[发明专利]基于实例分割的X光机图像识别方法、装置及系统

说明书

本发明公开了一种基于实例分割的X光机图像识别方法、装置及系统，其中，所述方法包括：利用预训练好的神经网络对X光图像进行处理以得到特征图；基于所述特征图中的像素点设定锚框以得到多个候选感兴趣区域；利用区域生成网络对各个候选感兴趣区域进行二值分类及边框回归处理以滤除部分非必要的候选感兴趣区域从而得到多个感兴趣区域；对各个所述感应兴趣区域进行RoIAlign操作以使各个所述感兴趣区域与所述X光图像的相应位置对应；对各个所述感兴趣区域进行可疑物品识别；若识别出可疑物品，则进行边框回归及掩膜处理生成可疑物品轮廓。本发明可判断行李中是否包含可疑物品，安检误识别的几率较低。

技术领域

本发明涉及安全检查领域，尤其涉及基于实例分割的X光机图像识别方法、装置及系统。

背景技术

安检作业社会安全检查至关重要的一步，X光安检机是该环节中的关键设备，但是长期以来，都是人工看图识别，员工上岗前要经过相对长时间的培训，同时人工作业会在疲劳的时候产生误检和漏检。依托机器视觉和神经网络技术的图像识别系统，用计算机来模拟人的视觉和学习过程，从客观事物的图像中提取信息进行处理，并加以理解。通过人工智能神经网络深度学习技术，使系统能够进行自动学习，逐步丰富系统积累，不断提高系统识别图像的能力，达到收集管控的效果。目前，对于X光机图像识别的方式，大多采用基于目标检测的算法来实现违禁品的区域定位和类别区分，误识别的几率较高。

发明内容

本发明针对现有的基于目标检测的X光安检存在误识别几率较高的问题，提供了一种基于实例分割的X光机图像识别方法、装置及系统。

本发明就上述技术问题而提出的技术方案如下：

一方面，本发明提供了一种基于实例分割的X光机图像识别方法，所述方法包括：

利用预训练好的神经网络对X光图像进行处理以得到特征图；

基于所述特征图中的像素点设定锚框以得到多个候选感兴趣区域；

利用区域生成网络对各个候选感兴趣区域进行二值分类及边框回归处理以滤除部分非必要的候选感兴趣区域从而得到多个感兴趣区域；

对各个所述感应兴趣区域进行RoIAlign操作以使各个所述感兴趣区域与所述X光图像的相应位置对应；

对各个所述感兴趣区域进行可疑物品识别；

若识别出可疑物品，则进行边框回归及掩膜处理生成可疑物品轮廓。

根据上述基于实例分割的X光机图像识别方法，在利用预训练好的神经网路对X光图像进行处理以得到特征图之前，所述方法包括：

对获取到的X光机输出的原生图片进行预处理以得到所述X光图像。

根据上述基于实例分割的X光机图像识别方法，所述预处理包括对所述原生图片进行亮度、对比度和/或饱和度处理。

根据上述基于实例分割的X光机图像识别方法，所述方法还包括：

若识别出可疑物品，则输出可疑物提示信息。

根据上述基于实例分割的X光机图像识别方法，所述可疑物品提示信息为以下中的一种或多种：

声响提示信息、图形显示提示信息、灯光提示信息。

根据上述基于实例分割的X光机图像识别方法，所述方法包括：

利用在线困难样本挖掘算法对X光机输出的图片选择训练样本进行训练以构建得到所述预训练好的神经网络。

根据上述基于实例分割的X光机图像识别方法，所述方法包括：

在基于训练时划分的感兴趣区域中选择损失最大的感兴趣区域作为所述在线困难样本挖掘算法中的困难样本。