CN102456129B - 一种安检图像纠偏方法和系统 - Google Patents
一种安检图像纠偏方法和系统 Download PDFInfo
- Publication number
- CN102456129B CN102456129B CN201010527376.XA CN201010527376A CN102456129B CN 102456129 B CN102456129 B CN 102456129B CN 201010527376 A CN201010527376 A CN 201010527376A CN 102456129 B CN102456129 B CN 102456129B
- Authority
- CN
- China
- Prior art keywords
- image
- inspection person
- inspection
- video data
- data
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及安检图像纠偏方法和系统。所述系统包括图像检测设备、与图像检测设备相连的图像获取设备、与图像获取设备相连的采集设备、与采集设备相连的分析设备以及分别与图像获取设备和分析设备相连的反馈设备。所述图像检测设备用于检测射线与被检测物的相互作用数据。所述图像获取设备用于将所述相互作用数据转换显示为被检测物的原始图像,并记录所述原始图像的显示时间。所述采集设备用于在所述原始图像的显示时间内采集图检员的头部视频数据,并将采集到的数据发送给所述分析设备。所述分析设备用于分析所述采集设备采集到的头部视频数据,并将分析结果通知所述反馈设备。所述反馈设备用于根据分析结果调整针对被检测物的操作。
Description
技术领域
本发明涉及辐射成像检测技术,尤其涉及一种安检图像纠偏方法和系统。
背景技术
随着世界各国对公共安全要求的提高,尤其是在机场、车站、海关、码头等公共场所,都采取措施对旅客行李物品、货物集装箱等进行严格检查,其中,安检系统提供的安全检查技术多为辐射成像技术。
目前,辐射成像技术是各国广泛使用的安检系统中的主流技术,该技术以射线(如X射线)与被检测物的相互作用原理为基础。通常的辐射成像安检系统包括布置在被检测物一侧的射线源,用于照射被检测物。一般的,布置在被检测物另一侧的射线采集装置接收透射被检测物的射线,该射线采集装置将接收到的射线数据输出给成像装置,用以识别并合成图像显示出来。上面描述的图像安检系统如图1所示,包括图像检测设备110、图像获取设备120和图检员130;其中,由图像检测设备110检测射线,将该射线转换为数据并输送给所述图像获取设备120;所述图像获取设备120对所述数据进行识别,并将识别结果转换为被检测物的图像数据,所述图像数据包括被检测物的原始图像或物质种类;而射线照射的被检测对象中是否含有危险品,或者系统是否存在故障则由图检员人工判断。在实际应用中,如图2所示,射线成像设备A(如X光物品检查机)即为所述图像检测设备110,工控机或微机设备B即为所述图像获取设备120,而图2中的C即为图检员。
在前述图像安检系统中,所述图检员C是系统的关键构成,其主要通过肉眼观察所述工控机或微机设备B显示的图像来判断当前被检测物中是否存在危险品、或系统是否存在故障;但在此关键环节中,所述图检员C的疲劳程度、注意力状态、情绪等因素会严重影响其判断力,从而会增加检测结果的不确定性,极易导致安检系统起不到应有的安全检查作用。
发明内容
有鉴于此,本发明实施例提供一种安检图像纠偏方法和系统,通过评价图检员的头部视频数据、并根据该评价触发相应的调整操作,以此来提高图像安检系统的可靠性。
为解决上述问题,本发明实施例提供的安检图像纠偏方法包括:
检测射线与被检测物的相互作用数据,生成被检测物的图像数据;
将所述图像数据显示为被检测物的原始图像,记录所述原始图像的显示时间;
在所述原始图像的显示时间内采集图检员的头部视频数据;
分析采集到的所述头部视频数据;
根据分析结果调整针对被检测物的操作。
本发明实施例提供的安检图像纠偏系统包括:
图像检测设备;
与所述图像检测设备相连的图像获取设备;
与所述图像获取设备相连的采集设备;
与所述采集设备相连的分析设备;以及
分别与所述图像获取设备和所述分析设备相连的反馈设备;
其中,所述图像检测设备用于检测射线与被检测物的相互作用数据;
所述图像获取设备用于将所述相互作用数据转换显示为被检测物的原始图像,并记录所述原始图像的显示时间;
所述采集设备用于在所述原始图像的显示时间内采集图检员的头部视频数据,并将采集到的数据发送给所述分析设备;
所述分析设备用于分析所述采集设备采集到的头部视频数据,并将分析结果通知所述反馈设备;以及
所述反馈设备用于根据分析结果调整针对被检测物的操作。
可以看出,采用本发明实施例的方法和系统,在不影响正常图像安检流程的基础上,针对图像安检过程中图检员对于安检结果的决定性影响,在显示被检测物的原始图像的同时通过采集、分析所述图检员的头部视频数据,进而判断所述图检员当前的注意力是否集中,并根据分析结果做出针对被检测物的调整操作指示,即利用针对图检员状态的数据采集分析进行闭环控制,同时结合反馈方式的建立,使得系统设备能够根据分析结果针对被检测物进行相应的调整操作,从而可以避免因图检员的注意力不集中导致的安检结果的不准确性,提高了图像安检系统的可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些示例性实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是现有技术中的安检图像系统组成结构示意图;
图2是现有技术中的安检图像系统实际应用示意图;
图3是本发明实施例1的安检图像纠偏方法流程示意图;
图4是本发明实施例2的安检图像纠偏系统结构示意图。
具体实施方式
本发明的基本思想在于以现有图像安检系统为基础,在图像显示的同时采集图检员的头部视频数据,并根据所述图检员的头部视频数据对图检员的状态进行评价,然后针对评价结果触发相应的调整操作,以此来提高图像安检系统的可靠性。
其中,需要注意的是,为实现本发明的发明目的,本发明实施例采用了现有技术中的“图像检测设备”,如射线成像设备等,其实现的功能和具体工作过程与现有技术相同;同时,对现有技术中的“图像获取设备”进行了改进,并增加了用以采集图检员头部视频数据的“采集设备”、用以对图检员状态进行评价的“分析设备”、以及针对分析设备的分析结果对图像安检过程进行相应调整操作的“反馈设备”,其具体实现将在下述各实施例中进行详细描述。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述;显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例1提供了一种安检图像纠偏方法,如图3所示,该方法包括:步骤301:检测射线与被检测物的相互作用,并将检测结果转换为数据;
本实施例中可采用现有图像安检系统中的图像检测设备,利用该图像检测设备来检测射线与被检测物相互作用的数据;其中,所述图像检测设备利用辐射成像原理,检测射线与被检测物的相互作用,并将检测结果转换为数据,具体的辐射成像原理本文不再赘述。
步骤302:将所述数据转换为被检测物的图像数据;尤其值得注意的是:所述图像数据应至少包括当前被检测物的原始图像,也可以包含当前被检测物的物质种类等;记录所述原始图像的显示时间;其中,在本发明实施例中,该操作可利用图像获取设备来实现,但并不局限于此;
具体的,可采用现有技术中的成像方法,根据所述图像检测设备检测到的当前被检测物的射线衰减数据,生成当前被检测物的原始图像IColor以及物质种类Z;其中,IColor和Z大小相同,此处设其为M行N列;一般来说,Z的值可大致分为4种类别,即空气、有机物、混合物和无机物。
需要注意的是,在获取当前被检测物的图像数据的后,系统在显示器上进行显示。此处将单幅图像检查时间段记为IITI(Image Inspection TimeInterval),它由被捡物显示在显示器上的开始时间tin、结束时间tout组成,即IITI={tin,tout}。一般的,tin为IColor全部出现在屏幕上的时刻,tout为IColor全部移出屏幕的时刻;此原始图像显示时间的获取也可采用现有成熟技术来实现,在此不再赘述。
步骤303:在所述原始图像的显示时间内采集图检员的头部视频数据;本实施例中提及的采集通常是利用采集设备来实现的,如摄像头等,但并不局限于此;同时采集操作还可以包含多种采集形式和采集内容,并且本领域技术人员很容易了解,所述采集视频数据是目前比较成熟的技术,因此本实施例在此并不做具体阐述;
值得说明的是,现有技术中对于视频数据的采集是容易实现的;但,由于本实施例提出的方法是应用于图像安检系统中,而在图像安检过程中,只有当被检测物的原始图像处于显示过程时,所述图检员的注意力是否集中才会对检测结果构成影响;因而,本实施例的安检图像纠偏方法从该特定阶段的图检员注意力角度出发,通过在所述原始图像的显示时间内采集图检员的头部视频数据V,从而可以保证根据所述视频数据分析结果做出的调整操作才是更接近于实际应用,也是更有意义的。
步骤304:分析采集到的所述头部视频数据;本实施例中提及的分析通常是利用分析设备来实现的,并且可以包含多种形式和内容,下面仅以几种常见的分析操作为例进行详细说明,但本领域技术人员很容易了解,所述分析并不局限于此:
1)、以人脸检测技术为基础,判断在原始图像显示时间内,在所述头部视频数据中是否能始终检测到图检员的面部数据;
其中,人脸检测技术是较为成熟的技术,目前已得到广泛的应用;例如,Intel公司开发的开源计算机视觉库Opencv:其是在大规模训练集上,基于Cascade的Adaboost分类器来实现人脸检测的;具体的,
如果在视频数据V内,共有NV帧图像,则第i帧图像中是否包含人脸的检测结果fi为:
此时定义注意力值F为:
(其中“∑”表示求和运算,下同)
设注意力判断阈值为TC1,若F≥TC1,则判定针对当前被检测物,图检员的注意力集中;反之,则判定为注意力不集中;具体的人脸检测技术也可参考文献:P.Viola,M.J.Jones,Robust Real-Time Face Detection,InternationalJournal ofComputerVision 57(2),137-154,2004;本文在此不再赘述。
2)、以眼睛检测与状态识别技术为基础,判断在所述头部视频数据V中,是否在原始图像的显示时间段内始终能检测到图检员的睁眼状态数据;
所述眼睛检测技术也可采用与人脸检测技术相类似的方式实现;而所述眼睛状态识别技术可采用多种方式:从采集方式上可分为可见光、红外光、单目、双目等;从算法上可分为基于瞳孔反射光、模板匹配、子空间学习、神经网络方式等;具体内容参见文献:D.W.Hansen,Q.Ji,In the Eye of theBeholder:A Survey of Models for Eyes andGaze,IEEE Trans.PAMI,Vol.32,No.3,March,2010;下面针对眼睛检测和眼睛状态识别分别举例进行详细说明:
首先,针对人脸图像Ii及左眼在Ii上的位置(xl,yl),构造以下滤波器li:
设Ii的长、宽均为HWe,给定尺寸等于Ii的脉冲响应函数即g(x,y)在仅左眼位置上有脉冲响应;
设ham为大小是(HWe/16)×(HWe/16)的二维海明窗,则
构造频域响应(其中为卷积运算,“fft”为傅里叶变换运算,下同)
计算人脸图像的傅立叶变换:F(ω,υ)=fft(I(x,y));
由上述步骤即可构造li,即li(x,y)=ifft(F(ω,υ)×G(ω,υ));(其中“ifft”为傅里叶反变换,下同)
对所有人脸图像下求得的li求平均,再进行傅立叶变换,即可得到左眼对应的ASEF(average of synthetic exact filters)滤波器其中,NE为构造L时所用的训练样本量,不失一般性,NE取1000即可得到预期效果。
A、检测眼睛位置
针对采集到的人脸图像I,由上述滤波器L进行眼睛检测:
先进行人脸检测,若未检测到人脸,则不继续进行眼睛检测;若检测到了人脸,则将检测到的人脸区域缩放到HWe×HWe像素大小,并进行求对数、减均值操作,得到归一化人脸图像If;
利用所述滤波器L对If进行滤波,得到滤波结果gf:
gf=ifft(fft(If)×L),gmax=max(gf)
其中,左眼位置即为gf的最大值gmax处;
分别对左眼、右眼进行上述操作,即可检测双眼位置。
B、眼睛状态识别
首先,设IE为针对眼睛状态检测的训练样本集,其中每一幅样本都为HWe×HWe大小的人脸图像。设睁眼图像子集闭眼图像子集(EC∩EO=Φ),而睁眼图像子集和闭眼图像子集对应的样本量分别为NEO与NEC。根据上述检测方法,在EO和EC数据集上分别求得眼睛部位的平均最大相应值θEO和θEC:
则可确定判定阈值θE为:θE=(θEO+θEC)/2;
基于此,对未知状态人脸图像If,先求得其左、右眼相应gf的最大值gmax L和gmax R,若max(gmax L,gmax R)>θE,则判定为睁眼状态,否则判定为闭眼状态;若判定为睁眼状态,则表明图检员当前的注意力集中在了所述被检测物原始图像IClolr上;否则,可确定图检员当前的注意力不集中;
另外,眼睛睁闭状态的识别技术目前也比较成熟,比如采用Smart Eye公司的司机防沉睡系统即可实时给出眼睛的睁闭状态数据,在此不再赘述。
3)、在原始图像的显示时间段内,以头部姿态估计为基础,判断在所述头部视频数据V中,头部转动角度是否在阈值范围内,以判定图检员目光是否保持在所述原始图像上,进而判定所述图检员的注意力是否集中;
本实施例中提及的姿态估计也是目前比较成熟的技术,可参见文献:E.M.Chutorian,M.M.Trivedi,Head Pose Estimation in Computer Vision:ASurvey,IEEE Trans.PAMI,Vol.31(4),2008,pp.607-626;其目的是要确定人头部在三维空间中的位置与各个自由度的转角数据Ps,
Ps={x,y,z,α,β,γ}
其中,x为人头部中心在采集的视频图像中的横坐标,y为纵坐标,z为人头部与屏幕距离,α、β、γ分别为人头部的水平、垂直、侧向等三个自由度的偏转角;根据这些数据即可判断出图检员头部朝向是否在原始图像显示范围内;值得注意的是,所述x、y坐标可由所述的人脸检测方法直接获得,z可由检测到的人脸图像的尺寸近似获取,本实施例在此不再赘述,仅举例说明α、β、γ三个参数的获取方式:
参见文献Erik Murphy-Chutorian,Anup Doshi,and Mohan M.Trivedi.HeadPoseEstimation for Driver Assistance Systems:A Robust Algorithm andExperimentalEvaluation,IEEE Conf.Intelligent Transportation Systems,Sept2007,首先构建姿态估计数据库:
第一、在水平方向旋转角α变化[-60,60]度范围内,垂直方向旋转角度β变化[-30,30]度范围内,以步长5度获取采集到的头部视频数据中的头部姿态图像,采集角度点共325个;在每个偏转角度(αi,βj)下,获取30幅不同头部图像,并按照人脸库构造方法,将其中人脸图像裁出,并将其大小归一化为(128像素×128像素);
计算每幅图像I在水平、垂直方向的梯度Gx、Gy:
根据梯度Gx、Gy确定每个像素的方向角,并量化为8个方向,每个像素点Iij对应的方向角oij为:
将图像分成N×N个区域,在每个区域中统计方向角o的直方图:i,j为子区域中的坐标值,k=(1,2,…,8)
将uijk排列为矢量即可得到局部梯度方向矢量U;在本发明实施例中,取N=4,则矢量U为N×N×8=128维矢量;在实际应用中,在已知所有样本的旋转角度(αi,βj)及其对应特征矢量U后,根据支持向量回归(SVR)建立模型Mα和Mβ,即针对水平、垂直偏转分别建立模型,使用开源工具LIBSVM来训练Mα和Mβ;然后针对采集到的头部视频数据中的每帧图像,获得其局部梯度方向矢量U,再使用LIBSVM进行SVR回归分析,即可得到其对应的(α,β)角度;
第二、通过多次实验后获知,所述头部图像中左右眼中心所成直线和水平线夹角值与γ真实值相近;因此,可采用上述眼睛检测方法,获知两眼连线与水平线所成夹角,此夹角值即可确定为所述γ值;
本领域普通技术人员很容易理解,在获得所述x,y,z,α,β,γ参数后,即可确定人头部在三维空间中各个自由度的转角数据Ps;当该转角数据Ps小于预设的头部转动角度阈值P时,即可判定图检员目光保持在所述原始图像上,也即可判定所述图检员的注意力集中;否则,可确定所述图检员的注意力不集中。
4)、以视线估计为基础,判断在所述头部视频数据V中,目光注视位置在原始图像的显示时间段内是否始终停留在所述原始图像上;本实施例中涉及的视线估计方法可采用现有技术来实现,其可根据采集设备、光照方式、算法的不同分成多个种类,优选地可采用双目非接触式采集、非可见光红外照射下形成的系统采集,如德国SMI公司的iView X Red,美国ASL公司的D6,澳大利亚Seeing Machine的Facelab,Tobii公司的Tx系列产品等等,都可以实时的得到目光在图像上注视、扫视的位置,本文在此不再赘述;
当所述目光注视位置在原始图像的显示时间段内始终停留在所述原始图像上时,判定所述图检员的注意力集中;否则,判定所述图检员的注意力不集中。
步骤305:根据分析结果调整针对被检测物的操作;在本实施例中,可利用反馈设备来根据分析结果调整针对被检测物的操作;具体调整操作可包括多种情况,下面仅以危险品插入流程为例对调整操作进行详细说明,但并不局限于此:
当所述分析结果表明当前图检员的注意力不集中时,触发危险品插入(ThreatImage Projection,TIP)流程;具体包括但不限于以下几种:
A、向图像获取设备发送标准异常图像;
B、向图像获取设备发送危险品图像,使之与真实图像叠加;
C、在真实图像中插入正确操作对应的物质种类的图像;
值得注意的是,在现有的图像安检系统中,所述TIP技术已经比较成熟,并且上述几种方式只是本实施例提出的常用方式而已,在实际应用中还可以包含其他形式,在此本文不再赘述。
此外,基于上述实施例,所述图像安检纠偏方法还可以包括:
步骤306:在调整操作后转执行步骤304,如果所述图检员的注意力仍然不集中,则向上级系统发送故障报告。
需要说明的是,虽然上述头部视频数据的分析内容和过程单独来看皆可采用现有技术来实现,但是本发明的出发点并不在于所述分析的具体内容和过程,而是针对图像安检过程的特殊性,即针对图检员对于图像安检的决定性影响,通过采集、分析所述图检员的头部视频数据进而做出调整操作,以此来避免由于图检员的注意力不集中导致的安检结果的不准确性;其中,对于所述头部视频数据的具体分析过程本实施例的方法并不作具体限定,本实施例的方法改进的是通过采集和分析所述头部视频数据,得出分析结果,并根据分析结果确定最终的调整操作;因而,本实施例的技术方案重点在于针对图像安检的特殊性提出的采集、分析和调整操作,以及这几种操作之间的逻辑关系,重要的是如何利用所述几种操作及其之间的联系,起到避免因图检员注意力不集中而导致图像安检结果不准确的作用。
可以看出,采用上述实施例的方法,在不影响正常图像安检流程的基础上,针对图像安检过程中图检员对于安检结果的决定性影响,在显示被检测物的原始图像的同时通过采集、分析所述图检员的头部视频数据,进而判断所述图检员当前的注意力是否集中,并根据分析结果做出针对被检测物的调整操作指示,即利用针对图检员状态的采集分析进行闭环控制,同时结合反馈方式的建立,使得系统设备能够根据分析结果针对被检测物进行相应的调整操作,从而可以避免因图检员的注意力不集中导致的安检结果的不准确性,提高了图像安检系统的可靠性。
基于上述思想,本发明实施例2又提出了一种安检图像纠偏系统,如图4所示,该系统400包括:图像检测设备410,与所述图像检测设备410相连的图像获取设备420,与所述图像获取设备420相连的采集设备430,与所述采集设备430相连的分析设备440,以及分别与所述图像获取设备420和分析设备440相连的反馈设备450;
其中,所述图像检测设备410用于检测射线与被检测物相互作用的数据,并将所述数据发送给所述图像获取设备420;
所述图像获取设备420用于将所述数据转换并显示为被检测物的原始图像,记录所述原始图像的显示时间,并将显示时间发送给所述采集设备430、将原始图像和显示时间发送给分析设备440;
所述采集设备430用于在所述原始图像的显示时间内采集图检员的头部视频数据,并将采集到的数据发送给与之相连的分析设备440;其中,在实际应用中,所述采集设备430多为一个或多个摄像头,如USB摄像头、CCTV摄像头、双目摄像头、显示器自带摄像头等;而所述采集设备的安装位置也可根据具体应用情况而有不同选择,但为了采集到良好的视频数据,所述采集设备430通常设置在所述图像获取设备420的正上方;
所述分析设备440用于分析所述采集设备430采集到的头部视频数据,并将分析结果通知与之相连的反馈设备450;
所述反馈设备450用于根据分析结果调整针对被检测物的操作。
此外,本实施例安检图像纠偏系统中的所述分析设备可包括:
第一处理单元,用于判断在原始图像显示时间内,在所述头部视频数据中是否能始终检测到图检员的面部数据,如果不能,则确定图检员当前的注意力不集中;以及,与所述第一处理单元相连、用于当所述图检员的注意力不集中时通知所述反馈设备的通知单元。
此外,所述分析设备还可包括:第二处理单元,用于判断在原始图像显示时间内,在所述头部视频数据中是否能始终检测到图检员的睁眼状态数据;如果不能,则确定图检员当前的注意力不集中;
其中,当所述分析设备包括第二处理单元时,所述通知单元也与所述第二处理单元相连。
除此之外,所述分析设备还可包括:第三处理单元,用于判断在原始图像显示时间内,所述图检员的头部转动角度是否始终在预设的阈值范围内;如果不是,则确定图检员当前的注意力不集中;
其中,当所述分析设备包括第三处理单元时,所述通知单元也与所述第三处理单元相连。
优选的,所述分析设备还可包括:第四处理单元,用于判断在原始图像显示时间内,所述图检员的目光注视位置是否始终停留在所述原始图像上;如果不是,则确定图检员当前的注意力不集中;
其中,当所述分析设备包括第四处理单元时,所述通知单元也与所述第四处理单元相连。
基于前述分析设备包含的不同模块,本实施例系统中的所述反馈设备还可包括:接收所述通知单元通知的接收单元,以及根据该通知触发危险品插入流程的触发单元。
