映射关系,根据映射关系确定待检人员对应的大数据信息,将查找得到的大数据信息确定为待检信息。或者,待检人员在进行安检时刷身份证、工卡等代表自己身份的信息,根据身份证或工卡等确定待检人员的身份信息,进一步查找映射关系,将查找得到的大数据信息确定为待检信息。
S102、当待检人员符合检测要求时,控制安检设备启动安检。
在本实施例中,安检设备可以理解为进行安检的设备,例如,毫米波、太赫兹等高频波段的设备,能够穿透人体衣服、得到人体全身成像。当检测到待检人员符合检测要求时,生成控制指令控制安检设备启动安检,控制指令可以是约定格式的通信信息。当待检人员不符合检测要求时,可以通过提示信息提示待检人员调整姿势,重新采集待检人员的第一待检图像,直到待检人员符合检测要求。针对部分人群由于个人生理结构原因导致的无法达到检测要求,可以降低检测要求,或者由安检员直接控制安检设备启动,例如安检员通过远程遥控或其他方式控制安检设备启动安检。
S103、获取安检设备采集的第二待检图像。
在本实施例中,第二待检图像具体可以理解为待检人员的图像,第二待检图像可以用于对待检人员的安全检测。安检设备启动安检后,对待检人员进行检测,采集待检人员的第二待检图像,第二待检图像通常为待检人员的全身图像。
S104、根据待检信息对第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
在本实施例中,检测结果可以是是否包括违禁品、违禁品位置、违禁品类别等。通过待检信息可以确定待检人员的基本信息,例如,白名单直接通过、黑名单不允许通过、高频率人员降低检测要求、低频率人员提高检测要求等。通过对待检信息进行分析,确定对待检人员的检测强度,根据检测强度对第一待检图像和第二待检图像进行检测,确定第二待检图像和第一待检图像中的违禁品。例如,对第一待检图像和第二待检图像进行检测确定待检人员的身体关键点位置,通过对第二待检图像进行识别,确定违禁品信息,进一步确定身体关键点与违禁品的位置关系,根据位置关系和第一待检图像中身体关键点位置将违禁品映射在第一待检图像中。将两张图像分别进行展示;或者,分别对第一待检图像和第二待检图像进行识别,确定图像中可能存在的违禁品,并进行展示。安检员可以观察两张图像中的违禁品分布,两张图像可以互相辅助,减少误检情况,提高检测准确度。同时还可以将待检信息作为检测结果进行展示,通过待检信息辅助安检。
本发明实施例提供了一种无感无接触的安检方法,通过获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;当所述待检人员符合检测要求时,控制安检设备启动安检;获取所述安检设备采集的第二待检图像;根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示,解决了安检过程中需要人工手检的问题,通过获取待检人员的第一待检图像判断待检人员是否符合检测要求,在符合检测要求的情况下,控制安检设备启动安检采集第二待检图像,实现对待检人员的全自动检查,无需安检员人工操作,降低安检员的工作量,同时降低成本。并且在安检过程中结合待检人员的待检信息对第一待检图像和第二待检图像进行安全检测,实现了每个待检人员的针对性检测,通过待检信息自适应调整检测标准,提高了检测结果的准确性;并且由于整个安检过程无感无接触,提高了安全性。
实施例二
图2为本发明实施例二提供的一种无感无接触的安检方法的流程图,本实施例在上述实施例的基础上进行细化。如图2所示,该方法包括:
S201、获取待检人员的第一待检图像和待检信息。
S202、从预确定的标准姿态表中选择当前标准姿态。
在本实施例中,标准姿态表具体可以理解为存储一个或者多个标准姿态的信息表,标准姿态可以是不同等级的姿态,例如,高等级-双臂竖直,双脚在指定位置;中等级-双臂水平,双脚与指定位置的偏差小于第一偏差阈值;低等级-双臂水平线以下,双脚与指定位置的偏差在第一偏差阈值和第二偏差阈值之间。当前标准姿态具体可以理解为作为当前所采集的第一待检图像对照标准的人体姿态。
具体的,预先根据安检的严格程度结合姿态对识别结果的影响程度确定不同的标准姿态,确定每个标准姿态对应的等级,等级可以是高等级、中等级、低等级等等。根据每个标准姿态和等级构建标准姿态表。标准姿态表中的各标准姿态可以按照等级依次排序,也可以不按照等级排序,此时在存储标准姿态时需存储其对应的等级。根据等级从标准姿态表中选择当前标准姿态,为保证检测的准确度,在选择当前标准姿态时通常从高等级到低等级进行选择。本申请在首次从标准姿态表中选择最高等级的标准姿态作为当前标准姿态。
S203、对第一待检图像进行姿态识别。
