JPWO2019150920A1 - 物体識別装置及び物体識別方法 - Google Patents

物体識別装置及び物体識別方法 Download PDF

Info

Publication number
JPWO2019150920A1
JPWO2019150920A1 JP2019568970A JP2019568970A JPWO2019150920A1 JP WO2019150920 A1 JPWO2019150920 A1 JP WO2019150920A1 JP 2019568970 A JP2019568970 A JP 2019568970A JP 2019568970 A JP2019568970 A JP 2019568970A JP WO2019150920 A1 JPWO2019150920 A1 JP WO2019150920A1
Authority
JP
Japan
Prior art keywords
ray transmission
unit
ray
inspection
transmission 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.)
Granted
Application number
JP2019568970A
Other languages
English (en)
Other versions
JP6829778B2 (ja
Inventor
嘉之 山海
嘉之 山海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cyberdyne Inc
Original Assignee
Cyberdyne Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cyberdyne Inc filed Critical Cyberdyne Inc
Publication of JPWO2019150920A1 publication Critical patent/JPWO2019150920A1/ja
Application granted granted Critical
Publication of JP6829778B2 publication Critical patent/JP6829778B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
    • 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
    • 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
    • G01N23/06—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 measuring the absorption
    • G01N23/083—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 measuring the absorption the radiation being X-rays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/408—Imaging display on monitor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
    • G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
    • G08B5/36—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission using visible light sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Geophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Toxicology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)

Abstract

供給される検査対象物に対してＸ線撮像する撮像部から得られるＸ線透過画像を画像領域単位でスキャンして、検査対象物の少なくとも一部の形状の特性を含む複数の画素群を抽出する画素群抽出部と、画素群抽出部により抽出された複数の画素群について、記憶部から読み出したデータ群に基づく各重みパラメータを利用して、ｎ方向の角度に関して一連の写像を全て実行することにより、検査対象物が物体に相当するか否かを判断する判断部とを設けるようにした。

