基于机器学习的多特征多线程安检违禁品自动识别方法

摘要

本发明涉及计算机视觉技术领域，具体涉及一种基于机器学习的多特征多线程安检违禁品自动识别方法，它采用如下的方法步骤：步骤A：训练Adaboost分类器：收集目标样本，对目标样本进行预处理，经过特征提取并进行检测与分类识别，得到强分类器；步骤B：安检违禁品自动识别：读入安检监测的X光图像，进行PDE去噪预处理，并行边沿纹理扫描，利用LBP+HOG特征与步骤A所得到的强分类器进行并行的特征提取与分类识别，输出识别结果；它解决了因安监人员长时间监视屏幕而导致疲劳，易因疏忽大意而发生错检、漏检等现象，以及需要安检人员长时间值守，耗费人力，效率较低的问题，极大地提高了工作效率以及降低了人力成本。