采用设定的算法对第一待检图像进行处理,确定第一待检图像中待检人员的姿态,可以通过关键点识别算法识别关键点的位置坐标,通过关键点的位置坐标确定第一待检图像的姿态,例如,通过手腕和手肘的位置判断双臂的位置,通过脚踝和膝盖的位置判断双脚距离,进而判断双脚是否按照设定的位置站立;或者,预先训练姿态识别的神经网络模型,将第一待检图像输入到神经网络模型中,神经网络模型根据模型参数对第一待检图像进行处理,预测第一待检图像中待检人员的姿态。
S204、判断姿态识别结果与当前标准姿态是否满足匹配条件,若是,执行S205;否则,执行S206。
在本实施例中,姿态识别结果可以是双臂水平、双臂竖直、双脚按照设定的位置站立等,也可以是待检人员的双臂位置、双脚位置等,例如,待检人员的双臂为水平方向80°。匹配条件可以是姿态识别结果与当前标准姿态是否一致,或者姿态识别结果与当前标准姿态的差别是否在误差允许范围内。当姿态识别结果与当前标准姿态满足匹配条件时,姿态识别结果与当前标准姿态满足匹配,执行S205,;当姿态识别结果与当前标准姿态不满足匹配条件时,姿态识别结果与当前标准姿态不匹配,执行S206。
S205、确定待检人员符合检测要求。
在确定待检人员符合检测要求后,执行S210。
S206、确定待调整部位并提示待检人员进行调整。
在本实施例中,待调整部位具体可以理解为待检人员需要调整的身体部位。当姿态识别结果与当前标准姿态不满足匹配条件时,此时待检人员的姿态相比于当前标准姿态不合格导致无法继续进行安检,因此,比较待检人员的姿态与当前标准姿态,确定不匹配(或者不合格)的部位,例如,当前标准姿态中的双臂为水平状态,待检人员的双臂为水平向下30°,确定待检人员的双臂不符合要求,确定待调整姿态为双臂。提示待检人员对双臂进行调整,例如,通过语音的方式提示待检人员“请保持双臂水平状态”或“请按照图示张开双臂”,也可以文字提示,也可以多种方式结合进行提示。
S207、更新当前标准姿态对应的调整次数,并采集待检人员的新的第一待检图像。
记录当前标准姿态下待检人员的调整次数,同时在每次提醒待检人员进行姿态调整后,更新当前标准姿态下对应的调整次数,即以当前标准姿态作为对照标准,待检人员进行姿态调整的调整次数。在提醒待检人员进行调整后,再次采集待检人员的图像,作为新的第一待检图像。为了保证采集新的第一待检图像时,待检人员已经调整完姿态,所以可以设置一定时间间隔对新的第一待检图像进行采集。例如,在提醒待检人员进行调整后,间隔第一预设时间采集待检人员的新的第一待检图像。
S208、判断调整次数是否大于预设次数,若否,返回执行S203;否则,执行S209。
在本实施例,预设次数可以是2次,3次等。比较调整次数和预设次数的大小,当调整次数大于预设次数时,此时待检人员的姿态在多次调整后仍然未达到标准姿态的要求,执行S209选择新的当前标准姿态;当调整次数不大于预设次数时,返回执行S203对新采集的第一待检图像重新进行姿态识别。
S209、确定当前标准姿态对应的下一姿态,将下一姿态作为新的当前标准姿态,并返回执行S203。
在本实施例中,下一姿态具体可以理解为用于作为新标准的标准姿态。确定当前标准姿态的等级,选择低于当前标准姿态的等级的标准姿态作为下一姿态,例如,当前标准姿态的等级为高等级,从标准姿态表中选择中等级的标准姿态作为下一姿态。将下一姿态作为新的当前标准姿态,实现对当前标准姿态的更新,返回执行S203对新采集的第一待检图像进行姿态识别。此时由于当前标准姿态进行了更新,此时在完成姿态识别后,姿态识别结果与更新后的当前标准姿态进行匹配。
S210、当待检人员符合检测要求时,控制安检设备启动安检。
S211、获取安检设备采集的第二待检图像。
S212、对第一待检图像和第二待检图像分别进行关键点识别,确定第一关键点信息和第二关键点信息。
在本实施例中,第一关键点信息为第一待检图像中待检人员的关键点信息;第二关键点信息为第二待检图像中待检人员的关键点信息。关键点信息可以是手腕、肘部等身体关键点的信息。
具体的,对第一待检图像进行关键点识别,确定第一关键点信息。关键点识别可采用关键点检测算法实现。关键点检测算法可分为自顶向下和自底向上的方法,自底向上的算法思路是先把图像中所有的关节点都检测出来并分好类,再通过连接算法来将各关节匹配到对应的人身上,即主要包括两个部分:关节点检测和关节点部件聚类。自底向上方法的优点在于不受人数的限制,识别速度基本保持一致。自顶向下的算法思路是先把图像中的人检测出来,再分别对每个人进行关节检测。自顶向下方法的优点在于识别检测率较高,但是识别所耗时间与检测人数成线性比例,当图中人数过多时,自顶向下的方法就会特别缓慢。针对第二待检图像,可采用相同的方式进行关键点识别,确定第二关键点信息。
作为本实施例的一个可选实施例,本可选实施例进一步优化包括:在对第一待检图像和第二待检图像分别进行关键点识别之前,根据待检信息确定待检人员为非免检人员。
