為了確保公共交通的安全，安全檢查已成為確保公共生命財產安全的必要手段。但是，由于中國人口流動性高和客流量大，對安全檢查技術的需求和要求也在增加。由于依靠人工檢查和圖像識別的傳統(tǒng)工作方法無法滿足人們出行時的人流需求，因此越來越多的現(xiàn)代智能技術被應用在安全檢查領域。

目前，在許多機場安全檢查場景中已經實現(xiàn)了人工智能和硬件的結合。通過對各種安全檢查圖像的數(shù)據(jù)處理，使用深度學習算法來實現(xiàn)對違禁品的自動識別和預警。這樣，大大降低了安全人員的勞動強度，提高了安全檢查的質量，避免了因遺漏，誤判危險品而造成的不良后果。

一套專門針對 X 光安檢圖像的目標檢測算法、數(shù)據(jù)收集和標定方案，并開發(fā)相應的軟硬件系統(tǒng)，可與 X光安檢機松耦合對接，實現(xiàn)從 X 光安檢圖像的輸入、檢測、輸出的完整系統(tǒng)。

一、算法流程設計

專門針對 X 光安檢圖像設計的算法為二階段目標檢測網絡，通過訓練卷積神經網絡得到適用于 X 光安檢圖像數(shù)據(jù)的模型。該模型的輸入是一定尺度范圍的 X 光圖像，輸出為該圖像中存在的違禁品類別、坐標和置信度，網絡結構圖如圖 1 所示。

算法流程如下。

(1) 經過捕獲卡處理后的圖像在補邊、減均值后保持原有尺寸送入特征提取網絡。

(2) 特征提取網絡采用全卷積網絡結構，輸出特征圖。

(3) 特征圖經過 RPN，輸出可能有目標的區(qū)域 ROI。

(4)ROI 經過池化(Pooling)變換后產生小尺寸的特征圖，再經過 Head 網絡后完成分類和定位偏移量的計算。

(5)Head 網絡的輸出偏離量對 ROI 精修，得到最終預測結果，即針對 X 光安檢圖像的目標檢測結果和置信度。

數(shù)據(jù)質量優(yōu)劣決定了模型質量。為訓練出專門針對 X 光圖像的模型，本模型并未采用常規(guī)圖像數(shù)據(jù)集訓練，而是大量制造帶有真實違禁品、并有各種箱包、填充物、干擾物組合的 X 光安檢圖像，并結合現(xiàn)場采集的真實行包數(shù)據(jù)作為訓練樣本，同時輔以顏色變換、尺度變換、水平翻轉和鏡面翻轉等多種數(shù)據(jù)增強方法和域自適應的圖像風格遷移方法，構建出數(shù)百萬級別的訓練樣本，涵蓋了國內常見的十幾種主流品牌安檢機的圖像特征，使得模型具備較強的泛化識別能力。

二、硬件系統(tǒng)結構和功能

硬件系統(tǒng)設計需要承載 X 射線安檢機視頻信號接入、X射線安檢機 EDID 信號反饋、視頻信號放大并分配、視頻信號數(shù)字化、視頻圖像預處理、深度神經網絡推理和計算、渲染顯示輸出的完整業(yè)務流程，硬件系統(tǒng)設計如圖 2 所示。

各模塊和功能如下：

(1) 視頻信號分配模塊

(2) 視頻信號采集模塊

(3) 圖像處理模塊(CPU)

(4) 神經網絡計算模塊(GPU-1)

(5) 顯示渲染模塊(GPU-2)

三、成品實物展示

根據(jù)軟硬件設計，成品樣機實物如圖所示。屏幕展示效果目標標簽展示方式盡量和偽彩色圖像有所區(qū)別，并對安檢員的視線干擾最小。

針對 X 光安檢圖像進行違禁品目標檢測和識別的有效算法，并且實現(xiàn)了用于安檢實戰(zhàn)場景的軟硬件系統(tǒng)。即可實現(xiàn) X 光安檢圖像智能判圖的完整流程，無需對現(xiàn)有的 X 光安檢機進行任何定制改造。該系統(tǒng)目前已廣泛在地鐵、高鐵、機場、物流等領域。未來可以通過增加待檢測目標訓練樣本，進一步擴展識別目標類型，提升識別率，以滿足軌交、物流、機場、海關等不同應用場景的不同需求，通過人機耦合判圖，最終實現(xiàn)降本增效、提升安檢服務質量，應用前景廣闊。