CN102028482B - 人体检查图像处理方法和人体检查设备 - Google Patents

人体检查图像处理方法和人体检查设备 Download PDF

Info

Publication number
CN102028482B
CN102028482B CN2009102353401A CN200910235340A CN102028482B CN 102028482 B CN102028482 B CN 102028482B CN 2009102353401 A CN2009102353401 A CN 2009102353401A CN 200910235340 A CN200910235340 A CN 200910235340A CN 102028482 B CN102028482 B CN 102028482B
Authority
CN
China
Prior art keywords
human body
pixel column
metastomium
row
scale factor
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
Application number
CN2009102353401A
Other languages
English (en)
Other versions
CN102028482A (zh
Inventor
孙运达
王学武
王涟
易裕民
陈明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Nuctech Co Ltd
Original Assignee
Tsinghua University
Nuctech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Nuctech Co Ltd filed Critical Tsinghua University
Priority to CN2009102353401A priority Critical patent/CN102028482B/zh
Priority to US13/499,045 priority patent/US8774460B2/en
Priority to EP10819836.7A priority patent/EP2485041B1/en
Priority to CA2775757A priority patent/CA2775757C/en
Priority to PCT/CN2010/074898 priority patent/WO2011038607A1/zh
Publication of CN102028482A publication Critical patent/CN102028482A/zh
Application granted granted Critical
Publication of CN102028482B publication Critical patent/CN102028482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种人体检查图像处理方法和人体检查设备。根据本发明的一个方面，所述方法包括：通过模式识别，对目标区域进行识别；以及对所识别的目标区域进行隐私保护处理，其中，所述目标区域包括头部和/或胯部。根据本发明，能够可靠的平衡隐私保护和人体检查两个方面的需要。

