张 娜,罗 源,包晓安,金瑜婷,涂小妹

1(浙江理工大学 信息学院,杭州 310018)

2(浙江广厦建设职业技术大学,东阳 322100)

X 光安检是我国广泛应用的安检技术手段,应用于各个重要领域. 使用人工智能技术辅助一线安检员进行X 光安检判图,有效的降低漏报问题. X 光安检违禁品检测实际上是对违禁品的定位和分类. 即用目标检测的方式检测是否有违禁品,并在安检图片上标出违禁品的位置及类别.

传统的安检图像处理算法对安检违禁品检测做出很多贡献. 苏冰山等[1]提出了一种新型X 光图像民航违禁品分类方法,对X 光图像提取Contourlet 变换后图像的共生矩阵、Tamura 纹理特征和直方图特征,最后将这3 种特征的特征向量串联起来得到联合特征向量. 刘颖等[2]提出了一种基于有偏彩色纹理字典的X光安检图像检测,此算法是根据被检测物体的颜色分布构建色彩权值矩阵,提取多通道图像的局部纹理特征,结合词袋模型生成多通道优化的图像字典. 王宇等[3]提出了基于计算机视觉的X 射线图像异物分类研究,该算法主要是利用Tamura 纹理特征和随机森林[4]对X 射线异物进行自动识别分类. 以上传统算法特征捕捉能力较差,检测模型缺少泛化能力,无法应用于海量数据集.

随着深度学习的发展,深度学习在安检图像处理算法得到了广泛应用. 张友康等[5]提出了使用X 光安检图像多尺度违禁品检测网络,对SSD 网络[6]进行改进,增加了小卷积非对称模块、空洞多视野卷积模……