CN111612020B - 一种异常被检物的定位方法以及安检分析设备、系统 - Google Patents
一种异常被检物的定位方法以及安检分析设备、系统 Download PDFInfo
- Publication number
- CN111612020B CN111612020B CN201910131317.1A CN201910131317A CN111612020B CN 111612020 B CN111612020 B CN 111612020B CN 201910131317 A CN201910131317 A CN 201910131317A CN 111612020 B CN111612020 B CN 111612020B
- Authority
- CN
- China
- Prior art keywords
- image
- characteristic information
- detected object
- visible light
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007689 inspection Methods 0.000 title claims description 63
- 238000004458 analytical method Methods 0.000 title claims description 28
- 238000003384 imaging method Methods 0.000 claims abstract description 116
- 238000001514 detection method Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000011111 cardboard Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本申请公开了一种异常被检物定位方法，分别实时采集一个以上被检物的可见光视频和X光透视图像；获取被检物可见光图像和X光成像图像；对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，根据被检物X光成像图像，识别出异常的被检物，根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物。本申请在多个形状相似的被检物同时过检的情形下，能够快速定位异常被检物。
Description
技术领域
本发明涉及安检机领域，特别地，涉及安检机中一种异常被检物的定位方法以及安检分析设备、系统。
背景技术
安检机又名安检仪，广泛应用于机场、火车站、物流、工业检测等。安全检查仪的“火眼金睛”通过X射线来实现，是一种借助于输送带将被检物(例如，被检查行李、包裹等)送入X射线检查通道而完成检查的电子设备。被检物进入X射线检查通道，将阻挡检测传感器，检测信号被送往系统控制部分，产生X射线触发信号，触发X射线的射线源发射X射线束。一束经过准直器的扇形X射线束穿过输送带上的被检物，X射线被被检物吸收，最后轰击安装在通道内的双能量半导体探测器。探测器把X射线转变为信号，这些很弱的信号被放大，并送到信号处理机做进一步处理。
X射线是一种可以穿透木材、纸板、皮革等不透明物体的电磁波。安检仪能根据物体对X射线的吸收程度，在荧屏上呈现不同颜色的影像。简单来说，橙色代表有机物，例如食品、塑料等；书本、陶瓷等显示为绿色；金属则显示为蓝色。这时，安检员快速查看X射线扫描的透视图像，就能凭借丰富的经验判断是否有违禁品。
在实际的安检过程中，由于荧屏上呈现的是透视图像，透视图像与被检物的物理形状、颜色、尺寸等并不能完全吻合，在安检被检物数量大、被检物物理特征相近的情形下，一旦出现异常被检物，则难以快速地定位。例如，同时进入安检仪的包裹A与包裹B是大小相同的纸箱，当通过透视图像发现其中一个有异常时，由于透视图像所现实的轮廓相似，却难以快速地区分异常的究竟是包裹A还是包裹B。
发明内容
本发明提供了一种异常被检物定位方法，以快速定位异常被检物。
本发明提供的一种异常被检物的定位方法，包括，
分别实时采集一个以上被检物的可见光视频和X光透视图像；
获取被检物可见光图像和X光成像图像；
对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，
根据被检物X光成像图像，识别出异常的被检物，
根据识别异常的被检物的X光成像图像所关联的可见光图像，定位所述异常被检物。
其中，所述对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，包括，
基于获取的可见光图像，提取被检物可见光图像的第一特征信息；基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息，
将提取的第一特征信息与提取的第二特征信息进行匹配；
基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系。
较佳地，基于获取的可见光图像，提取被检物可见光图像的第一特征信息包括，
通过可见光视频分析图像算法分析可见光视频，提取可见光视频中被检物图像，记录视频采集时间、或者被检物形状轮廓和被检物位置信息，并作为所述第一特征信息；
基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息包括，
通过X光图像分析算法分析所述成像图像，提取被检物图像，记录X光成像图像采集时间、或被检物形状轮廓和被检物位置信息，并作为所述第二特征信息，且标识出异常被检物。
较佳地，所述将第一特征信息与第二特征信息进行匹配包括，