在本实施例中,非免检人员即需要进行安检的人员。待检信息中可以包括待检人员是否为白名单人员,针对白名单人员实行免检。根据待检信息确定待检人员为非免检人员时,对第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。当待检人员为免检人员时,可直接提示待检人员免检。无需对第一待检图像和第二待检图像进行处理。也可以在采集第二待检图像之前根据待检信息确定待检人员是否为免检人员,若免检,直接提示待检人员免检,不需要控制安检设备启动。
作为本实施例的一个可选实施例,本可选实施例进一步将对第一待检图像和第二待检图像分别进行关键点识别,确定第一关键点信息和第二关键点信息优化为:
A1、通过预设的轻量级网络对第一待检图像和第二待检图像进行特征提取,确定第一特征信息和第二特征信息。
在本实施例中,轻量级网络可以是卷积网络,例如MobileNet轻量级网络。第一特征信息具体可以理解为第一待检图像的特征信息。第二特征信息具体可以理解为第二待检图像的特征信息。
本申请在进行安检时,待检人员需站在安检设备中接收安检,因此第一待检图像和第二待检图像中所包含的人较少,通常为一个待检人员,针对此场景,采用轻量级网络进行特征提取,提高了数据处理速度。通过轻量级网络对第一待检图像进行特征提取,得到第一特征信息,对第二待检图像进行特征提取,得到第二特征信息。
A2、通过预设的关键点识别算法对第一特征信息和第二特征信息进行关键点识别,确定第一关键点信息和第二关键点信息。
在本实施例中,关键点识别算法可以是OpenPose算法、CPM算法、DeeperCut算法、AlphaPose算法等。预先选择关键点识别算法,通过关键点识别算法对第一特征信息进行关键点识别,得到第一关键点信息,对第二特征信息进行关键点识别,得到第二关键点信息。
作为本实施例的一个可选实施例,本可选实施例进一步优化包括:关键点识别算法为OpenPose算法,OpenPose算法包括两个stage模块。
本申请实施例应用于安检,安检过程中,由于所采集的图像中人的数量较少,因此,关键点识别算法采用OpenPose算法,并在OpenPose算法的基础上进行改进,将OpenPose算法的多个stage模块简化为两个stage模块,提高数据处理速度。
示例性的,图3为本申请实施例提供的一种OpenPose关键点识别算法的框架图。本申请在对第一待检图像和第二待检图像进行处理时,原理相同。本实施例以对第一待检图像进行处理为例,说明第一关键点信息的确定过程。第一待检图像31在通过轻量级网络32进行特征提取得到第一特征信息33后,将第一特征信息33依次输入到stage1模块34和stage2模块35中。Stage模块是一些串行的模块,分成两个分支,一个分支生成pcm关节点置信图(Part confidence maps),另一个分支生成paf亲和度向量(Part Affinity Fields),本申请采用两个stage模块。关键点置信图就是人体关键点的热力图,用于表示关键点位置。亲和度向量用来描述不同关键点之间的亲和力,需要对关键点进行配对。属于同一个人的不同关节,亲和力大;属于不同人之间的关节,亲和力小。关键点匹配,首先对置信度图进行nms非极大值抑制,获得多个候选位置,并利用上面得到亲和力大小,考虑各类型关节点是否连接,以及同一类型的肢体不能共享关键点,计算每一个候选肢体的分值。将匹配问题便转化为二分图最大匹配问题,采用匈牙利算法进行匹配。
S213、根据待检信息结合第二待检图像进行违禁品识别,确定违禁品信息。
在本实施例中,违禁品信息至少包括违禁品位置,违禁品位置可通过检测框的大小和位置表示。通过待检信息确定对第二待检图像的识别精度要求。根据识别精度要求对第二待检图像进行违禁品识别,确定第二待检图像中是否存在违禁品,以及违禁品信息。实现了针对不同待检人员的不同检测标准,可以自动调整检测的精度及准确度,更加灵活可靠。
作为本实施例的一个可选实施例,本可选实施例进一步将根据待检信息结合第二待检图像进行违禁品识别,确定违禁品信息优化为:
B1、根据待检信息确定概率阈值。
根据待检信息确定待检人员的身份、习惯等,通过对待检信息进行分析确定对应的概率阈值,例如,通过算法计算概率阈值,或者通过预先设置的映射关系确定概率阈值。
B2、根据预设的违禁品识别算法对第二待检图像进行违禁品识别,确定备选违禁品信息及相应的概率。
在本实施例中,违禁品识别算法可以是FasterRCNN、YOLO等。备选违禁品信息具体可以理解为可能存在违禁品的位置信息。
具体的,预先设置违禁品识别算法,根据违禁品识别算法对第二待检图像中的违禁品进行识别,从第二待检图像中确定可能存在违禁品的备选违禁品信息,以及每个备选违禁品信息对应的概率,概率用于表明此备选违禁品信息为违禁品的概率。
作为本实施例的一个可选实施例,本可选实施例进一步将根据预设的违禁品识别算法对第二待检图像进行违禁品识别,确定备选违禁品信息及相应的概率优化为:
