CN102567733A - 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 - Google Patents

Abstract

本发明涉及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，其包括：对输入微波图像进行分割，并对人体区域在水平方向构建一维空间分布直方图；对水平空间分布直方图进行最优迭代搜索确定人体在图像中的中线位置；在垂直方向构建人体区域空间分布直方图；在垂直空间分布直方图中寻找最大的两个局部极大值位置，对应确定为人体的近似胸部与髋部高度；在胸部位置以上、水平中线位置周围局部区域通过图像匹配确定头部精确位置；在髋部位置、水平中线位置周围局部区域通过图像匹配确定裆部精确位置；对检测获得头部、胸部、裆部位置周围特定区域通过平滑处理完成遮挡。

Description

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

技术领域

本发明涉及一种微波图像处理方法，具体涉及一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，属于图像处理与安检技术领域。

背景技术

微波在传播过程中具有一定穿透性。通过微波成像技术，能够对被扫描人体获得不受衣物遮挡等影响的成像结果图像。基于微波图像能够有效地发现被扫描者身上衣物下隐藏携带的危险物品，如金属刀具、不明液体等。但需要注意的是，安检过程应该尊重被扫描者的法律权利，应该对被扫描者的隐私信息采取保护措施。

在非合作情况下，被检测对象在检测过程中在检测空间中站立的空间位置具有任意性，且被检测对象的身高、体型、姿态等相互之间存在很大差别，在微波图像结果中实现对被扫描者的自动空间定位，并对其隐私部位完成自动检测、遮挡处理是一项值得研究的重要技术。

现有的关于行人检测、人脸检测等方法主要是针对可见光图像数据。在可见光图像中人脸、行人等灰度层次较高，具有丰富的纹理信息，可以基于Haar特征、灰度匹配、有向梯度直方图(HOG)等特征进行检测处理。但是在本专利基于微波成像的安检系统应用中，上述方法并不适用，主要原因如下：1)微波图像与可见光图像成像机理有着本质的区别，成像结果差别很大。微波图像灰度层次低，清晰度低，且受相干斑乘性噪声的影响。可见光图像中的行人检测、人脸检测方法在微波图像中不能适用；2)基于微波成像的安检系统应用中对隐私检测、遮挡方法的时间、空间效率要求很高，已有的HOG特征等在计算过程中特征变量的维数过高，严重影响使用感受。

此外，在安检过程中，为尽可能方便被检测对象，不可能对被检测者的空间站立位置、站立姿态、四肢放置位置、姿势等进行过于严格的约束、要求。检测过程基本上可看作为一非合作情况。基于简单规则设定的方法在非合作情况下被检测者空间位置、身高、体型、四肢姿势等不确定因素的因素的影响下表现很差，需要针对微波图像的内容信息进行分析，设计专门的隐私部位自动检测、遮挡方法。

发明内容

本发明的目的旨在提供一种简单高效的非合作情况下微波图像中人体隐私部位自动检测、遮挡方法，其主要包括如下步骤：

a)输入包含非合作情况下人体检测结果的灰度微波图像I(x，y)；

b)对灰度微波图像I(x，y)进行灰度分割获得二值化图像B(x，y)，并构建人体区域x方向空间分布直方图；

c)对x方向空间分布直方图进行最优分割确定人体垂直中位线所在横坐标位置；

d)构建人体区域y方向空间分布直方图；

e)对y方向空间分布直方图进行局部极大值检测并排序，进行肩部、髋部位置的粗略定位；

f)结合运用预先构建的头部灰度统计检测模板、裆部灰度统计检测模板进行头部位置精确定位与裆部位置精确定位，并结合肩部位置粗略定位的结果进行胸部位置准确定位；

g)结合定位结果对头部、胸部、裆部隐私位置进行遮挡处理。

优选地，步骤b)包括如下子步骤：

b1)对输入灰度微波图像I(x，y)通过阈值T分割获得对应二值化图像B(x，y)：

$B(x,y)=\left\{\begin{array}{cc}255& I(x,y)\&GreaterEqual;T\\ 0& I(x,y)<T\end{array}\right.,1\&le;x\&le;X,1\&le;y\&le;Y$

其中，X为图像列数目，Y为图像行数目，B(x，y)中值为255的亮区域代表人体区域；

b2)对B(x，y)中分割出的人体区域在x方向构建空间分布直方图向量H：

$H\left(x\right)=\underset{y}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

b3)对所构建的x方向空间分布直方图向量H进行平滑处理，平滑尺度为3：

$H\left(x\right)=\left\{\begin{array}{cc}H\left(x\right)& x<2\\ (H(x-1)+H\left(x\right)+H(x+1))/3& 2\&le;x\&le;X-1\\ H\left(x\right)& x>X-1\end{array}\right..$

优选地，步骤c)中具体包括如下子步骤：

c1)在x方向空间分布直方图向量H中设定初始中心点位置值

$x_t^{\left(0\right)}=(\min \left(x\right)+\max \left(x\right))/2;$

c2)进行第n步迭代，根据n-1步迭代结果位置值

分别计算空间分布位置低于

的集合A与空间分布位置高于

的集合B的空间分布均值：

${\mathrm{\&mu;}}_A^n=\frac{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)},$ ${\mathrm{\&mu;}}_B^n=\frac{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)}$

c3)

