專利名稱：一種隱匿物品的自動檢測和識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及安檢領(lǐng)域的檢測技術(shù)，更具體地，本發(fā)明涉及基于毫米波成像的ー種隱匿物品的自動檢測和識別方法。
背景技術(shù)：
在安檢領(lǐng)域中，針對人體及其隱匿物品的檢測，有如下多種方式金屬探測器、X光透視、紅外檢測以及毫米波檢測等。金屬探測器是通過電磁感應(yīng)來實現(xiàn)，只能判斷金屬物的有無，不能成像或確定物體位置。X光透視設(shè)備具有很強(qiáng)的穿透性，一般用于針對行李物品的檢測，如直接對人體檢測會對人危險較大，因此安檢中一般很少用于對人體檢測。紅外檢測是利用物體的熱輻射特性來進(jìn)行成像，安檢中可用于對人體的檢測。紅外圖像中的物體的亮度主要取決于物體的溫度和輻射的熱量及物體的表面輻射特性，其特點是沒有顯著的棱角、邊緣信息，其邊緣線條圓滑，灰度變化緩慢，對物體的形狀細(xì)節(jié)和微小的姿態(tài)變化 不敏感。這些特點使得對紅外圖像中的人體進(jìn)行檢測具有一定的困難。毫米波(3GHz_300GHz)是ー種介于光波和無線電波之間的電磁波。毫米波可以穿透所有衣物布料，且人體輻射的毫米波能量較金屬、陶瓷、塑料炸藥、粉狀炸藥及衣物、絕緣材料等要強(qiáng)，利用主/被動毫米波技術(shù)能夠探測出隱藏在人體表面的各種刀具、槍支、爆炸物等違禁物品。由于比金屬探測技術(shù)能力更強(qiáng)，比射線技術(shù)更安全，近10年來人體毫米波安檢技術(shù)得到快速發(fā)展。被動型的焦平面陣列掃描技術(shù)、多波束頻率掃描技術(shù)和主動型的三維全息毫米波技術(shù)相繼得到試驗和應(yīng)用。利用主動毫米波安檢設(shè)備對人體成像后，圖像中可以較清晰的顯示人體特征以及人體攜帯的多種物品。首先，毫米波安檢中，人體圖像的分析是重要組成環(huán)節(jié)。人體毫米波成像以后，如何對人體圖像進(jìn)行檢測分析，是安檢系統(tǒng)實現(xiàn)目標(biāo)檢測自動化的基礎(chǔ)，是后續(xù)處理中對隱匿物品位置在人體上的標(biāo)示以及對人體圖像隱私保護(hù)的基礎(chǔ)。其次，在毫米波成像之后如何對隱匿物品進(jìn)行檢測及在人體上的標(biāo)示，現(xiàn)有技術(shù)中是通過人工分析的方法，其中圖像增強(qiáng)技術(shù)和多幀比較技術(shù)在人工分析中得到應(yīng)用，但需要通過專業(yè)人士的解讀分析，方可實現(xiàn)對隱匿物品的辨識和定位。盡管基于灰度多閾值、邊界提取、邊緣檢測、區(qū)域分割、小波變換、形態(tài)學(xué)、模糊數(shù)學(xué)、遺傳算法、神經(jīng)網(wǎng)絡(luò)、信息熵等方法的圖像分割技術(shù)在隱匿物品的自動檢測中得到嘗試和應(yīng)用，但是由干與人類視覺機(jī)理相脫節(jié)，僅利用圖像中的灰度和空間信息對圖像進(jìn)行分割，仍會產(chǎn)生和人類視覺不一致的情況。而基于人體先驗?zāi)Ｐ偷亩ㄎ环治龇椒ǎ谌梭w的運(yùn)動跟蹤中得到應(yīng)用，降低了跟蹤的復(fù)雜程度，其中主要包括如圖32所示的條帶模型、圖33的棒狀模型等，但是由于條狀模型只包含人體輪廓信息，如結(jié)構(gòu)、形狀、姿態(tài)等，而棒狀模型只包含人體各個關(guān)節(jié)點，都只能限于人體的檢測，尚不能直接解決隱匿物品在人體的自動檢測和識別問題。第三，通過毫米波掃描成像，可以檢測人體上的隱匿物品信息，但同時會造成人體隱私(如面部和隱私部位)的暴露和顯示，毫米波成像后如何對圖像進(jìn)行分析處理，顯示隱匿物品前屏蔽人體的隱私信息也是安檢系統(tǒng)中需要解決的ー項技術(shù)問題。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種基于毫米波成像的人體檢測方法和裝置，實現(xiàn)在毫米波掃描中對人體各部位的識別和定位。該方法包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；生成人體摸型。進(jìn)ー步地，所述根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位還包括以下子步驟確定人體的豎直中心線；確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；確定人體各部位的寬度和斜率。進(jìn)ー步地，所述生成人體模型包括根據(jù)所述各關(guān)鍵點的坐標(biāo)、所述人體各部位的寬度和斜率，獲得以矩形和/或平行四邊形組成的人體模型。 進(jìn)ー步地，所述對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像還包括以下子步驟對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；對所述初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像；對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地，所述對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像進(jìn)ー步包括以下子步驟所述原始圖像與背景圖像灰度值進(jìn)行差值運(yùn)算；圖像平滑處理；線性灰度變換。進(jìn)ー步地，所述對所述初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像是利用脈沖耦合神經(jīng)網(wǎng)絡(luò)算法以熵最大為準(zhǔn)則選取ニ值化的閾值。進(jìn)ー步地，所述對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像是通過形態(tài)學(xué)濾波。進(jìn)ー步地，所述通過形態(tài)學(xué)濾波包括使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行腐蝕運(yùn)算消除人體外的明亮噪聲點；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行開運(yùn)算保持圖像大小的同時消除人體邊緣的孤立區(qū)域和毛刺；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行閉運(yùn)算保持圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊緣；使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行膨脹運(yùn)算使圖像恢復(fù)到原大小。進(jìn)ー步地，所述對所述原始圖像進(jìn)行預(yù)處理獲得初步去噪圖像還包括以下子步驟對所述原始圖像進(jìn)行圖像增強(qiáng)。相應(yīng)地，本發(fā)明的基于毫米波成像的人體檢測裝置，包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；人體模型生成模塊，用于生成人體模型。進(jìn)ー步地，所述分割定位模塊還包括以下子模塊豎直中心線模塊，用于確定人體的豎直中心線；坐標(biāo)水平線模塊，用于確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；寬度斜率模塊，用于確定人體各部位的寬度和斜率。進(jìn)ー步地，所述人體模型生成模塊進(jìn)一步用于根據(jù)所述各關(guān)鍵點的坐標(biāo)、所述人體各部位的寬度和斜率，獲得以矩形和/或平行四邊形組成的人體模型。進(jìn)ー步地，所述調(diào)整模塊還包括以下子模塊預(yù)處理模塊，用于對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；ニ值化模塊，用于對所述初步去噪圖像進(jìn)行ニ值化獲得初歩ニ值圖像；再處理模塊，用于對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地,所述預(yù)處理模塊進(jìn)ー步包括以下單元差值運(yùn)算単元，用于將所述原始圖像與背景圖像灰度值進(jìn)行差值運(yùn)算；平滑處理単元，用于進(jìn)行圖像平滑處理；線性變化単元，用于進(jìn)行線性灰度變換。進(jìn)ー步地，所述ニ值化模塊進(jìn)一歩利用脈沖耦合神經(jīng)網(wǎng)絡(luò)算法以熵最大為準(zhǔn)則選取ニ值化的閾值。進(jìn)ー步地，所述再處理模塊進(jìn)ー步通過形態(tài)學(xué)濾波進(jìn)行再處理。進(jìn)ー步地，所述通過形態(tài)學(xué)濾波包括使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行腐蝕運(yùn)算消除人體外的明亮噪聲點；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行開運(yùn)算保持圖像大小的同時消除人體邊緣的孤立區(qū)域和毛刺；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行閉運(yùn)算保持 圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊緣；使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行膨脹運(yùn)算使圖像恢復(fù)到原大小。進(jìn)ー步地，所述預(yù)處理模塊還包括圖像增強(qiáng)單元，用于對所述原始圖像進(jìn)行圖像增強(qiáng)。通過本發(fā)明的基于毫米波成像的人體檢測方法和裝置，實現(xiàn)了對毫米波圖像中對人體部分的識別和處理，為后續(xù)檢驗隱匿物品及隱私保護(hù)提供了基礎(chǔ)。