B21、对第二待检图像进行特征提取,确定第三特征信息。
在本实施例中,第三特征信息具体可以理解为第二待检图像的特征信息,第三特征信息用于进行违禁品识别。通过VGG16卷积神经网络、MobileNet、FPN、DenseNet等网络提取特征,得到第三特征信息。
B22、根据预设规则生成第三特征信息中的每个像素点所对应的备选锚框。
在本实施例中,备选锚框具体可以理解为可能存在违禁品的锚框。预设规则可以根据违禁品识别的精度要求设置,例如,备选锚框的数量、尺寸、角度等。根据预设规则确定每个像素点对应的备选锚框的数量,以及每个备选锚框的尺寸,通常情况下,每个备选锚框的尺寸和角度可以相同,也可以不同。以每个像素点作为备选锚框的中心、左顶点、右顶点等,在每个像素点处生成相应的备选锚框。
B23、通过卷积网络对各备选锚框进行处理,确定备选违禁品信息及相应的概率。
具体的,通过卷积网络对各备选锚框进行卷积处理,实现分类和回归,通过分类网络确定每个备选锚框是否包括违禁品,通过回归网络确定每个包括违禁品的备选锚框的偏移量,通过偏移量对备选锚框的位置进行校正,得到备选违禁品信息,同时得到每个备选违禁品信息对应的概率。
B3、将大于概率阈值的概率所对应的备选违禁品信息确定为违禁品信息。
比较每个备选违禁品信息的概率与概率阈值的大小,确定大于概率阈值的概率所对应的备选违禁品信息,将此部分备选违禁品信息确定为违禁品信息。为避免违禁品信息重复,还可以进行去重处理。
示例性的,图4为本申请提供一种违禁品识别算法的框架图,第二待检图像41通过特征提取网络42提取特征,得到第三特征信息(Feature Map)43。对第三特征信息43的每一个像素点生成十五个备选锚框44,十五个备选锚框44大小宽高不同,对应到原图基本可以覆盖所有可能出现的物体。第三特征信息43和备选锚框44经过一个3×3卷积加深网络45,然后通过1×1的卷积46和1×1的卷积47分别实现分类网络和回归网络。在分类网络分支中,每个备选锚框只预测其是否为违禁品48,每个点默认有15个备选锚框,因此通道数为2*15=30;在回归网络分支中,每一个备选锚框有4个数据,分别代表了每一个备选锚框的中心点横纵坐标及宽高这4个量相对于真值的偏移量,因此通道数为4*15=60。确定每一个备选锚框预测的概率与偏移量,根据偏移量得到备选违禁品信息。通过概率阈值去掉不符合概率要求的备选违禁品信息,得到违禁品信息。还可以按照概率排序,通过NMS极大值抑制方法过滤掉重复的违禁品信息,得到最终的违禁品信息49。
本申请的违禁品识别算法在FasterRCNN算法的基础上进行改进,违禁品识别更加关注是否为违禁品的二分类,也就是背景和前景的区分,本申请只采用FasterRCNN算法中的区域建议网络RPN这个阶段就可以实现二分类,将二阶段算法修改为一阶段算法,提高了处理速度,降低数据处理难度。
S214、根据第二关键点信息和违禁品信息确定违禁品映射关系。
比较第二关键点信息和违禁品信息,例如,第二关键信息为关键点的坐标,违禁品信息为违禁品的坐标,比较关键点的坐标和违禁品的坐标,确定违禁品映射关系。
S215、根据违禁品映射关系和第一关键点信息确定第一待检图像中的违禁品位置。
违禁品映射关系可以反映关键点与违禁品的位置关系,在确定违禁品映射关系后,根据第一关键点信息进行违禁品映射,确定违禁品在第一待检图像中的位置,即违禁品位置。
S216、对第一待检图像和第二待检图像中的违禁品位置进行展示。
在确定第一待检图像和第二待检图像中的违禁品位置后,在第一待检图像和第二待检图像中的违禁品位置进行标注,并展示,以便安检员可以随时查看安检结果。安检设备采集的人体成像的违禁品位置结果显示到图像采集装置得到的真实被检人员图片对应位置上,更加真实,可以分辨是否衣服首饰导致误报。
作为本实施例的一个可选实施例,本可选实施例进一步优化包括了:接收安检人员根据检测结果确定的控制指令;当控制指令为重新安检时,根据检测结果中的违禁品位置提示待检人员重新进行安检。
在本实施例中,控制指令可以是表示安检通过的通行指令、安检未通过的重新安检指令等。
安检人员可以对展示的安检结果进行监控,根据经验进一步判断待检人员身体上的违禁品是否为违禁品,例如,一些首饰会被识别为违禁品,安检人员可以清晰的看到原因,并进一步判断是否为违禁品,并生成相应的控制指令。安检人员根据检测结果确定控制指令,并将控制指令发送给本执行设备,本执行设备在接收到控制指令后,对控制指令进行解析,当控制指令为重新安检时,确定检测结果中的违禁品位置,根据违禁品位置提示待检人员重新进行安检,例如,通过语音“请检查左侧衣服中的物品”提示待检人员对物品进行处理。安检人员通过对算法检测结果和人工监控结果进行综合,消除误判,进一步提高安检的准确性,保证安全性。
