基于机器学习的民航安检增强技术研究

Nowadays, the x-ray screening machine plays an increasingly important role in the field of civil aviation security. However, the misjudgment due to human factors caused vulnerabilities threatening the safety of air transport. This research planned to introduce the machine learning theory into the civil aviation x-ray security system, and achieve the task of automatic detection of dangerous goods. First, we plan to build the first public x-ray security image dataset, which including classification, localization, and detection task. This dataset fill the blank of this field and it will promote the development of the x-ray image processing field. The second, we intend to introduce machine learning algorithms such as sparse representation and dictionary learning and accomplish a whole detection framework base on x-ray security image. This algorithm framework will make the x-ray security screening machine more intelligent which will reduce the miss detection rate caused by human factors, and protect the public safety.

X光安检机目前在民航安全领域起着越来越重要的作用，但是因人为因素造成的危险品漏判、误判等安检漏洞也时刻威胁着航空运输的安全。本课题拟将机器学习理论引入民航系统的X光安检领域，从而实现X光安检系统的自动危险品检测检测。本课题拟分两步解决该问题，首先，将构建学术界首个公开的大型X光安检图像数据集。本数据集包含分类、定位、检测三组测试并设计相应的评价准则，填补该领域的空白。本数据集不但是后续算法研究的基础，而且将推动X光安检图像处理领域的发展。其次，本课题根据X光安检图像的特点，拟在稀疏表达、字典学习等机器学习算法基础上加以改进，从而克服X光图像缺乏低频纹理、成像叠加等问题，构建一套完整的X光安检图像目标检测框架。本算法将能使X光安检机更加自动化、智能化，降低安检环节人为因素造成的漏检率，保障公共交通安全。所以本课题不但有其学术价值，而且还有很强的应用价值。

课题组围绕基于机器学习的民航安检增强技术研究这条主线，对X光违禁品自检测、场景语义分割、风格图迁移学习、多模态信息融合和三维物体跟踪方面进行研究。在违禁品自检测领域，课题组提出了基于物理尺寸和复杂背景处理的X光违禁品检测算法；在语义分割领域，通过引入风格迁移模块和物理尺度优化，克服了语义特征训练中类别标签不均衡的问题，现场景的精确语义分割；在迁移学习领域，课题组提出了一种新的快速且有效的人脸风格化算法，通过从图像中分别提取了语义、位置和外观的指导信息，实现高质量的图像风格迁移；在跨模态图像信息融合领域，课题组提出了一种直观、快速且有效的红外与可见光图像融合方法，即通过红外图像背景建模提取其中重要的红外前景信息，并将其直接注入可见光图像进而实现图像融合；在三维物体跟踪领域，课题组提出了一种融合统计学约束和光度学约束的鲁棒三维物体位姿跟踪算法，在复杂环境下实现对物体鲁棒、准确的跟踪。. 课题组发表学术论文18篇，其中在International Journal of Computer Vision 、IEEE Transactions on Cybernetics,等国际期刊发表论文14篇，在本领域重要的国际会议（CVPR、ICCV和ECCV）上发表论文3篇；培养博士后1名，研究生10余名。