(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210167474.X (22)申请日 2022.02.23 (71)申请人 智慧航安 （北京） 科技有限公司 地址 100000 北京市海淀区清河永 泰园甲1 号综合楼二层201 (72)发明人 兴军亮　纪志鹏　梁寅鹏　伍艺　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 舒淼 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 危险品检测方法和装置 (57)摘要 本发明提供了一种危险品检测方法和装置， 包括： 获取安检对象的透视图像； 对该透视图像 进行预处理， 得到该安检对象的预处理图像； 将 该预处理图像输入预先训练好的危险品识别模 型， 输出该预处理图像中的兴趣区域； 该兴趣区 域为满足预设特征要求的区域； 基于该兴趣区 域， 确定该安检对象是否包含危险品， 得到检测 结果。 该方法通过预设模型快速确定图像的兴趣 区域， 而兴趣区域为满足预设特征要求的区域， 从而确定图像的特征， 提升了危险品检测的准确 程度和效率。 权利要求书2页 说明书8页 附图3页 CN 114596485 A 2022.06.07 CN 114596485 A 1.一种危险品检测方法， 其特 征在于， 包括： 获取安检对象的透 视图像； 对所述透 视图像进行 预处理， 得到所述 安检对象的预处 理图像； 将所述预处理图像输入预先训练好的危险品识别模型， 输出所述预处理图像中的兴趣 区域； 所述兴趣区域 为满足预设特 征要求的区域； 基于所述兴趣区域， 确定所述 安检对象是否包 含危险品， 得到检测结果。 2.根据权利要求1所述的危险品检测方法， 其特征在于， 将所述预处理图像输入预先训 练好的危险品识别模型， 输出所述预处理图像中的兴趣区域； 所述兴趣区域为满足预设特 征要求的区域的步骤 包括： 将所述预处理图像输入预先训练好的危险品识别模型中， 输出所述预处理图像的特征 金字塔； 根据所述特 征金字塔， 确定所述预处 理图像中的兴趣区域。 3.根据权利要求2所述的危险品检测方法， 其特征在于， 所述基于所述兴趣区域， 确定 所述安检对象是否包 含危险品， 得到检测结果的步骤 包括： 基于非极大值抑制算法对所述兴趣区域内的检测框以及所述检测框对应的预设标注 信息进行筛选， 确定所述安检对象是否包含危险品， 得到检测结果； 所述预设标注信息包括 危险品品类和位置 。 4.根据权利要求3所述的危险品检测方法， 其特征在于， 所述危险品识别模型通过下述 方式训练得到： 获取预设的训练集数据； 所述训练集数据包括： 带有所述预设标注信息的原始图像和 合成图像； 所述 合成图像用于指示样品的透 视图像和所述透 视图像背景的组合图像； 根据所述训练集数据训练预设的初始神经网络， 直至满足预设的训练结束条件， 得到 训练好的所述 危险品识别模型。 5.根据权利要求4所述的危险品检测方法， 其特征在于， 根据所述训练集数据训练预设 的初始神经网络， 直至满足预设的训练结束条件， 得到训练好的所述危险品识别模型 的步 骤包括： 基于所述样品的尺寸， 设置所述初始神经网络的兴趣区域的参数； 基于所述初始神经网络， 对所述原始图像和所述合成图像进行特征提取， 得到训练集 特征金字塔； 根据所述训练集特 征金字塔， 生成所述训练集特 征金字塔对应的训练集兴趣区域； 基于预设的分类器对所述训练集兴趣区域进行分类， 得到所述训练集数据的预测值； 所述预测值包括： 所述训练集兴趣区域的位置坐标和所述训练集兴趣区域对应的所述预设 标注信息的物品 品类概率向量； 根据所述预测值和所述训练集兴趣区域的真实值计算所述 危险品识别模型的损失值； 根据所述损失值调整所述初始神经网络的参数， 并继续对参数调整后的网络进行训 练， 直到满足预设的训练结束条件， 得到训练好的所述 危险品识别模型。 6.根据权利要求5所述的危险品检测方法， 其特征在于， 基于预设的分类器对所述训练 集兴趣区域进行分类， 得到所述训练集数据的预测值之后， 所述方法还 包括： 基于非极大值抑制算法对所述预测值进行筛 选， 得到预设数量的所述预测值。权　利　要　求　书 1/2 页 2 CN 114596485 A 27.根据权利要求6所述的危险品检测方法， 其特 征在于， 所述方法还 包括： 获取预设的测试集数据； 所述测试集数据包括： 带有所述预设标注信息的原始图像和 合成图像； 所述 合成图像用于指示样品的透 视图像和所述透 视图像背景的组合图像； 根据所述测试集数据测试所述危险品识别模型， 直至满足预设的训练结束条件， 得到 经过测试的所述 危险品识别模型。 8.根据权利要求7所述的危险品检测方法， 其特征在于， 所述根据 所述测试集数据测试 所述危险品识别模型， 直至满足预设的训练结束条件， 得到经过测试 的所述危险品识别模 型的步骤之后， 所述方法还 包括： 基于所述危险品识别模型收集所述测试集数据中的错误数据； 所述错误数据用于指示 所述测试集数据在测试 所述危险品识别模型后， 得到不符合预设训练结果的数据； 根据所述错误数据训练所述危险品识别模型， 直至满足预设的训练结束条件， 得到经 过调整的所述 危险品识别模型。 9.根据权利要求1所述的危险品检测方法， 其特征在于， 所述对所述透视图像进行预处 理， 得到所述 安检对象的预处 理图像的步骤 包括： 将所述透 视图像的空白区域进行剪 裁， 得到中间待检测图像； 将所述中间待检测图像进行缩放， 得到所述预处 理图像。 10.一种危险品检测装置， 其特 征在于， 包括： 图像获取模块， 用于获取安检对象的透 视图像； 图像预处 理模块， 用于对所述透 视图像进行 预处理， 得到所述 安检对象的预处 理图像； 兴趣区域确定模块， 用于将所述预处理图像输入预先训练好的危险品识别模型， 输出 所述预处 理图像中的兴趣区域； 所述兴趣区域 为满足预设特 征要求的区域； 检测结果确定模块， 用于基于所述兴趣区域， 确定所述安检对象是否包含危险品， 得到 检测结果。权　利　要　求　书 2/2 页 3 CN 114596485 A 3