[发明专利]一种违禁品检测方法及装置在审
| 申请号: | 201810872243.2 | 申请日: | 2018-08-02 |
| 公开(公告)号: | CN110261923A | 公开(公告)日: | 2019-09-20 |
| 发明(设计)人: | 李宁钏;熊剑平;付建海;薛迪秀 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
| 主分类号: | G01V5/00 | 分类号: | G01V5/00;G01N23/04 |
| 代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 黄志华 |
| 地址: | 310053 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 违禁品 目标部件 目标物品 检测 违禁品检测 匹配成功 阈值时 匹配 安全隐患 | ||
1.一种违禁品检测方法,其特征在于,所述方法包括:
获取待检测的至少一张X光图像,识别所述至少一张X光图像中存在的每个目标物品;
针对每种违禁品,将构成所述违禁品的每个部件及所述每个目标物品进行匹配,确定匹配成功的所述违禁品的目标部件的数量;
当所述目标部件的数量大于设定的数量阈值时,确定所述至少一张X光图像中存在所述违禁品。
2.如权利要求1所述的方法,其特征在于,所述识别所述至少一张X光图像中存在的每个目标物品,包括:
根据所述至少一张X光图像及预先训练完成的物品识别模型,确定所述至少一张X光图像中存在的每个目标物品;或
根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像,确定所述至少一张X光图像中存在的每个目标物品。
3.如权利要求2所述的方法,其特征在于,所述对物品识别模型训练的过程,包括:
针对训练集中保存的每个物品的第二样本X光图像,根据该第二样本X光图像对应的物品,为该第二样本X光图像添加对应的物品标签;
将添加物品标签后的每张第二样本X光图像输入到物品识别模型中,对物品识别模型进行训练。
4.如权利要求1所述的方法,其特征在于,所述确定匹配成功的所述违禁品的目标部件的数量之后,所述方法还包括:
针对匹配成功的所述违禁品的每个目标部件,识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息,判断所述第一属性信息与所述第二属性信息是否相同;如果相同,保持所述数量不变,如果不同,对所述数量进行更新,其中所述属性信息包括颜色和形状中的至少一种。
5.如权利要求1所述的方法,其特征在于,如果确定所述至少一张X光图像中存在所述违禁品,所述方法还包括:
显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像。
6.如权利要求1所述的方法,其特征在于,所述获取待检测的至少一张X光图像,包括:
获取至少一台X光安检机当前采集的X光图像;或
获取至少一台X光安检机在设定时长内采集的X光图像。
7.一种违禁品检测装置,其特征在于,所述装置包括:
获取识别模块,用于获取待检测的至少一张X光图像,识别所述至少一张X光图像中存在的每个目标物品;
检测模块,用于针对每种违禁品,将构成所述违禁品的每个部件及所述每个目标物品进行匹配,确定匹配成功的所述违禁品的目标部件的数量;当所述目标部件的数量大于设定的数量阈值时,确定所述至少一张X光图像中存在所述违禁品。
8.如权利要求7所述的装置,其特征在于,所述获取识别模块,具体用于根据所述至少一张X光图像及预先训练完成的物品识别模型,确定所述至少一张X光图像中存在的每个目标物品;或根据所述至少一张X光图像及预先保存的每个物品的第一样本X光图像,确定所述至少一张X光图像中存在的每个目标物品。
9.如权利要求7所述的装置,其特征在于,所述装置还包括:
训练模块,用于针对训练集中保存的每个物品的第二样本X光图像,根据该第二样本X光图像对应的物品,为该第二样本X光图像添加对应的物品标签;将添加物品标签后的每张第二样本X光图像输入到物品识别模型中,对物品识别模型进行训练。
10.如权利要求7所述的装置,其特征在于,所述检测模块,还用于针对匹配成功的所述违禁品的每个目标部件,识别所述目标部件的第一属性信息及与所述目标部件匹配成功的目标物品的第二属性信息,判断所述第一属性信息与所述第二属性信息是否相同;如果相同,保持所述数量不变,如果不同,对所述数量进行更新,其中所述属性信息包括颜色和形状中的至少一种;
所述装置还包括:
显示存储模块,用于显示并存储存在与所述违禁品的目标部件匹配成功的目标物品的目标X光图像;
所述获取识别模块,具体用于获取至少一台X光安检机当前采集的X光图像;或获取至少一台X光安检机在设定时长内采集的X光图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810872243.2/1.html,转载请声明来源钻瓜专利网。