作为本实施例的一个可选实施例,本可选实施例进一步优化包括了检测结果通过虚拟现实设备或增强现实设备显示。
本申请中的检测结果优选采用虚拟现实设备或增强现实设备进行显示。安检人员可以通过佩戴AR/VR眼镜查看检测结果,防止隐私暴露。安检过程无接触,设备自动启动扫描,自动识别违禁品位置,检测结果通过AR/VR眼镜或终端屏幕进行展示,根据安检的检测结果自动开启闸机口。如果没有出现异常,自动扫描后就开启闸机口;如果出现异常,提示异常原因方便解除异常。在通过虚拟现实设备或增强现实设备显示检测结果时,由于虚拟现实设备或增强现实设备上通常设置了摄像头采集图像,因此,可以将虚拟现实设备或增强现实设备上的摄像头作为图像采集装置,采集第一待检图像。使用虚拟现实设备或增强现实设备时,还可以实时跟踪查看人体成像,实时进行关键点识别和违禁品映射。
本发明实施例提供了一种无感无接触的安检方法,通过当前标准姿态判断待检人员的姿态是否符合检测要求;当待检人员符合检测要求时,安检设备启动安检并采集第二待检图像,实现对待检人员的全自动检查,无需安检员人工操作,降低安检员的工作量,同时降低成本;根据待检信息对所述第一待检图像和第二待检图像进行安全检测,实现违禁品检测和映射,提高检测结果的准确性,通过违禁品位置映射可以更加清晰的展示违禁品,实现了每个待检人员的针对性检测,提高了检测结果的准确性;并且由于整个安检过程无感无接触,提高了安全性。安检人员可以通过虚拟现实设备或增强现实设备查看检测结果,防止隐私暴露。并且,安检人员通过综合算法检测结果和人工监控结果,可以消除误判,进一步提高安检的准确性。
实施例三
图5为本发明实施例三提供的一种无感无接触的安检装置的结构示意图。如图5所示,该装置包括:信息获取模块51、控制模块52、图像获取模块53和检测模块54。
其中,信息获取模块51,用于获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;
控制模块52,用于当所述待检人员符合检测要求时,控制安检设备启动安检;
图像获取模块53,用于获取所述安检设备采集的第二待检图像;
检测模块54,用于根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
本发明实施例提供了一种无感无接触的安检装置,解决了安检过程中需要人工手检的问题,通过获取待检人员的第一待检图像判断待检人员是否符合检测要求,在符合检测要求的情况下,控制安检设备启动安检采集第二待检图像,实现对待检人员的全自动检查,无需安检员人工操作,降低安检员的工作量,同时降低成本。并且在安检过程中结合待检人员的待检信息对第一待检图像和第二待检图像进行安全检测,实现了每个待检人员的针对性检测,提高了检测结果的准确性;并且由于整个安检过程无感无接触,提高了安全性。
可选的,信息获取模块51包括:
姿态选择单元,用于从预确定的标准姿态表中选择当前标准姿态;
姿态识别单元,用于对所述第一待检图像进行姿态识别;
姿态匹配单元,用于当所述姿态识别结果与当前标准姿态满足匹配条件时,确定所述待检人员符合检测要求。
可选的,信息获取模块51包括:
调整单元,用于当所述姿态识别结果与当前标准姿态不满足匹配条件时,确定待调整部位并提示所述待检人员进行调整;
调整次数更新单元,用于更新所述当前标准姿态对应的调整次数,并采集所述待检人员的新的第一待检图像;
调整次数判断单元,用于判断所述调整次数是否大于预设次数时,若否,执行姿态识别操作;若是,确定所述当前标准姿态对应的下一姿态,将所述下一姿态作为新的当前标准姿态,并执行姿态识别操作。
可选的,检测模块54,包括:
关键点识别单元,用于对所述第一待检图像和第二待检图像分别进行关键点识别,确定第一关键点信息和第二关键点信息;
违禁品识别单元,用于根据待检信息结合所述第二待检图像进行违禁品识别,确定违禁品信息;
映射单元,用于根据所述第二关键点信息和违禁品信息确定违禁品映射关系;
位置确定单元,用于根据所述违禁品映射关系和第一关键点信息确定所述第一待检图像中的违禁品位置;
展示单元,用于对所述第一待检图像和第二待检图像中的违禁品位置进行展示。
可选的,该装置还包括:
免检确定模块,用于在所述对所述第一待检图像和第二待检图像分别进行关键点识别之前,根据所述待检信息确定所述待检人员为非免检人员。
可选的,关键点识别单元,具体用于通过预设的轻量级网络对所述第一待检图像和第二待检图像进行特征提取,确定第一特征信息和第二特征信息;通过预设的关键点识别算法对所述第一特征信息和第二特征信息进行关键点识别,确定第一关键点信息和第二关键点信息。
可选的,关键点识别算法为OpenPose算法,所述OpenPose算法包括两个stage模块。
可选的,违禁品识别单元,包括:
阈值确定子单元,用于根据所述待检信息确定概率阈值;
