摘 要X光安檢機是鐵路安檢中的關(guān)鍵設(shè)備，傳統(tǒng)方式是由人工看圖識別，崗前培訓(xùn)長，作業(yè)疲勞時易產(chǎn)生誤檢和漏檢。隨著人工智能技術(shù)的高速發(fā)展，匯集其他安檢領(lǐng)域（包括海關(guān)、機場等）過往的圖像與數(shù)據(jù)，結(jié)合用人工智能的深度學(xué)習(xí)算法，有效提高人工智能X光安檢機禁限帶物品的識別率、降低勞動強度、減少人為誤差。未來實現(xiàn)單一作業(yè)點的聯(lián)網(wǎng)，數(shù)據(jù)的實時傳送回大數(shù)據(jù)運營中心，通過GPU云計算的使用和機器深度學(xué)習(xí)的迭代升級，將持續(xù)地增強智能判斷力；可以實現(xiàn)24小時值機，通過智能語音播報提醒，可以支持一人值雙機的工作的方案；并實現(xiàn)遠(yuǎn)程值機、移動值機等功能。極大地提高了X光機安檢環(huán)節(jié)的工作效率和改善安全保障能力，實現(xiàn)減員增效。

【關(guān)鍵詞】安檢系統(tǒng) 智能X光機 圖像處理 圖像識別 人工智能 GPU云計算 大數(shù)據(jù)

1 引言

安檢作業(yè)是鐵路運輸安全至關(guān)重要的一步，X光安檢機是該環(huán)節(jié)中的關(guān)鍵設(shè)備，但是長期以來，都是人工看圖識別，員工上崗前要經(jīng)過相對長時間的培訓(xùn)，同時人工作業(yè)會在疲勞的時候產(chǎn)生誤檢和漏檢。隨著GPU云計算的高速發(fā)展，計算機的計算力成本迅速降低，為以計算力和大數(shù)據(jù)為基礎(chǔ)的人工智能技術(shù)提供了突破閾值的基礎(chǔ)。通過軟、硬件及線上線下結(jié)合，匯集與分析各種安檢領(lǐng)域（包括海關(guān)、機場等）的圖像與數(shù)據(jù)，將之應(yīng)用于高鐵站安檢作業(yè)作為底層初始數(shù)據(jù)，再在運行過程中使用人工智能的深度學(xué)習(xí)算法，可以有效提高人工智能X光安檢機（簡稱，智能X光機）禁限帶物品的識別率、降低勞動強度、減少人為誤差；同時匯聚大量單一作業(yè)點數(shù)字化的安全信息到公共安全大數(shù)據(jù)中樞平臺，反饋回的大數(shù)據(jù)喂養(yǎng)人工智能算法，機器學(xué)習(xí)后的結(jié)果再次應(yīng)用到具體某一單作業(yè)點時，便整體提高所有單一作業(yè)點的識別率（圖1）。

由于乘客所攜帶物品種類相當(dāng)復(fù)雜，智能X光機的智能識別系統(tǒng)如何快速、準(zhǔn)確的識別出乘客所攜帶的禁限帶物品面臨著巨大的挑戰(zhàn)。本文使用基于圖像處理、圖像識別以及機器深度自主學(xué)習(xí)的計算機算法，在X光機圖像智能識別方面進行了深入開發(fā)和實地試驗。智能X光機的模式智能識別系統(tǒng)是智能X光機的重要組成部分。為智能X光機的閘門提供控制信號以及各種報警信號。最后，根據(jù)以上的試驗結(jié)果，研發(fā)實用的智能X光機的模式識別系統(tǒng)。本文主要介紹了該圖像處理與識別的過程以及智能識別系統(tǒng)。從而解決一下三個方面的主要問題：

（1）解決一線安檢人員不足、過度勞累的問題，以及因此而產(chǎn)生的誤檢和漏檢等問題；消除和減少安全隱患，同時實現(xiàn)減員增效；

（2）降低對于人員素質(zhì)要求，縮短上崗前的培訓(xùn)周期，直接勝任物品安檢崗位；

（3）解決傳統(tǒng)安檢無法聯(lián)網(wǎng)、無法數(shù)據(jù)積累、海量數(shù)據(jù)資源浪費的問題。

2 圖像異物檢測原理

2.1 圖像識別方法

本論文設(shè)計的基于圖像處理的高鐵站智能X光機檢測過程主要包括六個部分，分別是：圖像采集、新拍圖片和原始圖片特征點提取、新拍圖片和原始圖片特征點匹配、求得新拍圖片和原始圖片之間的空間變換矩陣、對新拍圖片進行透視變換、對變換后圖片與原始圖片進行相減。