此外,所述反馈设备还包括:在触发单元触发危险品插入流程后监控分析设备分析结果的监控单元;以及,当监控到的分析结果表明所述图检员注意力仍然不集中后,向上级系统发送故障报告的上报单元。
本领域技术人员很容易了解,上述实施例中所描述的系统仅仅描述了与传统图像安检系统不同之处,其二者共有之处本文不再赘述;并且,在实际应用中,本领域技术人员很容易了解,上述实施例系统中的所述图像获取设备、分析设备和反馈设备中的任意两种或三种皆可模块化为一体,在此不再赘述。
本领域技术人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或本领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明实施例。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明实施例的精神或范围的情况下,在其它实施例中实现。因此,本发明实施例将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅为本发明实施例的较佳实施例而已,并不用以限制本发明实施例,凡在本发明实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (15)
1.一种安检图像纠偏方法,其特征在于,该方法包括以下步骤:
检测射线与被检测物的相互作用数据,生成被检测物的图像数据;
将所述图像数据显示为被检测物的原始图像,记录所述原始图像的显示时间;
在所述原始图像的显示时间内采集图检员的头部视频数据;
分析采集到的所述头部视频数据以确定图检员当前的注意力是否集中;
根据分析结果调整针对被检测物的操作。
2.根据权利要求1所述的方法,其特征在于,所述分析采集到的头部视频数据步骤包括:
判断在所述头部视频数据中是否能始终检测到图检员的面部数据;如果不能,则确定图检员当前的注意力不集中。
3.根据权利要求1所述的方法,其特征在于,所述分析采集到的头部视频数据步骤包括:
判断在所述头部视频数据中是否能始终检测到图检员的睁眼状态数据;如果不能,则确定图检员当前的注意力不集中。
4.根据权利要求1所述的方法,其特征在于,所述分析采集到的头部视频数据步骤包括:
判断所述图检员的头部转动角度是否始终在预设的阈值范围内;如果不是,则确定图检员当前的注意力不集中。
5.根据权利要求1所述的方法,其特征在于,所述分析采集到的头部视频数据步骤包括:
判断所述图检员的目光注视位置始终停留在所述原始图像上;如果不是,则确定图检员当前的注意力不集中。
6.根据权利要求2至5中的任一项所述的方法,其特征在于,所述根据分析结果调整针对被检测物的操作步骤包括:
当所述分析结果表明当前图检员的注意力不集中时,触发危险品插入流程。
7.根据权利要求6所述的方法,其特征在于,所述触发危险品插入流程至少包括以下方式中的一种:
向图像获取设备发送标准异常图像;或,
向图像获取设备发送危险品图像,使之与真实图像叠加;或,
在真实图像中插入正确操作对应的物质种类的图像。
8.根据权利要求6所述的方法,其特征在于,该方法还包括:
在触发危险品插入流程后继续执行分析操作,如果分析结果表明所述图检员的注意力仍然不集中,则向上级系统发送故障报告。
9.一种安检图像纠偏系统,该系统包括:
图像检测设备;
与所述图像检测设备相连的图像获取设备;
与所述图像获取设备相连的采集设备;
与所述采集设备相连的分析设备;以及
分别与所述图像获取设备和所述分析设备相连的反馈设备;
其中,所述图像检测设备用于检测射线与被检测物的相互作用数据;
所述图像获取设备用于将所述相互作用数据转换显示为被检测物的原始图像,并记录所述原始图像的显示时间;
所述采集设备用于在所述原始图像的显示时间内采集图检员的头部视频数据,并将采集到的数据发送给所述分析设备;
所述分析设备用于分析所述采集设备采集到的头部视频数据以确定图检员当前的注意力是否集中,并将分析结果通知所述反馈设备;以及
所述反馈设备用于根据分析结果调整针对被检测物的操作。
10.根据权利要求9所述的系统,其特征在于,所述分析设备包括:
第一处理单元,用于判断在所述头部视频数据中是否能始终检测到图检员的面部数据,如果不能,则确定图检员当前的注意力不集中;以及,
与所述第一处理单元相连、用于当所述图检员的注意力不集中时通知所述反馈设备的通知单元。
11.根据权利要求9所述的系统,其特征在于,所述分析设备包括:
第二处理单元,用于判断在所述头部视频数据中是否能始终检测到图检员的睁眼状态数据;如果不能,则确定图检员当前的注意力不集中;以及,
与所述第二处理单元相连、用于当所述图检员的注意力不集中时通知所述反馈设备的通知单元。
12.根据权利要求9所述的系统,其特征在于,所述分析设备包括:
第三处理单元,用于判断所述图检员的头部转动角度是否始终在预设的阈值范围内;如果不是,则确定图检员当前的注意力不集中;以及,
与所述第三处理单元相连、用于当所述图检员的注意力不集中时通知所述反馈设备的通知单元。
13.根据权利要求9所述的系统,其特征在于,所述分析设备包括:
第四处理单元,用于判断所述图检员的目光注视位置是否始终停留在所述原始图像上;如果不是,则确定图检员当前的注意力不集中;以及,
与所述第四处理单元相连、用于当所述图检员的注意力不集中时通知所述反馈设备的通知单元。
14.根据权利要求10至13中的任一项所述的系统,其特征在于,所述反馈设备包括:
接收所述通知单元通知的接收单元,以及根据该通知触发危险品插入流程的触发单元。
15.根据权利要求14所述的系统,其特征在于,所述反馈设备还包括:
在触发单元触发危险品插入流程后监控分析设备分析结果的监控单元;以及,
在监控到的分析结果表明所述图检员注意力仍然不集中后向上级系统发送故障报告的上报单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010527376.XA CN102456129B (zh) | 2010-10-26 | 2010-10-26 | 一种安检图像纠偏方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010527376.XA CN102456129B (zh) | 2010-10-26 | 2010-10-26 | 一种安检图像纠偏方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102456129A CN102456129A (zh) | 2012-05-16 |
CN102456129B true CN102456129B (zh) | 2017-11-14 |
Family
ID=46039306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010527376.XA Active CN102456129B (zh) | 2010-10-26 | 2010-10-26 | 一种安检图像纠偏方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102456129B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469018B (zh) * | 2014-08-07 | 2020-03-13 | 中兴通讯股份有限公司 | 一种人眼定位的方法和设备 |
CN106986272B (zh) * | 2017-02-24 | 2018-05-22 | 北京航天自动控制研究所 | 一种基于机器视觉跟踪的集装箱货柜车防吊起方法及系统 |
CN107200274A (zh) * | 2017-04-26 | 2017-09-26 | 江苏大学 | 一种基于机器视觉的防集装箱卡车被吊起方法 |
CN109941702B (zh) * | 2019-03-14 | 2021-04-23 | 何山 | 一种x射线机器视觉安检设备用双传送带控制系统 |
CN115620385B (zh) * | 2022-11-07 | 2023-07-28 | 湖南苏科智能科技有限公司 | 一种基于多元数据的安检工作人员注意力检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1779444A (zh) * | 2004-11-26 | 2006-05-31 | 清华大学 | 一种用射线源对液体进行ct安全检测的方法及其装置 |
CN101639894A (zh) * | 2009-08-31 | 2010-02-03 | 华南理工大学 | 在线检测列车驾驶员行为和疲劳状态的方法及其检测系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4922715B2 (ja) * | 2006-09-28 | 2012-04-25 | タカタ株式会社 | 乗員検出システム、警報システム、制動システム、車両 |
CN101221670A (zh) * | 2008-01-04 | 2008-07-16 | 成都双流国际机场空港科技有限公司 | 机场安检信息系统 |
CN202075756U (zh) * | 2010-10-26 | 2011-12-14 | 同方威视技术股份有限公司 | 一种安检图像纠偏系统 |
-
2010
- 2010-10-26 CN CN201010527376.XA patent/CN102456129B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1779444A (zh) * | 2004-11-26 | 2006-05-31 | 清华大学 | 一种用射线源对液体进行ct安全检测的方法及其装置 |
CN101639894A (zh) * | 2009-08-31 | 2010-02-03 | 华南理工大学 | 在线检测列车驾驶员行为和疲劳状态的方法及其检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102456129A (zh) | 2012-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101577812B (zh) | 一种岗位监测的方法和系统 | |
CN108090458B (zh) | 人体跌倒检测方法和装置 | |
CN102456129B (zh) | 一种安检图像纠偏方法和系统 | |
CN106056079B (zh) | 一种图像采集设备及人脸五官的遮挡检测方法 | |
CN110705500B (zh) | 基于深度学习的人员工作图像的注意力检测方法及系统 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN102880781B (zh) | 在线考试智能监控系统 | |
CN102841354A (zh) | 一种具有显示屏幕的电子设备的保护视力实现方法 | |
CN102890747A (zh) | 在线考试智能监控方法 | |
CN108596041A (zh) | 一种基于视频的人脸活体检测方法 | |
CN110618635A (zh) | 一种基于ai技术的列车驾驶室作业规范监测系统 | |
CN106919921A (zh) | 结合子空间学习与张量神经网络的步态识别方法及系统 | |
US20220122360A1 (en) | Identification of suspicious individuals during night in public areas using a video brightening network system | |
CN104408781A (zh) | 专注度考勤系统 | |
CN108174198B (zh) | 一种视频图像质量诊断分析检测设备及应用系统 | |
CN207636791U (zh) | 一种大客流快速安检门 | |
CN106611165B (zh) | 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置 | |
CN102724394A (zh) | 考场监控摄像头 | |
CN110633681A (zh) | 一种基于视频的离床检测方法 | |
KR20200059643A (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 | |
CN108960169A (zh) | 基于计算机视觉的仪器设备状态在线监测方法及系统 | |
EP3021256A1 (de) | Verfahren zur bildverarbeitung, präsenzdetektor und beleuchtungssystem | |
EP2603905B1 (de) | Verfahren und vorrichtung zum erkennen und verifizieren von manipulationsversuchen an einem selbstbedienungsterminal | |
CN109409173A (zh) | 基于深度学习的驾驶人状态监测方法、系统、介质及设备 | |
Singh et al. | Driver fatigue detection using machine vision approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |