技术特征：
1.一种用于准确检测危险物品的改进型ssd算法，其特征在于，包括以下步骤：s1:构建一个基于ssd算法的改进型卷积神经网络，并且初始化网络模型的参数；s2:设定各个超参数所需图片的批次和学习速率，并且设定所需训练的事件次数；s3：通过所构建的数据集对卷积神经网络进行训练,得到权重文件，s4:将训练好的权重文件放到测试模型中，向测试模型中输入实时场景下的图片，将训练好的目标特征与图片中的特征信息进行比对，通过分类器完成目标的分类识别，从而实现对危险物品的检测。2.根据权利要求1所述的用于准确检测危险物品的改进型ssd算法，其特征在于，在步骤s1中，对所构建的ssd算法中的验证框的尺寸大小进行改变，获得更大的验证框尺寸。3.根据权利要求1所述的用于准确检测危险物品的改进型ssd算法，其特征在于，在步骤s1中，还对ssd算法中的conv4_3和fc6卷积层分别做不同的卷积处理得到相同的特征图，然后通过第一函数将两个特征图进行通道上的堆叠得到新的特征图，然后再利用第二函数对新的特征图进行归一化处理得到新的conv4_3特征图。4.根据权利要求1所述的用于准确检测危险物品的改进型ssd算法，其特征在于，在步骤s1中，还需要对危险物品的参数信息进行收集，具体的过程为：收集包含管制刀具、易燃易爆危险物品的图片，对图片中的物体进行名称标注，构建含有危险物品的数据集。5.根据权利要求2所述的用于准确检测危险物品的改进型ssd算法，其特征在于，还需要对数据集进行增广，获得数据量更多的数集，具体的过程为：对数据集中的图片进行水平翻转增强，垂直翻转增强，镜像对称增强，仿射变化，旋转，高斯加噪，对比度变化，尺度变换，平移来增广数据集。6.根据权利要求1所述的用于准确检测危险物品的改进型ssd算法，其特征在于，在步骤s3中，首先设定损失函数为图片批次进行卷积网络提取特征，并分类所得结果与数据集本身预测结果差值的平方，并且利用该损失函数对网络参数进行梯度下降更新。7.根据权利要求4所述的用于准确检测危险物品的改进型ssd算法，其特征在于，训练集的损失函数一直在逐渐减小，当验证集的损失函数有增大的趋势时，结束训练；如果验证集的损失函数一直时减小的趋势，只要达到设定的训练事件次数，就结束训练；最终得到训练模型后的权重文件。8.根据权利要求1所述的用于准确检测危险物品的改进型ssd算法，其特征在于，在步骤s4中，通过soft-max分类器完成目标的分类识别，并且判定分类结果是否含有危险物品，如果含有上述物品，则发送报警指令，否则继续向测试模型中输入实时场景下的图像。
技术总结
本发明公开了一种用于准确检测危险物品的改进型SSD算法，包括以下步骤：构建一个基于SSD算法的改进型卷积神经网络，并且初始化网络模型的参数；设定各个超参数所需图片的批次和学习速率，并且设定所需训练的事件次数；通过所构建的数据集对卷积神经网络进行训练,得到权重文件，将训练好的权重文件放到测试模型中，向测试模型中输入实时场景下的图片，将训练好的目标特征与图片中的特征信息进行比对，通过分类器完成目标的分类识别，从而实现对危险物品的检测；本申请通过对现有的SSD算法进行改进，通过改变先验框的尺寸大小和改变conv4_3特征层的处理，从而实现对远距离情况下危险物品的准确检测，满足使用需求。满足使用需求。满足使用需求。
技术研发人员：成鑫才 杨兴春 王文 吴新春 朱书霖 孙彪
受保护的技术使用者：四川警察学院
技术研发日：2021.12.16
技术公布日：2022/4/12