基于三维计算机断层扫描图像的行李安检自适应自动威胁识别方法
计算机视觉与模式识别
2019-11-20 v2 系统与控制
摘要
使用 X 射线扫描仪对行李进行筛查现已是航空安保的常规操作，其中基于三维 X 射线计算机断层扫描（CT）图像的自动威胁检测方法在航空安保行业被称为自动威胁识别（ATR）。这些当前策略使用预定义的威胁材料特征，而非对新出现威胁特征的自适应能力。为解决此问题，先前工作提出了自适应自动威胁识别（AATR）的概念。本文针对此类 X 射线 CT 行李扫描图像给出一种 AATR 解决方案，旨在应对筛查需求中快速演化的威胁特征问题。理想情况下，部署于安检扫描仪中的检测算法应易于适应具有不同威胁特征要求（如威胁材料、物体物理属性）的各种情形。我们采用一种新颖的自适应机器学习方法解决该问题，其方案由多尺度三维 CT 图像分割算法、用于物体材料识别的多类支持向量机（SVM）分类器，以及使方法具备自适应能力的策略组成。实验在专为 AATR 研究采集的开放与封闭三维 CT 行李图像数据集上进行。我们提出的方法在识别与自适应两方面均表现良好。总体而言，我们的方法可实现约 90% 的检测概率，且误报概率低于 20%。我们的 AATR 展现出适应不同材料类型的能力，即便是训练数据中未出现的未知材料，也能适应不同的所需检测概率以及威胁物体的不同尺度。
引用
@article{arxiv.1903.10604,
title = {An Approach for Adaptive Automatic Threat Recognition Within 3D Computed Tomography Images for Baggage Security Screening},
author = {Qian Wang and Khalid N. Ismail and Toby P. Breckon},
journal= {arXiv preprint arXiv:1903.10604},
year = {2019}
}
备注
Technical Report, Durham University