申请/专利权人：上海应用技术大学

申请日：2020-02-10

公开（公告）日：2024-04-19

公开（公告）号：CN111310635B

主分类号：G06V20/52

分类号：G06V20/52;G06V20/40;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2020.07.14#实质审查的生效;2020.06.19#公开

摘要：本发明提供了一种基于TensorFlow的安检违禁品识别系统及方法，包括：X光三维成像模块，用于采集乘客携带物品的X光图像；图像处理模块，用于通过TensorFlow框架构建神经网络模型以对X光图像进行特征提取处理得到预处理图像；检测模块，用于通过神经网络模型对预处理图像来进行危险品的识别和判断训练模块，用于通过样本训练构建危险品样本库，以便进行匹配；调试模块，用于在检测模块无法判断所检测物品的危险性时，通过将X光图像传输至人工端设备进行调试，并记忆调试的结果以强化危险品样本库；及危险品提示模块，用于在检测模块检测出危险品时，输出危险品相关信息以提醒相关人员。

主权项：1.一种基于TensorFlow的安检违禁品识别系统，其特征在于，包括：X光三维成像模块，用于采集乘客携带物品的X光图像；图像处理模块，用于通过TensorFlow框架构建神经网络模型以对所述X光图像进行特征提取处理得到预处理图像；所述特征提取处理包括：图像预处理、旋转平移、边缘检测、特征提取、图像渲染、特征对齐、特征参数计算、精细化处理；检测模块，用于通过神经网络模型对所述预处理图像来进行危险品的识别和判断；所述检测模块进行危险品的识别和判断过程包括：将所述检测数据集与标签样品的预处理图像进行信息匹配，若匹配成功，则判定为违禁物品，并识别出违禁品的种类；若匹配不成功，则视为无危险物品，安检通过；若无法确认，则将所述标签样品的X光图像输出至所述调试模块进行调整，以完备所述检测数据集；训练模块，用于通过样本训练构建危险品样本库，以便所述神经网络模型进行匹配；其中，所述训练模块使用轨道安全法规所规定的违禁物品的影像资料进行样本训练，构建得到危险品样本库，样本训练过程包括：带有标签的违禁物品个体目标输入参考数据集，并进行目标数值特征匹配，得到标签样本；使用建立的卷积神经网络模型对标签样本进行时频变换，得到样本数据；将处理得到的样本数据进行增强，得到标签个体的目标数据特征；将所述目标数据特征加入到危险品样本库的检测数据集中，完成个体模板注册；调试模块，用于在所述检测模块无法判断所检测物品的危险性时，通过将所述X光图像传输至人工端设备进行调试，并记忆调试的结果以强化所述危险品样本库；及危险品提示模块，用于在所述检测模块检测出危险品时，输出危险品相关信息以提醒相关人员。

全文数据：

权利要求：

百度查询： 上海应用技术大学 基于TensorFlow的安检违禁品识别系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD