论文部分内容阅读
摘要：伴随计算机技术的不断发展，人工智能技术水平越来越高。在高铁站安检系统中应用人工智能技术，能够提升安检的识别效率，避免人为误差，同时还可以降低工作人员的劳动强度，能够进一步提升高铁安检的识别率。为此，本文浅要介绍了人工智能技术在高铁安检系统中应用时的图像异物的识别方法与关键技术，并分析了测试试验。
关键词：人工智能技术;高铁安检;安检系统
一、图像异物的检测原理分析
（一）图像的识别方法
本文设计的以图像处理为基础的高铁站X光机检测环节主要可以分成6个部分：（1）图像的采集;（2）提取新拍图片与原始图片的特征点;（3）匹配新拍图片与原始图片的特征点;（4）计算新拍图片与原始图片的空间变换的矩阵;（5）透视转换新拍的图片;（6）把变换后的图片和原始图片展开相减处理。
在计算机视觉的有关应用当中，常常会提及到一个概念——特征点，它也被叫做兴趣点好关键点，从字面理解上看，图像当中的特征点主要是指那些独立的物点，比方说避雷针、电视塔、旗杆或烟囱等等，还有可能是图像里面的面状要素的边界线拐点或者是线型要素的交叉点，比方说墙角、树枝的交叉点或桌子角，特征点这个概念常常用于处理那些生活当中具体的应用问题，比方说物体识别、图像配准以及图像的三维重建。如果检测人员能够检测出足够的这种比较特殊的特征点，因为这些特征点的区别度非常高，所以没有观察整幅图像的必要，只分析这类特征点的局部特点并结合定位图片，可以得出图像的相应稳定特征。
（二）对比的流程
比对并匹配2幅图像，分别得出它们相应的矩阵，之后通过得到的矩阵对新拍的照片展开变换，可以获得和原始图片配准程度非常高的图像。
要想检测新拍图像中的异物，需要工作人员把变化之后的新拍图像与原始的图像展开配準操作，变换以后的新拍图像因为透视变换，会产生一小部分的黑色区域，严重影响后面的图像对比流程，所以需要利用相应的手段去除黑色的区域，计算机的视觉处理技术中的图像剪切技术能够实现这个目标。但使用的过程中，为确保对比两幅图像的同一个区域，还需要针对原始的图像展开同样尺寸的剪切操作。
剪切之后的原始图像和新拍图像尺寸和大小完全相同，在这种情况下能够采取图像像素的差值法针对两幅处理后的图像展开图像加减，可以提前设定一个与之，如果同一个位置的像素点的值一致或者两个像素点的差值没有超出标准的阈值，可以判定这两个像素点是相同的，结果为该位置处是一个黑色的点斑。相反的，两个像素点的差值超出标准的阈值，结果为该位置处是一个白色的点斑。工作人员可以借助图像相减得到的图像是否为白色斑点，判断两个图像间是否存在差异或者是异物。
二、测试试验
长春市西高铁站对人工智能X光安检仪展开了改造，在检测中引入人工智能计算技术和图像处理的技术，然后展开实物操作的检验。
首先，设计了一套以图像处理技术为基础的智能检测系统，整个图像的处理技术分成八个步骤，分别为：检测并匹配新拍图像和原始图像的特征点、精心选择检测出来的新拍图像和原始图像的特征点、估计新拍图像和原始图像的空间转换矩阵、新拍图像的透视转换和图像裁剪、新拍图像和原始图像相减、图像异物的标记以及腐蚀除去噪声。
其次，在摄取图像的实际环节中，无法保证每次拍摄的角度都是相同的，特别是在拍摄角度特别复杂的情况下，因为物体的遮挡作用，摄像头在视角比较大的变化状态下拍摄的新图像，比原始图像会多出许多新的内容，因而在图像相减的过程中可能会出现比较大的差异。针对这一情况，可以思考在角度变化的范围中展开多张微小角度的图像拍摄，之后多张相邻的图片展开连续的空间转换，最终获得效果良好的大角度空间转换。
因为具体的拍摄角度和环境的亮暗存在差异，物体表面反射光的强度不同，所以在计算两个图像像素差期间，有可能会产生噪声，为了降低噪声，本次设计选用图形的腐蚀算法，明显提升了该系统异物检测的效果。试验的结果显示，当图像的位移、旋转、缩放和倾斜因子以及环境亮暗没有超出规定范围时，该系统能够取得理想的检测效果。接着，需要按照应用场景的不同，灵活地调整阅图效率和安检效率之间的匹配关系。快速安检模式：安检的效率比阅图效率要高，提升安检人员的数量达到业务量的基本要求，适合应用在业务的高峰时期。快速阅图模式：安检的效率比阅图效率小，一个阅图工作人员能够同时管理众多通道，适合应用在业务的低谷期或安检的包裹比较少的时候，可以节省人力。
结束语：
下一步的工作是实现各个单一作业点的人工智能安检机的联网，实时将数据上传到大数据运营中心，通过使用GPU计算以及机器深度学习的迭代升级，逐步提升智能的判断力，设立智能语音的播报系统。为每个高铁站配备一个指挥中心，可以发挥移动值机和远程值机的效用，进一步提升高铁安检的效率，真正达到减员增效的效果。
参考文献：
[1]米仲勇. 人工智能技术在高铁安检系统中的前瞻性应用[J]. 电子技术与软件工程， 2017（12）：254-255.