概率确定子单元,用于根据预设的违禁品识别算法对所述第二待检图像进行违禁品识别,确定备选违禁品信息及相应的概率;
违禁品确定子单元,用于将大于所述概率阈值的概率所对应的备选违禁品信息确定为违禁品信息。
可选的,概率确定子单元,具体用于对所述第二待检图像进行特征提取,确定第三特征信息;根据预设规则生成所述第三特征信息中的每个像素点所对应的备选锚框;通过卷积网络对各所述备选锚框进行处理,确定备选违禁品信息及相应的概率。
可选的,该装置还包括:
指令接收模块,用于接收安检人员根据所述检测结果确定的控制指令;
提示模块,用于当所述控制指令为重新安检时,根据所述检测结果中的违禁品位置提示所述待检人员重新进行安检。
可选的,所述检测结果通过虚拟现实设备或增强现实设备显示。
本发明实施例所提供的无感无接触的安检装置可执行本发明任意实施例所提供的无感无接触的安检方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例提供的一种无感无接触的安检系统的结构示意图,该系统包括:图像采集装置61、安检设备62和电子设备63。
图像采集装置61,用于采集第一待检图像,图像采集装置61的数量可以是一个或者多个;安检设备62,用于采集第二待检图像。图7示出了可以用来实施本发明的实施例的电子设备63的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备63包括至少一个处理器631,以及与至少一个处理器631通信连接的存储器,如只读存储器(ROM)632、随机访问存储器(RAM)633等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器631可以根据存储在只读存储器(ROM)632中的计算机程序或者从存储单元638加载到随机访问存储器(RAM)633中的计算机程序,来执行各种适当的动作和处理。在RAM 633中,还可存储电子设备630操作所需的各种程序和数据。处理器631、ROM 632以及RAM 633通过总线634彼此相连。输入/输出(I/O)接口635也连接至总线634。
电子设备63中的多个部件连接至I/O接口635,包括:输入单元636,例如键盘、鼠标等;输出单元637,例如各种类型的显示器、扬声器等;存储单元638,例如磁盘、光盘等;以及通信单元639,例如网卡、调制解调器、无线通信收发机等。通信单元639允许电子设备63通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器631可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器631的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器631执行上文所描述的各个方法和处理,例如无感无接触的安检方法。
在一些实施例中,无感无接触的安检方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元638。在一些实施例中,计算机程序的部分或者全部可以经由ROM 632和/或通信单元639而被载入和/或安装到电子设备63上。当计算机程序加载到RAM 633并由处理器631执行时,可以执行上文描述的无感无接触的安检方法的一个或多个步骤。备选地,在其他实施例中,处理器631可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行无感无接触的安检方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种无感无接触的安检方法,其特征在于,包括:
获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;
当所述待检人员符合检测要求时,控制安检设备启动安检;
获取所述安检设备采集的第二待检图像;
根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一待检图像判断所述待检人员是否符合检测要求,包括:
从预确定的标准姿态表中选择当前标准姿态;
对所述第一待检图像进行姿态识别;
当所述姿态识别结果与当前标准姿态满足匹配条件时,确定所述待检人员符合检测要求。
3.根据权利要求2所述的方法,其特征在于,还包括:
当所述姿态识别结果与当前标准姿态不满足匹配条件时,确定待调整部位并提示所述待检人员进行调整;
更新所述当前标准姿态对应的调整次数,并采集所述待检人员的新的第一待检图像;
判断所述调整次数是否大于预设次数,若否,执行姿态识别操作;
若是,确定所述当前标准姿态对应的下一姿态,将所述下一姿态作为新的当前标准姿态,并执行姿态识别操作。