Description

本発明は物体識別装置に関し、例えばＸ線手荷物検査に用いられる物体識別装置及び物体識別方法に適用して好適なものである。
従来、空港、イベント会場などでの手荷物検査においては、Ｘ線の透過量を示すグレースケール画像、材質を判定して材質ごとに色付けしたカラー画像などをディスプレイに表示し、人手で危険物の有無を確認することが行われている。
このような画像に危険物が含まれているか否かを判断するためには、高度な訓練を受けた検査員が必要である。また、多くの検査員を大量に確保する必要がある。そこで、少しでも検査員の負担および人員を抑えるために、危険物の発見を自動化する取り組みがなされている。
近年、手荷物を高速スキャンにより撮像した画像を画像処理し、その画像に特定の性状のものが含まれていない場合に合格とし、特定の性状のものが含まれている場合に不合格とするシステムが開示されている（特許文献１参照。）。
また、複数のＸ線スキャン画像から物体内容の特徴を計算し、その特徴が予めデータベースに登録された保存特徴セット（複数画像から得られる減衰（透過）、テクスチャ、原子番号、サイズ、形状を含む物理的特性の組合せ）との比較による検知分析を行い、内容物の一致または脅威性の有無を判断するシステムが開示されている（特許文献２参照）。
特開２００２−２５７７５１号公報 特表２０１４−５２５５９４号公報
しかし、特許文献１に記載のシステムでは、テンプレートマッチングが行われているが、テンプレートマッチングでは、テンプレート画像を入力画像で走査させ、入力画像上の各位置における類似度を算出し、最大（または閾値以上）の類似度をとる位置を検出する必要があり、テンプレート画像と入力画像との両方に画像処理が必要になる。また、特許文献２に記載のシステムでは、マニフェストデータを用意しなければならない問題がある。
一方、手荷物検査時において、検査員が全ての検査対象物が危険物か否かを、Ｘ線透過画像を目視確認するのみで正確に判断することは困難である。実際に危険物の種類は、刃物、ライター、爆弾等多岐にわたり、未知なる危険性の高い物体を検査員が形状のみから目視判断することは非常に困難を要し、疑義のある場合は、直に手に取って確認する必要がある。このため手荷物に含められる可能性がある物体を全て事前に認識しておき、手荷物検査時に検査対象物が当該認識された物体に相当するか否かを判断することが望ましい。
本発明は以上の点を考慮してなされたもので、Ｘ線撮像方向にかかわらず物体を容易に識別し得る物体識別装置及び物体識別方法を提案しようとするものである。
かかる課題を解決するため本発明においては、Ｘ線透過画像から特定の物体を識別する物体識別装置において、物体を任意のｉ方向（１≦ｉ≦ｎを満たす整数）の角度からＸ線撮像して生成される複数のＸ線透過画像のうち、当該物体の少なくとも一部の形状の特性を含む画像領域を構成する複数の画素群を当該画像群ごとに入力し、それぞれ割り当てられた重みパラメータを乗算した総和に対して非線形の閾値処理を施して出力する多入力一出力の写像を実行する写像関数素子について、当該写像関数素子同士の入出力間を相互接続しながら、物体に相当するか否かを決定する最終的な単一の写像関数素子に収束されるまで一連の写像を実行した後、得られた当該単一の写像関数素子からの出力に基づいて、全ての重みパラメータをそれぞれ最適化して得られるデータ群が記憶された記憶部と、供給される検査対象物に対してＸ線撮像する撮像部から得られるＸ線透過画像を画像領域単位でスキャンして、検査対象物の少なくとも一部の形状の特性を含む複数の画素群を抽出する画素群抽出部と、画素群抽出部により抽出された複数の画素群について、記憶部から読み出したデータ群に基づく各重みパラメータを利用して、ｎ方向の角度に関して一連の写像を全て実行することにより、検査対象物が物体に相当するか否かを判断する判断部とを設けるようにした。
この結果、実際の検査対象物のＸ線撮像時に、データベースに予め登録されたテンプレート画像などの標準データとの比較をする必要がなく、事前に記憶しておいた物体に相当するものであれば、記憶部（メモリ）から読み出した重みパラメータを利用して演算するだけで、Ｘ線撮像方向にかかわらず物体を容易に識別し得る。
また本発明においては、判断部は、物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像と、（ｉ−ｋ）方向（１≦ｋ＜ｉを満たす整数）の角度から得られるＸ線透過画像と、（ｉ＋ｋ）方向の角度から得られるＸ線透過画像とについて一連の写像を実行した結果に基づいて、検査対象物が物体に相当するか否かを判断するようにした。
この結果、ほぼ近い角度方向からのＸ線透過画像同士は相関性が高いことから、これらのＸ線透過画像の重みパラメータを用いることで容易かつ高精度に物体を識別し得る。
さらに本発明においては、判断部は、物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像について一連の写像を実行する際、物体のうち当該物体を識別するために最も顕著な特徴部位を表す複数の画素群に基づく重みパラメータを利用して、一連の写像を全て実行することにより、検査対象物が物体に相当するか否かを判断するようにした。
この結果、物体全体を対象とすることなく、物体を識別するために最も顕著な特徴部位（万年筆におけるペン先等）のみから容易に物体を識別し得る。
さらに本発明においては、撮像部によりＸ線撮像されたＸ線透過画像を画面表示する表示部をさらに備え、表示部は、判断部により検査対象物が物体に相当すると判断された場合、表示部に表示されているＸ線透過画像のうち検査対象物を識別可能に着色するようにした。
この結果、検査対象物が物体に相当する場合、画像全体からその検査対象物のみ特定色で表示すれば、検査員が容易に認識することが可能になる。
さらに本発明においては、物体について危険物に相当するものを記憶部に登録しておき、判断部により検査対象物が物体に相当すると判断され、かつ当該物体が記憶部に記憶されている危険物に該当すると判断された場合、周囲に音声及び発光のいずれか一方又は両方により警告する警告部を備えるようにした。
