基于特征提取与增强的地铁安检X光违禁物智能识别算法

冯利涛; 刘杰; 王逸

doi:10.19292/j.cnki.jdxxp.2026.01.003

吉林大学学报(信息科学版) ›› 2026, Vol. 44 ›› Issue (01) : 192 -198. DOI: 10.19292/j.cnki.jdxxp.2026.01.003

基于特征提取与增强的地铁安检X光违禁物智能识别算法

冯利涛, 刘杰, 王逸

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对地铁安检X光图像中由于违禁物与背景物质存在复杂的密度重叠和纹理干扰，导致特征表征能力不足，难以有效区分违禁物与正常物品;同时，传统方法在特征提取过程中容易丢失细小违禁物的关键空间信息，最终导致检测系统出现严重的漏检和误检问题，提出了基于特征提取与增强的地铁安检X光违禁物智能识别算法。构建基于改进SSD-VGG16(Single Shot MultiBox Detector-Visual Geometry Group 16)的多尺度特征提取框架，通过新增Conv3＿3细节捕获层和Conv5＿3细小物体敏感层强化对违禁物微观特征的提取能力，并采用特征融合技术整合Conv4＿3等基础网络层的语义信息，显著提升了特征表征的完备性;同时引入空间注意力机制，通过分解聚合特征获取X-Y双向注意力向量，有效聚焦于违禁物关键区域，嵌入ECA(Efficient Channel Attention)通道注意力模块实施交叉信道交互学习，实现了对违禁物判别性特征的动态增强;采用DIo U-NMS(Distance-Intersection over Union Non-Maximum Suppression)算法综合考虑目标框重叠率和中心距离进行优化筛选，大幅降低了密集场景下的漏检率;通过自适应阈值分割方法，结合维纳滤波和中值滤波预处理技术消除图像噪声干扰，依据灰度或伪彩色分布特征实现违禁物的精确区域分割，实现了X光违禁物识别。由实验结果可知，该算法识别的金属刀、火机、玻璃瓶对应的像素亮度分别为255、153、51，与实验指标一致，能精准识别出各种违禁物。