計算機視覺的相關(guān)應(yīng)用中經(jīng)常會提到一個概念：特征點。特征點也稱作關(guān)鍵點或者興趣點，顧名思義，圖像中的特征點一般指一些獨立的物點，例如：煙肉、避雷針、旗桿、電視塔等等；或者圖像中的一些線型要素的交叉點或者面狀要素邊界線拐點。如：桌子角、墻角、樹枝交叉點等等。特征點的概念常常被用來解決一些生活中的實際應(yīng)用問題，例如：圖像的配準(zhǔn)、物體的識別、圖像的三維重建等等。假如我們可以檢測到充足的此類特殊的特征點，由于它們的區(qū)分度比較高，就沒有必要觀察整幅圖像，只對這些特征點進行局部的分析，并且利用它們精確的定位圖像的某些穩(wěn)定的特征。

2.2 比對流程

通過兩幅圖像之間的匹配點對，求解出它們之間對應(yīng)的單應(yīng)矩陣，然后可以通過該單應(yīng)矩陣對新拍圖像進行變換，能夠得到與原始圖像配準(zhǔn)程度很高的圖像。

要檢測新拍圖像上的異物，我們需要對經(jīng)過變換過后的新拍圖像和原始圖像進行配準(zhǔn)操作，變換過后的新拍圖像由于透視變換出現(xiàn)一部分黑色區(qū)域，這樣會對后續(xù)的圖像對比操作造成很大的影響，因此，我們首先需要一定的手段將該黑色區(qū)域去掉，在計算機視覺處理技術(shù)當(dāng)中有一種圖像剪切技術(shù)可以達(dá)到此目的，需要注意的是，為了能夠?qū)煞鶊D像的相同區(qū)域進行對比，我們需要對原始圖像進行同樣尺寸的剪切動作。

經(jīng)過剪切過后的兩幅圖像尺寸大小一致，此時可以釆用圖像像素值差法對該兩幅處理后的圖像進行圖像相減，我們可以事先預(yù)設(shè)一個閾值，如果相同位置的像素點的值相同或者兩像素點差值未超過預(yù)設(shè)的閾值，則可以認(rèn)定此兩像素點是相同的，反映在結(jié)果上則是該位置為一個黑色點斑，反之，若相同位置像素點的像素差值超過預(yù)設(shè)的閾值，則該位置顯示一個白色點斑。我們可以通過圖像相減的結(jié)果圖像上的白色斑點直觀的判斷兩圖像之間的差異或者是否存在異物。

3 測試試驗

長春西高鐵站對使用的人工智能X光安檢設(shè)備，進行了改造，融入了圖像處理技術(shù)和人工智能云端計算力應(yīng)用的檢測，并進行試驗和實物操作檢驗。

（1）設(shè)計了一套基于圖像處理技術(shù)的高鐵站智能檢測軟件系統(tǒng)。整個圖像處理過程分為新拍圖像與原始圖像特征點檢測及匹配、對檢測出的新拍圖像與原始圖像特征點對精選、新拍圖像與原始圖像之間空間轉(zhuǎn)換矩陣的估計、新拍圖片的透視變換、圖像剪裁、新拍圖像與原始圖像相減、圖像異物標(biāo)記、腐蝕除去噪聲等8個步驟，針對上述8個步驟編寫了相應(yīng)算法。

（2）在實際的圖像攝取過程當(dāng)中，拍攝視角無法保證每一次都完全相同，尤其是當(dāng)拍攝環(huán)境較為復(fù)雜時，由于物體的遮擋效應(yīng)，攝像頭在比較大視角變化情況下拍攝出的圖像相較于原始圖像會出現(xiàn)很多“新”的內(nèi)容，這樣在圖像相減時可能會出現(xiàn)很大的差異，可以考慮在一個角度變化范圍內(nèi)實現(xiàn)很多張微小角度變化的圖片的拍攝，然后連續(xù)對相鄰的圖片進行空間轉(zhuǎn)換，最終達(dá)到效果比較好的大角度空間轉(zhuǎn)換。

（3）由于實際的拍攝角度和環(huán)境亮暗的不同，物體表面反射光強度不可避免會存在差異，由此，在兩圖像像素值差算法的過程中，也可能會出現(xiàn)噪聲，為消除噪聲，本設(shè)計的系統(tǒng)釆用的是圖像腐燭算法，使系統(tǒng)異物檢測效果更好。實驗測試表明，在環(huán)境的亮暗、圖像位移、旋轉(zhuǎn)、傾斜、縮放等因子的變化不超過容許范圍的條件下，本次試驗提及的基于圖像處理的高鐵站智能檢測系統(tǒng)基本能夠取得較好的效果。

（4）根據(jù)不同的應(yīng)用場景，靈活配置安檢效率和閱圖效率的匹配關(guān)系：

快速安檢模式：安檢效率高于閱圖效率，增加安檢人數(shù)以滿足業(yè)務(wù)量的需求，適用于業(yè)務(wù)高峰期，快件量巨大的應(yīng)用場景；

快速閱圖模式：安檢效率小于閱圖效率，平均每位閱圖人員可管理多個通道；適用于業(yè)務(wù)低谷期、安檢包裹較少的情況，以節(jié)約人力成本。以上兩種測試也很成功。

（5）長春西高鐵站的人工智能X光安檢機測試結(jié)果想到優(yōu)異。已經(jīng)具備200-1000億次/秒的圖形運算能，自動識別肉眼難以辨認(rèn)的復(fù)雜背景后的槍支，經(jīng)過大數(shù)據(jù)分析，甚至能查驗出分批寄運的槍支零件，可對3D打印槍進行識別（圖2）而傳統(tǒng)X光機無能為力。該大數(shù)據(jù)的云平臺系統(tǒng)，運算速度已經(jīng)達(dá)到毫秒級速度。當(dāng)前版本的智能X光機，可識別常見的一百種以上刀具、數(shù)十種30種以上槍支、常見的上百種瓶裝液體、一百種以上的鋰電池（圖2）。

4 展望及結(jié)束語

未來下一步的工作是進行各個單一作業(yè)點的人工智能X光安檢機聯(lián)網(wǎng)，實現(xiàn)數(shù)據(jù)的實時向大數(shù)據(jù)運營中心傳送；在運營中心GPU計算力的使用和機器深度學(xué)習(xí)的迭代升級，會持續(xù)不斷地增強實現(xiàn)智能判斷力、并通過智能語音播報提醒。每個車站都配備一個分指揮中心，可以完全實現(xiàn)培訓(xùn)、指揮的功能?？梢詫崿F(xiàn)24小時值機和支持一人值雙機的工作的方案，并能實現(xiàn)遠(yuǎn)程值機、移動值機等功能。極大地提高了火車站X光機安檢環(huán)節(jié)的工作效率和升級了安全保障的能力，并實現(xiàn)減員增效。

本文報道了人工智能X光機的安檢系統(tǒng)在長春西高鐵站的實地應(yīng)用和測試原理、方案、過程和結(jié)果，討論了智能X光機通過運用圖像處理和圖像識別技術(shù)，結(jié)合與人工智能機器深度學(xué)習(xí)的算法，和GPU云計算的大數(shù)據(jù)處理能力，經(jīng)過反復(fù)實測試驗，初步實現(xiàn)了高鐵站安檢作業(yè)異物檢測功能的需求，但仍存在很多實際應(yīng)用問題需要改進和完善，仍然需要大量的基礎(chǔ)數(shù)據(jù)建立數(shù)據(jù)庫，累積大量機器學(xué)習(xí)數(shù)據(jù)，從而進行更高維度比對運算，減低誤報率。隨著人工智能技術(shù)的進一步發(fā)展，以及計算機圖像處理技術(shù)和圖像識別技術(shù)的更加成熟、完善，人工智能X光安檢設(shè)備將會在保障鐵路運用安全方面發(fā)揮越來越重要的作用。

參考文獻

[1]Robert Laganiere. OpenCV計算機視覺編程手冊[M].科學(xué)出版社，2013（07）.

[2]敬淇文.基于Harris角點檢測的零件形狀識別[J].微計算機信息，2010.

[3]吳毅良.一種基于SIFT和SUSAN特征的圖像匹配方法[D].暨南大學(xué)，2011（06）.

[4]張少輝，沈曉蓉.一種基于圖像特征點提取及匹配的方法[D].北京航空航天大學(xué)，2008.

[5]劉學(xué)，姚洪利.基于擴展的SURF描述符的彩色圖像配準(zhǔn)技術(shù)[J].計算機應(yīng)用研究，2011（03）.

[6]劉禾.數(shù)字圖像處理及應(yīng)用[M].北京：中國電力出版社，2005.

[7]陳書海，傅錄祥.實用數(shù)字圖像處理[M].北京：科學(xué)出版社，2005.

[8]段佳佳，楊迎春.圖像處理在自動焊接中的應(yīng)用[J].電子測試，2012（02）.

作者簡介

米仲勇（1975-），男，吉林省長春市人?，F(xiàn)沈陽鐵路局長春站工程師。主要研究方向為鐵路運輸管理。

作者單位

沈陽鐵路局長春站 吉林省長春市 130111