この結果、検査対象物が危険物に該当する物体に相当する場合、周囲に音声および／または発光により警告すれば、検査員が危険物を容易に認識することが可能になる。
さらに本発明においては、警告部による警告とともに、又は当該警告に変えて、表示部に表示されているＸ線透過画像のうち検査対象物を所定の表示色及び表示パターンにて表示する表示処理部を備えるようにした。
この結果、検査対象物が危険物に該当する物体に相当する場合、他の物体から顕著に識別可能なように画面上で警告表示すれば、検査員が危険物の存在を見落とすリスクを低減することが可能になる。
さらに本発明においては、Ｘ線透過画像から特定の物体を識別する物体識別方法において、物体を任意のｉ方向（１≦ｉ≦ｎを満たす整数）の角度からＸ線撮像して生成される複数のＸ線透過画像のうち、当該物体の少なくとも一部の形状の特性を含む画像領域を構成する複数の画素群を当該画像群ごとに入力し、それぞれ割り当てられた重みパラメータを乗算した総和に対して非線形の閾値処理を施して出力する多入力一出力の写像を実行する写像関数素子について、当該写像関数素子同士の入出力間を相互接続しながら、物体に相当するか否かを決定する最終的な単一の写像関数素子に収束されるまで一連の写像を実行した後、得られた当該単一の写像関数素子からの出力に基づいて、全ての重みパラメータをそれぞれ最適化して得られるデータ群を記憶する第１のステップと、供給される検査対象物に対してＸ線撮像する撮像部から得られるＸ線透過画像を画像領域単位でスキャンして、検査対象物の少なくとも一部の形状の特性を含む複数の画素群を抽出する第２のステップと、抽出された複数の画素群について、第１のステップにおいて記憶されているデータ群に基づく各重みパラメータを利用して、ｎ方向の角度に関して一連の写像を全て実行することにより、検査対象物が物体に相当するか否かを判断する第３のステップとを設けるようにした。
この結果、実際の検査対象物のＸ線撮像時に、データベースに予め登録されたテンプレート画像などの標準データとの比較をする必要がなく、事前に記憶しておいた物体に相当するものであれば、第１のステップにおいて記憶されている重みパラメータを利用して演算するだけで、Ｘ線撮像方向にかかわらず物体を容易に識別し得る。
本発明によれば、Ｘ線撮像方向にかかわらず物体を容易に識別することができる。
第１の実施の形態による物体識別システムの構成の一例を示す図である。 第１の実施の形態による物体識別装置の構成の一例を示す図である。 第１の実施の形態による物体識別装置が実行する一連の処理に係るフローチャートの一例を示す図である。 第１の実施の形態によるＸ線透過画像における走査方法の一例を示す図である。 第１の実施の形態による一の物体に係るＸ線透過画像の一例を示す図である。 第１の実施の形態による重みパラメータ最適化システムの構成の一例を示す図である。 第１の実施の形態によるネットワークの一例を示す図である。 第２の実施の形態による物体識別装置の構成の一例を示す図である。 第２の実施の形態による物体識別装置が実行する一連の処理に係るフローチャートの一例を示す図である。
以下図面について、本発明の一実施の形態を詳述する。
（１）第１の実施の形態
図１において、１は全体として第１の実施の形態による物体識別システムを示す。物体識別システム１は、後述する図６に示す重みパラメータ最適化システム２で最適化された重みパラメータを記憶し、当該重みパラメータと、手荷物などの検査物にＸ線（エックス線）を照射して得られたＸ線透過画像とに基づいて、検査物にどのような物体（検査対象物）が含まれているかを識別（判定）する。
より具体的には、物体識別システム１は、Ｘ線検査装置１００と、物体識別装置２００と、表示端末３００とを含んで構成される。
Ｘ線検査装置１００は、空港、港などの保安検査場、イベント会場などにおける手荷物検査などに用いられる手荷物Ｘ線検査装置として広く用いられる装置である。Ｘ線検査装置１００は、手荷物検査が行われる場所に所定の台数（一または複数）設置されている。
例えば、Ｘ線検査装置１００は、Ｘ線を照射（発射）するＸ線源、およびＸ線の透過量を計測するＸ線検出器を有するＸ線装置本体と、データを入出力するために使用するコンピュータとを備える。かかるＸ線検査装置１００は、駆動機構により供給される手荷物のＸ線透過画像を撮像（Ｘ線撮像）し、当該Ｘ線透過画像を物体識別装置２００に送信する。ここで、Ｘ線検出器は、撮像部の一例であり、例えば、シンチレータ、フォトダイオード等を備え、Ｘ線検出器では、手荷物に照射されたＸ線が検査物を透過した後、シンチレータで光に変換され、変換された光をフォトダイオードが検出し、画像を取得する。
付言するならば、Ｘ線検査装置１００では、検査できない部位が生じないように、Ｘ線源は、斜め方向にＸ線を照射するように１つ配置されている。なお、本実施の形態では、Ｘ線源は、１つ設けられる場合を例に挙げて説明するが、複数設けられる場合にも本発明を適用可能である。Ｘ線源が複数設けられている場合の方（異なる撮影方向からのＸ線透過画像が多い方）がより高精度に物体を識別可能となる。
物体識別装置２００は、Ｘ線透過画像から特定の物体を識別可能な計算機（コンピュータ）であり、ノートパソコン、サーバ装置、ＦＰＧＡ（Field-Programmable Gate Array）等である。物体識別装置２００は、Ｘ線検査装置１００で撮像されたＸ線透過画像に基づいて、手荷物内の物体を識別し、判定結果などを表示端末３００等に表示（画面表示）させる。物体識別装置２００の詳細については、図２乃至図４を用いて説明する。
表示端末３００は、表示装置であり、ブラウン管ディスプレイ、液晶ディスプレイ、プラズマディスプレイ、有機ＥＬディスプレイなどである。また、表示端末３００は、スマートフォン、タブレット端末、ノートパソコンなどであってもよい。表示端末３００は、Ｘ線検査装置１００によりＸ線撮像されたＸ線透過画像を表示したり、物体識別装置２００による識別結果を表示したりする。
