結合異常檢測的X射線安檢圖像識別方法

楊子固， 李海芳， 劉劍超， 王飛龍， 李 鋼

(1.太原理工大學信息與計算機學院， 晉中 030600； 2.太原理工大學大數據學院， 晉中 030600； 3. 太原理工大學軟件學院， 晉中 030600)

安檢是保護社會公共安全的一道重要防線，由于行業的特殊性，其不僅具有較高的準確性要求，同時也具有嚴苛的實時性需求。在安檢領域，一般使用X射線安檢機對包裹進行掃描，生成偽彩色透視圖像[1]，并通過人工對該圖像的觀察，識別包裹中是否存在危險品。然而，人工檢查受各種不確定因素的影響較大,安檢質量難以得到保證，容易發生漏檢和誤檢[2]，進而影響公共安全。

近幾年隨著深度學習技術的發展，其在計算機視覺領域的應用[3-4]越來越廣泛，利用深度學習方法對X射線安檢圖像進行分類和危險品檢測逐漸成為該領域的研究熱點和難點。深度學習中的目標檢測方法不僅能自動識別出X射線安檢圖像中的危險品類別，還可以定位危險品在圖像中的位置。當其從圖像中檢測到一個或多個危險品時，即可認為該圖像屬于異常圖像；反之，則為正常圖像。因此，將目標檢測方法用于X射線安檢圖像的自動識別，對于提高安檢水平具有重要研究價值和社會意義。

目標檢測方法可分為兩種，一種是傳統的基于滑動窗口的方法，一種是基于區域選擇的檢測方法[5]。傳統的基于滑動窗口的檢測方法是一種密集采樣法，其主要思路是使用一個檢測框從圖像中裁剪出不同大小的圖像塊，使用方向梯度直方圖(histogram of oriented gradient，HOG)等算子[6]或卷積神經網絡[7]對裁剪出的圖像塊提取特征，再通過支持向量機等分類器進行分類。……