本發(fā)明目的還在于提供一種隱匿物品的自動檢測和識別方法和裝置實現(xiàn)在毫米波掃描中對隱匿物品在人體上分布的定位和識別由人工變?yōu)樽詣?，降低人員的使用要求。所述隱匿物品的自動檢測和識別方法，包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；生成條棒結(jié)合模型；根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。進(jìn)ー步地，所述生成條棒結(jié)合模型包括以下子步驟生成提供人體各關(guān)鍵點的棒狀模型；生成提供人體輪廓信息的條帶模型；結(jié)合所述棒狀模型和所述條帶模型，生成條棒結(jié)合模型。進(jìn)ー步地，所述根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像包括以下子步驟對所述原始圖像進(jìn)行邊緣檢測，初步識別非人體目標(biāo)；通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算突出顯示非人體目標(biāo)分布區(qū)域；根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形獲得非人體目標(biāo)規(guī)則區(qū)域分布圖；融合所述非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像，獲得所述非人體目標(biāo)原始圖像。進(jìn)ー步地，所述利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上。進(jìn)ー步地，所述對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息包括以下子步驟對人體裸露部位進(jìn)行定位；將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品；剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信
O
相應(yīng)地，本發(fā)明的隱匿物品的自動檢測和識別裝置，包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；條棒結(jié)合模型生成模塊，用于生成條棒結(jié)合模型；非人體目標(biāo)初步檢測模塊，用于根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；非人體目標(biāo)分布模塊，用于利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；類別辨識模塊，用于對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。進(jìn)ー步地，所述條棒結(jié)合模型生成模塊包括以下子模塊棒狀模型生成模塊，用于生成提供人體各關(guān)鍵點的棒狀模型；條帶模型生成模塊，用于生成提供人體輪廓信息的條帶模型；結(jié)合模塊，用于結(jié)合所述棒狀模型和所述條帶模型。 進(jìn)ー步地，所述非人體目標(biāo)初步檢測模塊包括以下子模塊邊緣檢測模塊，用于對所述原始圖像進(jìn)行邊緣檢測，初步識別非人體目標(biāo)；突出顯示模塊，用于通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算突出顯示非人體目標(biāo)分布區(qū)域；規(guī)則化模塊，用于根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形獲得非人體目標(biāo)規(guī)則區(qū)域分布圖；融合模塊，用于融合所述非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像，獲得所述非人體目標(biāo)原始圖像。進(jìn)ー步地，所述非人體目標(biāo)分布模塊是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上。進(jìn)ー步地，所述類別辨識模塊包括以下子模塊裸露部位定位模塊，用于對人體裸露部位進(jìn)行定位；分類模塊，用于將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品；顯示模塊，用于剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信息。通過本發(fā)明的隱匿物品的自動檢測和識別的方法和裝置，實現(xiàn)了將隱匿物品的檢測和識別從人工變?yōu)樽詣樱档土巳藛T的使用要求，減小了人為誤差，縮短了檢測判讀時間。本發(fā)明目的還在于提供一種基于毫米波成像的隱私保護(hù)方法和裝置，實現(xiàn)了毫米波掃描中對被檢人員的隱私保護(hù)。本發(fā)明的基于毫米波成像的隱私保護(hù)方法，包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；確定人體的隱私部位；對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。進(jìn)ー步地，所述確定人體的隱私部位包括判斷被檢人員的性別，當(dāng)被檢人員為男性時，頭部區(qū)域和人體腰部向下軀干寬度1/2的區(qū)域確定為隱私部位，當(dāng)被檢人員為女性時，人體頭部區(qū)域、人體腰部向下軀干寬度1/2的區(qū)域以及人體軀干從軀干上端向下至軀干高度1/2的區(qū)域為隱私部位。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括在所述原始圖像上對隱私部位進(jìn)行模糊化處理形成部分模糊化原始圖像；在所述部分模糊化原始圖像上將所述隱匿物品用標(biāo)示框劃出。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括選擇所述人體檢測中的目的圖像；判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述目的圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述目的圖像上。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括在所述原始圖像上對人體進(jìn)行全部模糊化處理形成全部模糊化原始圖像；判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述全部模糊化原始圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述全部模糊化原始圖像上。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括選擇所述人體檢測中的人體模型；使用與人體模型顔色不同的色彩塊表示隱匿物品井在所述人體模型上標(biāo)示。相應(yīng)地，本發(fā)明的基于毫米波成像的隱私保護(hù)裝置包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；檢測裝置，用于根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；隱私部位確定模塊，用于確定人體的隱私部位；隱私屏蔽模塊，用于對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。 進(jìn)ー步地，所述隱私部位確定模塊進(jìn)ー步用于判斷被檢人員的性別，當(dāng)被檢人員為男性時，頭部區(qū)域和人體腰部向下軀干寬度1/2的區(qū)域確定為隱私部位，當(dāng)被檢人員為女性時，人體頭部區(qū)域、人體腰部向下軀干寬度1/2的區(qū)域以及人體軀干從軀干上端向下至軀干高度1/2的區(qū)域為隱私部位。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括以下子模塊部分模糊化模塊，用于在所述原始圖像上對隱私部位進(jìn)行模糊化處理形成部分模糊化原始圖像；第一標(biāo)示模塊，用于在所述部分模糊化原始圖像上將所述隱匿物品用標(biāo)示框劃出。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括選擇目的圖像模塊，用于選擇所述人體檢測中的目的圖像；第二標(biāo)示模塊，用于判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述目的圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述目的圖像上。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括全部模糊化模塊，用于在所述原始圖像上對人體進(jìn)行全部模糊化處理形成全部模糊化原始圖像；第三標(biāo)示模塊，用于判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述全部模糊化原始圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述全部模糊化原始圖像上。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括選擇模型模塊，用于選擇所述人體檢測中的人體模型；第四標(biāo)示模塊，用于使用與人體模型顔色不同的色彩塊表示隱匿物品并在所述人體模型上標(biāo)示。通過本發(fā)明的基于毫米波成像的隱私保護(hù)方法和裝置，避免了檢測隱匿物品時對人體隱私的暴露，實現(xiàn)了對人體隱私部位的有效保護(hù)。


下面將參照附圖并結(jié)合實施例對本發(fā)明進(jìn)行具體說明。圖I為基于毫米波成像的人體檢測方法基本流程圖；圖2為基于毫米波成像的人體檢測裝置基本結(jié)構(gòu)圖3為原始圖像；圖4為初步去噪圖像；圖5為初步ニ值圖像；圖6為基于毫米波成像的人體檢測方法中步驟S2的流程圖；圖7為基于毫米波成像的人體檢測裝置中調(diào)整模塊的結(jié)構(gòu)示意圖；