図２は、物体識別装置２００の構成の一例を示す図である。物体識別装置２００は、制御部２１０、記憶部２２０、入力部２３０、出力部２４０、および通信部２５０を含んで構成される。
制御部２１０は、例えばＣＰＵ（Central Processing Unit）であり、各種の制御を行う。記憶部２２０は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）などであり、各種の情報（物体識別プログラム２２１、重みパラメータ２２２等）を記憶する。入力部２３０は、キーボード、マウス等であり、各種の情報を入力する。出力部２４０は、表示端末３００と同様に表示装置であり、各種の情報（Ｘ線検査装置１００によりＸ線撮像されたＸ線透過画像、物体識別装置２００による識別結果など）を表示する。通信部２５０は、例えばＮＩＣ（Network Interface Card）から構成され、Ｘ線検査装置１００との通信時におけるプロトコル制御を行う。
物体識別装置２００の機能（画素群抽出部、判断部、表示処理部など）は、例えば、ＣＰＵがＲＯＭに格納されたプログラム（例えば、物体識別プログラム２２１）をＲＡＭに読み出して実行すること（ソフトウェア）により実現されてもよいし、専用の回路などのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアとが組み合わされて実現されてもよい。
重みパラメータ２２２は、物体を識別するためのパラメータである。ここで、物体は、物品のみならず動植物を含む。例えばワシントン条約における国際取引の規制対象となる動植物が該当する。特に動物については、生きている状態のみならず、死後であっても骨格等の形状が特定可能な部分も識別対象に含めるものとする。また物品は、全ての製品（商品）を代表する抽象的なものでなく、市場に流通しているメーカ（ブランド）における個々の具体的な製品（換言するならば、入手可能な製品）を指す。なお、以下では、明細書の都合上、具体的な製品名称ではなく、一般名称を適宜用いて説明する。
重みパラメータ２２２は、物体ごと、かつ物体の撮影方向（撮像方向）ごとに複数設けられる。例えば、物体が万年筆である場合、万年筆を水平方向に１度ずつ、上下方向（垂直方向）に１度ずつ撮影し、１２９，６００（＝３６０×３６０）カットのＸ線透過画像の各々に対応する複数の重みパラメータ２２２が設けられる。なお、Ｘ線透過画像のカット度合いは、１度ずつでなくとも、２度ずつなど複数度ずつでもよい。また、角度単位も度（°）に限らず、ラジアン（rad）を適用してもよく、この場合、円周率（π）を基準とした所定ラジアンずつにしてもよい。
また、重みパラメータ２２２は、物体ごと、かつ物体の撮影方向ごとに加えてまたは替えて、物体の最も顕著な特徴部位ごと、かつ当該特徴部位の撮影方向ごとに複数設けられてもよい。例えば、物体が万年筆である場合、万年筆の顕著な特徴部位は、ペン先、クリップ、キャップ、胴軸、首軸、天冠などであり、最も顕著な特徴部位は、万年筆によって異なり、管理者、システム等により決定される。なお、最も顕著な特徴部位は、１つの特徴部位であることも、複数の特徴部位の組合せであることもある。
なお、重みパラメータ２２２の最適化の例については、図６および図７を用いて後述するが、重みパラメータ２２２は、物体を任意のｉ方向（１≦ｉ≦ｎを満たす整数）の角度からＸ線撮像して生成される複数のＸ線透過画像のうち、当該物体の少なくとも一部の形状の特性を含む画像領域を構成する複数の画素群を当該画像群ごとに入力し、それぞれ割り当てられた重みパラメータ２２２を乗算した総和に対して非線形の閾値処理を施して出力する多入力一出力の写像を実行する写像関数素子について、当該写像関数素子同士の入出力間を相互接続しながら、上記物体に相当するか否かを決定する最終的な単一の写像関数素子に収束されるまで一連の上記写像を実行した後、得られた当該単一の写像関数素子からの出力に基づいて、全ての上記重みパラメータ２２２をそれぞれ最適化して得られるデータ群である。
ここで、物体識別装置２００の機能の一部は、物体識別装置２００と通信可能な他のコンピュータにより実現されてもよい。また、例えば、物体識別装置２００がＸ線検査装置１００に含められる場合は、入力部２３０、出力部２４０、および通信部２５０については、設けられなくてもよい。また、例えば、物体識別装置２００の出力部２４０と表示端末３００との何れか一方については、設けられなくてもよい。
図３は、物体識別装置２００が実行する一連の処理に係るフローチャートの一例を示す図である。
ステップＳ１０では、画素群抽出部は、Ｘ線検査装置１００からＸ線透過画像を受信（取得）する。
ステップＳ２０では、物体識別処理が行われる。手荷物内では、様々な場所に物体が収納されているので、物体識別処理では、図４に示すように、Ｘ線透過画像４０１に対して複数の画素群からなる所定の物体（重みパラメータが最適化された物体）に対応する画像領域４０２が１画素ずつ水平方向および垂直方向に走査され、各走査位置における画像領域４０２について、所定の物体が含まれているか否かが物体ごとに判定される。なお、画像領域４０２は、所定の物体に対応する画像領域であり、物体ごと、かつ撮影方向ごとに画像領域の大きさは異なってもよい。
また、手荷物内には、様々な向きで物体が収納されているので、図５に示すように、一の物体に対して複数のカットのＸ線透過画像について所定の物体が含まれているか否かが順次判定される。
また、一の物体に対して物体認識処理が終了すると、次の物体について物体認識処理が行われる。物体認識処理の処理内容については、一の物体のｉ方向でのカットのＸ線透過画像５０１における一の走査位置の画像領域での処理を例に挙げて、ステップＳ２１およびステップＳ２２にて説明する。
ステップＳ２１では、画素群抽出部は、ステップＳ１０で取得されたＸ線透過画像から一の走査位置の画像領域の画素群を抽出する。例えば、画素群抽出部は、Ｘ線検査装置１００から得られるＸ線透過画像５０１を画像領域単位でスキャンし、物体の少なくとも一部の形状の特性を含み得る複数の画素群を抽出する。
