CN108108744B - 用于辐射图像辅助分析的方法及其*** - Google Patents
用于辐射图像辅助分析的方法及其*** Download PDFInfo
- Publication number
- CN108108744B CN108108744B CN201611063567.9A CN201611063567A CN108108744B CN 108108744 B CN108108744 B CN 108108744B CN 201611063567 A CN201611063567 A CN 201611063567A CN 108108744 B CN108108744 B CN 108108744B
- Authority
- CN
- China
- Prior art keywords
- image
- analyzed
- radiation image
- information
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 251
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000010586 diagram Methods 0.000 claims abstract description 42
- 235000019504 cigarettes Nutrition 0.000 claims description 39
- 239000002699 waste material Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 235000014101 wine Nutrition 0.000 claims description 8
- 229910052751 metal Inorganic materials 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 239000010893 paper waste Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 24
- 238000007689 inspection Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- -1 inorganic Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Geophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种用于辐射图像辅助分析的方法及其***，属于图像处理领域。一种用于辐射图像辅助分析的方法，包括：获取待分析辐射图像；获取所述待分析辐射图像的报关信息；根据所述待分析辐射图像从典型图像库获取特征相符的历史图像；和/或根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息。根据本申请的用于辐射图像辅助分析的方法及其***，通过对辐射图像和报关信息的智能分析、比对以及判断，可以自动给出分析结果，辅助图检员判断当前辐射图像是否携带违规物品、是否瞒报漏报等。
Description
技术领域
本公开涉及辐射图像分析技术领域，具体而言，涉及一种用于辐射图像辅助分析的方法及其***。
背景技术
监管工作是海关的重要职能之一，而图检站作为海关通过监管各个业务环节中唯一能与实货接触到的环节，在海关监管中起着举足轻重的作用。以往集装箱的检查是一件费时费力的工作，伴随辐射成像设备的出现，通过审查集装箱辐射图像即可完成集装箱的检查，实现了革命性的非侵入式检查。但现阶段的审图工作主要依赖人的经验，并且审图工作需要审图人员仔细观察，有很高的工作强度，完整地审完一张图需要花费很长时间，这也造成了当前审图面临以下困难：审图人员数量不足，审图人员能力不够，甚至因某些违规行为而导致的错查和漏查。
对于辐射图像的分析处理不仅需要对原始图像进行各种复杂的处理，更需要专业人员的分析能力，两者缺一不可。但由于全球外贸经济的迅猛发展，商品货物量激增，纵使配备更多的专业人员及专业图像软件，对于图像检查的效率还是逐步显现出疲态，业界一直也没有比较有效的解决方案。
因此，需要一种新的用于辐射图像辅助分析的方法及其***。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请公开的一种用于辐射图像辅助分析的方法及其***，可以综合图像信息和报关信息，自动给出图像分析结果以供用户参考，从而能极大地提升审图的工作效率和准确性。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种用于辐射图像辅助分析的方法，包括：获取待分析辐射图像；获取所述待分析辐射图像的报关信息；根据所述待分析辐射图像从典型图像库获取特征相符的历史图像；和/或根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息。
在本公开的一种示例性实施例中，所述方法还包括：获取所述待分析辐射图像的风险提示信息。
在本公开的一种示例性实施例中，其中根据所述待分析辐射图像从典型图像库获取特征相符的历史图像包括：在所述典型图像库中对所述待分析辐射图像进行图像检索。
在本公开的一种示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索还包括：利用智能学习算法对图像检索进行训练。
在本公开的一种示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索包括：根据预设的置信度返回至少一种图像信息。
在本公开的一种示例性实施例中，其中所述典型图像库中包括每一预设货物类型下各自对应的标准图和违规图。
在本公开的一种示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索包括：提取所述待分析辐射图像的特征；将所述待分析辐射图像的特征与所述典型图像库中的标准图和/或违规图进行比对，获得与其特征相符的标准图和/或违规图。
在本公开的一种示例性实施例中，所述方法还包括：根据与所述待分析辐射图像的特征相似的标准图和/或违规图的比对，获得两者之间的相似度。
在本公开的一种示例性实施例中，其中根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息包括：在报关信息库中对所述待分析辐射图像的报关信息进行关系检索或全文检索。
在本公开的一种示例性实施例中，还包括：将所述标准图和/或标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度。