圖8為目的圖像；圖9為人體骨干圖；圖10為人體分割效果圖；圖11為基于毫米波成像的人體檢測方法中步驟S3的流程圖；圖12為基于毫米波成像的人體檢測裝置中分割定位模塊的結(jié)構(gòu)示意圖；圖13為基于毫米波成像的人體檢測方法和裝置中獲得的人體模型圖；圖14為人體模型圖與原始圖像的對應(yīng)效果圖；圖15為隱匿物品的自動檢測和識別方法的基本流程圖；圖16為隱匿物品的自動檢測和識別方法中步驟S5的流程圖；圖17為條棒結(jié)合模型圖；圖18為隱匿物品的自動檢測和識別方法中步驟S6的流程圖；圖19為初步識別非人體目標(biāo)圖像；圖20為非人體目標(biāo)分布區(qū)域圖；圖21為非人體目標(biāo)規(guī)則區(qū)域分布圖；圖22為非人體目標(biāo)原始圖像；圖23為非人體目標(biāo)原始圖像在條棒結(jié)合模型上的分布圖；圖24為隱匿物品原始圖像在條棒結(jié)合模型上的分布圖；圖25為隱匿物品的自動檢測和識別方法中步驟S8的流程圖；圖26為基于毫米波成像的隱私保護(hù)方法的基本流程圖；圖27為基于毫米波成像的隱私保護(hù)裝置的結(jié)構(gòu)示意圖；圖28為隱私屏蔽的第一種實施方式的效果圖；圖29為隱私屏蔽的第二種實施方式的效果圖；圖30為隱私屏蔽的第三種實施方式的效果圖；圖31為隱私屏蔽的第四種實施方式的效果圖；圖32為背景技術(shù)中的條帶模型示意圖；圖33為背景技術(shù)中的棒狀模型示意圖。
具體實施例方式下面參照附圖并借助本發(fā)明的實施例，對本發(fā)明的技術(shù)方案做詳細(xì)描述。本發(fā)明中的一種基于毫米波成像的人體檢測方法，包括以下步驟SI、對被檢人員進(jìn)行毫米波掃描獲得原始圖像；S2、對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；S3、根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；S4、生成人體模型。如圖I所示。相應(yīng)地，如圖2所示，本發(fā)明還提供一種基于毫米波成像的人體檢測裝置，包括掃描裝置1，用于執(zhí)行步驟SI，對被檢人員進(jìn)行毫米波掃描獲得原始圖像；
調(diào)整模塊2，用于執(zhí)行步驟S2，對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊3，用于執(zhí)行步驟S3，根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；人體模型生成模塊4，用于執(zhí)行步驟S4,生成人體模型。在步驟SI中，要求被檢人員進(jìn)入毫米波掃描檢測區(qū)，通過掃描裝置I毫米波主動/被動的方式進(jìn)行掃描檢測后得到原始圖像如圖3所示。掃描后的原始圖像一般具有如下特點圖像整體不夠清晰，包含大量噪聲。因此需要調(diào)整模塊2進(jìn)行步驟S2，對原始圖像進(jìn)行調(diào)整從而獲得適于進(jìn)行圖像運(yùn)算和分割的目標(biāo)圖像，如圖6，步驟S2包括以下子步驟S21、對原始圖像進(jìn)行預(yù)處理獲得初步去噪圖像；S22、對初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像；S23、對初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。
相應(yīng)地，如圖7，調(diào)整模塊2還包括以下子模塊預(yù)處理模塊21，用于執(zhí)行步驟S21，對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；ニ值化模塊22，用于執(zhí)行步驟S22，對所述初步去噪圖像進(jìn)行ニ值化獲得初歩ニ值圖像；再處理模塊23，用于執(zhí)行步驟S23，對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地，預(yù)處理模塊21還包括圖像增強(qiáng)單元、差值運(yùn)算単元、平滑處理單元、線性變化單元。預(yù)處理模塊21執(zhí)行步驟S21需要進(jìn)行以下幾個子步驟圖像增強(qiáng)單元用于對原始圖像進(jìn)行圖像增強(qiáng)使原始圖像中人體區(qū)域與背景區(qū)域的對比度増加，改善圖像視覺效果。差值運(yùn)算単元用于通過原始圖像與空背景圖像的灰度值進(jìn)行差值運(yùn)算或者說原始圖像與空背景圖像的灰度值相減，從而消除系統(tǒng)噪聲。空背景圖像就是毫米波掃描檢測區(qū)內(nèi)沒有被檢人員時進(jìn)行掃描所形成的圖像。平滑處理單元用于進(jìn)行圖像的平滑處理來去除圖像中的隨機(jī)噪聲，本単元中通過 [I I Γ