Description

人体检查图像处理方法和人体检查设备
技术领域
本申请一般地涉及人体检查领域，更为具体地，涉及一种对人体检查图像进行处理的方法以及一种人体检查设备。
背景技术
在人体检查系统(例如，X射线人体安检系统)中，通过射线透射或散射得到的人体检查图像含有体内或体表的解剖学特征。安检工作人员一方面利用这些特征从图像中分辨出藏匿的违禁品(如枪支、刀具、爆炸物、吞入体内的毒品颗粒等)，一方面又要避免公众由于担心身体隐私受到侵犯而对安检工作提出质疑和批评。
通常，通过调节图像的亮度和对比度可以隐去人体的部分细节，在保护受检者隐私的同时也使金属等无机物看上去更加突出。然而这样会隐去与人体组织对比度低的爆炸物、毒品等有机物，带来重大的安全隐患。传统的图像处理技术也可以模糊人体的解剖学细节，如针对整幅图像的边缘增强和滤波，但也使安检工作人员更加难以辨识细小轻薄的可疑物，降低了违禁品的检出率。
有的扫描系统为了同时提高隐私保护级别和违禁品检测能力，将人体检查图像分割为前景/背景区域或高散射/低散射区域，对不同区域施加不同的图像处理方式后再叠加，比如对前景区域基于数据库比对的结果平滑人体细节以及增强金属等无机物，对背景区域则进行边缘检测增强，这显然比传统做法有了明显的进步。然而，现有人工智能算法还无法可靠的实现不规则低对比度违禁品的自动检测，如低剂量X射线透射图像中吞入人体内的毒品颗粒、藏于腹部的片状爆炸物等，此类违禁品一旦被视为人体细节加以平滑，其效果还不如模糊之前，这无形中增加了扫描系统的违禁品检测能力的不确定性。
因此，需要这样一种人体检查图像处理方法和人体检查设备，其能够可靠的平衡隐私保护和违禁品检测两个方面的需要。
发明内容
鉴于上述问题，做出了本发明，从而提供一种人体检查图像处理方法和人体检查设备，能够可靠的平衡隐私保护和违禁品检测两个方面的需要，既满足了公众对于安检场合隐私保护的诉求，又最大限度的保证了违禁品检测能力不会受到人体检查图像隐私处理的影响。
根据本发明的一个方面，提供了一种对人体检查图像进行处理的方法，包括：通过模式识别，对目标区域进行识别；以及对所识别的目标区域进行隐私保护处理，其中，所述目标区域包括头部和/或胯部。
根据本发明的另一方面，提供了一种人体检查设备，包括：图像获取部，通过对人体进行成像，而获得人体检查图像；图像处理部，对所获得的人体检查图像进行处理；以及输出部，将图像处理部处理后的图像输出，其中，该图像处理部包括：模式识别单元，通过模式识别，对目标区域进行识别；和处理单元，对所识别的目标区域进行隐私保护处理，其中，所述目标区域包括头部和/或胯部。
根据本发明，使用模式识别技术可靠地定位人体检查图像中的躯干、头部和胯部，以便对头部、胯部等重点隐私部位进行隐私保护处理。这种隐私保护处理例如平滑模糊处理、加马赛克处理、或边缘化处理。因此，保证了受检者的隐私得到有效保护，消除了安全检查工作的法律障碍，避免了智能检测违禁品或人体解剖学特征失败时误处理所导致的图像信息损失，并提高了扫描系统违禁品检测能力的稳定性。本发明特别适用于低剂量X射线透射图像的隐私保护。
附图说明
以下结合附图来描述本发明的实施例，在这些附图中：
图1A是示出了根据本发明实施例的人体检查设备的方框图；
图1B中示出了根据本发明一个实施例的图像处理部的方框图；
图2是根据本发明的实施例将原始图像分割为前景/背景区域的示意图；
图3是根据本发明的实施例识别躯干部位的示意图；
图4是根据本发明的实施例识别跨部中心位置的示意图；以及
图5是根据本发明的实施例对头部和跨部进行隐私保护图像处理的示意图。
具体实施方式
以下将参照附图对本发明进行详细描述。在附图中，示出了本发明的示例性实施例。应当指出的是，在附图中给出这些示例仅仅是为了描述本发明的目的，而并非是为了限制本发明。
图1A是示出了根据本发明实施例的人体检查设备的方框图。如图1A所示，根据本发明实施例的人体检查设备10包括图像获取部101、图像处理部103和输出部105。
图像获取部101例如通过辐射(如X射线)，对目标对象进行成像。例如，在对人体进行检查时，通过X射线扫描，生成人体检查图像。在现有技术中，已知多种这样的图像获取部。现有技术中以及将来可能设计出的所有这些能够获取目标对象图像的图像获取部均可应用于本发明中。
图像获取部101将所获取的图像发送到图像处理部103以便进行进一步的处理；然后图像处理部103将处理后的图像发送到输出部105，以输出到外部。输出部105例如是显示器，从而检查者通过观察输出部105上输出的图像，来进行安全检查，例如以便发现被检查者是否夹带了违禁品。
在本发明中，为了对图像中的目标区域进行处理，例如为了对头部和/或胯部等隐私部位进行隐私保护处理，图像处理部103可以对这些目标区域进行识别，并按需对所识别的目标区域进行处理。以下，将对该图像处理部103进行更为详细的描述。
图1B中示出了根据本发明一个实施例的图像处理部的方框图。如图1B所示，根据该实施例的图像处理部103包括模式识别单元1031和处理单元1032。模式识别单元1031对图像中需要进行处理的目标区域进行识别，以便由处理单元1032对所识别的目标区域进行特定隐私处理。在此，所谓“隐私保护处理”是指对隐私部位进行处理，使得不会呈现隐私部位的细节。例如，这种隐私保护处理包括对隐私部位进行平滑模糊，或者在隐私部位上加马赛克，或者对隐私部位进行边缘化处理(如对隐私部位进行边缘检测和阈值化处理，从而只保留隐私部位的边缘信息)，以便保护被检查者的隐私，从而避免引起不必要的麻烦。
特别是，在对人体进行检查时，需要对隐私部位(如头部、胯部)进行保护处理，因而模式识别单元1031可以用来识别头部和/或胯部。为此，根据本发明的一个实施例，如图1B所示，模式识别单元1031可以包括用于识别躯干的躯干识别装置1033以及用于识别头部和/或胯部的头部和/或胯部识别装置1035。根据本发明的实施例，在人体图像中，以由躯干识别装置1033所识别的躯干部位为基础，来由头部和/或胯部识别装置1035识别头部和/或胯部。
但是，需要指出的是，为了识别头部和/或胯部，并非一定要先行识别躯干部位。例如，本领域技术人员可以设想到，将整个人体图像最上部约1/10高度的区域识别为头部；按人体生理比例，将人体高度特定比例处的区域识别为胯部。当然，如下所述，以躯干部位为基础，可以更好地识别头部和/或胯部。
在本发明中，优选地，可以利用模板匹配来进行模式识别。为此，根据本发明的一个实施例，如图1B所示，躯干识别装置1033可以包括搜索装置1037、躯干模板存储装置1038。其中，躯干模板存储装置1038存储定义的躯干模板。这种躯干模板可以在出厂时就预先存储在该存储装置中，或者可以由用户来自定义。搜索装置1037根据存储装置1038中存储的躯干模板，在图像中进行模板匹配，以便搜索图像中的候选躯干部位。
有利地，躯干识别装置1033还可以包括图像分割装置1039。由图像分割装置1039将图像分割为前景部分和背景区域，从而在前景部分中进行模板匹配，可以减小计算量。这种前景/背景的分割例如可以按照灰度级来进行。具体地，如图2所示，例如可以将原始图像中灰度级小于第一阈值的区域确定为前景区域(201)，而将灰度级大于第一阈值的区域确定为背景区域(202)。其中的第一阈值可以通过经验确定或使用直方图统计方法自适应确定。
当然，这种前景/背景区域的分割并非一定要按照灰度级来进行。本领域技术人员可以想到多种其他分割方法。
对于模式识别中所采用的模板，本领域技术人员可以想到多种定义方式。在此，根据本发明的一个实施例，可以利用形状因子来定义躯干模板。具体地，例如，将人体图像中(归一化)宽度大于特定值、(归一化)长度大于特定值的区域确定为躯干模板。
在由图像分割装置1039将图像分割为前景部分和背景区域的前提下，可以如下来定义上述基于形状因子的躯干模板，其中涉及两个比例因子：
比例因子a：r1 i/max(r1 i}，r1 i是第i像素列的前景像素数，max{r1 i}是r1 i中的最大值；以及
比例因子b：r2 j/max{r2 j}，r2 j是第j像素行的前景像素数，max{r2 j}是r2 j中的最大值。
其中，i、j分别是图像中像素列和像素行的索引。人体躯干的模板定义为比例因子a大于第二阈值的连续若干列和比例因子b大于第三阈值的连续若干行。其中，第二阈值、第三阈值可通过经验确定。
在如上定义的躯干模板下，搜索装置1037例如可以包括如下装置(图中未示出)，以在图像中搜索候选的躯干模式：计算装置，该计算装置对于前景区域，逐列计算比例因子a，并逐行计算比例b；列边界确定装置，对于比例因子a大于第二阈值的连续若干列，将其中最左侧的一列确定为左边界(第一列边界)，将其中最右侧的一列确定为右边界(第二列边界)；以及行边界确定装置，对于比例因子b大于第三阈值的连续若干行，将其中最上侧的一行确定为上边界(第一行边界)，将其中最下侧的一行确定为下边界(第二行边界)。如此得到的上、下、左、右边界限定的区域被确定为候选躯干模式。
在此，参照图3，其中对于前景图像分别计算了比例因子a(参见图3中左下侧的方框)和比例因子b(参见图3中右上侧的方框)。比例因子a大于第二阈值的连续若干列303、以及比例因子b大于第三阈值的连续若干行304、305分别限定出两个候选躯干模式301、302。
优选地，在根据比例因子a确定了左、右边界(图3中303的左侧边界和右侧边界)之后，可据此确定躯干宽度。例如，躯干以像素数为单位的宽度可以等于左右边界之间的像素列数。在确定了躯干宽度之后，在计算比例因子b时，将计算限制在躯干宽度范围内，从而可以减少计算量。具体地，可以将上述的r2 j限定为第j像素行躯干宽度范围内的前景像素数。实际上，附图3中所示的比例因子就是如此计算的。当然，此时第三阈值也应相应地改变。
在这种情况下，搜索装置1037例如可以包括如下装置(图中未示出)：第一计算装置，计算各像素列的比例因子a；列边界确定装置，对于比例因子a大于第二阈值的连续若干列，将其中最左侧的一列确定为左边界(第一列边界)，将其中最右侧的一列确定为右边界(第二列边界)；躯干宽度确定装置，根据以上确定的左、右边界，确定躯干宽度；第二计算装置，计算各像素行的比例因子b，其中如上所述将计算限制在躯干宽度范围内；以及行边界确定装置，对于比例因子b大于第三阈值的连续若干行，将其中最上侧的一行确定为上边界(第一行边界)，将其中最下侧的一行确定为下边界(第二行边界)。如此得到的上、下、左、右边界限定的区域被确定为候选躯干模式。
当然，可选地，也可以先根据比例因子b确定上、下边界，并据此确定躯干长度。在确定了躯干长度之后，在计算比例因子a时，将计算限制在躯干长度范围内，从而可以减少计算量。具体地，可以将上述的r1 i限定为第i像素列躯干长度范围内的前景像素数。当然，此时第二阈值也应相应地改变。
另外，在搜索过程中，可能存在多于一对的上/下边界、左/右边界，从而可能限定出多个候选躯干部位。如图3所示，存在一对左、右边界，而同时存在两对上、下边界，因此限定出两个候选躯干部位301和302。此时，选择其中面积最大者(图3中301)为真正的躯干部位。
通过上述处理，躯干识别装置1033识别出图像中的躯干部位，从而头部和/或胯部识别装置1035可以根据所识别的躯干部位来识别头部和/或胯部。
具体地，可将前景区域中躯干部位以上的前景图像确定为头部。
另外，根据本发明的一个实施例，为了识别胯部，头部和/或胯部识别装置1035包括如下的胯部确定装置(未示出)。根据本发明的一个实施例，如图4所示，首先，该胯部确定装置在躯干部位401中确定像素行中比例因子c(参见附图4中最右侧的方框)大于第四阈值的最上侧像素行(404)，其中所述比例因子c为像素行中灰度大于第五阈值的像素数占躯干部位宽度的比例。其中，第四阈值可以通过经验确定，而第五阈值可以通过经验确定或根据躯干(401)的平均灰度级自适应确定。为了确定所述最上侧像素行，例如可以在躯干部位(401)中从上至下逐行搜索，针对每行计算比例因子c。优选地，在搜索过程中，将搜索范围限制包括躯干竖直中心(即，躯干部位401的中心列)在内的范围(如图4中402所示的范围)内，以便减少计算量。
然后，对所确定的最上侧像素行，胯部确定装置将该行中灰度大于第五阈值的像素中最接近躯干部位中心列的点确定为胯部中心403。最后，胯部确定装置将前景区域中以胯部中心403为圆心、一定半径内的图像确定为胯部。所述半径可以通过经验确定或根据躯干部位的宽度自适应确定。
在头部和/或胯部识别装置如上所述识别出头部和/或胯部之后，处理单元1032可以所识别出的头部和/或胯部进行隐私保护处理。例如，可以进行平滑模糊处理如均值滤波、高斯滤波等，以便将头部和/或胯部进行平滑、模糊。处理的结果如图5所示。
根据以上的描述可知，本发明也提供了一种对人体检查图像进行处理的方法。如上所述，在该方法中，通过模式识别，对要处理的目标区域(如头部和/或胯部)进行识别；然后，对所识别的目标区域进行隐私保护处理，例如进行平滑模糊以便保护隐私部位。
这种模式识别如上所述可以通过模板匹配来进行。这种模板的定义可以如上所述基于形状因子。对于该方法的进一步细节，实际上在以上描述本发明的装置时已经进行了详细说明，在此不再重复。
以上的描述针对的是将图像分割为前景、背景区域的情况。但是，本发明并不局限于此。本发明并不一定需要这种前景、背景区域的分割。例如，将上述第一阈值结合到比例因子a、b的确定中，可以无需单独的图像分割处理。具体来说，可以将上述r1 i定义为第i像素列中灰度级小于第一阈值的像素数，同时将上述r2 j定义为第j像素行中灰度级小于第一阈值的像素数。
如上所述，本发明也不局限于先识别躯干部位，也可以直接识别头部和/或胯部。这种识别也可以通过模板匹配来进行。例如，可以根据人体生理特征，来定义这种头部和/或胯部模板。当然，用于躯干模式识别的模板也不限于上述基于形状因子的模板。本领域普通技术人员可以想到多种其他模板可以实现本发明的目的。而且，根据不同定义的模板，搜索装置将实现不同的搜索操作。
另外，本发明中所述的图像处理部可以通过软件、硬件、固件、和/或它们的组合来实现。其实施方式并非是本发明的本质特征，因而不受限制。而且，以上描述的各个模块可以分别由单独的物理单元实现，或者可以由若干个物理单元共同实现，或者它们当中的若干个可以集成在单个物理单元中。
上面的描述仅用于说明本发明的实施方式，而并非要限制本发明的范围。本领域的技术人员应该理解，本发明的范围由所附权利要求限定。不脱离本发明的精神和原理的任何修改或局部替换，均应落入本发明的范围之内。

Claims (23)

1.一种对人体检查图像进行处理的方法，包括：
通过模式识别，对目标区域进行识别；以及
对所识别的目标区域进行隐私保护处理，
其中：
所述目标区域包括头部和/或胯部；以及
对目标区域进行识别的步骤包括：
根据利用形状因子定义的躯干模板进行模板匹配，以识
别躯干部位；以及
根据所识别的躯干部位，识别头部和/或胯部。
2.如权利要求1所述的方法，其中，在进行模板匹配之前，该方法还包括：将人体检查图像分割为前景区域和背景区域，
其中，在前景区域中进行模板匹配。
3.如权利要求2所述的方法，其中，根据灰度级来分割前景区域和背景区域。
4.如权利要求2所述的方法，其中，识别躯干部位的步骤包括：
对于人体检查图像中的像素行和像素列，
(i)识别比例因子a大于第二阈值的连续列，其中，比例因子a定义为
Figure FDA00001840978300011
Figure FDA00001840978300012
是第i像素列的前景区域像素数，
Figure FDA00001840978300013
是各像素列的
Figure FDA00001840978300014
中的最大值，所述连续列的最左侧一列和最右侧一列分别形成第一列边界和第二列边界；以及
(ii)识别比例因子b大于第三阈值的连续行，其中，比例因子b定义为
Figure FDA00001840978300015
Figure FDA00001840978300016
是第j像素行的前景区域像素数，
Figure FDA00001840978300017
是各像素行的
Figure FDA00001840978300018
中的最大值，所述连续行的最上侧一行和最下侧一行分别形成第一行边界和第二行边界，
其中，由第一、第二列边界以及第一、第二行边界所限定的区域被确定为躯干部位。
5.如权利要求4所述的方法，其中，
先执行步骤(i)，根据所述第一列边界和第二列边界，确定躯干宽度；然后
执行步骤(ii)，在执行步骤(ii)时，将
Figure FDA00001840978300021
限定为第j像素行躯干宽度范围内的前景区域像素数。
6.如权利要求4或5所述的方法，其中，当搜索到多个候选的躯干部位时，将其中面积最大的区域确定为躯干部位。
7.如权利要求2所述的方法，其中，将前景区域中躯干部位以上的图像识别为头部。
8.如权利要求2所述的方法，其中，
在所识别的人体躯干部位中，确定人体检查图像中的像素行中比例因子c大于第四阈值的最上侧像素行，其中所述比例因子c为像素行中灰度大于第五阈值的像素数占躯干部位宽度的比例；
对所确定的最上侧像素行，将该行中灰度大于第五阈值的像素中最接近躯干部位中心列的点确定为胯部中心；以及
将前景区域中以胯部中心为圆心、一定半径内的图像确定为胯部。
9.如权利要求8所述的方法，其中，比例因子c针对像素行中限制在包括躯干部位中心列的一定范围内的像素来确定。
10.如权利要求1所述的方法，其中，所述隐私保护处理包括平滑模糊处理、加马赛克处理、边缘化处理中的至少一种。
11.如权利要求10所述的方法，其中，所述平滑模糊处理包括均值滤波、高斯滤波中至少一种。
12.一种人体检查设备，包括：
图像获取部，通过对人体进行成像，而获得人体检查图像；
图像处理部，对所获得的人体检查图像进行处理；以及
输出部，将图像处理部处理后的图像输出，
其中，该图像处理部包括：
模式识别单元，通过模式识别，对目标区域进行识别；和
处理单元，对所识别的目标区域进行隐私保护处理，
其中，所述目标区域包括头部和/或胯部，
其中，所述模式识别单元包括：
躯干识别装置，根据利用形状因子定义的躯干模板进行模板匹配，对人体的躯干部位进行识别；和
头部和/或胯部识别装置，根据躯干识别装置所识别的躯干部位，识别头部和/或胯部。
13.如权利要求12所述的人体检查设备，
其中，躯干识别装置包括：
模板存储装置，用于存储所述躯干模板；和
搜索装置，根据所述模板存储装置存储的躯干模板，在人体检查图像中进行模板匹配，以搜索躯干部位。
14.如权利要求13所述的人体检查设备，其中，躯干识别装置还包括：图像分割装置，用于将人体检查图像分割为前景区域和背景区域，
其中，所述搜索装置在前景区域中进行模板匹配。
15.如权利要求14所述的人体检查设备，其中，图像分割装置根据灰度级来分割前景区域和背景区域。
16.如权利要求14所述的人体检查设备，其中，搜索装置包括：
计算装置，该计算装置
(i)计算人体检查图像中各像素列的比例因子a，该比例因子a定义为
Figure FDA00001840978300031
Figure FDA00001840978300032
是第i像素列的前景区域像素数，
Figure FDA00001840978300033
是各像素列的
Figure FDA00001840978300034
中的最大值；以及
(ii)计算人体检查图像中各像素行的比例因子b，该比例因子b定义为
Figure FDA00001840978300035
是第j像素行的前景区域像素数，
Figure FDA00001840978300037
是各像素行的
Figure FDA00001840978300038
中的最大值；
列边界确定装置，确定比例因子a大于第二阈值的连续列，所述连续列的最左侧一列和最右侧一列分别形成第一列边界和第二列边界；以及
行边界确定装置，确定比例因子b大于第三阈值的连续行，所述连续行的最上侧一行和最下侧一行分别形成第一行边界和第二行边界；
其中，由第一、第二列边界以及第一、第二行边界所限定的区域被定义为躯干部位。
17.如权利要求14所述的人体检查设备，其中，搜索装置包括：
第一计算装置，计算人体检查图像中各像素列的比例因子a，该比例因子a定义为
Figure FDA00001840978300041
Figure FDA00001840978300042
是第i像素列的前景区域像素数，是各像素列的
Figure FDA00001840978300044
中的最大值；
列边界确定装置，确定比例因子a大于第二阈值的连续列，所述连续列的最左侧一列和最右侧一列分别形成第一列边界和第二列边界；
躯干宽度确定装置，根据所述第一列边界和第二列边界，确定躯干宽度；
第二计算装置，计算人体检查图像中各像素行的比例因子b，该比例因子b定义为
Figure FDA00001840978300046
是第j像素行躯干宽度范围内的前景区域像素数，
Figure FDA00001840978300047
是各像素行的
Figure FDA00001840978300048
中的最大值；以及
行边界确定装置，确定比例因子b大于第三阈值的连续行，所述连续行的最上侧一行和最下侧一行分别形成第一行边界和第二行边界；
其中，由第一、第二列边界以及第一、第二行边界所限定的区域被定义为躯干部位。
18.如权利要求16或17所述的人体检查设备，其中，当搜索装置搜索到多个候选的躯干部位时，将其中面积最大的区域确定为躯干部位。
19.如权利要求14所述的人体检查设备，其中，头部和/或胯部识别装置将前景区域中由搜索装置搜索到的躯干部位以上的图像识别为头部。
20.如权利要求14所述的人体检查设备，其中，头部和/或胯部识别装置包括：
胯部确定装置，该胯部确定装置
在由搜索装置搜索到的躯干部位中，确定人体检查图像中的像素行中比例因子c大于第四阈值的最上侧像素行，其中所述比例因子c为像素行中灰度大于第五阈值的像素数占躯干部位宽度的比例；
对所确定的最上侧像素行，将该行中灰度大于第五阈值的像素中最接近躯干部位中心列的点确定为胯部中心；以及
将前景区域中以胯部中心为圆心、一定半径内的图像确定为胯部。
21.如权利要求20所述的人体检查设备，其中，比例因子c针对像素行中限制在包括躯干部位中心列的一定范围内的像素来确定。
22.如权利要求12所述的人体检查设备，其中，所述隐私保护处理包括平滑模糊处理、加马赛克处理、边缘化处理中的至少一种。
23.如权利要求22所述的人体检查设备，其中，所述平滑模糊处理包括均值滤波、高斯滤波中至少一种。
CN2009102353401A 2009-09-30 2009-09-30 人体检查图像处理方法和人体检查设备 Active CN102028482B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN2009102353401A CN102028482B (zh) 2009-09-30 2009-09-30 人体检查图像处理方法和人体检查设备
US13/499,045 US8774460B2 (en) 2009-09-30 2010-07-02 Method of processing body inspection image and body inspection apparatus
EP10819836.7A EP2485041B1 (en) 2009-09-30 2010-07-02 Method for processing body inspection image and body inspection device
CA2775757A CA2775757C (en) 2009-09-30 2010-07-02 Method of processing body inspection image and body inspection apparatus
PCT/CN2010/074898 WO2011038607A1 (zh) 2009-09-30 2010-07-02 人体检查图像处理方法和人体检查设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009102353401A CN102028482B (zh) 2009-09-30 2009-09-30 人体检查图像处理方法和人体检查设备

Publications (2)

Publication Number Publication Date
CN102028482A CN102028482A (zh) 2011-04-27
CN102028482B true CN102028482B (zh) 2012-11-14

Family

ID=43825527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009102353401A Active CN102028482B (zh) 2009-09-30 2009-09-30 人体检查图像处理方法和人体检查设备

Country Status (5)

Country Link
US (1) US8774460B2 (zh)
EP (1) EP2485041B1 (zh)
CN (1) CN102028482B (zh)
CA (1) CA2775757C (zh)
WO (1) WO2011038607A1 (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567733B (zh) * 2011-12-30 2014-05-07 北京华航无线电测量研究所 一种微波图像非合作情况下人体隐私部位检测与遮挡方法
CN102540264B (zh) * 2011-12-30 2014-12-10 北京华航无线电测量研究所 一种人体隐私部位自动检测与遮挡的微波安检系统
CN102608672A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示装置
CN102708561B (zh) * 2012-02-29 2016-05-18 北京无线电计量测试研究所 一种基于毫米波成像的隐私保护装置
CN102608673A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示方法
CN102629315B (zh) * 2012-02-29 2016-07-06 北京无线电计量测试研究所 一种隐匿物品的自动检测和识别装置
CN102708560B (zh) * 2012-02-29 2015-11-18 北京无线电计量测试研究所 一种基于毫米波成像的隐私保护方法
CN102708372B (zh) * 2012-02-29 2016-02-24 北京无线电计量测试研究所 一种隐匿物品的自动检测和识别方法
JP5801237B2 (ja) * 2012-03-29 2015-10-28 パナソニック株式会社 部位推定装置、部位推定方法、および部位推定プログラム
US20140140575A1 (en) * 2012-11-19 2014-05-22 Mace Wolf Image capture with privacy protection
US9940525B2 (en) 2012-11-19 2018-04-10 Mace Wolf Image capture with privacy protection
CN103903299B (zh) * 2012-12-27 2018-05-22 同方威视技术股份有限公司 背散射人体检查图像的三维增强方法和设备
CN104345350A (zh) * 2013-07-23 2015-02-11 清华大学 人体安全检查方法和人体安全检查系统
US8917925B1 (en) 2014-03-28 2014-12-23 Heartflow, Inc. Systems and methods for data and model-driven image reconstruction and enhancement
JP6602009B2 (ja) * 2014-12-16 2019-11-06 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN106127732B (zh) * 2016-06-13 2019-01-01 深圳市太赫兹科技创新研究院 微波图像中人体性别检测方法和装置
US10163248B1 (en) * 2017-08-02 2018-12-25 Microtek International Inc. Image processing method and scanning system using the same
CN108038835B (zh) * 2017-11-27 2021-07-13 杭州电子科技大学 显著性驱动的图像重要区域马赛克自动生成方法
CN109886864B (zh) * 2017-12-06 2021-03-09 杭州海康威视数字技术股份有限公司 隐私遮蔽处理方法及装置
CN108549898B (zh) * 2018-03-20 2019-03-12 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
CN108648204A (zh) * 2018-04-24 2018-10-12 特斯联（北京）科技有限公司 一种实现人工智能区域屏蔽的人体安检的方法和装置
CN109190519B (zh) * 2018-08-15 2021-07-16 上海师范大学 一种人体图像裆部检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2514724A1 (en) * 2005-08-22 2007-02-22 Bibhuti Bhusan Bardhan Airport x-ray screening privacy
US7405692B2 (en) * 2001-03-16 2008-07-29 Battelle Memorial Institute Detecting concealed objects at a checkpoint
CN101510957A (zh) * 2008-02-15 2009-08-19 索尼株式会社 图像处理设备、方法、程序、摄像机设备、通信系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7082211B2 (en) * 2002-05-31 2006-07-25 Eastman Kodak Company Method and system for enhancing portrait images
US7200266B2 (en) * 2002-08-27 2007-04-03 Princeton University Method and apparatus for automated video activity analysis
WO2005086620A2 (en) 2003-10-10 2005-09-22 L-3 Communications Security And Detection Systems Mmw contraband screening system
US7796733B2 (en) * 2007-02-01 2010-09-14 Rapiscan Systems, Inc. Personnel security screening system with enhanced privacy
WO2009082762A1 (en) 2007-12-25 2009-07-02 Rapiscan Security Products, Inc. Improved security system for screening people
US8224021B2 (en) * 2008-03-14 2012-07-17 Millivision Technologies, Inc. Method and system for automatic detection of a class of objects

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7405692B2 (en) * 2001-03-16 2008-07-29 Battelle Memorial Institute Detecting concealed objects at a checkpoint
CA2514724A1 (en) * 2005-08-22 2007-02-22 Bibhuti Bhusan Bardhan Airport x-ray screening privacy
CN101510957A (zh) * 2008-02-15 2009-08-19 索尼株式会社 图像处理设备、方法、程序、摄像机设备、通信系统

Also Published As

Publication number Publication date
EP2485041A4 (en) 2013-08-14
CA2775757C (en) 2015-09-22
EP2485041B1 (en) 2014-11-19
US8774460B2 (en) 2014-07-08
CA2775757A1 (en) 2011-04-07
WO2011038607A1 (zh) 2011-04-07
EP2485041A1 (en) 2012-08-08
CN102028482A (zh) 2011-04-27
US20120189165A1 (en) 2012-07-26

Similar Documents

Publication Publication Date Title
CN102028482B (zh) 人体检查图像处理方法和人体检查设备
CN105354902B (zh) 一种基于人脸识别的安保管理方法及系统
US9805296B2 (en) Method and apparatus for decoding or generating multi-layer color QR code, method for recommending setting parameters in generation of multi-layer QR code, and product comprising multi-layer color QR code
EP3349050B1 (en) Inspection devices and methods for detecting a firearm
CN103824070B (zh) 一种基于计算机视觉的快速行人检测方法
JP4970195B2 (ja) 人物追跡システム、人物追跡装置および人物追跡プログラム
CN103902977B (zh) 基于Gabor二值模式的人脸识别方法及装置
EP2584529A2 (en) Method of image processing and device therefore
CN110070010A (zh) 一种基于行人重识别的人脸属性关联方法
Yang et al. Traffic sign recognition in disturbing environments
CN109376518A (zh) 基于人脸识别的防止隐私泄露方法及相关设备
CN104616006B (zh) 一种面向监控视频的胡须人脸检测方法
CN103902958A (zh) 人脸识别的方法
CN104318238A (zh) 一种验钞模块中对扫描的钞票图提取冠字号的方法
Yang et al. Context-based indoor object detection as an aid to blind persons accessing unfamiliar environments
CN107705288A (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN108108740B (zh) 一种主动毫米波人体图像性别识别方法
CN107526997A (zh) 一种人员轨迹识别方法及装置
CN102013007A (zh) 用于检测面部的装置和方法
Wen et al. Generative model for abandoned object detection
CN108446639A (zh) 低功耗增强现实设备
CN107481255B (zh) 一种人员数量的确定方法及装置
CN104166963B (zh) 一种x射线安全检查设备中行李脚轮的检测方法
KR101215569B1 (ko) 라벨 영역 분할방법
CN109086766A (zh) 一种基于积分图的多阈值融合冠字号提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant