Système semi-automatique de détection des éléments d’intérêt dans un scanne de bagage

Abstract

Résumé Depuis plusieurs décennies, les avions sont des cibles intéressantes pour les terroristes. Si l’on se penche sur l’histoire des attaques contre des avions, les bombes sont l'une des principales préoccupations, c’est-à-dire les engins explosifs improvisés. La base de données mondiale sur le terrorisme en 2017 recense 893 attaques d'aéroports ou d'avions avec des explosifs, dont 247 ont eu lieu après 2001. Face aux risques accrus, en particulier depuis le 11 septembre 2001, les aéroports et les gouvernements ont accru leurs investissements dans la sûreté de l'aviation. Ces dernières années, l’apprentissage en profondeur a été utilisé avec succès dans la reconnaissance d’images et de vidéos. L’objectif de notre équipe est de développer un système de détection utilisant l’apprentissage automatique et l’apprentissage approfondi pour détecter efficacement les objets menaçants (armes blanches, armes à feu, explosifs).Notre contribution décrit des algorithmes très précis pour la détection d’objets menace dans l’imagerie complexe de bagage radiologique. Deux problèmes principaux sont abordés : i) la détection des objets menaces masquées ou chevauchés par d’autres objets ; et ii) minimiser le taux des fausses alarmes sur les images ne contenant pas des objets menaces qui contiennent souvent des motifs similaires. Cette thèse tente également d'apporter une contribution au domaine de la reconnaissance d'objets dans les tests par rayons X dans le domaine de l'inspection des bagages en évaluant différentes stratégies de vision par ordinateur proposées ces dernières années

Abstract For several decades, airplanes have been attractive targets for terrorists. If you look at the history of attacks on airplanes, explosives are one of the main concerns, that is, improvised explosive devices. The global database on terrorism in 2017 lists 893 attacks on airports or planes with explosives, of which 247 occurred after 2001. Faced with increased risks, in particular since September 11, 2001, airports and governments have increased their investments in aviation security. In recent years, deep learning has been used successfully in image and video recognition. The goal of our team is to develop a detection system using iii machine learning and deep learning to effectively detect threatening objects (knives, firearms, explosives). Our contribution describes very precise algorithms for the detection of threat objects in complex imaging of radiological baggage. Two main problems are addressed: i) detection of threatened objects masked or overlapped by other objects; and ii) minimize the false alarms rate on images not containing threatened objects which often contain similar objects. This thesis also attempts to make a contribution to the field of object recognition in Xray tests in the field of baggage inspection by evaluating different computer vision strategies proposed in recent years.

ملخص ا جذابة لإلرهابيين. إذا نظرت إلى تاريخ الهجمات على الطائرات ، فإن المتفجرات منذ عدة عقود ، كانت الطائرات أهدافً هي أحد الشواغل الرئيسية ، وهي األجهزة المتفجرة المرتجلة. تدرج قاعدة البيانات العالمية عن اإلرهاب في عام 7102 398 هجو ًما على المطارات أو الطائرات بالمتفجرات ، منها 742 حدثت بعد عام 7110 .وفي مواجهة المخاطر المتزايدة ، خاصة منذ 00 سبتمبر 7110 ، زادت المطارات والحكومات من استثماراتها في أمن الطيران. في السنوات األخيرة ، تم استخدام التعلم العميق بنجاح في التعرف على الصور والفيديو. هدف فريقنا هو تطوير نظام الكشف باستخدام التعلم اآللي والتعلم العميق الكتشاف األشياء المهددة )السكاكين واألسلحة النارية والمتفجرات( بفعالية. توضح مساهمتنا خوارزميات دقيقة للغاية للكشف عن األجسام المهددة في التصوير المعقد لألمتعة اإلشعاعية. تتم معالجة مشكلتين رئيسيتين: 1 )الكشف عن األشياء المهددة التي تحجبها أو تتداخل معها األشياء األخرى و7 )تقليل معدل اإلنذارات الخاطئة على الصور التي ال تحتوي على أشياء مهددة والتي تحتوي غالبًا على أشياء مماثلة. تحاول هذه األطروحة أي ًضا المساهمة في مجال التعرف على األشياء في اختبارات األشعة السينية في مجال فحص األمتعة من خالل تقييم استراتيجيات رؤية الكمبيوتر المختلفة المقترحة في السنوات األخيرة.