在本公开的一种示例性实施例中，其中根据预设的置信度返回至少一种图像信息包括：提取所述待分析辐射图像的特征；根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息。
在本公开的一种示例性实施例中，根据预设的置信度返回至少一种图像信息包括：根据所述典型图像库建立智能图像识别模型；根据所述智能图像识别模型获得所述待分析辐射图像的嫌疑系数；将所述待分析辐射图像的嫌疑系数与一预设的阈值相比较，判定所述待分析辐射图像对应的扫描货物是否有嫌疑。
在本公开的一种示例性实施例中，其中所述智能图像识别模型包括废纸、废金属、废塑料模型、香烟模型以及酒模型中的至少两种。
在本公开的一种示例性实施例中，所述方法还包括：根据所述历史图像以及所述标准图和/或标准图的详细报关信息，自动给出所述待分析辐射图像的分析结果。
在本公开的一种示例性实施例中，所述方法还包括：收集用户对所述分析结果的反馈信息；
根据所述反馈信息自动更新所述典型图像库。
在本公开的一种示例性实施例中，所述方法还包括：将所述待分析辐射图像按货物类别进行分区域显示，并针对每个区域通过智能分析给出至少一种货物类别。
根据本公开的一个方面，提供一种用于辐射图像辅助分析的***，包括：图像输入模块，用于获取待分析辐射图像；报关信息接口模块，用于获取所述待分析辐射图像的报关信息；典型图像库，用于存储每一预设货物类型下各自对应的典型图像；报关信息库，用于存储标准图和/或标准图的详细报关信息；图像获取模块，用于根据所述待分析辐射图像从所述典型图像库获取特征相符的历史图像；和/或标准图模块，用于根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息。
在本公开的一种示例性实施例中，还包括：风险管理模块，用于获取所述待分析辐射图像的风险提示信息。
在本公开的一种示例性实施例中，其中所述图像获取模块包括：图像检索单元，用于在所述典型图像库中对所述待分析辐射图像进行图像检索。
在本公开的一种示例性实施例中，其中所述图像检索单元包括：训练器，用于使用智能学习算法对图像检索进行训练。
在本公开的一种示例性实施例中，其中所述图像获取模块包括：图像信息获取单元，用于根据预设的置信度返回至少一种图像信息。
在本公开的一种示例性实施例中，其中所述典型图像中包括每一预设货物类型下各自对应的标准图和违规图。
在本公开的一种示例性实施例中，其中所述图像检索单元包括：特征提取子单元，用于提取所述待分析辐射图像的特征；将所述待分析辐射图像的特征与所述典型图像库中的标准图和/或违规图进行比对，获得与其特征相符的标准图和/或违规图。
在本公开的一种示例性实施例中，所述***还包括：第一比较单元，用于根据与所述待分析辐射图像的特征相似的标准图和/或违规图的比对，获得两者之间的相似度。
在本公开的一种示例性实施例中，其中所述标准图模块包括：文本检索单元，用于在所述报关信息库中对所述待分析辐射图像的报关信息进行关系检索或全文检索。
在本公开的一种示例性实施例中，所述***还包括：第二比较单元，用于将所述标准图和/或标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度。
在本公开的一种示例性实施例中，其中所述图像信息获取单元包括：特征提取子单元，用于提取所述待分析辐射图像的特征；分类信息获取子单元，用于根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息。
在本公开的一种示例性实施例中，其中所述图像信息获取单元包括：模型建立子单元，用于根据所述典型图像库建立智能图像识别模型；运算子单元，用于根据所述智能图像识别模型获得所述待分析辐射图像的嫌疑系数；第三比较子单元，用于将所述待分析辐射图像的嫌疑系数与一预设的阈值相比较，判定所述待分析辐射图像对应的扫描货物是否有嫌疑。
在本公开的一种示例性实施例中，所述***还包括：分析结果获取模块，用于根据所述历史图像以及所述标准图和/或标准图的详细报关信息，自动给出所述待分析辐射图像的分析结果。
在本公开的一种示例性实施例中，所述***还包括：反馈自学习模块，用于收集用户对所述分析结果的反馈信息，并根据所述反馈信息自动更新所述典型图像库。
根据本公开的一种用于辐射图像辅助分析的方法及其***，通过收集大量的历史货物特性、报关货物数据与相关辐射图像，并进行多维度的结合，为用户提供必要的判定依据，能够有效的帮助用户提高辐射图像的检测及分析速度，特别是在有大量货物待检的情况下，同时在一定程度上可以降低分析的复杂度及误判率。
另外，根据本公开的方案，***采用先进的***整合技术，通过深度分析辐射图像与报关单信息，与海量的典型图像进行比对，运用先进的检索引擎及算法运算技术，提供机检图像自动研判功能。
附图说明
通过参照附图详细描述其示例实施方式，本公开的上述和其它特征及优点将变得更加明显。
图1示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法的流程图；
图2示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法中图像检索的流程图；
图3示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法中文本检索的流程图；
图4示出根据本公开另一示例实施方式的用于辐射图像辅助分析的方法的流程图；
图5示出根据本公开一示例实施方式的用于辐射图像辅助分析的***的框图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
图1示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法的流程图。
如图1所示，在步骤S110，获取待分析辐射图像。
在一些实施例中，可以从辐射图像分析工作站或者图检站通过调用相应的接口获得其正在分析的辐射图像作为所述待分析辐射图像。辐射图像分析工作站或者图检站的待分析辐射图像可由辐射成像设备产生。在另一些实施例中，也可以直接从本地直接导入需要分析的辐射图像作为所述待分析辐射图像。本发明对待分析辐射图像的来源不作限定。
在步骤S120，获取所述待分析辐射图像的报关信息。
在一些实施例中，可以通过调用与海关核心业务***(例如，中国的H2010***)对接的接口获得该待分析辐射图像的相应报关信息。当然，本发明并不以此为限。
其中对接海关核心业务***的接口可以采用EDI(Electronic DataInterchange，电子数据交换)接口。EDI是由国际标准化组织(ISO)推出使用的国际标准，它是指一种为商业或行政事务处理，按照一个公认的标准，形成结构化的事务处理或消息报文格式，从计算机到计算机的电子传输方法，也是计算机可识别的商业语言。例如，国际贸易中的采购订单、装箱单、提货单等数据的交换。
