基于深度学习的安检图像识别系统

作     者：李玉 曹雨虹 刘刚 贾振华 黄智丹 徐圆飞 LI Yu;Cao Yu-hong;LIU Gang;JIA Zhen-hua;HUANG Zhi-dan;XU Yuan-fei

作者机构：北华航天工业学院河北廊坊065000 北京航星机器制造有限公司北京100000 

基　　金：硕士研究生科研创新项目(YKY-2016-32) 河北省研究生创新资助项目(CXZZSS2018161) 

出 版 物：《新一代信息技术》 (New Generation of Information Technology)

年 卷 期：2018年第1卷第4期

页      码：18-23页

摘      要：为快速准确的识别并定位安检图像中的危险品,本文对Faster RCNN算法进行改进提出一种实时检测并定位危险品的方法,并应用于安检机系统。根据目前的安检机的使用情况,设计并实现了基于深度学习的安检图像识别系统和安检设备客户端显示程序。系统主要设计思路为:准备数据集,应用Caffe框架搭建Faster RCNN模型,对模型进行训练得到一个识别率较高的模型,然后利用训练好的模型进行测试,输入安检图像,输出图像中危险物品的种类和位置。在安检机中安装基于深度学习的安检图像识别定位系统,通过网络连接把收到的安检图像传输到安检上位机,上位机调用安检图像识别定位系统完成物品的显示识别和定位。实验结果表明,系统拥有很好的实时检测的能力,尤其是小目标危险品的检测效果,极大地提高安检的效率。

主 题 词：卷积神经网络 深度学习 图像识别 目标检测 

学科分类：08[工学] 0812[工学-测绘类] 

馆 藏 号：203705690...