[发明专利]一种基于多特征融合的刀具识别方法、装置以及设备

说明书

本申请公开了一种基于多特征融合的刀具识别方法、装置以及设备，方案包括：识别带有刀具的图像，以得到待识别的刀具图像，对刀具图像进行粗分类以及提取结构特征，根据提取的刀具图像的结构特征，提取刀具图像的非结构特征，通过将非结构特征与预设刀具样例图像对应的非结构特征进行相似度对比，以得到相似度对比结果，利用相似度对比结果，确定刀具图像对应的刀具细分类别，根据刀具细分类别，识别刀具图像中刀具的性质。通过该方案能够更可靠地识别刀具。

技术领域

本申请涉及图像识别领域，尤其涉及一种基于多特征融合的刀具识别方法、装置以及设备。

背景技术

为了提高保证飞机、地铁等交通方式的安全性，通常要对乘客进行安检，刀具是安检过程中重点检测的一类物品。

常规安检中对刀具的识别主要是靠安保人员进行人工识别，这一过程对安保人员对刀具种类的知识水平具有较高的要求，并且人工判断主观性强，容易造成错识误识。

基于此，需要一种更为可靠的刀具识别方案。

发明内容

本申请的一些实施例提供一种基于多特征融合的刀具识别方法、装置以及设备，用以解决现有技术中的如下技术问题：需要一种更为可靠的刀具识别方案。

本申请的一些实施例采用下述技术方案：

一种基于多特征融合的刀具识别方法，包括：

识别带有刀具的图像，以得到待识别的刀具图像；

对所述刀具图像进行粗分类以及提取结构特征；

根据提取的所述刀具图像的结构特征，提取所述刀具图像的非结构特征；

通过将所述非结构特征与预设刀具样例图像对应的非结构特征进行相似度对比，以得到相似度对比结果；

利用所述相似度对比结果，确定所述刀具图像对应的刀具细分类别；

根据所述刀具细分类别，识别所述刀具图像中刀具的性质。

可选地，所述对所述刀具图像进行粗分类以及提取结构特征，具体包括：

利用基于第一标注样本训练过的机器学习模型，对所述刀具图像进行粗分类以及提取结构特征；

其中，所述第一标注样本为刀具图像，标注的内容包括对应的：刀具粗分类别、刀具结构信息。

可选地，所述刀具结构信息包括：刀具尺寸信息，和/或刀具组成部分的位置关系信息。

可选地，基于第一标注样本训练机器学习模型，具体包括：

基于第一标注样本，以多任务训练方式，对机器学习模型进行类别分类训练和结构特征回归训练。

可选地，所述根据提取的所述刀具图像的结构特征，提取所述刀具图像的非结构特征，具体包括：

利用基于第二标注样本训练过的机器学习模型，根据提取的所述刀具图像的结构特征，提取所述刀具图像的非结构特征；

其中，所述第二标注样本为刀具图像，标注的内容包括对应的刀具细分类别。

可选地，所述基于第二标注样本训练过的机器学习模型包括卷积神经网络。

可选地，所述非结构特征包括全局非结构特征和局部非结构特征；

所述根据提取的所述刀具图像的结构特征，提取所述刀具图像的非结构特征，具体包括：

将所述刀具图像输入所述卷积神经网络进行处理，得到最后一个卷积层输出的分类特征，作为所述刀具图像的全局非结构特征；