在示例性实施例中，所述报关信息可以包括扫描货物的货物分类信息、货物名称、扫描流水号、报关单号、集装箱号等等。其中所述货物分类信息可以根据《中华人民共和国海关进出口商品规范申报目录》中的HSCODE，将货物分为22类。
在步骤S130，根据所述待分析辐射图像从典型图像库获取特征相符的历史图像。
在示例性实施例中，其中所述典型图像库中包括每一预设货物类型下各自对应的标准图和违规图。
其中所述标准图可以是针对具体的某一种货物类别例如香烟，从海量的原始辐射图像中选择具有典型代表性质的符合标准的辐射图像，每一种货物类别可以包括至少一张标准图。而通常为了表达的准确性，往往会选择同一货物类别的多种标准图，例如在一集装箱中根据香烟的数量不同选择多张香烟的标准图，还可以根据香烟的摆放位置的不同选择多张香烟的标准图。
所述违规图可以是针对具体的某一种货物类别例如汽车，从海里的原始辐射图像中选择具有典型代表性质的不符合标准的辐射图像。例如，历史上曾经检测出来的申报为汽车但实际上集装箱中的货物不是汽车的违规的辐射图像。
在示例性实施例中，其中根据所述待分析辐射图像从典型图像库获取特征相符的历史图像包括：在所述典型图像库中对所述待分析辐射图像进行图像检索。
在示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索还包括：利用智能学习算法对图像检索进行训练。
在示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索包括：根据预设的置信度返回至少一种图像信息。
在示例性实施例中，其中根据预设的置信度返回至少一种图像信息包括：提取所述待分析辐射图像的特征；根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息。
其中识别所述待分析辐射图像对应的扫描货物所含的货物类别，可以采用检测扫描货物的材料原子序数信息获得。例如，将所述扫描货物识别为有机物、轻金属、无机物或重金属等。
在示例性实施例中，根据预设的置信度返回至少一种图像信息包括：根据所述典型图像库建立智能图像识别模型；根据所述智能图像识别模型获得所述待分析辐射图像的嫌疑系数；将所述待分析辐射图像的嫌疑系数与一预设的阈值相比较，判定所述待分析辐射图像对应的扫描货物是否有嫌疑。
在示例性实施例中，其中所述智能图像识别模型包括废纸、废金属、废塑料模型、香烟模型以及酒模型中的至少两种。
例如，可以事先在***中预置三废(废纸、废金属、废塑料)识别算法及相应的三废图像特征库，检测例如集装箱中是否含有三废，以及判断其是废纸、废金属还是废塑料。还可以事先在***中预置香烟识别算法及相应的相应图像特征库，检测集装箱中是否夹带有香烟。也可以事先在***中预置酒识别算法及相应的酒图像特征库，检测集装箱中是否夹带有瓶装酒。
下面以香烟的检测为例进行举例说明，其他违规、违禁物品的检测、辐射图像的特征提取等可以参考该香烟检测方法。
首先获取待分析辐射图像；建立香烟模型，其中，所述建立香烟模型的步骤包括香烟图像库获取、特征提取、训练、以及香烟模型生成；以及自动检测，所述自动检测的步骤包括所述待分析辐射图像的特征提取、判决、以及对嫌疑区域标记。
其中，香烟模型是把香烟的图像模式模型化，因此图像模式的提取是算法的重点内容。不失一般性，香烟的包装形式、摆放方法、数量不同会造成香烟图像的差异。其中，包装形式的趋同性使得这个问题简单化，少量的模式就可以概况绝大部分情况；数量的不同会造成图像灰度、条纹强度变化，这一点需要在特征提取算法中克服；摆放形式带来的影响非常大，可以将其归结为三种模式。不失一般性，香烟摆放形式可能是六种摆放形式的任意一种。而由于集装箱扫描基本都采用扇形射线束，因此横向的边缘在射线方向上立体叠加，使得香烟呈现宽度不同的竖条纹。根据香烟的竖条纹状纹理可归纳为以下三种模式，即：宽条纹，稍窄的条纹，而窄条纹。在上述分析的基础上，提出不同摆放形式下的三种香烟模式，并使用算法建立模型。
香烟模型中包括特征提取算法与分类器。根据以上分析，模型的建立过程为：建立香烟检测数据库。采集相当数量的香烟图像，使得其中六种摆放形式均匀分布；数量以最少一箱，最多占满集装箱宽度的条件下均匀分布。在扫描得到的二维图像上，以箱为单位，人工标注矩形的香烟区域。所有标注矩形框中的图像形成正类样本库。此外，随机扫描其它各类货物，形成负类样本库；对所有香烟区域中的图像提取特征，形成三种模式下的三个特征集；在负样本中随机抽取三个样本量足够大的负样本集，并提取特征；对得到的正、负样本训练分类器；可采用机器学习、模式识别领域的现有算法优化分类器。比如借鉴Boosting思想，不断丢弃易分样本，加入新的随机样本，重复直到错误率足够低或算法收敛，得到分类器。可以在建立了香烟模型之后，使用已建立的香烟模型对辐射图像进行自动香烟检测。
自动检测过程自动检测过程实际上是模型建立过程的一个子集：对于待分析辐射图像，遍历每个感兴趣区域内的像素点，提取该点周围邻域图像并经过特征提取、分类判断，即可得到该点是否为香烟区域，以及这个结论的置信度。
在得到每个像素是否为香烟嫌疑区域的结果后，通过连通区提取，即可得到香烟区域。矩形框形式标注出香烟的检测示意图。
在检测过程中，如果人工发现算法未检测到香烟并进行了标注，则算法把标注区域加入正样本，重新进行训练或进行增量学习，得到更新的模型。
实例在以上的描述中给出了所述方法的一般形式，在具体实施算法层面上，可以选用多种已有的算法实现。例如，上文提到的HOG、DPM、Deep Learning均可以直接应用于本发明，通过对正负样本特征提取、分类即可实现检测功能。具体来说，在图像特征提取方面，可以使用各种基于梯度的描述子、纹理描述子等，如HOG、局部二值模式(LBP-LocalBinaryPattern)、最大响应集(Maximum Response Sets，或称MR8)，另外可以使用词袋法(BOW-Bag of Words)、纹理表示(Texton)、稀疏表示(Sparse Representation)等进行结构化特征处理；在分类器方面，可以使用各类线性、非线性、集成分类器、神经网络，如Fisher分类器、支持向量机、自助法(Boosting)、随机森林、多层感知机等。
不失一般性，这里给出一个使用具体算法的实施例。然而能够理解，根据本发明的教导，本领域技术人员可以在不偏离本发明思想的情况下对于实施例中的具体算法进行改变或替换。
在示例性实施例中，其中在所述典型图像库中对所述待分析辐射图像进行图像检索包括：提取所述待分析辐射图像的特征；将所述待分析辐射图像的特征与所述典型图像库中的标准图和/或违规图进行比对，获得与其特征相符的标准图和/或违规图。
其中特征提取的方法，可以采用SIFT(Scale-invariant feature transform)、MR8等算子获得多个特征，然后采用特征融合(Feature Fusion)或者决策融合(DecisionFusion)的方法对多个特征进行融合，获取关键特征。
在示例性实施例中，所述方法还包括：根据与所述待分析辐射图像的特征相似的标准图和/或违规图的比对，获得两者之间的相似度。
在步骤S140，根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息。
在示例性实施例中，其中根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息包括：在报关信息库中对所述待分析辐射图像的报关信息进行关系检索或全文检索。
在示例性实施例中，还包括：将所述标准图和/或标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度。
需要说明的是，上述步骤S130和步骤S140之间可以同时并列存在于本发明实施例所述的用于辐射图像辅助分析的方法，也可以仅执行这两个步骤中的一个。
在示例性实施例中，所述方法还包括：获取所述待分析辐射图像的风险提示信息。
在一些实施例中，可以通过与海关的其它业务***例如海关风险管理***的对接，获得所述待分析辐射图像的风险提示信息。在另一些实施例中，也可以对接其他信息***获得所述风险提示信息。或者还可以根据海量的历史积累数据，自己创建一套风险管理***，根据报关单上的申报货物类型、货物名称、申报人，申报人的历史行为记录等设定相应的风险等级或者风险提示。这里的风险管理***还可以其他的第三方***，例如企业信用信息查询***、个人信用查询***等等。本发明对此不作限定。
其中所述风险提示信息可以包括风险级别。
例如，可以首先定义监管对象的哪些信息用作风险分析的元素以及定义风险分析的规则；然后根据定义的元素、规则以及获得的监管对象的信息，分析所述监管对象的风险级别。这里，风险级别可以根据需要设定，例如分为高、中、低，或者有风险、无风险等等。例如，对于货物，货物类别、原产国、发货人等可以作为风险分析元素。定义风险元素在什么条件下是什么程度的风险，比如企业有过走私违规，该企业的业务被列为高风险；与风险相对应，满足可信规则条件的业务被认为无风险或低风险，比如没有走私违规记录的大型企业。
在示例性实施例中，所述方法还包括：根据所述历史图像以及所述标准图和/或标准图的详细报关信息，自动给出所述待分析辐射图像的分析结果。
其中所述分析结果可以包括建议放行或者建议开箱。例如，当判断当前的待分析辐射图像的嫌疑系数低于所述预设的阈值时，判定该待分析辐射图像对应的扫描货物中没有违禁物品(例如香烟、酒、三废物品中的任意一种)，且该待分析辐射图像的货物分类与报关单中申报的货物类型一致，以及该待分析辐射图像的扫描货物中没有瞒报漏报的情况时，***可以给出建议放行的分析结果。而如果当前的待分析辐射图像对应的扫描货物中存在任意一种违禁物品，或者该待分析辐射图像的货物分类与报关单中申报的货物类型不一致，或者该待分析辐射图像的扫描货物中有瞒报漏报的情况时，***可以给出建议开箱的分析结果。
除了上述例举的情况，还可能存在另一种情况，即虽然***经过智能分析后，对当前的待分析辐射图像给出的分析结果是建议放行，但为了更进一步的安全起见，还可以绑定上述的风险提示信息，将所述分析结果及所述风险提示信息同时推送到客户端的用户界面分区域显示。
在示例性实施例中，所述方法还包括：收集用户对所述分析结果的反馈信息；根据所述反馈信息自动更新所述典型图像库。
在示例性实施例中，所述方法还包括：将所述待分析辐射图像按货物类别进行分区域显示，并针对每个区域通过智能分析给出至少一种货物类别。
可以根据所述待分析辐射图像的货物类别进行彩色化显示。例如：将橙色赋予有机物、将绿色赋予轻金属、将蓝色赋予无机物、将紫色赋予重金属等。
需要说明的是，上述图像分析、图像检索可以针对整个辐射图像进行分析、检索，也可以对该辐射图像中选定的感兴趣区域进行分析、检索。
在示例性实施例中，本发明实施例提供的用于辐射图像辅助分析的方法采用服务端加客户端协同处理机制，服务端负责进行所述匹配度以及所述相似度的综合运算，并进行所有有效信息的绑定逻辑，客户端负责图像特征的核心分析算法运算，两者经过最终处理整合，自动将分析结果在客户端的用户界面进行显示。
例如，客户端通过普通的web浏览器，使用授权账户登录***；通过手工方式或由专业的图像分析软件导入所述待分析辐射图像及相应的报关信息，并发出分析请求；服务端接收到分析请求，将所述待分析辐射图像及相应的报关信息进行预缓存，并进行货物编码以及典型图像的匹配，同时通知客户端进行协同处理；客户端接收到协同处理请求，直接从预缓存中读取所述待分析辐射图像及相应的报关信息，并调用多种识别算法进行分析；客户端完成分析后的结果返回至服务端，由服务端进行多信息的绑定；信息绑定完成后，由web服务将最终结果返回给客户端，通过浏览器进行最终分析结果的展示。
在示例性实施例中，所述方法还包括：对所述典型图像进行分类管理及维护。
例如，初始可以海关税则HS编码为分类的依据。用户可以对预设的货物分类进行创建、修改、删除等操作。
在示例性实施例中，所述方法还包括：收集所述典型图像，对所述典型图像进行维护。例如，典型图像中标准图和违规图的添加、修改、删除、导入、导出、编辑、发布等操作。典型图像的维护可以基于HSCODE分类。
在示例性实施例中，所述方法还包括：对典型图像库图像质量、检索质量、判图质量等进行分析，不断提升***计算的正确性。
在示例性实施例中，所述方法还包括：可显示当前所有典型图像的分布及用户使用情况，如：各分类下的标准图和违纪图数量、编辑状态、未发布状态和已发布状态图像等。
在示例性实施例中，所述方法还包括：对***用户进行管理。例如可以包括用户添加、删除、禁用、修改以及角色的分配等。
在示例性实施例中，所述方法还包括：记录用户在***使用中进行的操作日志。例如可以包括对图像、文件、***用户、HSCODE分类等进行的操作。
在示例性实施例中，所述方法还包括：记录用户对***的访问日志。例如可以包括登录方式和接口访问方式。
在示例性实施例中，所述方法还包括：配置工作站，将图检站与其对应的一体机进行配置管理。
在示例性实施例中，所述方法还包括：接收客户端发出的不同查询请求，查询对应的辐射图像以及所属信息，并将结果缓存，返回给客户端浏览器进行显示。显示项可以包含：典型图像名称、扫描流水号、货物类别、货物品名、素材类型、创建人、创建时间、典型图像发布状态、典型图像来源、查看次数等。
本发明实施方式提供的用于辐射图像辅助分析的方法，通过图像分析和报关信息的比对，可清晰地发现报关货物是否异常，帮助提升人工判图的效率。
图2示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法中图像检索的流程图。
如图2所示，在步骤S11，根据原始辐射图像建立典型图像库，所述典型图像库中包括每一预设货物类型下各自对应的标准图和违规图。
在步骤S12，获取待分析辐射图像。
在步骤S13，提取所述待分析辐射图像的特征。
在步骤S14，将所述待分析辐射图像的特征与所述典型图像库中的标准图和/或违规图进行比对，获得与其特征相符的标准图和/或违规图。
在步骤S15，根据与所述待分析辐射图像的特征相似的标准图和/或违规图的比对，获得两者之间的相似度。
在步骤S16，根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息。
本发明实施例所述方法还可根据报关信息中的例如HSCODE，在报关信息库中进行文本检索，检索出此HSCODE下的标准图，通过将所述待分析辐射图像与此标准图对比，从而为智能判图提供参考。下面结合图3进行详细说明。
图3示出根据本公开一示例实施方式的用于辐射图像辅助分析的方法中文本检索的流程图。
如图3所示，在步骤S21，获取待分析辐射图像的报关信息。
在步骤S21，在报关信息库中对所述待分析辐射图像的报关信息进行关系检索或全文检索，获取所述待分析辐射图像对应的标准图和/或标准图的详细报关信息。
其中所述关系检索可以根据报关信息中的例如图像名称、扫描流水号、报关单号、货物类别、货物品名等文本信息中的一种或者任意组合，在报关信息库中进行标准图的检索。
所述全文检索可以根据所述报关信息在所述报关信息库中检索所述标准图的详细报关信息。
在步骤S23，将所述标准图和/或标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度。
本发明实施例通过获取待分析辐射图像的报关信息，在报关信息库中进行全文检索，提取与报关信息例如HSCODE、货物名称等相符的标准图，并可以通过例如EDI接口从海关报关***中获取该相符的标准图的详细报关信息，再分析当前的待分析辐射图像的特征是否与申报货物的特征一致，返回分析结果以供用户参考。
图4示出根据本公开另一示例实施方式的用于辐射图像辅助分析的方法的流程图。
如图4所示，在步骤S210，获取待分析辐射图像及该待分析辐射图像的报关信息。
在步骤S220，在报关信息库中根据所述报关信息对该待分析辐射图像进行全文检索。
在步骤S230，在典型图像库中对所述待分析辐射图像进行图像检索。
在步骤S240，根据该图像检索及全文检索进行智能分析，返回该待辐射图像的分析结果。
在步骤S250，收集用户对所述分析结果的反馈信息。
在步骤S260，根据所述反馈信息自动更新所述典型图像库。
本发明实施例中，用户可以通过界面反馈分析的准确程度，通过对分析结果的反馈信息的收集，对于进行过智能分析的每一幅图像，***会依据辐射图像信息及用户反馈信息进行筛选后自动加入典型图像库。***算法的正确性依赖于典型图像库量的积累，量越大，图像提取的特征就越准确，算法的正确率就越高。
图5示出根据本公开一示例实施方式的用于辐射图像辅助分析的***的框图。
如图5所示，该***包括：图像输入模块110、报关信息接口模块120、典型图像库130、图像获取模块140、报关信息库150和/或标准图模块160。
其中图像输入模块110用于获取待分析辐射图像。
报关信息接口模块120用于获取所述待分析辐射图像的报关信息。
典型图像库130用于存储每一预设货物类型下各自对应的典型图像。
报关信息库150用于存储标准图和/或标准图的详细报关信息。
图像获取模块140用于根据所述待分析辐射图像从所述典型图像库获取特征相符的历史图像。
标准图模块160用于根据所述待分析辐射图像的报关信息获取标准图和/或标准图的详细报关信息。
在示例性实施例中，还包括：风险管理模块，用于获取所述待分析辐射图像的风险提示信息。
在示例性实施例中，其中所述图像获取模块140包括：图像检索单元，用于在所述典型图像库中对所述待分析辐射图像进行图像检索。
在示例性实施例中，其中所述图像检索单元包括：训练器，用于使用智能学习算法对图像检索进行训练。
其中所述训练器可以单独部署，单独运行，从而保障***在提取特征过程中不会影响其他模块的效率。
在示例性实施例中，其中所述图像获取模块140包括：图像信息获取单元，用于根据预设的置信度返回至少一种图像信息。
在示例性实施例中，其中所述典型图像中包括每一预设货物类型下各自对应的标准图和违规图。
在示例性实施例中，其中所述图像检索单元包括：特征提取子单元，用于提取所述待分析辐射图像的特征；将所述待分析辐射图像的特征与所述典型图像库中的标准图和/或违规图进行比对，获得与其特征相符的标准图和/或违规图。
在示例性实施例中，所述***还包括：第一比较单元，用于根据与所述待分析辐射图像的特征相似的标准图和/或违规图的比对，获得两者之间的相似度。
在示例性实施例中，其中所述标准图模块160包括：文本检索单元，用于在所述报关信息库中对所述待分析辐射图像的报关信息进行关系检索或全文检索。
在示例性实施例中，所述***还包括：第二比较单元，用于将所述标准图和/或标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度。
在示例性实施例中，其中所述图像信息获取单元包括：特征提取子单元，用于提取所述待分析辐射图像的特征；分类信息获取子单元，用于根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息。
在示例性实施例中，其中所述图像信息获取单元包括：模型建立子单元，用于根据所述典型图像库建立智能图像识别模型；运算子单元，用于根据所述智能图像识别模型获得所述待分析辐射图像的嫌疑系数；第三比较子单元，用于将所述待分析辐射图像的嫌疑系数与一预设的阈值相比较，判定所述待分析辐射图像对应的扫描货物是否有嫌疑。
在示例性实施例中，所述***还包括：分析结果获取模块，用于根据所述历史图像以及所述标准图和/或标准图的详细报关信息，自动给出所述待分析辐射图像的分析结果。
在示例性实施例中，所述***还包括：反馈自学习模块，用于收集用户对所述分析结果的反馈信息，并根据所述反馈信息自动更新所述典型图像库。
在示例性实施例中，所述***还包括：分类管理模块，用于对货物的典型图像进行分类管理及维护。
在示例性实施例中，所述***还包括：图像典型库管理模块，用于收集典型图像，对典型图像进行维护。
该***预留标准的集成接口，可与海关业务***、智能云查验平台、海关监控指挥中心等产品进行数据对接，为海关提供一体化的解决方案。可与智能验放***对接，后续可与其他所需接入的***进行对接。
在示例性实施例中，所述用于辐射图像辅助分析的***可以是一个软硬件一体的***，例如可以是一个一体机。所述***可以采用服务端加客户端的方式部署，可根据图检站的数量来配置一体机。该***能够提供完整的辅助分析功能，包括典型图像库、HSCODE管理以及以图找图功能、支持多种物质识别的图像辅助分析，如：三废、香烟及酒类等等，并拥有完善的用户权限管理机制；同时，整套***还具备自主学习能力，可持续提升智能分析的能力。