4.根据权利要求1所述的方法,其特征在于,所述根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示,包括:
对所述第一待检图像和第二待检图像分别进行关键点识别,确定第一关键点信息和第二关键点信息;
根据待检信息结合所述第二待检图像进行违禁品识别,确定违禁品信息;
根据所述第二关键点信息和违禁品信息确定违禁品映射关系;
根据所述违禁品映射关系和第一关键点信息确定所述第一待检图像中的违禁品位置;
对所述第一待检图像和第二待检图像中的违禁品位置进行展示。
5.根据权利要求4所述的方法,其特征在于,在所述对所述第一待检图像和第二待检图像分别进行关键点识别之前,还包括:
根据所述待检信息确定所述待检人员为非免检人员。
6.根据权利要求4所述的方法,其特征在于,所述对所述第一待检图像和第二待检图像分别进行关键点识别,确定第一关键点信息和第二关键点信息,包括:
通过预设的轻量级网络对所述第一待检图像和第二待检图像进行特征提取,确定第一特征信息和第二特征信息;
通过预设的关键点识别算法对所述第一特征信息和第二特征信息进行关键点识别,确定第一关键点信息和第二关键点信息。
7.根据权利要求6所述的方法,其特征在于,所述关键点识别算法为OpenPose算法,所述OpenPose算法包括两个stage模块。
8.根据权利要求4所述的方法,其特征在于,所述根据待检信息结合所述第二待检图像进行违禁品识别,确定违禁品信息,包括:
根据所述待检信息确定概率阈值;
根据预设的违禁品识别算法对所述第二待检图像进行违禁品识别,确定备选违禁品信息及相应的概率;
将大于所述概率阈值的概率所对应的备选违禁品信息确定为违禁品信息。
9.根据权利要求8所述的方法,其特征在于,所述根据预设的违禁品识别算法对所述第二待检图像进行违禁品识别,确定备选违禁品信息及相应的概率,包括:
对所述第二待检图像进行特征提取,确定第三特征信息;
根据预设规则生成所述第三特征信息中的每个像素点所对应的备选锚框;
通过卷积网络对各所述备选锚框进行处理,确定备选违禁品信息及相应的概率。
10.根据权利要求1所述的方法,其特征在于,还包括:
接收安检人员根据所述检测结果确定的控制指令;
当所述控制指令为重新安检时,根据所述检测结果中的违禁品位置提示所述待检人员重新进行安检。
11.根据权利要求1-10任一项所述的方法,其特征在于,所述检测结果通过虚拟现实设备或增强现实设备显示。
12.一种无感无接触的安检装置,其特征在于,包括:
信息获取模块,用于获取待检人员的第一待检图像和待检信息,根据所述第一待检图像判断所述待检人员是否符合检测要求;
控制模块,用于当所述待检人员符合检测要求时,控制安检设备启动安检;
图像获取模块,用于获取所述安检设备采集的第二待检图像;
检测模块,用于根据所述待检信息对所述第一待检图像和第二待检图像进行安全检测,确定检测结果并进行展示。
13.一种无感无接触的安检系统,其特征在于,包括:图像采集装置、安检设备和电子设备;
所述图像采集装置,用于采集第一待检图像;
所述安检设备,用于采集第二待检图像;
所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的无感无接触的安检方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的无感无接触的安检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264777.3A CN116824167A (zh) | 2022-03-17 | 2022-03-17 | 一种无感无接触的安检方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264777.3A CN116824167A (zh) | 2022-03-17 | 2022-03-17 | 一种无感无接触的安检方法、装置、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824167A true CN116824167A (zh) | 2023-09-29 |
Family
ID=88141575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210264777.3A Pending CN116824167A (zh) | 2022-03-17 | 2022-03-17 | 一种无感无接触的安检方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824167A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112816A (zh) * | 2023-10-20 | 2023-11-24 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
