在行李3D图像中检测电子设备
计算机视觉与模式识别
2020-05-06 v1 机器学习
机器学习
摘要
航空和运输安检行业面临着在尽可能短的时间内筛查大量行李以发现威胁和违禁品的挑战。该流程的自动化和半自动化提供了通过检测更多威胁来提高安全性，并通过加快流程来改善客户体验的潜力。传统的2D X射线图像通常极难检查，因为它们排列紧密且包含种类繁多的杂乱和遮挡物体。由于这些局限性，主要机场正在引入3D X射线计算机断层扫描（CT）行李扫描。我们研究是否能够自动化地在这些行李3D图像中检测电子设备。检测电子设备尤其值得关注，因为它们可用于隐藏爆炸物。鉴于需要筛查大量行李以应对这一威胁，最佳的自动化检测方法是首先过滤出行李是否包含电子设备，如果包含，则识别设备的数量及其位置。我们提出了一种名为Unpack, Predict, eXtract, Repack (UXPR)的算法，该算法涉及通过使用一种称为Sieve的算法在一系列尺度上分割数据进行拆包，基于体素强度直方图预测一个分割块是否为电子设备，然后通过集成这些分割块和预测结果来重新打包行李，以识别行李中的设备。通过使用ALERT（爆炸物相关威胁的感知与定位）项目提供的数据进行的一系列实验，我们表明，如果之前见过类似设备，该系统能够通过无监督分割找到很高比例的电子设备，并且在基于其组成部分的属性检测完全未见过的设备方面也显示出有前景的结果。
引用
@article{arxiv.2005.02163,
title = {Detecting Electric Devices in 3D Images of Bags},
author = {Anthony Bagnall and Paul Southam and James Large and Richard Harvey},
journal= {arXiv preprint arXiv:2005.02163},
year = {2020}
}