在示例性实施例中，所述***还包括：***管理模块，用于进行用户管理，日志管理，分类管理等。其中用户管理，支持对用户进行分级管理，可进行添加、修改、删除用户等功能。操作日志及访问日志模块，记录用户对***所做的增、删、改、导入等操作，以及用户在线、离线时间，支持对日志的导出和清理操作。
本发明实施方式提供的用于辐射图像辅助分析的***，通过待分析辐射图像及其对应的报关信息，通过海量的历史辐射图像和报关信息的特征分析，形成特定货物类别的特征库与典型图像库，并结合图像比对、报关数据比对以及全文检索等技术进行综合的分析判断，自动给出相应分析结果及提示信息，发现违规违禁物品，解决因查验人员数量不足或能力不足以及其他某些违规行为而导致的错查和漏查问题，提升海关查验的整体效率。该***在提高货物的通关率的同时，提升了海关的查验率。同时随着数据的不断积累，特征库也将不断丰富，从而可以提升最终分析识别的正确率。
尽管已在附图以及前述描述中详细说明及描述了本发明，但该说明及描述将被视为说明性或例示性的而非限制性的；本发明并不限于所公开的实施例。本领域技术人员在实践所主张的本发明时可从对附图、公开内容及附加的权利要求的研究来理解并实现所公开的实施例的其他变化。
在权利要求中，词语“包含”不排除其他元素或步骤，且“一”不排除复数个。单个元素或其他单元可实现权利要求中所叙述的若干项的功能。在相互不同的从属权利要求中叙述某些措施的仅有事实并不指示不可有利地使用这些措施的组合。不应将权利要求中的任何附图标记解释为限制范围。
通过以上的详细描述，本领域的技术人员易于理解，根据本发明实施例的***和方法具有以下优点中的一个或多个。
本公开提供一种用于辐射图像辅助分析的方法及***，能自动给出分析结果，并自动提供审图所涉及到的历史经验供用户参考，将帮助用户从现阶段的人工查验为主的方式逐步向自动化查验方向转变。同时，该***作为一个辐射图像审图的辅助业务***，通过简洁直观的展示技术告知用户***自动审图的结果，给予用户最大可能的工作分担，便于用户快速完成审图工作。该方法及***的推广应用会极大地加强海关打击非法走私的能力，规范贸易进出口秩序。
以上具体地示出和描述了本公开的示例性实施例。应该理解，本公开不限于所公开的实施例，相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效布置。
Claims (14)
1.一种用于辐射图像辅助分析的方法，其特征在于，包括：
根据原始辐射图像建立典型图像库，所述典型图像库中包括每一预设货物类型下各自对应的标准图和违规图；
根据所述典型图像库建立智能图像识别模型；
获取扫描货物的待分析辐射图像；
利用所述智能图像识别模型判定所述待分析辐射图像对应的扫描货物中是否有违禁物品；获取所述待分析辐射图像的报关信息，所述报关信息包括所述扫描货物的货物分类信息；
提取所述待分析辐射图像的特征；
根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息；
将所述待分析辐射图像的特征与所述典型图像库中的标准图进行比对，获得与其特征相符的标准图；
根据所述待分析辐射图像的报关信息获取所述待分析辐射图像对应的标准图的详细报关信息；
将所述待分析辐射图像对应的标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度，判断所述待分析辐射图像对应的扫描货物中是否有瞒报漏报；
若所述待分析辐射图像对应的扫描货物中没有违禁物品，且所述待分析辐射图像的货物分类信息与所述报关信息中所述扫描货物的货物分类信息一致，以及所述待分析辐射图像的扫描货物中没有瞒报漏报，则自动给出建议放行的分析结果。
2.如权利要求1所述的方法，还包括：
获取所述待分析辐射图像的风险提示信息。
3.如权利要求1所述的方法，将所述待分析辐射图像的特征与所述典型图像库中的标准图进行比对，获得与其特征相符的标准图：在所述典型图像库中对所述待分析辐射图像进行图像检索。
4.如权利要求3所述的方法，其中在所述典型图像库中对所述待分析辐射图像进行图像检索包括：根据预设的置信度返回至少一种图像信息。
5.如权利要求3所述的方法，还包括：
根据与所述待分析辐射图像的特征相似的标准图的比对，获得两者之间的相似度。
6.如权利要求4所述的方法，根据预设的置信度返回至少一种图像信息包括：
根据所述智能图像识别模型获得所述待分析辐射图像的嫌疑系数；
将所述待分析辐射图像的嫌疑系数与一预设的阈值相比较，判定所述待分析辐射图像对应的扫描货物是否有嫌疑。
7.如权利要求6所述的方法，其中所述智能图像识别模型包括废纸、废金属、废塑料模型、香烟模型以及酒模型中的至少两种。
8.如权利要求1所述的方法，还包括：
根据与所述待分析辐射图像特征相符的标准图以及所述标准图的详细报关信息，自动给出所述待分析辐射图像的分析结果。
9.如权利要求8所述的方法，还包括：
收集用户对所述分析结果的反馈信息；
根据所述反馈信息自动更新所述典型图像库。
10.一种用于辐射图像辅助分析的***，其特征在于，包括：
模型建立子单元，用于根据原始辐射图像建立典型图像库；根据所述典型图像库建立智能图像识别模型；
图像输入模块，用于获取扫描货物的待分析辐射图像，利用所述智能图像识别模型判定所述待分析辐射图像对应的扫描货物中是否有违禁物品；
报关信息接口模块，用于获取所述待分析辐射图像的报关信息，所述报关信息包括所述扫描货物的货物分类信息；
特征提取子单元，用于提取所述待分析辐射图像的特征；根据所述待分析辐射图像的特征，分析所述待分析辐射图像对应的扫描货物所含的货物类别，获得所述待分析辐射图像的货物分类信息；
典型图像库，用于存储每一预设货物类型下各自对应的标准图和违规图；
报关信息库，用于存储标准图的详细报关信息；
图像获取模块，用于将所述待分析辐射图像的特征与所述典型图像库中的标准图进行比对，获得与其特征相符的标准图；
标准图模块，用于根据所述待分析辐射图像的报关信息获取所述待分析辐射图像对应的标准图的详细报关信息；将所述待分析辐射图像对应的标准图的详细报关信息与所述待分析辐射图像进行比对，获得两者之间的匹配度，判断所述待分析辐射图像对应的扫描货物中是否有瞒报漏报；
分析结果获取模块，用于若所述待分析辐射图像对应的扫描货物中没有违禁物品，且所述待分析辐射图像的货物分类信息与所述报关信息中所述扫描货物的货物分类信息一致，以及所述待分析辐射图像的扫描货物中没有瞒报漏报，则自动给出建议放行的分析结果。
11.如权利要求10所述的***，还包括：
风险管理模块，用于获取所述待分析辐射图像的风险提示信息。
12.如权利要求10所述的***，其中所述图像获取模块包括：
图像检索单元，用于在所述典型图像库中对所述待分析辐射图像进行图像检索。
13.如权利要求10所述的***，其中所述图像获取模块包括：
图像信息获取单元，用于根据预设的置信度返回至少一种图像信息。
14.如权利要求12所述的***，还包括：