ステップＳ２２では、判断部は、手荷物に所定の物体が含まれている否かを判断する。例えば、判断部は、画素群抽出部により抽出された複数の画素群について、記憶部２２０から読み出したデータ群に基づく各重みパラメータ２２２を利用して、ｉ方向の角度に関して一連の写像を全て実行することにより、検査対象物（複数の画素群）が所定の物体に相当するか否かを判断する。
この際、判断部は、物体全体の画像に係る重みパラメータ２２２を用いてもよいし、物体の最も顕著な特徴部位の画像に係る重みパラメータ２２２を用いてもよいし、両方の重みパラメータ２２２を用いてもよい。例えば、物体の最も顕著な特徴部位の画像に係る重みパラメータ２２２を用いることで、物体全体を対象とすることなく、物体を識別するために最も顕著な特徴部位（万年筆におけるペン先等）のみから容易に物体を識別し得る。また、物体全体ではなく最も顕著な特徴部位が処理の対象となるので、処理量を低減できるようになる。また、例えば、両方の重みパラメータ２２２を用いることで、より高精度に物体を識別できるようになる。
また、ステップＳ２２では、判断部は、一の物体のｉ方向でのカットのＸ線透過画像５０１に係る重みパラメータ２２２に基づいて、検査対象物が所定の物体に相当するか否かを判断したが、これに限られるものではない。例えば、一の物体の（ｉ−ｋ）方向でのカットの重みパラメータ２２２に基づく判断結果と、ｉ方向でのカットの重みパラメータ２２２に基づく判断結果と、（ｉ＋ｋ）方向でのカットの重みパラメータ２２２に基づく判断結果とに基づいて、検査対象物が所定の物体に相当するか否かを判断してもよい。この場合、判断部は、全ての判断結果で所定の物体が含まれると判断された場合に、検査対象物が所定の物体に相当すると判断する。なお、ｋは、１≦ｋ＜ｉを満たす整数である。また、ほぼ近い角度方向からのＸ線透過画像は相関性が高いことから、近接するＸ線透過画像の重みパラメータ２０３を用いることで容易かつ高精度に物体を識別し得る。
ステップＳ３０では、表示処理部は、表示処理を行い、一連の処理を終了する。例えば、表示処理では、表示処理部は、判断部により検査対象物が物体に相当すると判断された場合、表示部に表示されているＸ線透過画像のうち検査対象物を識別可能に着色する。このように、画像全体からその検査対象物のみ特定色で表示することにより、検査員が容易に認識することが可能になる。
図６は、重みパラメータ最適化システム２の構成の一例を示す図である。重みパラメータ最適化システム２は、Ｘ線を照射するＸ線源６１１と、Ｘ線の透過量を計測するＸ線検出器６１２と、物体６１３を載置するための回転台６１４と、重みパラメータ２２２を生成する重みパラメータ最適化装置６１５とを含んで構成される。
重みパラメータ最適化システム２では、Ｘ線源６１１およびＸ線検出器６１２が対となって上下方向（垂直方向）に所定の角度（例えば、１度）ずつ３６０度回転可能であり、回転台６１４が水平方向に所定の角度（例えば、１度）ずつ３６０度回転可能である。かかる構成により、回転台６１４に載置された物体について所定のカット（例えば、１２９，６００カット）数のＸ線透過画像が取得できる。
重みパラメータ最適化装置６１５は、計算機（コンピュータ）であり、ノートパソコン、サーバ装置などである。重みパラメータ最適化装置６１５は、複数の入力データ（入力画像と正解ラベルとを含むデータ）に基づいて、物体を識別するための重みパラメータ２２２を最適化する。
図７は、重みパラメータ２２２の最適化を説明するためのネットワークの一例を示す図である。図７では、入力層を除く層の数を「Ｍ」とし、入力層を第０層、その次を第１層、・・・、出力層を第Ｍ層とする。
本実施の形態では、任意の第ｍ層の写像関数素子の数をＮ（ｍ）と表記する。例えば、第２層の写像関数素子の数は、Ｎ（２）となる。また、第ｍ層のｉ番目の写像関数素子の出力値は、Ｏ（ｍ） ｉと表記する。また、第ｍ層のｉ番目の写像関数素子に紐づいている重みのうち、ｊ番目の重みをｗ（ｍ） ｉ，ｊと表記する。また、第ｍ層のｉ番目の写像関数素子への入力値は、１つ前の層の出力値であるので、１，Ｏ（ｍ−１） １，Ｏ（ｍ−１） ２，・・・となる。これらの入力値に重み（重みパラメータ２２２）を掛けて合計した値は、ｕ（ｍ） ｉと表記する。
本ネットワークでは、入力層に、Ｘ線検査装置１００のＸ線透過画像（例えば、画像領域における各画素の色濃度）を入力したときは、重みを掛けながら、第１層、第２層、・・・と伝播していき、出力層から出力値ｙが出力される。他方、重みの更新（最適化）の際には、まず出力層の重みの更新の計算を行い、その計算結果の一部を伝播させながら、第（Ｍ−１）層、第（Ｍ−２）層、・・・というように、逆方向の順番に計算がされる。
例えば、本ネットワークでは、出力誤差Ｅとしては下記を用いる。
Figure 2019150920
 ここで、ｙは、出力層の出力値（＝Ｏ（Ｍ））であり、ｔは、入力データの正解ラベルである。つまり、「ｙ-ｔ」は、理想の出力値と実際の出力値との差を示す。
よって、勾配降下法による第ｍ層の第ｉ番目の重みの更新式は、下記のようになる。
Figure 2019150920
ここで、本ネットワークでは、多入力一出力としたので、δ（ｍ） ｉは、下記のように定義される。
Figure 2019150920
なお、ｆ’は、活性化関数ｆの導出関数である。活性化関数ｆとしては、シグモイド関数、双曲線正接関数、ランプ関数（Rectified Linear Unit）、ソフトマックス関数、ガウス関数など、適宜の非線形の活性化関数（非線形の閾値処理）を採用することができる。
重みパラメータ最適化装置６１５は、上述した更新式を用いて重みの更新を行う。より具体的には、重みパラメータ最適化装置６１５は、まず、全ての重みをランダムに初期化する。そして、重みパラメータ最適化装置６１５は、最適化が終了するまで、入力データを入力し、出力誤差Ｅを計算し、上記の更新式に従い、出力層から順に全ての重みの更新量を計算し、計算した更新量を全ての重みに適用することを繰り返す。
上述した処理により、一の物体の一の方向についてのＸ線透過画像に係る重みパラメータ２０３の最適化が行われる。付言するならば、一の物体の全ての方向（所定のカット数）の各々について、重みパラメータ２２２が最適化される。また、登録すべき入手可能な物体について、同様に処理を行い、重みパラメータ２２２を準備（記憶部２２０に記憶）する。
本実施の形態によれば、実際の検査対象物のＸ線撮像時に、データベースに予め登録されたテンプレート画像などの標準データとの比較をする必要がなく、事前に記憶しておいた物体に相当するものであれば、記憶部（メモリ）から読み出した重みパラメータを利用して演算するだけで、Ｘ線撮像方向にかかわらず物体を容易に識別し得る。
この結果、手荷物検査時において、検査員が検査対象物が事前に認識された物体であるか否かを目視確認する手間を低減させることができ、検査員の業務負担を軽減することができる。
（２）第２の実施の形態
図８は、本実施の形態に係る物体識別装置２０１の構成の一例を示す図である。第１の実施の形態の物体識別装置２００との主な違いは、危険物（刃物類、凶器となり得る物、先端が著しく尖っている物など）を判定し、判定結果を出力する点である。第１の実施の形態と同じ構成については、同じ符号を付して、その説明を適宜省略する。
物体識別装置２０１は、重みパラメータ最適化システム２で最適化された重みパラメータと、手荷物などの検査物にＸ線（エックス線）を照射して得られたＸ線透過画像とに基づいて、検査物にどのような物体（検査対象物）が含まれているかを識別（判定）すると共に、手荷物に危険物が含まれているか否かを判定し、判定結果を出力する。
物体識別装置２０１は、警告部を更に備え、警告部は、例えば、ＣＰＵがＲＯＭに格納されたプログラム（例えば、物体識別プログラム２２３）をＲＡＭに読み出して実行すること（ソフトウェア）により実現されてもよいし、専用の回路などのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアとが組み合わされて実現されてもよい。
危険物情報２２４は、記憶部２２０に記憶されている重みパラメータ２２２に基づいて算出される出力値（識別される物体）が危険物であるか否かを示す情報である。物体識別装置２００では、物体と当該物体に係る一または複数の重みパラメータ２２２と当該物体が危険物であるか否かを示す危険物情報２２４とが対応付けられて記憶部２２０に記憶されている。なお、物体が危険物である場合にのみ危険物情報２２４が記憶部２２０に記憶されるような他のデータ構成であってもよい。
なお、図示は省略するが、Ｘ線検査装置１００は、危険物が手荷物に含まれている旨を検査員にフィードバックする機構（ランプを点灯する、音声を出力する、Ｘ線検査装置１００内で手荷物を搬送するベルトコンベア等の駆動機構を停止する等の警告機構）を更に備えてもよい。
図９は、物体識別装置２０１が実行する一連の処理に係るフローチャートの一例を示す図である。
ステップＳ４０では、判断部は、危険物情報２２４に基づいて手荷物に危険物が含まれている否かを判定する。判定部は、手荷物に危険物が含まれていると判定した場合、ステップＳ５０に処理を移し、手荷物に危険物が含まれていないと判定した場合、ステップＳ３０に処理を移す。
ステップＳ５０では、警告部は、警告処理を行う。例えば、警告部は、判断部により検査対象物が物体に相当すると判断され、かつ当該物体が記憶部２２０に記憶されている危険物情報２２４の危険物に該当すると判断された場合、Ｘ線検査装置１００に警告する旨の指示を送信し、Ｘ線検査装置１００の警告機構により周囲に音声および発光のいずれか一方または両方により警告する。かかる警告によれば、検査員が危険物を容易に認識することが可能になる。なお、物体識別装置２０１が警報機構を備え、物体識別装置２０１が警告を行うようにしてもよい。
また、警告部は、Ｘ線検査装置１００による警告と共に、または当該警告に替えて、表示部（表示端末３００と出力部２４０との一方または両方）に表示されているＸ線透過画像のうち検査対象物を所定の表示色および表示パターンにて表示されるよう表示部に指示してもよい。かかる処理によれば、検査員が危険物の存在を見落とすリスクを低減することが可能になる。
（３）他の実施の形態
なお上述の実施の形態においては、本発明を物体識別システムに適用するようにした場合について述べたが、本発明はこれに限らず、この他種々のシステム、物体識別方法に広く適用することができる。
また上述の実施の形態においては、透過による画像により検査物を判別するＸ線検査装置１００を例に挙げて説明したが、これに限られるものではない。例えば、Ｘ線検査装置１００に加えてまたは替えて、検査対象物に照射したＸ線により発生した後方への後方散乱線（コンプトン散乱線）の量を画像にする後方散乱線検査装置を採用してもよい。後方散乱線は、樹脂などの原子番号の小さい材料からの散乱線量が多くなる特性があり、後方散乱線検査装置では、透過による画像と異なった画像が得られる。例えば、Ｘ線検査装置１００と後方散乱線検査装置とを併用することにより、金属に隠れている樹脂などの検査物を検出可能となる。
また上述の実施の形態においては、Ｘ線検査装置１００は、１種類のＸ線透過画像を取得する場合について述べたが、本発明はこれに限らず、Ｘ線検査装置１００は、複数種類のＸ線透過画像（例えば、硬物質の情報を詳細に示す画像、軟物質の情報を詳細に示す画像）を取得するようにしてもよい。複数種類のＸ線透過画像を用いることで、より高精度に物体を識別できるようになる。
また、上記の説明において各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。
また上述した構成については、本発明の要旨を超えない範囲において、適宜に、変更したり、組み替えたり、組み合わせたり、省略したりしてもよい。
１……物体識別システム、２……重みパラメータ最適化システム、１００……Ｘ線検査装置、２００……物体識別装置、２１０……制御部、２２０……記憶部、２２１……物体識別プログラム、２２２……重みパラメータ、２２４……危険物情報、２３０……入力部、２４０……出力部、２５０……通信部、３００……表示端末、６１５……重みパラメータ最適化装置。