根据记录的第一特征信息中被检物可见光视频采集时间，结合过检通道履带的传送速度，计算出该被检物X光成像图像的预估采集时间；
判断第二特征信息中X光成像图像采集时间与预估采集时间是否吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
较佳地，所述根据记录的第一特征信息中被检物可见光视频采集时间，结合过检通道履带的传送速度，计算出该被检物X光成像图像的预估采集时间包括，
按照式：计算X光成像图像的预估采集时间，
其中，t2为X光成像图像的预估采集时间，t1为可见光视频采集时间；s为可见光视频采集点与X光成像图像采集点之间的距离，v为履带的传送速度；
当可见光视频采集时间早于X光成像图像采集时间，式中符号“±”取为“+”号；
当可见光视频采集时间晚于X光成像图像采集时间，式中符号“±”取为“-”号。
较佳地，所述被检物位置信息为以过检通道为参考的过检通道相对位置；
所述将提取的第一特征信息与提取的第二特征信息进行匹配包括，
根据记录的第一特征信息中被检物形状轮廓和被检物相对过检通道位置、第二特征信息中被检物形状轮廓和被检物相对过检通道位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物相对过检通道位置是否与第二特征信息中被检物相对过检通道位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
较佳地，所述被检物形状轮廓和被检物相对过检通道位置为成像图像，其中，
所述被检物形状轮廓成像图像的获得包括，从所采集被检测物图像的边缘提取n个特征点，将所提取的n个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述n大于等于3，
所述被检物相对过检通道位置的获取包括，用像素点作为坐标值标注被检物的位置。
本发明还提供一种安检系统，包括，
可见光图像捕获设备，实时采集一个以上被检物的可见光视频，获取被检物可见光图像；
射线安检设备，实时采集一个以上被检物的X光透视图像，获取被检物X光成像图像；
分析设备，对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联；根据被检物X光成像图像，识别出异常的被检物；根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物。
本发明提供的一种安检分析设备，该分析设备对来自可见光抓取设备获取的被检物可见光图像与来自射线安检设备获取的X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联；根据被检物X光成像图像，识别出异常的被检物；根据识别异常的被检物的X光成像图像所关联的可见光图像，定位所述异常被检物。
本发明通过将同一被检物可见光图像与X射线成像图像进行关联，根据被检物X光成像图像，识别出异常的被检物，根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物，从而实现通过直观的可见光图像快速找到异常被检物，特别是，在多个形状相似的被检物同时过检的情形下，能够快速定位异常被检物，既利用了X光图像识别异常被检物，又利用了可见光图像直观视觉图像，二者的扬长避短地结合，提高了安检过程中异常被检物的效率。
附图说明
图1是从多个包裹中定位异常包裹的一种流程示意图；
图2为被检物位置信息标注的一种示意图。
图3为本发明实施例的一种安检系统的示意图
图4为本发明另一实施例的一种安检系统的示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。
本发明通过将同一被检物可见光图像与X射线成像图像进行关联，以实现通过直观的可见光图像快速找到异常被检物，特别是，在多个形状相似的被检物同时过检的情形下，能够快速定位异常被检物，例如，一个以上被检物过检快速定位。
以下以被检物以包裹、从安检机过检通道的多个包裹中定位异常包裹为例来进行说明。
本发明实施例在现有X光安检机上增加可见光成像装置，通过分析被检物可见光图像特征信息和X光成像图像特征信息将两种图像进行关联显示，以帮助安检员从多个被检物中快速识别可疑被检物，进行开包检查。
参见图1所示，图1为从多个包裹中定位异常包裹的一种流程示意图。定位异常包裹的方法包括，
步骤101，实时采集过检通道包裹的可见光图像，例如，视频图像，通过图像算法分析提取视频画面中的包裹图像，记录采集图像的时间、形状轮廓、以及包裹位置信息(例如相对通道位置)等包裹可见光图像的第一特征信息。
步骤102，实时采集过检通道包裹的X光图像，通过X光图像算法分析提取X光成像中的包裹图像，记录采集图像的时间、形状轮廓、以及包裹位置信息(例如相对通道位置)等包裹X光成像的第二特征信息。进一步地，通过X光图像算法分析包裹中是否有可疑物品，并在图像中将可疑物品标记出来。
上述步骤101、102并无先后次序，既可以同时进行可见光图像和X光图像的采集，也可以先采集可见光视频，再采集X光图像，还可以先采集X光图像，再采集可见光视频，具体取决于可见光成像装置、X光成像装置相对于过检通道传送方向上的位置关系。
所记录的特征信息中，可以仅记录采集图像时间，或者仅记录形状轮廓和包裹相对通道。
被检物形状轮廓成像图像是这样获得的：从所采集被检测物图像的边缘提取n个特征点，将所提取的n个特征点中两两相邻特征点连接成直线线段，得到n条直线线段构成的封闭图形，基于所述封闭图形进行框图化拟合，得到拟合的被检物形状轮廓，例如，形状轮廓为行李箱、双肩包、电脑包、手提包等；所述n≥3。
被检物的位置信息可以用像素点作为坐标值标注被检物的位置，例如图2所示，成像图像中拟合的包裹外形轮廓为一矩形，以该矩形的4个顶点处的各个像素点作为坐标值来标注被检物的位置。
步骤103，对提取的可见光包裹图像与提取的X光包裹图像进行匹配，以使得同一包裹的可见光包裹图像与X光包裹图像相关联，具体为：将所述第一特征信息与第二特征信息进行匹配，当两者相匹配时，则判定第一特征信息对应的包裹可见光图像和第二特征信息对应的包裹X光图像对应着同一包裹，从而可以建立该包裹的可见光图像与X光包裹图像相关联。
例如，根据步骤101记录的可见光包裹图像时间信息，结合过包通道履带的传送速度，计算出对应步骤102中包裹X光图像的预估采集时间，如12月8日15:00分检测到包裹可见光图像；假设过包履带传送速度为0.4米/秒，从可见光图像成像点到X光成像点的距离为0.8米，则可以计算出包裹对应的X光图像为12月8日15：02时刻采集的图像。即，X光图像的预估采集时间为：
其中，t2为X光成像图像的预估采集时间，t1为可见光视频采集时间；s为可见光视频采集点与X光成像图像采集点之间的距离，v为履带的传送速度；
当可见光图像采集时间早于X光成像图像采集时间，式中符号“±”取为“+”号；
当可见光图像采集时间晚于X光成像图像采集时间，式中符号“±”取为“-”号。
又例如，在同一图片中存在多个包裹时，可以根据第一特征信息中的包裹形状轮廓和相对位置信息、第二特征信息中的包裹形状轮廓和相对位置信息进行分析来达到匹配的目的。具体为，根据记录的第一特征信息中被检物形状轮廓和被检物相对过检通道位置、第二特征信息中被检物形状轮廓和被检物相对过检通道位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物相对过检通道位置是否与第二特征信息中被检物相对过检通道位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
步骤104，根据步骤103的匹配结果，将包裹可见光和X光图像显示在显示器上，如果通过X光图像识别出包裹中有可疑物品，则将X光图像中的可疑物品标记出来，并在关联的可见光图像中将其对应的包裹进行标注，以提示安检员。关联的可将光图像、X光图像可同屏显示，也可不同屏显示。
本发明实施例通过将同一包裹的可见光图像、X光成像图像进行关联，在安检量大、或者多个形状相似的包裹同时过检时能够快速识别并定位出可以的包裹，提高了安检的效率和准确性。
参见图3所示，图3为本发明实施例的一种安检系统的示意图。该系统包括，可见光图像捕获设备，实时采集一个以上被检物的可见光图像，例如，图像视频，获取被检物可见光图像；
射线安检设备，实时采集一个以上被检物的X光透视图像，获取被检物X光成像图像；
分析设备，根据被检物X光成像图像，识别出异常的被检物；对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一包裹的可见光包裹图像与X光包裹图像相关联，根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物；
显示器，用于显示呈现同一被检物X光图像、以及关联的可见光图像。
其中，所述分析设备包括第一图像处理器，
基于获取的可见光图像，提取被检物可见光图像的第一特征信息；基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息，
将提取的第一特征信息与提取的第二特征信息进行匹配；
基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系。
所述第一图像处理器还包括，
通过可见光视频分析图像算法分析可见光视频，提取可见光视频中被检物图像，记录视频采集时间、或者被检物形状轮廓和被检物位置信息作为所述第一特征信息；
基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息包括，
通过X光图像分析算法分析所述成像图像，提取被检物图像，记录X光成像图像采集时间、或被检物形状轮廓和被检物位置信息作为所述第二特征信息，并标识出异常被检物。
所述第一图像处理器还包括，
根据记录的第一特征信息中被检物可见光视频采集时间，结合过检通道履带的传送速度，计算出该被检物X光成像图像的预估采集时间；
判断第二特征信息中X光成像图像采集时间与预估采集时间是否吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
所述第一图像处理器还包括，
按照式：计算X光成像图像的预估采集时间，
其中，t2为X光成像图像的预估采集时间，t1为可见光视频采集时间；s为可见光视频采集点与X光成像图像采集点之间的距离，v为履带的传送速度；
当可见光视频采集时间早于X光成像图像采集时间，式中符号“±”取为“+”号；
当可见光视频采集时间晚于X光成像图像采集时间，式中符号“±”取为“-”号。
所述第一图像处理器还包括，
根据记录的第一特征信息中被检物形状轮廓和被检物相对过检通道位置、第二特征信息中被检物形状轮廓和被检物相对过检通道位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物相对过检通道位置是否与第二特征信息中被检物相对过检通道位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
所述第一图像处理器还包括，从所采集被检测物图像的边缘提取n个特征点，将所提取的n个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述n大于等于3；
用像素点作为坐标值标注被检物的位置。
参见图4所示，图4为本发明实施例的另一种安检系统的示意图。该系统包括，
可见光图像捕获设备，实时采集一个以上被检物的可见光视频，获取被检物可见光图像；
射线安检设备，实时采集一个以上被检物的X光透视图像，获取被检物X光成像图像；
分析设备，根据被检物X光成像图像，识别出异常的被检物；对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一包裹的可见光包裹图像与X光包裹图像相关联，根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物；
其中，
所述可见光图像捕获设备包括，
第二图像处理器，基于获取的可见光图像，提取被检物可见光图像的第一特征信息；通过可见光视频分析图像算法分析可见光视频，提取可见光视频中被检物图像，记录视频采集时间、或者被检物形状轮廓和被检物位置信息作为所述第一特征信息；
所述射线安检设备包括，
第三图像处理器，基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息，通过X光图像分析算法分析所述成像图像，提取被检物图像，记录X光成像图像采集时间、或被检物形状轮廓和被检物位置信息作为所述第二特征信息，并标识出异常被检物。
所述分析设备包括，
第一图像处理器，将提取的第一特征信息与提取的第二特征信息进行匹配；
基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系。
所述第二图像处理器还包括，从所采集被检测物图像的边缘提取n个特征点，将所提取的n个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述n大于等于3；
用像素点作为坐标值标注被检物的位置；
所述第三图像处理器还包括，从所采集被检测物图像的边缘提取m个特征点，将所提取的m个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述m大于等于3；
用像素点作为坐标值标注被检物的位置。
本实施例将可见光图像由第二图像处理器处理，X光图像由第三图像处理器处理，第一图像处理器用于将同一包裹的可见光图像、X光图像进行关联，这样，三个图像处理器并行工作，可以进一步提高被检物的定位速度。
上述图3、4仅示出了两种实施例，所应理解的是，第二图像处理器、第三图像处理器所进行的处理还可以分别由第一图像处理器进行，例如，只包含第二图像处理器或者只包括第三图像处理器，具体可以根据安检设备的既有配置情况进行设计。
本发明实施例还提供一种安检分析设备，包括存储器和图像处理器，
所述存储器，用于存放计算机程序；
所述图像处理器，用于执行所述存储器上所存放的程序，用以实现前述被检物的定位方法。
上述存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
分别实时采集一个以上被检物的可见光视频和X光透视图像；
获取被检物可见光图像和X光成像图像；
对获取的被检物可见光图像与获取的X光图像进行匹配，使得同一包裹的可见光包裹图像与X光包裹图像相关联，
根据被检物X光成像图像，识别出异常的被检物，
根据识别异常的被检物的X光成像图像所关联的可将光图像，定位所述异常被检物。
对于装置/网络侧设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，本发明所提供的数据模型训练方法的实施例，可不限于上述实施方式，数据模型可以不限于CNN模型，其他需要进行训练的数据模型均可采用。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (14)
1.一种异常被检物的定位方法，其特征在于，
分别实时采集被检物的可见光图像和X光透视图像，其中，X光透视图像中包含有同时进入射线安检设备的多个被检物的图像，
获取被检物可见光图像和X光成像图像，
根据获取的X光成像图像，识别出异常被检物，
对获取的被检物可见光图像与获取的X光成像图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，
将X光图像中所识别的异常被检物标记出来，并在关联的可见光图像中将其对应的被检物进行标注，以根据识别异常被检物的X光成像图像所关联的可见光图像，定位所述异常被检物；
其中，
所述对获取的被检物可见光图像与获取的X光成像图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，包括：
基于获取的可见光图像，提取被检物可见光图像的第一特征信息，所述第一特征包括被检物形状轮廓、可见光图像采集时间、和被检物位置信息，
基于获取的X光成像图像，提取被检物X光成像图像的第二特征信息，所述第二特征包括被检物形状轮廓、X光成像图像采集时间、和被检物位置信息，
将提取的第一特征信息与提取的第二特征信息进行匹配，
基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系；
所述将提取的第一特征信息与提取的第二特征信息进行匹配包括：
根据记录的第一特征信息中可见光视频采集时间，结合过检通道履带的传送速度，计算出该被检物X光成像图像的预估采集时间；
判断第二特征信息中X光成像图像采集时间与预估采集时间是否吻合，如果吻合，则判定第一特征信息与第二特征信息匹配；
在同一图片中存在多个被检物的情形下，根据记录的第一特征信息中被检物形状轮廓和被检物位置、第二特征信息中被检物形状轮廓和被检物位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物位置是否与第二特征信息中被检物位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配，
所述被检物位置信息为以过检通道为参考的过检通道相对位置，
所述被检物形状轮廓和被检物相对过检通道位置为成像图像，
其中，
所述被检物形状轮廓的成像图像的获得包括，从所采集被检测物图像的边缘提取至少n个特征点，将所提取的特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；
所述被检物相对过检通道位置的成像图像的获取包括，用成像图像中拟合的被检物矩形外形轮廓顶点处的像素点作为坐标值，标注被检物的位置。
2.如权利要求1所述的方法，其特征在于，所述n大于等于3，
所述基于获取的可见光图像，提取被检物可见光图像的第一特征信息包括，
通过图像算法分析可见光图像，提取可见光图像中被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第一特征信息。
3.如权利要求1所述的方法，其特征在于，所述基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息包括，
通过X光图像分析算法分析所述成像图像，提取被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第二特征信息，且标识出异常被检物。
4.一种安检分析设备，其特征在于，该安检分析设备根据被检物X光成像图像，识别出异常被检物；对来自可见光捕获设备获取的被检物可见光图像与来自射线安检设备获取的被检物X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联；将X光图像中所识别的异常被检物标记出来，并在关联的可见光图像中将其对应的被检物进行标注，以根据识别异常被检物的X光成像图像所关联的可见光图像，定位所述异常被检物；
其中，
X光图像中包含有同时进入射线安检设备的多个被检物的图像，
所述对来自可见光抓取设备获取的被检物可见光图像与来自射线安检设备获取的被检物X光图像进行匹配，使得同一被检物的可见光图像与X光成像图像相关联，包括：
基于获取的可见光图像，提取被检物可见光图像的第一特征信息，所述第一特征包括被检物形状轮廓、可见光图像采集时间、和被检物位置信息，
基于获取的X光成像图像，提取所述被检物X光成像图像的第二特征信息，所述第二特征包括被检物形状轮廓、X光成像图像采集时间、和被检物位置信息，
将提取的第一特征信息与提取的第二特征信息进行匹配，
基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系；
所述将提取的第一特征信息与提取的第二特征信息进行匹配包括：
根据记录的第一特征信息中可见光视频采集时间，结合过检通道履带的传送速度，计算出该被检物X光成像图像的预估采集时间；
判断第二特征信息中X光成像图像采集时间与预估采集时间是否吻合，如果吻合，则判定第一特征信息与第二特征信息匹配；
在同一图片中存在多个被检物的情形下，
根据记录的第一特征信息中被检物形状轮廓和被检物位置、第二特征信息中被检物形状轮廓和被检物位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物位置是否与第二特征信息中被检物位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配，所述被检物位置信息为以过检通道为参考的过检通道相对位置；
所述被检物形状轮廓和被检物相对过检通道位置为成像图像，
所述被检物形状轮廓的成像图像的获得包括，从所采集被检测物图像的边缘提取至少n个特征点，将所提取的特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；
所述被检物相对过检通道位置的成像图像的获取包括，用成像图像中拟合的被检物矩形外形轮廓顶点处的像素点作为坐标值标注被检物的位置。
5.如权利要求4所述的安检分析设备，其特征在于，所述n大于等于3，
所述安检分析设备包括，
第一图像处理器，用于将来自基于可见光图像提取第一特征信息的第二图像处理器所提取被检物的第一特征信息与来自基于X光成像图像提取第二特征信息的第三图像处理器所提取的被检物第二特征信息进行匹配；基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系。
6.如权利要求4所述的安检分析设备，其特征在于，所述安检分析设备包括，
第一图像处理器，用于基于获取的可见光图像，提取被检物可见光图像的第一特征信息；基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息，将提取的第一特征信息与提取的第二特征信息进行匹配；基于匹配的第一特征信息与第二特征信息，建立第一特征信息对应被检物可见光图像与第二特性信息对应被检物X光成像图像的关联关系。
7.如权利要求6所述的安检分析设备，其特征在于，所述第一图像处理器还包括，
通过图像算法分析可见光图像，提取可见光图像中被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第一特征信息；
通过X光图像分析算法分析所述成像图像，提取被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第二特征信息，且标识出异常被检物。
8.如权利要求4所述的安检分析设备，其特征在于，所述被检物位置信息为以过检通道为参考的过检通道相对位置。
9.如权利要求6所述的安检分析设备，其特征在于，所述第一图像处理器还包括，
根据记录的第一特征信息中被检物形状轮廓和被检物相对过检通道位置、第二特征信息中被检物形状轮廓和被检物相对过检通道位置，判断第一特征信息中被检物形状轮廓是否与第二特征信息中被检物形状轮廓吻合、且第一特征信息中被检物相对过检通道位置是否与第二特征信息中被检物相对过检通道位置吻合，如果吻合，则判定第一特征信息与第二特征信息匹配。
10.一种安检系统，其特征在于，该系统包括，
可见光图像捕获设备，实时采集被检物的可见光图像，获取被检物可见光图像；
射线安检设备，实时采集被检物的X光透视图像，获取被检物X光成像图像；
以及
如权利要求4至9任一所述安检分析设备。
11.如权利要求10所述的安检系统，其特征在于，所述可见光图像捕获设备包括，
第二图像处理器，基于获取的可见光图像，提取被检物可见光图像的第一特征信息；
所述射线安检设备包括，
第三图像处理器，基于获取的X光成像图像，提取所述被检物X光图像的第二特征信息。
12.如权利要求11所述的安检系统，其特征在于，
所述第二图像处理器还包括，通过图像算法分析可见光图像，提取可见光图像中被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第一特征信息；
所述第三图像处理器还包括，通过X光图像分析算法分析所述成像图像，提取被检物图像，记录采集图像的时间、被检物形状轮廓和被检物位置信息，并作为所述第二特征信息，且标识出异常被检物。
13.如权利要求11或12所述的安检系统，其特征在于，
所述第二图像处理器还包括，从所采集被检测物图像的边缘提取n个特征点，将所提取的n个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述n大于等于3；
用成像图像中拟合的被检物矩形外形轮廓顶点处的像素点作为坐标值标注被检物的位置；
所述第三图像处理器还包括，从所采集被检测物图像的边缘提取m个特征点，将所提取的m个特征点中两两相邻特征点连接成直线线段，得到由直线线段构成的封闭图形，基于所述封闭图形进行框图化，得到拟合的被检物形状轮廓；所述m大于等于3；
用成像图像中拟合的被检物矩形外形轮廓顶点处的像素点作为坐标值标注被检物的位置。
14.一种可读存储介质，其特征在于，存储有计算机程序，该计算机程序被处理器执行以实现权利要求1至3任一所述异常被检物的定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910131317.1A CN111612020B (zh) | 2019-02-22 | 2019-02-22 | 一种异常被检物的定位方法以及安检分析设备、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910131317.1A CN111612020B (zh) | 2019-02-22 | 2019-02-22 | 一种异常被检物的定位方法以及安检分析设备、系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111612020A CN111612020A (zh) | 2020-09-01 |
| CN111612020B true CN111612020B (zh) | 2024-04-26 |
Family
ID=72201574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910131317.1A Active CN111612020B (zh) | 2019-02-22 | 2019-02-22 | 一种异常被检物的定位方法以及安检分析设备、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612020B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112371540A (zh) * | 2020-09-14 | 2021-02-19 | 海深智能科技(上海)有限公司 | 一种可实现违禁品自动分拣的安检系统 |
| CN113159973A (zh) * | 2021-02-25 | 2021-07-23 | 华夏方圆信用评估有限公司 | 智慧医保基金动态监管方法及系统 |
| CN113393429B (zh) * | 2021-06-07 | 2023-03-24 | 杭州睿影科技有限公司 | 一种目标检测设备的出口位置的标定方法、目标检测设备 |
| CN113759431B (zh) * | 2021-06-09 | 2023-08-11 | 同方威视技术股份有限公司 | 安检数据关联方法和装置、以及x射线安检系统 |
| CN113435543B (zh) * | 2021-07-22 | 2024-04-09 | 湖南声迅科技有限公司 | 一种基于传送带标识的可见光和x光图像匹配方法及装置 |
| CN114882446B (zh) * | 2022-07-08 | 2022-10-04 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
| CN115423996B (zh) * | 2022-08-18 | 2023-09-22 | 成都智元汇信息技术股份有限公司 | 基于包裹运动提取包裹图片的方法、电子设备以及介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB906947A (en) * | 1959-11-02 | 1962-09-26 | Pittsburgh Plate Glass Co | Detection of defects in sheet glass |
| CA2083064A1 (en) * | 1990-08-06 | 1992-02-07 | Steven W. Smith | X-ray backscatter detection system |
| EP0995667A1 (de) * | 1998-10-21 | 2000-04-26 | Meritor Automotive GmbH | Verbundbauteil für Fahrzeugkarosserien |
| US6219401B1 (en) * | 1997-09-30 | 2001-04-17 | Kabushiki Kaisha Morita Seisakusho | Panoramic radiographic apparatus and digital sensor cassette used for same apparatus |
| JP2006234422A (ja) * | 2005-02-22 | 2006-09-07 | Anritsu Sanki System Co Ltd | Ｘ線検査装置および蓄積情報抽出システム |
| CN101452658A (zh) * | 2007-12-07 | 2009-06-10 | Jds尤尼弗思公司 | 在用于隐形防伪应用的颜料片的周围提供框架或边界 |
| CN103744120A (zh) * | 2013-12-30 | 2014-04-23 | 中云智慧（北京）科技有限公司 | 一种违禁品辅助鉴别方法及装置 |
| CN103900973A (zh) * | 2014-04-24 | 2014-07-02 | 黄晓鹏 | 危险品检测装置和检测方法 |
| DE102014205447A1 (de) * | 2014-03-24 | 2015-09-24 | Smiths Heimann Gmbh | Detektion von Gegenständen in einem Objekt |
| CN106934326A (zh) * | 2015-12-29 | 2017-07-07 | 同方威视技术股份有限公司 | 用于安全检查的方法、系统和设备 |
| CN107833209A (zh) * | 2017-10-27 | 2018-03-23 | 浙江大华技术股份有限公司 | 一种x光图像检测方法、装置、电子设备及存储介质 |
| WO2018072669A1 (zh) * | 2016-10-17 | 2018-04-26 | 北京君和信达科技有限公司 | 辐射检查系统和方法 |
| CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
| CN108549898A (zh) * | 2018-03-20 | 2018-09-18 | 特斯联（北京）科技有限公司 | 一种用于安检透视的特定目标识别与增强的方法和系统 |
| CN109146883A (zh) * | 2018-10-31 | 2019-01-04 | 中控智慧科技股份有限公司 | 一种图像处理方法及安检机 |
| CN109187606A (zh) * | 2018-08-13 | 2019-01-11 | 同济大学 | 一种复合式违禁品智能化精密检测装备和检测方法 |
| CN109187593A (zh) * | 2018-08-29 | 2019-01-11 | 上海微现检测设备有限公司 | 一种检测设备的控制方法及系统 |
-
2019
- 2019-02-22 CN CN201910131317.1A patent/CN111612020B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB906947A (en) * | 1959-11-02 | 1962-09-26 | Pittsburgh Plate Glass Co | Detection of defects in sheet glass |
| CA2083064A1 (en) * | 1990-08-06 | 1992-02-07 | Steven W. Smith | X-ray backscatter detection system |
| US6219401B1 (en) * | 1997-09-30 | 2001-04-17 | Kabushiki Kaisha Morita Seisakusho | Panoramic radiographic apparatus and digital sensor cassette used for same apparatus |
| EP0995667A1 (de) * | 1998-10-21 | 2000-04-26 | Meritor Automotive GmbH | Verbundbauteil für Fahrzeugkarosserien |
| JP2006234422A (ja) * | 2005-02-22 | 2006-09-07 | Anritsu Sanki System Co Ltd | Ｘ線検査装置および蓄積情報抽出システム |
| CN101452658A (zh) * | 2007-12-07 | 2009-06-10 | Jds尤尼弗思公司 | 在用于隐形防伪应用的颜料片的周围提供框架或边界 |
| CN103744120A (zh) * | 2013-12-30 | 2014-04-23 | 中云智慧（北京）科技有限公司 | 一种违禁品辅助鉴别方法及装置 |
| DE102014205447A1 (de) * | 2014-03-24 | 2015-09-24 | Smiths Heimann Gmbh | Detektion von Gegenständen in einem Objekt |
| CN103900973A (zh) * | 2014-04-24 | 2014-07-02 | 黄晓鹏 | 危险品检测装置和检测方法 |
| CN106934326A (zh) * | 2015-12-29 | 2017-07-07 | 同方威视技术股份有限公司 | 用于安全检查的方法、系统和设备 |
| WO2018072669A1 (zh) * | 2016-10-17 | 2018-04-26 | 北京君和信达科技有限公司 | 辐射检查系统和方法 |
| CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
| CN107833209A (zh) * | 2017-10-27 | 2018-03-23 | 浙江大华技术股份有限公司 | 一种x光图像检测方法、装置、电子设备及存储介质 |
| CN108549898A (zh) * | 2018-03-20 | 2018-09-18 | 特斯联（北京）科技有限公司 | 一种用于安检透视的特定目标识别与增强的方法和系统 |
| CN109187606A (zh) * | 2018-08-13 | 2019-01-11 | 同济大学 | 一种复合式违禁品智能化精密检测装备和检测方法 |
| CN109187593A (zh) * | 2018-08-29 | 2019-01-11 | 上海微现检测设备有限公司 | 一种检测设备的控制方法及系统 |
| CN109146883A (zh) * | 2018-10-31 | 2019-01-04 | 中控智慧科技股份有限公司 | 一种图像处理方法及安检机 |
Non-Patent Citations (5)
| Title |
|---|
| An Optimal Algorithm for the Straight Segment Approximation of Digital Arcs;Yazid M.Sharaiha;An Optimal Algorithm for the Straight Segment Approximation of Digital Arcs;第55卷(第5期);全文 * |
| New polygonal approximation schemes for object shape representation;Jiann-shing wu etal;Pattern Recognition Society;第26卷(第4期);全文 * |
| 基于轮廓多边形拟合的红外与可见光图像配准算法;李振华;系统工程与电子技术;第37卷(第12期);全文 * |
| 应用遗传算法的平面曲线最优多边形拟合;李宏东;计算机工程与应;全文 * |
| 数据采集与处理;王毅等;一种排样图像轮廓线生成方法;第21卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111612020A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612020B (zh) | 一种异常被检物的定位方法以及安检分析设备、系统 | |
| US11087484B2 (en) | Camera apparatus and method of detecting a stream of objects | |
| CN111145177B (zh) | 图像样本生成方法、特定场景目标检测方法及其系统 | |
| CN109902643B (zh) | 基于深度学习的智能安检方法、装置、系统及其电子设备 | |
| CN106874845B (zh) | 图像识别的方法和装置 | |
| CN105809655B (zh) | 车辆检查方法和系统 | |
| WO2021073370A1 (zh) | 物品检测方法、装置、系统和计算机可读存储介质 | |
| CN109948565B (zh) | 一种用于邮政业的违禁品不开箱检测方法 | |
| WO2020173021A1 (zh) | 一种基于人工智能的违禁物识别方法、装置、设备和存储介质 | |
| US10810437B2 (en) | Security check system and method | |
| EP3067823A1 (en) | Detection method and device | |
| EP3005231B1 (en) | Method and device for counting objects in image data in frames, computer program product | |
| US10229336B2 (en) | Inspection methods and systems | |
| CN109978892B (zh) | 一种基于太赫兹成像的智能安检方法 | |
| US10163200B2 (en) | Detection of items in an object | |
| JP2008538030A (ja) | ビデオ分析を使用して不審挙動を検出する方法及び装置 | |
| WO2018113427A1 (zh) | 安全检查装置和方法 | |
| WO2018103486A1 (zh) | 安检物品定位的标签和安检物品定位的方法 | |
| WO2015010619A1 (zh) | 人体安全检查的隐私保护方法和人体安全检查系统 | |
| CN112967289A (zh) | 安检包裹匹配方法、系统、设备及存储介质 | |
| CN112396649B (zh) | 图像处理方法、装置、计算机系统以及可读存储介质 | |
| CN108303435B (zh) | 检查设备和对集装箱进行检查的方法 | |
| CN116563628A (zh) | 安检判图识别方法、装置、设备及存储介质 | |
| CN117611524B (zh) | 基于多源图像的快件安检方法 | |
| Lin et al. | Object recognition based on foreground detection using X-ray imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |