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。