Claims (12)

  1. Ｘ線透過画像から特定の物体を識別する物体識別装置において、
    前記物体を任意のｉ方向（１≦ｉ≦ｎを満たす整数）の角度からＸ線撮像して生成される複数のＸ線透過画像のうち、当該物体の少なくとも一部の形状の特性を含む画像領域を構成する複数の画素群を当該画像群ごとに入力し、それぞれ割り当てられた重みパラメータを乗算した総和に対して非線形の閾値処理を施して出力する多入力一出力の写像を実行する写像関数素子について、当該写像関数素子同士の入出力間を相互接続しながら、前記物体に相当するか否かを決定する最終的な単一の写像関数素子に収束されるまで一連の前記写像を実行した後、得られた当該単一の写像関数素子からの出力に基づいて、全ての前記重みパラメータをそれぞれ最適化して得られるデータ群が記憶された記憶部と、
    供給される検査対象物に対してＸ線撮像する撮像部から得られるＸ線透過画像を前記画像領域単位でスキャンして、前記検査対象物の少なくとも一部の形状の特性を含む複数の画素群を抽出する画素群抽出部と、
    前記画素群抽出部により抽出された前記複数の画素群について、前記記憶部から読み出した前記データ群に基づく各前記重みパラメータを利用して、ｎ方向の角度に関して前記一連の写像を全て実行することにより、前記検査対象物が前記物体に相当するか否かを判断する判断部と
    を備えることを特徴とする物体識別装置。
  2. 前記判断部は、前記物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像と、（ｉ−ｋ）方向（１≦ｋ＜ｉを満たす整数）の角度から得られるＸ線透過画像と、（ｉ＋ｋ）方向の角度から得られるＸ線透過画像とについて一連の前記写像を実行した結果に基づいて、前記検査対象物が前記物体に相当するか否かを判断する
    ことを特徴とする請求項１に記載の物体識別装置。
  3. 前記判断部は、前記物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像について一連の前記写像を実行する際、前記物体のうち当該物体を識別するために最も顕著な特徴部位を表す複数の画素群に基づく前記重みパラメータを利用して、前記一連の写像を全て実行することにより、前記検査対象物が前記物体に相当するか否かを判断する
    ことを特徴とする請求項１又は２に記載の物体識別装置。
  4. 前記撮像部によりＸ線撮像されたＸ線透過画像を画面表示する表示部をさらに備え、
    前記表示部は、前記判断部により前記検査対象物が前記物体に相当すると判断された場合、前記表示部に表示されている前記Ｘ線透過画像のうち前記検査対象物を識別可能に着色する
    ことを特徴とする請求項１から３までのいずれかに記載の物体識別装置。
  5. 前記物体について危険物に相当するものを前記記憶部に登録しておき、
    前記判断部により前記検査対象物が前記物体に相当すると判断され、かつ当該物体が前記記憶部に記憶されている前記危険物に該当すると判断された場合、周囲に音声及び発光のいずれか一方又は両方により警告する警告部を備える
    ことを特徴とする請求項１から４までのいずれかに記載の物体識別装置。
  6. 前記警告部による警告とともに、又は当該警告に変えて、表示部に表示されている前記Ｘ線透過画像のうち前記検査対象物を所定の表示色及び表示パターンにて表示する表示処理部を備える
    ことを特徴とする請求項５に記載の物体識別装置。
  7. Ｘ線透過画像から特定の物体を識別する物体識別方法において、
    前記物体を任意のｉ方向（１≦ｉ≦ｎを満たす整数）の角度からＸ線撮像して生成される複数のＸ線透過画像のうち、当該物体の少なくとも一部の形状の特性を含む画像領域を構成する複数の画素群を当該画像群ごとに入力し、それぞれ割り当てられた重みパラメータを乗算した総和に対して非線形の閾値処理を施して出力する多入力一出力の写像を実行する写像関数素子について、当該写像関数素子同士の入出力間を相互接続しながら、前記物体に相当するか否かを決定する最終的な単一の写像関数素子に収束されるまで一連の前記写像を実行した後、得られた当該単一の写像関数素子からの出力に基づいて、全ての前記重みパラメータをそれぞれ最適化して得られるデータ群を記憶する第１のステップと、
    供給される検査対象物に対してＸ線撮像する撮像部から得られるＸ線透過画像を前記画像領域単位でスキャンして、前記検査対象物の少なくとも一部の形状の特性を含む複数の画素群を抽出する第２のステップと、
    抽出された前記複数の画素群について、前記第１のステップにおいて記憶されている前記データ群に基づく各前記重みパラメータを利用して、ｎ方向の角度に関して前記一連の写像を全て実行することにより、前記検査対象物が前記物体に相当するか否かを判断する第３のステップと
    を備えることを特徴とする物体識別方法。
  8. 前記第３のステップでは、前記物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像と、（ｉ−ｋ）方向（１≦ｋ＜ｉを満たす整数）の角度から得られるＸ線透過画像と、（ｉ＋ｋ）方向の角度から得られるＸ線透過画像とについて一連の前記写像を実行した結果に基づいて、前記検査対象物が前記物体に相当するか否かを判断する
    ことを特徴とする請求項７に記載の物体識別方法。
  9. 前記第３のステップでは、前記物体を任意のｉ方向の角度から撮像して得られるＸ線透過画像について一連の前記写像を実行する際、前記物体のうち当該物体を識別するために最も顕著な特徴部位を表す複数の画素群に基づく前記重みパラメータを利用して、前記一連の写像を全て実行することにより、前記検査対象物が前記物体に相当するか否かを判断する
    ことを特徴とする請求項７又は８に記載の物体識別方法。
  10. 前記撮像部によりＸ線撮像されたＸ線透過画像を表示部に画面表示しておき、
    前記第３のステップにより前記検査対象物が前記物体に相当すると判断された場合、前記表示部に表示されている前記Ｘ線透過画像のうち前記検査対象物を識別可能に着色する
    ことを特徴とする請求項７から８までのいずれかに記載の物体識別方法。
  11. 前記物体について危険物に相当するものを前記第１のステップにおいて登録しておき、
    前記第３のステップにより前記検査対象物が前記物体に相当すると判断され、かつ当該物体が前記第１のステップにおいて記憶されている前記危険物に該当すると判断された場合、周囲に音声及び発光のいずれか一方又は両方により警告する
    ことを特徴とする請求項７から１０までのいずれかに記載の物体識別方法。
  12. 前記警告とともに、又は当該警告に変えて、表示部に表示されている前記Ｘ線透過画像のうち前記検査対象物を所定の表示色及び表示パターンにて表示する
    ことを特徴とする請求項１１に記載の物体識別方法。
JP2019568970A 2018-01-31 2019-01-11 物体識別装置及び物体識別方法 Active JP6829778B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018016035 2018-01-31
JP2018016035 2018-01-31
PCT/JP2019/000788 WO2019150920A1 (ja) 2018-01-31 2019-01-11 物体識別装置及び物体識別方法

