X光安检机广泛应用于机场、火车站、地铁站等交通运输领域及各种大型公共活动场所,是维护公共安全和运输安全的重要设施,旅客行李通过X光机扫描并实时产生安检图像,安检员通过检查安检图像判断行李中是否存在违禁品,从而保障公共安全。然而人工检查机制存在着安全隐患,随着客流量的日益增长,长时间高强度的工作会使安检人员产生疲劳,增加了漏检和错检的风险。因此,对X光安检图像中的违禁品进行智能识别辅助安检员工作具有重要研究意义。目前,基于X光图像的安检因不同厂商生产的安检机成像方式不同,同一类违禁品在不同设备上所成X光图像在颜色分布上有很大差异,导致安检图像智能识别算法在训练与测试数据分布不同时,识别性能会明显降低;同时X光行李图像中物品的混乱复杂增加了违禁品识别的难度。本文针对X光安检图像的上述问题进行算法研究,给出了一种基于区域增强的多特征融合违禁品识别方法（Region Enhanced Multi-Feature Fusion Model,REMF）。首先,应用注意力机制设计了一种像素级的区域增强特征,消除图像颜色分布差异的影响,保留图像整体结构并增强了违禁品区域的信息;然后采用多特征融合策略,将彩色特征、边缘特征和区域增强特征进行集中式融合,丰富特征信息,使模型适用于图像中物品混乱复杂的情况;最后,提出一种三元损失函数对特征融合进行优化。此外,为了便于将算法研究应用于实际的安检工作,本文将REMF识别方法与概率两阶段检测方法相结合,在违禁品识别的基础上实现了违禁品定位的功能。在SIXray数据集上进行实验,实验结果表明:REMF方法提升了模型识别违禁品的性能,并有效缓解了图像颜色分布不同引起的识别性能下降问题;基于REMF的违禁品检测方法相对于其他检测方法可以达到更高的检测精度。本文结合安检工作的现状和需求,基于Py Qt平台设计了X光安检图像违禁品识别系统,实现了违禁品实时识别和单图识别功能。该系统可根据账户权限提供对应功能,为安检人员提供违禁品识别的功能,为管理人员扩展出用户登录、信息存储、信息查询等功能,使得系统更加完整,便于安检人员及安全管理人员的使用。