[发明专利]一种基于X光物体图像识别的包裹检测方法及系统

权利要求书

1.一种基于X光物体图像识别的包裹检测方法，其特征在于，包括：

获取待检测包裹的X光图像；

基于胡矩的轮廓匹配对所述X光图像进行物品检测，获得检测结果；所述检测结果为确定所述X光图像中物品是物品库中物品、确定所述X光图像中物品不是所述物品库中物品或者所述X光图像中物品疑似所述物品库中物品；

当所述检测结果为所述X光图像中物品疑似所述物品库中物品时，采用YOLO V4模型对所述X光图像进行物品识别；

所述基于胡矩的轮廓匹配对所述X光图像进行物品检测，获得检测结果，具体包括：

将所述X光图像转换为灰度图；

采用最大类间阈值法将所述灰度图转换为二值化图像；

提取所述二值化图像中所有多边形轮廓区域；

依次对每个多边形轮廓区域进行物品检测，当检测到第k个多边形轮廓区域时：

统计第k个多边形轮廓区域内的像素总数；

计算所述像素总数与所述物品库中各物体的像素数的面积相对差；

获取面积相对差小于20%对应的所述物品库中物体的胡矩特征，记为第一胡矩特征；

统计第k个多边形轮廓区域对应灰度图的胡矩特征，记为第二胡矩特征；

计算所述第一胡矩特征与所述第二胡矩特征的余弦相似度；

若所述余弦相似度超过90%，则所述检测结果为确定所述X光图像中物品是物品库中物品；若所述余弦相似度小于60%，则所述检测结果为确定所述X光图像中物品不是物品库中物品；若所述余弦相似度大于或等于60%且小于或等于90%，则所述X光图像中物品疑似所述物品库中物品。

2.根据权利要求1所述的基于X光物体图像识别的包裹检测方法，其特征在于，所述YOLO V4模型为通过数据集训练好的YOLO V4模型；所述数据集中样本图像为通过安检机搭载的X光图像采集系统采集的图像，所述样本图像的标签为使用BBoxLabelTool软件对所述样本图像中预设物品标注的矩形框；所述预设物品为物品库中物品。

3.根据权利要求1所述的基于X光物体图像识别的包裹检测方法，其特征在于，当所述检测结果为所述X光图像中物品疑似所述物品库中物品时，采用YOLO V4模型对所述X光图像进行物品识别，具体包括：

将所述X光图像的尺寸转换为416*416，并将尺寸转换后的图像中各像素点的RBG值归一化到0到1；

将归一化后的图像输入所述YOLO V4模型，输出多个检测框，将多个检测框中置信度超过置信度阈值的检测框作为检测结果。

4.一种基于X光物体图像识别的包裹检测系统，其特征在于，包括：

X光图像获取模块，用于获取待检测包裹的X光图像；

基于胡矩的轮廓匹配的物品检测模块，用于基于胡矩的轮廓匹配对所述X光图像进行物品检测，获得检测结果；所述检测结果为确定所述X光图像中物品是物品库中物品、确定所述X光图像中物品不是所述物品库中物品或者所述X光图像中物品疑似所述物品库中物品；

YOLO V4模型检测模块，用于当所述检测结果为所述X光图像中物品疑似所述物品库中物品时，采用YOLO V4模型对所述X光图像进行物品识别；

基于胡矩的轮廓匹配的物品检测模块，具体包括：

灰度图转换单元，用于将所述X光图像转换为灰度图；

二值化图像转换单元，用于采用最大类间阈值法将所述灰度图转换为二值化图像；

多边形轮廓区域提取单元，用于提取所述二值化图像中所有多边形轮廓区域；

物品检测单元，用于依次对每个多边形轮廓区域进行物品检测，当检测到第k个多边形轮廓区域时：

统计第k个多边形轮廓区域内的像素总数；

计算所述像素总数与所述物品库中各物体的像素数的面积相对差；

获取面积相对差小于20%对应的所述物品库中物体的胡矩特征，记为第一胡矩特征；

统计第k个多边形轮廓区域对应灰度图的胡矩特征，记为第二胡矩特征；

计算所述第一胡矩特征与所述第二胡矩特征的余弦相似度；

若所述余弦相似度超过90%，则所述检测结果为确定所述X光图像中物品是物品库中物品；若所述余弦相似度小于60%，则所述检测结果为确定所述X光图像中物品不是物品库中物品；若所述余弦相似度大于或等于60%且小于或等于90%，则所述X光图像中物品疑似所述物品库中物品。