一种基于卷积神经网络的违禁品探测系统及部署方法

王宇石　王晓侃

摘  要：文章设计了一种X射线安检图像的违禁品自动识别系统。以经典的ResNet卷积神经网络为特征提取骨干网络，使用特征金字塔网络进行违禁品目标探测;把图像分成笔记本区域和非笔记本区域，分别用不同的网络模型进行探测，取得了出色的探测效果。并使用网络服务器的模式部署上述算法探测系统，使得产生图像的安检机系统与算法服务器既保持彼此独立又能进行稳定、实时的通讯，完成探测。

关键词：X射线;安检图像;违禁品;卷积神经网络

中图分类号：O434.1       文献标志码：A         文章编号：2095-2945（2020）23-0136-03

Abstract. This paper proposes a contraband detection system for X-ray security inspection machines. Based on the classic ResNet convolutional neural networks as backbone networks， we detect contrabands with Feature Pyramid Networks. A better performance is achieved by segmenting an image as notebook area and no-notebook area which are processed separately with different detection models. And the models are deployed in a network server connected with the X-ray security inspection machine which sends X-ray images to the server. Both sides communicate with each other stably in a real time.

Keywords： X-ray; security inspection image; contraband; convolutional neural networks

1 概述

自2014年以來，卷积神经网络（Convolutional Neural Networks， CNN）已经成为了计算机视觉领域的主流技术，在各个方面都取得性能突破，特别是图像识别领域已经臻于成熟[1-2]。呈现的总体趋势是网络深度不断加深、卷积也以小型化（1×1/3×3）模板为主[3-4]。

在基于X射线的安全检查领域（以下简称“安检”），同样可以通过迁移学习的方式，实现对安检图像中特定目标的识别。安检图像的基本原理是利用多能的X射线透射被检查物品，形成同一穿透位置的多能量X射线的衰减效应，归一化成多个灰度值，再基于安检判读需求进行着色处理形成RGB三基色值。通常有机物成像为桔红色，无机物或金属成像为蓝色，介于两者之间的混合物（有机物/无机物的叠加、或类似玻璃、含盐液体、电路板等）则为绿色（如图1（a））。这样整个被检查物品就根据其各部位的材质及厚度形成了伪彩色图像。在本文中，作者基于伪彩色的安检图像，进行违禁品的识别。……