使用i I 2 I算子對圖像進(jìn)行低通濾波實現(xiàn)平滑操作。
レI I線性變化単元用于對圖像進(jìn)行灰度拉伸或稱分區(qū)線性變換，對圖像中不感興趣的背景區(qū)域的灰度范圍進(jìn)行壓縮，人體區(qū)域灰度范圍進(jìn)行擴(kuò)展，從而突出人體部分，使人體部分整體清晰，最終獲得了初歩去噪圖像，如圖4所示。進(jìn)ー步地，ニ值化模塊22所執(zhí)行的步驟S22、對初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像是利用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)算法以熵最大為準(zhǔn)則選取ニ值化的閾值，利用該閾值將初步去噪圖像的灰度圖轉(zhuǎn)換為ニ值化的圖像，從而實現(xiàn)圖像中人體區(qū)域與背景區(qū)域的分割。如何準(zhǔn)確的通過選取閾值來將人體與背景較完整的進(jìn)行分割是問題的關(guān)鍵，這里使用較為成熟的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)技術(shù)，PCNN是90年代Eckhorn等基于貓等哺乳動物的視覺特性研究提出的基于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型，該模型用于圖像的閾值選取的迭代過程，迭代公式如下
權(quán)利要求
1.一種隱匿物品的自動檢測和識別方法，其特征在于，包括以下步驟 對被檢人員進(jìn)行毫米波掃描獲得原始圖像； 對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像； 根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位； 生成條棒結(jié)合模型； 根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像； 利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息； 對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。
2.根據(jù)權(quán)利要求I所述的隱匿物品的自動檢測和識別方法，其特征在于，所述生成條棒結(jié)合模型包括以下子步驟 生成提供人體各關(guān)鍵點的棒狀模型； 生成提供人體輪廓信息的條帶模型； 結(jié)合所述棒狀模型和所述條帶模型，生成條棒結(jié)合模型。
3.根據(jù)權(quán)利要求2所述的隱匿物品的自動檢測和識別方法，其特征在于，所述根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像包括以下子步驟 對所述原始圖像進(jìn)行邊緣檢測，初步識別非人體目標(biāo)； 通過數(shù)學(xué)形態(tài)學(xué)運(yùn)算突出顯示非人體目標(biāo)分布區(qū)域； 根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形獲得非人體目標(biāo)規(guī)則區(qū)域分布圖； 融合所述非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像，獲得所述非人體目標(biāo)原始圖像。
4.根據(jù)權(quán)利要求3所述的隱匿物品的自動檢測和識別方法，其特征在于，所述利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上。
5.根據(jù)權(quán)利要求4所述的隱匿物品的自動檢測和識別方法，其特征在于，所述對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息包括以下子步驟 對人體裸露部位進(jìn)行定位； 將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品； 剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信息。
全文摘要
本發(fā)明公開了一種隱匿物品的自動檢測和識別方法，包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；生成條棒結(jié)合模型；根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。通過本發(fā)明的隱匿物品的自動檢測和識別的方法，實現(xiàn)了將隱匿物品的檢測和識別從人工變?yōu)樽詣?，降低了人員的使用要求，減小了人為誤差，縮短了檢測判讀時間。
文檔編號G06K9/60GK102708372SQ201210050270
公開日2012年10月3日 申請日期2012年2月29日 優(yōu)先權(quán)日2012年2月29日
發(fā)明者年豐, 方維海, 溫鑫, 王凱讓, 王威 申請人:北京無線電計量測試研究所