面向机场X射线行李安检的深度学习卷积目标检测自动威胁识别
计算机视觉与模式识别
2019-12-16 v1
摘要
为保障出行公众安全，美国运输安全管理局(TSA)在机场运营安检点，力求将危险物拒于飞机之外。在这些安检点，TSA部署了如Rapiscan 620DV等X射线扫描仪 fleet，以便运输安全管理官员(TSOs)检查随身物品的内容。然而，识别并定位所有潜在威胁可能是一项具有挑战性的任务。因此，TSA近来对可辅助TSOs的基于深度学习的自动检测算法产生了兴趣。在TSA资助的一项合作中，我们收集了一个可观的新X射线扫描数据集，其中包含多样威胁并处于广泛情境中，训练了若干深度卷积目标检测模型，并将此类模型集成至Rapiscan 620DV中，从而制得可实时运行的功能原型。我们展示了模型在留出评估集上的性能，分析了若干设计参数，并证明了此类系统用于自动检测机场中可见威胁的潜力。
引用
@article{arxiv.1912.06329,
title = {Toward Automatic Threat Recognition for Airport X-ray Baggage Screening with Deep Convolutional Object Detection},
author = {Kevin J Liang and John B. Sigman and Gregory P. Spell and Dan Strellis and William Chang and Felix Liu and Tejas Mehta and Lawrence Carin},
journal= {arXiv preprint arXiv:1912.06329},
year = {2019}
}