[发明专利]一种基于Mask RCNN识别太赫兹安检图像可疑物体的检测方法在审
| 申请号： | 201910779702.7 | 申请日： | 2019-08-22 |
| 公开（公告）号： | CN110490151A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 王葛;牛昊;朱艳;刘英莉;朱荣盛;赵志鹏;王晓琳 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 42257 武汉大楚知识产权代理事务所(普通合伙) | 代理人： | 徐杨松<国际申请>=<国际公布>=<进入 |
| 地址： | 650500 云南省昆明市呈贡*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Mask RCNN识别太赫兹安检图像可疑物体的检测方法，本发明采用了多张太赫兹安检图片构成的训练数据集、验证数据集和测试数据集与标注，构建基于Mask‑RCNN的图像识别模型并利用所述训练数据集训练该模型，以及利用所述验证数据集验证该模型的图像识别结果，该模型可以对太赫兹安检图像中人体携带的可疑物体进行良好的目标识别与检测。综上，本发明结合深度学习卷积神经网络思想，利用卷积特征替代传统手工特征，避免了传统的人工检测问题导致的检测速度慢准确性不高成本昂贵的问题，深层卷积特征具有更好的表达能力，同时为解决太赫兹人体可疑物体检测问题提供了更加泛化和简洁的思路。 | ||
| 搜索关键词： | 可疑物体 安检 训练数据集 验证数据 卷积 检测 图像 卷积神经网络 图像识别结果 测试数据集 检测问题 目标识别 人工检测 手工特征 特征替代 图像识别 传统的 构建 标注 验证 携带 学习 图片 | ||
【主权项】：
1.一种基于Mask RCNN识别太赫兹安检图像可疑物体的检测方法，其特征在于：所述方法步骤如下：/nStep1、获取太赫兹安检图片集，将太赫兹安检图片集分成训练数据集、验证数据集和测试数据集并设定标签；/nStep2、对输入图像进行特征提取，将图像输入到卷积神经网络ResNet101，作为特征提取器。底层检测的是低级特征(边缘和角等)，较高层检测的是更高级的特征(人、枪、刀)，经过主干网络的前向传播，图像从1024×1024×3的张量被转换成形状为32x32x2048的特征图。该特征图将作为下一个阶段的输入。/nStep4、输入RPN神经网络，并通过滑动窗口来扫描主干特征图，寻找存在目标的区域，RPN为每个anchor生成两个输出(anchor类别、边框精调)；/nStep5、输入ROI池化层对不同尺寸的输入进行处理，在RoIAlign层处理后得到各个候选窗口的特征矩阵，对其进行多次卷积操作后对其进行反卷积操作，并对每一类别单独产生图像分割的二值图，二值化的过程通过sigmoid函数完成，最终该感兴趣区域采用哪个类别的二值图由目标检测分支输出的目标类别来决定；/nStep6、计算Mask RCNN网络的损失函数设计，包括目标检测分类损失、目标检测坐标回归损失、目标分割结果的损失、区域推荐、网络损失、权重正则化误差。/nStep7、利用所述验证数据集验证该模型的太赫兹安检图像可疑物体识别结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910779702.7/，转载请声明来源钻瓜专利网。
