安检机状态识别方法、装置、电子设备及可读存储介质与流程

本技术涉及设备检测，具体涉及一种安检机状态识别方法、装置、电子设备及可读存储介质。

背景技术：

1、安检机是一种用于检测物品安全性的设备，在重要的交通枢纽和建筑中，通常会设置安检机，以保证交通枢纽和建筑的安全。

2、然而，随着使用时间增加，安检机可能会出现故障，为了避免影响交通枢纽和建筑的安全，需要一种方法能够确定安检机是否存在故障。但是目前对于安检机的故障检测通常依赖于人工检测。人工检测的方法较为依赖经验，因此准确率不高，容易误判。

技术实现思路

1、本技术提供一种安检机状态识别方法、装置、电子设备及可读存储介质，旨在解决目前安检机的故障检测方法准确率不高，容易误判的技术问题。

2、第一方面，本技术提供一种安检机状态识别方法，包括：

3、获取安检机采集的目标图像；

4、对所述目标图像进行图像异常检测处理，得到所述目标图像的检测结果；

5、获取所述安检机采集的第一历史图像的检测结果；

6、根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果。

7、在本技术的一种可能的实现方式中，所述根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果，包括：

8、将所述目标图像的检测结果，以及所述第一历史图像的检测结果输入预设的状态机模型，根据所述状态机模型对应的状态确定策略，确定所述安检机的状态识别结果。

9、在本技术的一种可能的实现方式中，所述状态确定策略包括：

10、根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，统计得到第一异常图像数量，并统计得到所述目标图像和所述第一历史图像的图像数量总值；

11、将所述第一异常图像数量与所述图像数量总值之间的比值与预设比值范围进行匹配，得到所述比值所属的目标比值范围；

12、将所述目标比值范围对应的识别结果设定为所述安检机的状态识别结果。

13、在本技术的一种可能的实现方式中，所述将所述第一异常图像数量与所述图像数量总值之间的比值与预设比值范围进行匹配，得到所述比值所属的目标比值范围，包括：

14、根据所述第一异常图像数量中各异常类型对应的异常类型数量，以及所述图像数量总值，计算得到各所述异常类型对应的比值；

15、将每个异常类型对应的比值与所述每个异常类型对应的预设比值范围进行匹配，得到所述每个异常类型对应的比值所属的目标比值范围。

16、在本技术的一种可能的实现方式中，所述根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果之后，还包括：

17、若所述状态识别结果为所述安检机不存在故障，则获取所述第一历史图像对应的第一历史时间段之前的第二历史时间段，以及所述安检机在所述第二历史时间段中采集的第二历史图像；

18、根据所述第二历史图像的检测结果，统计得到第二异常图像数量；

19、若所述第二异常图像数量与第一异常图像数量的数量和大于或者等于预设的数量阈值，则判定所述安检机存在故障，其中，所述第一异常图像数量为目标图像和所述第一历史图像中的异常图像数量。

20、在本技术的一种可能的实现方式中，所述对所述目标图像进行图像异常检测处理，得到所述目标图像的检测结果，包括：

21、将所述目标图像输入预设的异常检测模型，预测得到所述目标图像的检测结果，其中，所述预设的异常检测模型通过以下步骤训练得到：

22、获取样本数据集，其中，所述样本数据集包括样本图像，以及所述样本图像的标签信息；

23、将所述样本图像分别输入多个初始的异常检测模型，预测得到各所述初始的异常检测模型对应的检测结果；

24、根据每个初始的异常检测模型对应的检测结果，以及所述标签信息，对所述每个初始的异常检测模型进行训练，得到各训练好的异常检测模型；

25、根据各所述训练好的异常检测模型的精确率，以及检测耗时，从各所述训练好的异常检测模型中选择得到预设的异常检测模型。

26、在本技术的一种可能的实现方式中，所述根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果之后，还包括：

27、输出所述状态识别结果对应的告警信息。

28、第二方面，本技术提供一种安检机状态识别装置，包括：

29、第一获取单元，用于获取安检机采集的目标图像；

30、检测单元，用于对所述目标图像进行图像异常检测处理，得到所述目标图像的检测结果；

31、第二获取单元，用于获取所述安检机采集的第一历史图像的检测结果；

32、确定单元，用于根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果。

33、在本技术的一种可能的实现方式中，确定单元还用于：

34、将所述目标图像的检测结果，以及所述第一历史图像的检测结果输入预设的状态机模型，根据所述状态机模型对应的状态确定策略，确定所述安检机的状态识别结果。

35、在本技术的一种可能的实现方式中，确定单元还用于：

36、根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，统计得到第一异常图像数量，并统计得到所述目标图像和所述第一历史图像的图像数量总值；

37、将所述第一异常图像数量与所述图像数量总值之间的比值与预设比值范围进行匹配，得到所述比值所属的目标比值范围；

38、将所述目标比值范围对应的识别结果设定为所述安检机的状态识别结果。

39、在本技术的一种可能的实现方式中，确定单元还用于：

40、根据所述第一异常图像数量中各异常类型对应的异常类型数量，以及所述图像数量总值，计算得到各所述异常类型对应的比值；

41、将每个异常类型对应的比值与所述每个异常类型对应的预设比值范围进行匹配，得到所述每个异常类型对应的比值所属的目标比值范围。

42、在本技术的一种可能的实现方式中，确定单元还用于：

43、若所述状态识别结果为所述安检机不存在故障，则获取所述第一历史图像对应的第一历史时间段之前的第二历史时间段，以及所述安检机在所述第二历史时间段中采集的第二历史图像；

44、根据所述第二历史图像的检测结果，统计得到第二异常图像数量；

45、若所述第二异常图像数量与第一异常图像数量的数量和大于或者等于预设的数量阈值，则判定所述安检机存在故障，其中，所述第一异常图像数量为目标图像和所述第一历史图像中的异常图像数量。

46、在本技术的一种可能的实现方式中，检测单元还用于：

47、将所述目标图像输入预设的异常检测模型，预测得到所述目标图像的检测结果，其中，所述预设的异常检测模型通过以下步骤训练得到：

48、获取样本数据集，其中，所述样本数据集包括样本图像，以及所述样本图像的标签信息；

49、将所述样本图像分别输入多个初始的异常检测模型，预测得到各所述初始的异常检测模型对应的检测结果；

50、根据每个初始的异常检测模型对应的检测结果，以及所述标签信息，对所述每个初始的异常检测模型进行训练，得到各训练好的异常检测模型；

51、根据各所述训练好的异常检测模型的精确率，以及检测耗时，从各所述训练好的异常检测模型中选择得到预设的异常检测模型。

52、在本技术的一种可能的实现方式中，确定单元还用于：

53、输出所述状态识别结果对应的告警信息。

54、第三方面，本技术还提供一种电子设备，电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序，处理器调用存储器中的计算机程序时执行本技术提供的任一种安检机状态识别方法中的步骤。

55、第四方面，本技术还提供一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本技术提供的任一种安检机状态识别方法中的步骤。

56、综上所述，本技术实施例提供的安检机状态识别方法包括：获取安检机采集的目标图像；对所述目标图像进行图像异常检测处理，得到所述目标图像的检测结果；获取所述安检机采集的第一历史图像的检测结果；根据所述目标图像的检测结果，以及所述第一历史图像的检测结果，确定所述安检机的状态识别结果。

57、可见，本技术实施例提供的安检机状态识别方法可以避免通过单一图像判断安检机的状态所导致的误差，提高了状态识别的准确性。并且可以在安检机的工作过程中，自动对安检机进行状态识别，无需人工判断，因此可以降低状态识别的成本。