-
2022
- 2022-03-17 CN CN202210264777.3A patent/CN116824167A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112816A (zh) * | 2023-10-20 | 2023-11-24 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
CN117112816B (zh) * | 2023-10-20 | 2024-02-02 | 浙江啄云智能科技有限公司 | 安检图像的排序方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10949657B2 (en) | Person's behavior monitoring device and person's behavior monitoring system | |
WO2020215552A1 (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
US12046044B2 (en) | Information processing apparatus, control method, and program | |
CN113378712B (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN113177469A (zh) | 人体属性检测模型的训练方法、装置、电子设备及介质 | |
CN113065614A (zh) | 分类模型的训练方法和对目标对象进行分类的方法 | |
CN112784760B (zh) | 人体行为识别方法、装置、设备以及存储介质 | |
CN117392733B (zh) | 一种痤疮分级检测方法、装置、电子设备及存储介质 | |
CN116824167A (zh) | 一种无感无接触的安检方法、装置、系统及存储介质 | |
CN113378836A (zh) | 图像识别方法、装置、设备、介质及程序产品 | |
KR101967858B1 (ko) | 3d 깊이 이미지 기반 객체 분리 장치 및 그 방법 | |
CN111985331B (zh) | 预防商业秘密被窃照的检测方法及装置 | |
AU2021204584A1 (en) | Methods, apparatuses, devices and storage media for detecting correlated objects involved in image | |
CN117133050A (zh) | 轿厢异常行为检测方法、装置、设备及存储介质 | |
CN117934897A (zh) | 一种设备异常检测方法、装置、设备以及存储介质 | |
CN112380941A (zh) | 身份识别方法、装置、终端设备及存储介质 | |
CN114445711B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
Zhao | Research on the application of OpenPose in escalator safety systems | |
CN113361455A (zh) | 人脸鉴伪模型的训练方法、相关装置及计算机程序产品 | |
CN111325132A (zh) | 一种智能监控系统 | |
CN114580631B (zh) | 模型的训练方法、烟火检测方法、装置、电子设备及介质 | |
KR102624777B1 (ko) | 사용자 동작 자세 인식 기반 신체 부상 위험 예측을 위한 방법 및 이를 위한 장치 | |
US20240046508A1 (en) | Determination apparatus, determination method, determination system, and non-transitory computer-readable medium storing program | |
CN115131825A (zh) | 人体属性的识别方法、装置、电子设备和存储介质 | |
CN117522913A (zh) | 目标识别方法和装置 |
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 |