[2]张国全. 人工智能技术在高铁光纤周界入侵报警系统中的应用[J]. 信息与电脑（理论版）， 2017， 377（07）：158-160.
南京宁铁无损检测技术研究院有限公司 江苏南京 210000
关键词：人工智能技术;高铁安检;安检系统
一、图像异物的检测原理分析
（一）图像的识别方法
本文设计的以图像处理为基础的高铁站X光机检测环节主要可以分成6个部分：（1）图像的采集;（2）提取新拍图片与原始图片的特征点;（3）匹配新拍图片与原始图片的特征点;（4）计算新拍图片与原始图片的空间变换的矩阵;（5）透视转换新拍的图片;（6）把变换后的图片和原始图片展开相减处理。
在计算机视觉的有关应用当中，常常会提及到一个概念——特征点，它也被叫做兴趣点好关键点，从字面理解上看，图像当中的特征点主要是指那些独立的物点，比方说避雷针、电视塔、旗杆或烟囱等等，还有可能是图像里面的面状要素的边界线拐点或者是线型要素的交叉点，比方说墙角、树枝的交叉点或桌子角，特征点这个概念常常用于处理那些生活当中具体的应用问题，比方说物体识别、图像配准以及图像的三维重建。如果检测人员能够检测出足够的这种比较特殊的特征点，因为这些特征点的区别度非常高，所以没有观察整幅图像的必要，只分析这类特征点的局部特点并结合定位图片，可以得出图像的相应稳定特征。
（二）对比的流程
比对并匹配2幅图像，分别得出它们相应的矩阵，之后通过得到的矩阵对新拍的照片展开变换，可以获得和原始图片配准程度非常高的图像。
要想检测新拍图像中的异物，需要工作人员把变化之后的新拍图像与原始的图像展开配準操作，变换以后的新拍图像因为透视变换，会产生一小部分的黑色区域，严重影响后面的图像对比流程，所以需要利用相应的手段去除黑色的区域，计算机的视觉处理技术中的图像剪切技术能够实现这个目标。但使用的过程中，为确保对比两幅图像的同一个区域，还需要针对原始的图像展开同样尺寸的剪切操作。
剪切之后的原始图像和新拍图像尺寸和大小完全相同，在这种情况下能够采取图像像素的差值法针对两幅处理后的图像展开图像加减，可以提前设定一个与之，如果同一个位置的像素点的值一致或者两个像素点的差值没有超出标准的阈值，可以判定这两个像素点是相同的，结果为该位置处是一个黑色的点斑。相反的，两个像素点的差值超出标准的阈值，结果为该位置处是一个白色的点斑。工作人员可以借助图像相减得到的图像是否为白色斑点，判断两个图像间是否存在差异或者是异物。
二、测试试验
长春市西高铁站对人工智能X光安检仪展开了改造，在检测中引入人工智能计算技术和图像处理的技术，然后展开实物操作的检验。
首先，设计了一套以图像处理技术为基础的智能检测系统，整个图像的处理技术分成八个步骤，分别为：检测并匹配新拍图像和原始图像的特征点、精心选择检测出来的新拍图像和原始图像的特征点、估计新拍图像和原始图像的空间转换矩阵、新拍图像的透视转换和图像裁剪、新拍图像和原始图像相减、图像异物的标记以及腐蚀除去噪声。
其次，在摄取图像的实际环节中，无法保证每次拍摄的角度都是相同的，特别是在拍摄角度特别复杂的情况下，因为物体的遮挡作用，摄像头在视角比较大的变化状态下拍摄的新图像，比原始图像会多出许多新的内容，因而在图像相减的过程中可能会出现比较大的差异。针对这一情况，可以思考在角度变化的范围中展开多张微小角度的图像拍摄，之后多张相邻的图片展开连续的空间转换，最终获得效果良好的大角度空间转换。
因为具体的拍摄角度和环境的亮暗存在差异，物体表面反射光的强度不同，所以在计算两个图像像素差期间，有可能会产生噪声，为了降低噪声，本次设计选用图形的腐蚀算法，明显提升了该系统异物检测的效果。试验的结果显示，当图像的位移、旋转、缩放和倾斜因子以及环境亮暗没有超出规定范围时，该系统能够取得理想的检测效果。接着，需要按照应用场景的不同，灵活地调整阅图效率和安检效率之间的匹配关系。快速安检模式：安检的效率比阅图效率要高，提升安检人员的数量达到业务量的基本要求，适合应用在业务的高峰时期。快速阅图模式：安检的效率比阅图效率小，一个阅图工作人员能够同时管理众多通道，适合应用在业务的低谷期或安检的包裹比较少的时候，可以节省人力。
结束语：
下一步的工作是实现各个单一作业点的人工智能安检机的联网，实时将数据上传到大数据运营中心，通过使用GPU计算以及机器深度学习的迭代升级，逐步提升智能的判断力，设立智能语音的播报系统。为每个高铁站配备一个指挥中心，可以发挥移动值机和远程值机的效用，进一步提升高铁安检的效率，真正达到减员增效的效果。
参考文献：
[1]米仲勇. 人工智能技术在高铁安检系统中的前瞻性应用[J]. 电子技术与软件工程， 2017（12）：254-255.
[2]张国全. 人工智能技术在高铁光纤周界入侵报警系统中的应用[J]. 信息与电脑（理论版）， 2017， 377（07）：158-160.
南京宁铁无损检测技术研究院有限公司 江苏南京 210000