第一比较单元，用于根据与所述待分析辐射图像的特征相似的标准图的比对，获得两者之间的相似度。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611063567.9A CN108108744B (zh) | 2016-11-25 | 2016-11-25 | 用于辐射图像辅助分析的方法及其*** |
| US15/804,195 US10832397B2 (en) | 2016-11-25 | 2017-11-06 | Method of assisting analysis of radiation image and system using the same |
| EP17201175.1A EP3327470A1 (en) | 2016-11-25 | 2017-11-10 | Method of assisting analysis of radiation image and system using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611063567.9A CN108108744B (zh) | 2016-11-25 | 2016-11-25 | 用于辐射图像辅助分析的方法及其*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108108744A CN108108744A (zh) | 2018-06-01 |
| CN108108744B true CN108108744B (zh) | 2021-03-02 |
Family
ID=60409136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611063567.9A Active CN108108744B (zh) | 2016-11-25 | 2016-11-25 | 用于辐射图像辅助分析的方法及其*** |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10832397B2 (zh) |
| EP (1) | EP3327470A1 (zh) |
| CN (1) | CN108108744B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106706677B (zh) * | 2015-11-18 | 2019-09-03 | 同方威视技术股份有限公司 | 检查货物的方法和*** |
| CN110807753A (zh) * | 2018-07-20 | 2020-02-18 | 苏州微木智能***有限公司 | 放射源的监控方法、装置及电子设备 |
| CN109408694A (zh) * | 2018-09-25 | 2019-03-01 | 广东中标数据科技股份有限公司 | 一种海关过关舱单分析方法、***及装置 |
| CN111582310B (zh) * | 2020-04-08 | 2022-05-06 | 清华大学深圳国际研究生院 | 隐含结构光的解码方法及装置 |
| CN111581419B (zh) * | 2020-04-29 | 2023-08-01 | 北京金山云网络技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN112597695B (zh) * | 2020-12-03 | 2022-05-03 | 浙江大学 | 一种基于感知特征聚类的计算机辅助设计方法及*** |
| GB202109943D0 (en) * | 2021-07-09 | 2021-08-25 | Smiths Detection France S A S | Image retrieval system |
| CN113674270B (zh) * | 2021-09-06 | 2023-11-14 | 深邦智能科技集团(青岛)有限公司 | 一种轮胎花纹一致性检测***及其方法 |
| CN116092096A (zh) * | 2021-11-05 | 2023-05-09 | 同方威视技术股份有限公司 | 用于检验申报信息真实性的方法、***、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013036735A1 (en) * | 2011-09-07 | 2013-03-14 | Rapiscan Systems, Inc. | X-ray inspection system that integrates manifest data with imaging/detection processing |
| CN104636707A (zh) * | 2013-11-07 | 2015-05-20 | 同方威视技术股份有限公司 | 自动检测香烟的方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7026944B2 (en) * | 2003-01-31 | 2006-04-11 | Veritainer Corporation | Apparatus and method for detecting radiation or radiation shielding in containers |
| US6956469B2 (en) * | 2003-06-13 | 2005-10-18 | Sarnoff Corporation | Method and apparatus for pedestrian detection |
| CA2525997A1 (en) * | 2005-05-11 | 2006-11-11 | Optosecurity Inc. | Method and system for screening containers |
| CA2584683A1 (en) * | 2006-04-20 | 2007-10-20 | Optosecurity Inc. | Apparatus, method and system for screening receptacles and persons |
| CN102567741B (zh) * | 2010-12-27 | 2014-07-02 | 汉王科技股份有限公司 | 表单匹配方法和装置 |
| US8995775B2 (en) * | 2011-05-02 | 2015-03-31 | Facebook, Inc. | Reducing photo-tagging spam |
| CN104237959A (zh) * | 2014-08-21 | 2014-12-24 | 北京辛耕普华医疗科技有限公司 | 对放射性物质实时动态追踪定位的方法和设备 |
| CN105808555B (zh) * | 2014-12-30 | 2019-07-26 | 清华大学 | 检查货物的方法和*** |
| US9454814B2 (en) * | 2015-01-27 | 2016-09-27 | Mckesson Financial Holdings | PACS viewer and a method for identifying patient orientation |
| CN104732205B (zh) * | 2015-03-09 | 2017-08-22 | 江苏省邮电规划设计院有限责任公司 | 一种高速公路逃费稽查的*** |
| CN106706677B (zh) * | 2015-11-18 | 2019-09-03 | 同方威视技术股份有限公司 | 检查货物的方法和*** |
| US20180060814A1 (en) * | 2016-09-01 | 2018-03-01 | Blackberry Limited | Efficiency of a cargo shipping system |
-
2016
- 2016-11-25 CN CN201611063567.9A patent/CN108108744B/zh active Active
-
2017
- 2017-11-06 US US15/804,195 patent/US10832397B2/en active Active
- 2017-11-10 EP EP17201175.1A patent/EP3327470A1/en not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013036735A1 (en) * | 2011-09-07 | 2013-03-14 | Rapiscan Systems, Inc. | X-ray inspection system that integrates manifest data with imaging/detection processing |
| CN104636707A (zh) * | 2013-11-07 | 2015-05-20 | 同方威视技术股份有限公司 | 自动检测香烟的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20180150951A1 (en) | 2018-05-31 |
| US10832397B2 (en) | 2020-11-10 |
| EP3327470A1 (en) | 2018-05-30 |
| CN108108744A (zh) | 2018-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108108744B (zh) | 用于辐射图像辅助分析的方法及其*** | |
| US11568400B2 (en) | Anomaly and fraud detection with fake event detection using machine learning | |
| US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
| US11455784B2 (en) | System and method for classifying images of an evidence | |
| WO2020124247A1 (en) | Automated inspection system and associated method for assessing the condition of shipping containers | |
| US10380696B1 (en) | Image processing system for vehicle damage | |
| CN110069623A (zh) | 摘要文本生成方法、装置、存储介质和计算机设备 | |
| CN108885700A (zh) | 数据集半自动标记 | |
| CN112668859A (zh) | 基于大数据的客户风险评级方法、装置、设备及存储介质 | |
| CN115186303B (zh) | 一种基于大数据云平台的金融签章安全管理方法及*** | |
| US20220237604A1 (en) | Anomaly and fraud detection with fake event detection using pixel intensity testing | |
| CN112182246A (zh) | 通过大数据分析建立企业画像的方法、***、介质及应用 | |
| CN113239130A (zh) | 一种基于刑事司法文书的知识图谱的构建方法、装置和电子设备、存储介质 | |
| CN110633316A (zh) | 一种多场景融合双随机市场监管方法 | |
| Chen et al. | [Retracted] Audit Data Analysis and Application Based on Correlation Analysis Algorithm | |
| CN111915368B (zh) | 汽车行业客户id识别***、方法及介质 | |
| CN111429110B (zh) | 门店标准化审核方法、装置、设备及存储介质 | |
| CN112506930B (zh) | 一种基于机器学习技术的数据洞察*** | |
| Domashova et al. | Detection of non-typical users of the electronic marketplace" Freight transportation" to prevent the competitive intelligence | |
| CN110569435B (zh) | 智能双端推荐引擎***和方法 | |
| CN114519505A (zh) | 铁路客站的设备管理策略生成方法及*** | |
| CN114022114A (zh) | 基于电信行业的数据治理平台 | |
| CN113127465A (zh) | 一种数据融合方法及*** | |
| US12039615B2 (en) | Anomaly and fraud detection with fake event detection using machine learning | |
| KR101895479B1 (ko) | 오브젝트 인식 서버, 오브젝트 인식 시스템 및 오브젝트 인식 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |