[发明专利]危险品识别方法、装置、设备及存储介质

说明书

本申请实施例提供一种危险品识别方法、装置、设备及存储介质，应用于计算机视觉技术。此方法包括：对待识别图像进行特征提取，得到待识别图像对应的特征图，待识别图像包含多个物品；根据特征图中各特征，确定与该特征相关的上下文信息；根据各特征对应的上下文信息，识别多个物品是否包含危险品。通过本申请可以提高危险品的检出率。

技术领域

本申请涉及计算机视觉技术，尤其涉及一种危险品识别方法、装置、设备及存储介质。

背景技术

为安防考虑，在机场、火车站、地铁站、仓库分拣地等地点，需要对物品进行安全检查，以识别其中的危险品。通常情况下，在一定的时间段内会有大量的物品通过安检机，这就需要使用计算机视觉技术自主辅助安检人员对危险品进行识别，确定危险品的类型和包裹。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：当危险品体积较小、特征不明显或形状差异较大时，存在难以识别的问题，进而导致危险品检出率较低。

发明内容

本申请实施例提供一种危险品识别方法、装置、设备及存储介质，用以提高危险品的检出率。

第一方面，本申请实施例提供一种危险品识别方法，包括：

对待识别图像进行特征提取，得到待识别图像对应的特征图，待识别图像包含多个物品；

根据特征图中各特征，确定与特征相关的上下文信息；

根据各特征对应的上下文信息，识别多个物品是否包含危险品。

一种可能的实施方式中，上述根据特征图中各特征，确定与特征相关的上下文信息，可以包括：根据特征图及特征关系模型，确定与特征图中各特征相关的上下文信息，特征关系模型用于反映特征之间的相关信息。

一种可能的实施方式中，上述根据各特征对应的上下文信息，识别多个物品是否包含危险品，可以包括：根据各特征对应的上下文信息及基于注意力机制得到的权重信息，识别多个物品是否包含危险品。

一种可能的实施方式中，上述权重信息是通过以下过程训练得到的：

基于训练数据迭代训练初始物品识别模型，得到物品识别模型，直至物品识别模型对应的损失函数满足预设收敛条件，其中，初始物品识别模型是基于注意力机制设置的模型结构，训练数据包括已标记是否包含危险品信息的图像。

一种可能的实施方式中，上述对待识别图像进行特征提取之前，还包括：

获取安检设备采集的包含至少一个包裹的原始图像；

检测原始图像，得到待识别图像，待识别图像的个数等于包裹的个数。

一种可能的实施方式中，上述检测原始图像，得到待识别图像，可以包括：将原始图像输入包裹检测模型，得到待识别图像，包裹检测模型用于检测原始图像中包含的包裹并生成包含单个包裹的待识别图像。

一种可能的实施方式中，上述根据各特征对应的上下文信息，识别多个物品是否包含危险品之后，还可以包括：若多个物品包含危险品，则反馈用于指示包含危险品的提示信息给客户端，提示信息包含危险品的位置信息。

第二方面，本申请实施例提供一种危险品识别装置，包括：

特征提取模块，用于对待识别图像进行特征提取，得到待识别图像对应的特征图，待识别图像包含多个物品；

信息确定模块，用于根据特征图中各特征，确定与特征相关的上下文信息；

危险品识别模块，用于根据各特征对应的上下文信息，识别多个物品是否包含危险品。

一种可能的实施方式中，信息确定模块具体用于：根据特征图及特征关系模型，确定与特征图中各特征相关的上下文信息，特征关系模型用于反映特征之间的相关信息。