人工智能技術(shù)在高鐵安檢系統(tǒng)中的前瞻性應(yīng)用

摘 要X光安檢機(jī)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(shí)別，崗前培訓(xùn)長(zhǎng)，作業(yè)疲勞時(shí)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(jī)場(chǎng)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(jī)禁限帶物品的識(shí)別率、降低勞動(dòng)強(qiáng)度、減少人為誤差。未來實(shí)現(xiàn)單一作業(yè)點(diǎn)的聯(lián)網(wǎng)，數(shù)據(jù)的實(shí)時(shí)傳送回大數(shù)據(jù)運(yùn)營(yíng)中心，通過GPU云計(jì)算的使用和機(jī)器深度學(xué)習(xí)的迭代升級(jí)，將持續(xù)地增強(qiáng)智能判斷力；可以實(shí)現(xiàn)24小時(shí)值機(jī)，通過智能語音播報(bào)提醒，可以支持一人值雙機(jī)的工作的方案；并實(shí)現(xiàn)遠(yuǎn)程值機(jī)、移動(dòng)值機(jī)等功能。極大地提高了X光機(jī)安檢環(huán)節(jié)的工作效率和改善安全保障能力，實(shí)現(xiàn)減員增效。

【關(guān)鍵詞】安檢系統(tǒng) 智能X光機(jī) 圖像處理 圖像識(shí)別 人工智能 GPU云計(jì)算 大數(shù)據(jù)

1 引言

安檢作業(yè)是鐵路運(yùn)輸安全至關(guān)重要的一步，X光安檢機(jī)是該環(huán)節(jié)中的關(guān)鍵設(shè)備，但是長(zhǎng)期以來，都是人工看圖識(shí)別，員工上崗前要經(jīng)過相對(duì)長(zhǎng)時(shí)間的培訓(xùn)，同時(shí)人工作業(yè)會(huì)在疲勞的時(shí)候產(chǎn)生誤檢和漏檢。隨著GPU云計(jì)算的高速發(fā)展，計(jì)算機(jī)的計(jì)算力成本迅速降低，為以計(jì)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(jī)場(chǎng)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(yùn)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(jī)（簡(jiǎn)稱，智能X光機(jī)）禁限帶物品的識(shí)別率、降低勞動(dòng)強(qiáng)度、減少人為誤差；同時(shí)匯聚大量單一作業(yè)點(diǎn)數(shù)字化的安全信息到公共安全大數(shù)據(jù)中樞平臺(tái)，反饋回的大數(shù)據(jù)喂養(yǎng)人工智能算法，機(jī)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(diǎn)時(shí)，便整體提高所有單一作業(yè)點(diǎn)的識(shí)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(jī)的智能識(shí)別系統(tǒng)如何快速、準(zhǔn)確的識(shí)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(shí)別以及機(jī)器深度自主學(xué)習(xí)的計(jì)算機(jī)算法，在X光機(jī)圖像智能識(shí)別方面進(jìn)行了深入開發(fā)和實(shí)地試驗(yàn)。智能X光機(jī)的模式智能識(shí)別系統(tǒng)是智能X光機(jī)的重要組成部分。為智能X光機(jī)的閘門提供控制信號(hào)以及各種報(bào)警信號(hào)。最后，根據(jù)以上的試驗(yàn)結(jié)果，研發(fā)實(shí)用的智能X光機(jī)的模式識(shí)別系統(tǒng)。本文主要介紹了該圖像處理與識(shí)別的過程以及智能識(shí)別系統(tǒng)。從而解決一下三個(gè)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(shí)實(shí)現(xiàn)減員增效；

（2）降低對(duì)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(fèi)的問題。

2 圖像異物檢測(cè)原理

2.1 圖像識(shí)別方法

本論文設(shè)計(jì)的基于圖像處理的高鐵站智能X光機(jī)檢測(cè)過程主要包括六個(gè)部分，分別是：圖像采集、新拍圖片和原始圖片特征點(diǎn)提取、新拍圖片和原始圖片特征點(diǎn)匹配、求得新拍圖片和原始圖片之間的空間變換矩陣、對(duì)新拍圖片進(jìn)行透視變換、對(duì)變換后圖片與原始圖片進(jìn)行相減。

計(jì)算機(jī)視覺的相關(guān)應(yīng)用中經(jīng)常會(huì)提到一個(gè)概念：特征點(diǎn)。特征點(diǎn)也稱作關(guān)鍵點(diǎn)或者興趣點(diǎn)，顧名思義，圖像中的特征點(diǎn)一般指一些獨(dú)立的物點(diǎn)，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(diǎn)或者面狀要素邊界線拐點(diǎn)。如：桌子角、墻角、樹枝交叉點(diǎn)等等。特征點(diǎn)的概念常常被用來解決一些生活中的實(shí)際應(yīng)用問題，例如：圖像的配準(zhǔn)、物體的識(shí)別、圖像的三維重建等等。假如我們可以檢測(cè)到充足的此類特殊的特征點(diǎn)，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(duì)這些特征點(diǎn)進(jìn)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(duì)流程

通過兩幅圖像之間的匹配點(diǎn)對(duì)，求解出它們之間對(duì)應(yīng)的單應(yīng)矩陣，然后可以通過該單應(yīng)矩陣對(duì)新拍圖像進(jìn)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(cè)新拍圖像上的異物，我們需要對(duì)經(jīng)過變換過后的新拍圖像和原始圖像進(jìn)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(huì)對(duì)后續(xù)的圖像對(duì)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(jì)算機(jī)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(jìn)行對(duì)比，我們需要對(duì)原始圖像進(jìn)行同樣尺寸的剪切動(dòng)作。

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

3 測(cè)試試驗(yàn)

長(zhǎng)春西高鐵站對(duì)使用的人工智能X光安檢設(shè)備，進(jìn)行了改造，融入了圖像處理技術(shù)和人工智能云端計(jì)算力應(yīng)用的檢測(cè)，并進(jìn)行試驗(yàn)和實(shí)物操作檢驗(yàn)。

（1）設(shè)計(jì)了一套基于圖像處理技術(shù)的高鐵站智能檢測(cè)軟件系統(tǒng)。整個(gè)圖像處理過程分為新拍圖像與原始圖像特征點(diǎn)檢測(cè)及匹配、對(duì)檢測(cè)出的新拍圖像與原始圖像特征點(diǎn)對(duì)精選、新拍圖像與原始圖像之間空間轉(zhuǎn)換矩陣的估計(jì)、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(gè)步驟，針對(duì)上述8個(gè)步驟編寫了相應(yīng)算法。

（2）在實(shí)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(shí)，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(huì)出現(xiàn)很多“新”的內(nèi)容，這樣在圖像相減時(shí)可能會(huì)出現(xiàn)很大的差異，可以考慮在一個(gè)角度變化范圍內(nèi)實(shí)現(xiàn)很多張微小角度變化的圖片的拍攝，然后連續(xù)對(duì)相鄰的圖片進(jìn)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(shí)際的拍攝角度和環(huán)境亮暗的不同，物體表面反射光強(qiáng)度不可避免會(huì)存在差異，由此，在兩圖像像素值差算法的過程中，也可能會(huì)出現(xiàn)噪聲，為消除噪聲，本設(shè)計(jì)的系統(tǒng)釆用的是圖像腐燭算法，使系統(tǒng)異物檢測(cè)效果更好。實(shí)驗(yàn)測(cè)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(yàn)提及的基于圖像處理的高鐵站智能檢測(cè)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(chǎng)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(chǎng)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(gè)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(cè)試也很成功。

（5）長(zhǎng)春西高鐵站的人工智能X光安檢機(jī)測(cè)試結(jié)果想到優(yōu)異。已經(jīng)具備200-1000億次/秒的圖形運(yùn)算能，自動(dòng)識(shí)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(yàn)出分批寄運(yùn)的槍支零件，可對(duì)3D打印槍進(jìn)行識(shí)別（圖2）而傳統(tǒng)X光機(jī)無能為力。該大數(shù)據(jù)的云平臺(tái)系統(tǒng)，運(yùn)算速度已經(jīng)達(dá)到毫秒級(jí)速度。當(dāng)前版本的智能X光機(jī)，可識(shí)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(jìn)行各個(gè)單一作業(yè)點(diǎn)的人工智能X光安檢機(jī)聯(lián)網(wǎng)，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)向大數(shù)據(jù)運(yùn)營(yíng)中心傳送；在運(yùn)營(yíng)中心GPU計(jì)算力的使用和機(jī)器深度學(xué)習(xí)的迭代升級(jí)，會(huì)持續(xù)不斷地增強(qiáng)實(shí)現(xiàn)智能判斷力、并通過智能語音播報(bào)提醒。每個(gè)車站都配備一個(gè)分指揮中心，可以完全實(shí)現(xiàn)培訓(xùn)、指揮的功能?？梢詫?shí)現(xiàn)24小時(shí)值機(jī)和支持一人值雙機(jī)的工作的方案，并能實(shí)現(xiàn)遠(yuǎn)程值機(jī)、移動(dòng)值機(jī)等功能。極大地提高了火車站X光機(jī)安檢環(huán)節(jié)的工作效率和升級(jí)了安全保障的能力，并實(shí)現(xiàn)減員增效。

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

參考文獻(xiàn)

[1]Robert Laganiere. OpenCV計(jì)算機(jī)視覺編程手冊(cè)[M].科學(xué)出版社，2013（07）.

[2]敬淇文.基于Harris角點(diǎn)檢測(cè)的零件形狀識(shí)別[J].微計(jì)算機(jī)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(diǎn)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(kuò)展的SURF描述符的彩色圖像配準(zhǔn)技術(shù)[J].計(jì)算機(jī)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(guó)電力出版社，2005.

[7]陳書海，傅錄祥.實(shí)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(dòng)焊接中的應(yīng)用[J].電子測(cè)試，2012（02）.

作者簡(jiǎn)介

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

作者單位

沈陽鐵路局長(zhǎng)春站 吉林省長(zhǎng)春市 130111