10.16037/j.1007-869x.2022.04.044
城市轨道交通安检中基于X射线图像的危险品识别技术研究
阐述了基于传统机器学习和深度学习的危险品对X射线图像安检识别技术原理、方法及适用场景,分析了不同识别技术的优缺点.基于深度学习的危险品识别技术能自动学习物品分类特征,具有良好的鲁棒性和运算效率.其中基于回归思想的目标检测框架的识别速度快,适用于实时系统.利用实际典型场景进行训练并测试,测试结果表明,基于YOLO模型建立的危险物识别技术在识别精度和速度上均能满足相关要求,可对行李包裹内枪支刀具、烟花爆竹等危险品进行智能化识别并报警,能切实提升城市轨道交通安检效能,提高安全风险预警能力.
城市轨道交通、安检、X射线图像、危险品识别
25
X924.3:U231(安全管理(劳动保护管理))
2022-04-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
205-209