X での起爆装置の検出の強化

Scientific Reports volume 13、記事番号: 14262 (2023) この記事を引用

メトリクスの詳細

特に手荷物の処理量が多いシナリオでは、起爆装置は無害な有機塊として誤って分類される可能性があるため、起爆装置の検出は困難な作業です。 特に興味深いのは、起爆装置検出のための自動セキュリティ X 線分析に焦点を当てていることです。 複雑なセキュリティ シナリオでは、コンピュータ支援ビジョンのますます高度な組み合わせが必要になります。 入力画像の品質が操作によって変更された場合に、畳み込みニューラル ネットワーク (CNN) モデルが起爆装置を検出する能力を評価するための広範な実験セットを提案します。 私たちは、ウェーブレット変換の分野における最近の進歩と確立された CNN アーキテクチャを活用しています。これらは両方とも物体検出に使用できるためです。 さまざまな画像操作方法が使用され、さらに検出性能が評価されます。 生の X 線画像と、Contrast Limited Adaptive Histogram Equalization (CLAHE)、ウェーブレット変換ベースの手法、および混合 CLAHE RGB ウェーブレット手法を使用して処理された画像の両方が分析されました。 その結果、エッジ強調、色情報の変更、ウェーブレット変換によって提供される異なる周波数成分など、かなりの数の操作を使用して、ほぼ同様の特徴を区別できることがわかりました。 ウェーブレットベースの CNN の方が高い検出性能を達成できることがわかりました。 全体として、このパフォーマンスは、空港セキュリティ アプリケーションで操作方法とディープ CNN を組み合わせて使用​​できる可能性を示しています。

特に犯罪率の上昇により、手荷物の X 線画像から危険物を検出することが重要になっています1。 検査装置の性能は、対象の視認性、画像表示技術、警備員の知識に大きく影響されます。 しかし、これらの画像の目視検査は、ターゲットの普及率の低さ、ターゲットの可視性のばらつき（オブジェクトの形状の精度の欠如につながる）、オブジェクトの重なり、画像の詳細を不明瞭にするコントラストの低下、および誤警報を引き起こす可能性があるため、非常に困難です2。 、３． さらに、警備員が常に画面を見ており、同じ種類の検出物体に頻繁に遭遇するというタスクの継続的かつ反復的な性質により、注意力の疲労や判断力の低下につながる可能性があります4。

旅客手荷物の中で最も危険な禁制品は、いわゆる即席爆発物です。 爆弾の起爆装置を探知することは、十分な訓練を受けた警備員であっても困難な場合があります。 これらの問題に対処するために、2D 放射線画像の品質を向上させるための多数のアルゴリズムと技術が開発されてきました5、6、7、8、9、10、11、12、13。 Bag-of-Visual-Words (BoVW) 検出技術は、自然言語処理と情報検索に基づいており、オブジェクトの検出と分類に統計的プロセスを採用しています6。 この技術は爆発物の探知に応用されて成功しています。 これは、オートエンコーダーによる教師あり特徴学習アプローチ 7、K 最近傍法、ロジスティック回帰 8、およびデシジョン ツリー 9 など、他のさまざまな手法と併用されました。 BoVW は銃、手裏剣、カミソリの刃の検出にも使用されました。 これらの技術は、クラスごとに形成された辞書に基づいており、検出は、ランダムに切り取られた画像パッチのスケール不変特徴変換 (SIFT) 特徴記述子で構成されます10。 Speeded up Robust features (SURF) 記述子と Support Vector Machine (SVM) 分類子に関連付けられた BoVW モデルが銃器の検出に使用され、20% の偽陽性率で 99.07% の最適な真陽性率を達成しました11。 ランダム フォレストと SVM アルゴリズムの両方が銃器の検出に使用され、94% の統計的精度が報告されました12。 分類のパフォーマンスを評価するために、1 つ、2 つ、および複数の X 線ビューと 4 つの分類器 (つまり、スケール不変特徴変換、方向性 FAST および回転 BRIEF、バイナリ ロバスト不変スケーラブル キーポイント、および SURF) が検討されました。 2 つまたは複数の X 線ビューの組み合わせを考慮すると、分類のパフォーマンスが向上することが明らかになりました 13。