Publications (2)

Publication Number Publication Date
JPWO2019150920A1 true JPWO2019150920A1 (ja) 2021-01-07
JP6829778B2 JP6829778B2 (ja) 2021-02-10

Family

ID=67479485

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019568970A Active JP6829778B2 (ja) 2018-01-31 2019-01-11 物体識別装置及び物体識別方法

Country Status (4)

Country Link
US (1) US11335083B2 (ja)
EP (1) EP3748344A4 (ja)
JP (1) JP6829778B2 (ja)
WO (1) WO2019150920A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220381706A1 (en) * 2019-10-31 2022-12-01 Eyetech Co., Ltd. System for non-destructively inspecting baggage, method for nondestructively inspecting baggage, program, and recording medium

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10208046A (ja) * 1997-01-21 1998-08-07 Shimadzu Corp Ｘ線異物検出方法
JP2000135268A (ja) * 1998-08-26 2000-05-16 Yuyama Seisakusho:Kk 錠剤検査装置
JP2006084275A (ja) * 2004-09-15 2006-03-30 Hitachi Ltd 爆発物等の探知方法および装置
JP2007139764A (ja) * 2005-11-21 2007-06-07 Tsinghua Univ 結像システム
JP2007526482A (ja) * 2004-03-01 2007-09-13 ヴァリアン メディカル システムズ テクノロジーズ インコーポレイテッド ２エネルギー放射線走査および遅発中性子検出による物体調査
JP2008504591A (ja) * 2004-05-28 2008-02-14 アイティーティー マニュファクチャリング エンタープライジーズ， インコーポレイテッド 画像内の物体を認識するための方法および装置
JP2009092659A (ja) * 2007-10-05 2009-04-30 Qinghua Univ 液体物品の検査方法及びその設備
JP2009519471A (ja) * 2005-12-12 2009-05-14 リビール イメージング テクノロジーズ ずれた放射線によるｃｔ検査
JP2010223963A (ja) * 2009-03-23 2010-10-07 Morpho Detection Inc コンテナを検査する方法及びシステム
JP2013064613A (ja) * 2011-09-15 2013-04-11 Ishida Co Ltd Ｘ線検査装置
JP2014525594A (ja) * 2011-09-07 2014-09-29 ラピスカン システムズ、インコーポレイテッド マニフェストデータをイメージング／検知処理に統合するｘ線検査システム
JP2018004363A (ja) * 2016-06-30 2018-01-11 株式会社日立製作所 Ｘ線自動判定装置、ｘ線自動判定方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6347132B1 (en) * 1998-05-26 2002-02-12 Annistech, Inc. High energy X-ray inspection system for detecting nuclear weapons materials
US6324253B1 (en) * 1998-08-26 2001-11-27 Yuyama Mfg. Co., Ltd. Tablet inspection apparatus
US8325871B2 (en) * 2000-03-28 2012-12-04 American Science And Engineering, Inc. Radiation threat detection
JP2002257751A (ja) 2001-03-01 2002-09-11 Kawasaki Heavy Ind Ltd 手荷物検査方法および手荷物検査システム
GB2390005A (en) * 2002-06-17 2003-12-24 Royal Holloway University Of L Screening Apparatus
EP1952131A2 (en) * 2005-11-07 2008-08-06 SOMMER, Jr. Edward J. Method and apparatus for improving identification and control of articles passing through a scanning system
CN103901489B (zh) * 2012-12-27 2017-07-21 清华大学 检查物体的方法、显示方法和设备
CN108303748A (zh) * 2017-01-12 2018-07-20 同方威视技术股份有限公司 检查设备和检测行李物品中的枪支的方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10208046A (ja) * 1997-01-21 1998-08-07 Shimadzu Corp Ｘ線異物検出方法
JP2000135268A (ja) * 1998-08-26 2000-05-16 Yuyama Seisakusho:Kk 錠剤検査装置
JP2007526482A (ja) * 2004-03-01 2007-09-13 ヴァリアン メディカル システムズ テクノロジーズ インコーポレイテッド ２エネルギー放射線走査および遅発中性子検出による物体調査
JP2008504591A (ja) * 2004-05-28 2008-02-14 アイティーティー マニュファクチャリング エンタープライジーズ， インコーポレイテッド 画像内の物体を認識するための方法および装置
JP2006084275A (ja) * 2004-09-15 2006-03-30 Hitachi Ltd 爆発物等の探知方法および装置
JP2007139764A (ja) * 2005-11-21 2007-06-07 Tsinghua Univ 結像システム
JP2009519471A (ja) * 2005-12-12 2009-05-14 リビール イメージング テクノロジーズ ずれた放射線によるｃｔ検査
JP2009092659A (ja) * 2007-10-05 2009-04-30 Qinghua Univ 液体物品の検査方法及びその設備
JP2010223963A (ja) * 2009-03-23 2010-10-07 Morpho Detection Inc コンテナを検査する方法及びシステム
JP2014525594A (ja) * 2011-09-07 2014-09-29 ラピスカン システムズ、インコーポレイテッド マニフェストデータをイメージング／検知処理に統合するｘ線検査システム
JP2013064613A (ja) * 2011-09-15 2013-04-11 Ishida Co Ltd Ｘ線検査装置
JP2018004363A (ja) * 2016-06-30 2018-01-11 株式会社日立製作所 Ｘ線自動判定装置、ｘ線自動判定方法

Also Published As

Publication number Publication date
WO2019150920A1 (ja) 2019-08-08
JP6829778B2 (ja) 2021-02-10
EP3748344A4 (en) 2021-10-27
EP3748344A1 (en) 2020-12-09
US20210056339A1 (en) 2021-02-25
US11335083B2 (en) 2022-05-17

Similar Documents

Publication Publication Date Title
US9552521B2 (en) Human body security inspection method and system
JP2018113038A (ja) 検査機器および荷物における銃器を検出する方法
WO2015067208A1 (zh) 检查方法和设备
CN102982560B (zh) 根据rgb和深度图像的表面分割
CA2640884C (en) Methods and systems for use in security screening, with parallel processing capability
EP3834129A1 (en) Systems and methods for image processing
CN108303747A (zh) 检查设备和检测枪支的方法
US10379252B2 (en) Methods and devices for estimating weight of an object to be inspected in an inspection system
JP2008504591A (ja) 画像内の物体を認識するための方法および装置
KR20190098262A (ko) 심층적으로 적층된 층들을 갖는 웨이퍼들에서 결함 분류기를 트레이닝하고 적용하기 위한 시스템, 방법
Arumäe et al. Estimation of canopy cover in dense mixed-species forests using airborne lidar data
US20220292668A1 (en) Digital quality control using computer visioning with deep learning
JP2009503557A (ja) 放射線を用いて液体物品に対する保安検査を行う方法及び装置
Dyomin et al. Monitoring of plankton spatial and temporal characteristics with the use of a submersible digital holographic camera
Tan et al. Specular reflection effects elimination in terrestrial laser scanning intensity data using Phong model
JP2008309603A (ja) 蛍光探傷方法および蛍光探傷装置
CN108519625A (zh) 基于射线技术与深度学习的可识别违禁物品安检系统
US20170184756A1 (en) Inspection systems for quarantine and methods thereof
Dash et al. Combining airborne laser scanning and aerial imagery enhances echo classification for invasive conifer detection
JP6829778B2 (ja) 物体識別装置及び物体識別方法
US20220114722A1 (en) Classifier using data generation
US10145977B2 (en) Method for positioning target in three-dimensional CT image and security check system
CN114782060A (zh) 一种交互式产品检测方法及系统
EP3182335A2 (en) Methods, systems, and apparatuses for inspecting goods
US20220323030A1 (en) Probabilistic image analysis

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200710

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210112

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210122

R150 Certificate of patent or registration of utility model

Ref document number: 6829778

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250