如果

则停止迭代，否则跳至子步骤c2)继续迭代过程；

最终迭代计算结果为

即获得微波图像竖线I(x_t，y)，对应为人体中位线所在位置。

优选地，步骤d)中具体包括如下子步骤：

d1)基于二值图像B(x，y)中分割出的人体区域在y方向构建空间分布直方图向量V：

$V\left(y\right)=\underset{x}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

d2)对所构建的y方向空间分布直方图V进行平滑处理，平滑尺度为3：

$V\left(y\right)=\left\{\begin{array}{cc}V\left(y\right)& y<2\\ (V(y-1)+V\left(y\right)+V(y+1))/3& 2\&le;y\&le;Y-1\\ V\left(y\right)& y>Y-1\end{array}\right..$

优选地，步骤e)中具体包括如下子步骤：

e1)在y方向空间分布直方图向量V中，计算局部极大值所在位置：局部区域的尺度定义为40像素，如果对于任一点y，此处向量值V(y)在其局部区域范围[y-20，y+20]内值为最大，即

则V(y)为局部极大值，y为局部极大值位置；

e2)对计算获得的多个局部极大值位置，按照其对应的局部极大值V(y)进行自大到小排序；

e3)取V(y)排序结果中前两个对应的局部极大值位置y_s、y_e，y_s＞y_e，其中，y_s对应人体肩部高度位置，y_e对应人体髋部高度位置。

优选地，步骤f)中具体包括如下子步骤：

f1)基于N幅实验图像选取理想头部检测训练模板与理想裆部检测训练模板，N是自然数；

f2)分别对所选择获得的N幅大小相等的头部训练子图、N幅裆部训练子图进行灰度平均处理，获得头部灰度统计检测模板T_H与裆部灰度统计检测模板T_E；

f3)在肩部位置高度以上且水平中线位置附近局部区域通过图像匹配确定头部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与头部灰度统计检测模板T_H基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(h_x，h_y)为检测获得的头部中心位置，

为头部x方向间距变量，

为头部y方向间距变量；

f4)在髋部位置高度附近且水平中线位置附近局部区域通过图像匹配确定裆部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与裆部灰度统计检测模板T_E基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(e_x，e_y)为检测获得的裆部中心位置，为裆部x方向间距变量，

为裆部y方向间距变量；

f5)结合肩部高度位置y_s估算人体胸部高度位置y_c：胸部高度位置满足y_c＝y_s-d_s，d_s为预设的y方向上肩胸间距变量，调整后的胸部中心位置为(x_t，y_c)。

优选地，步骤g)中具体包括如下子步骤：

根据获得的头部中心位置(h_x，h_y)、裆部中心位置(e_x，e_y)、胸部中心位置(x_t，y_c)周围进行模糊化，完成隐私部位遮挡处理：

g1)对头部中心位置(h_x，h_y)周围椭圆区域

其中短半轴a₁＝17像素，长半轴b₁＝24像素，以Gaussian核函数进行平滑处理；

g2)对胸部中心位置(x_t，y_c)周围椭圆区域

其中长半轴a₂＝30像素，长半轴b₂＝14像素，以Gaussian核函数进行平滑处理；

g3)对裆部中心位置(e_x，e_y)周围圆形区域(x-e_x)²+(y-e_y)²＝c²，其中圆半径c＝17像素，以Gaussian核函数进行平滑处理；

其中，Gaussian核函数尺度大小为11像素×11像素，标准差大小为8。

优选地，头部检测训练模板大小为50像素×30像素，裆部检测训练模板大小为55像素×40像素。

优选地，间距变量

像素，

像素，

像素，像素。

优选地，预设的y方向上肩胸间距变量d_s＝12。

本发明的有益效果是：通过实验验证，该方法能够有效实用于实际的微波安检系统中，实时性、鲁棒性高，正确识别率满足使用要求，解决了微波安检系统中对人体隐私部位的自动遮挡、保护问题。

附图说明

图1是本发明的微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法的流程图；

图2是本发明的微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法的原理示意组图；

图3是本发明的微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法的结果示例图。

具体实施方式

发明原理

在微波安检系统(如近场毫米波成像安检系统)中，在经过微波信号发射、接收以及对接收信号成像后，需要基于微波成像结果图像完成危险物品自动检测、人体隐私部位自动检测与遮挡等过程。本发明用于微波安检系统中的微波图像人体隐私部位的自动检测与遮挡过程。

在针对微波回波信号完成成像处理后，需要在对图像结果中被检测者的人体隐私部位进行自动检测与遮挡，以保护被检测者的隐私权。通常情况下，安检过程为非合作情况，即被检测者的空间站立位置、站立姿态、四肢放置位置、姿势等难以进行准确约束与限定。已有的图像中行人、人脸检测、识别特征与方法，一方面对微波成像结果数据不适用；另一方面难以满足安检系统中实时性要求，正如在背景技术部分中介绍的那样。

为了解决上述的问题，本发明提供了一种准确高效的非合作情况下在微波图像中自动检测、遮挡人体隐私部位的方法。

在微波安检过程中，对人体隐私部位的自动检测主要体现在两个方面：首先确定人体在图像中的水平位置，这主要是由于非合作情况下人体在安检过程中所站立的空间位置的不同以及在不同角度的人体微波回波成像结果反映在结果图像中表现为人体水平位置的不确定性；其实是确定人体各隐私部位(头部、胸部、裆部)的具体高度位置。目前，图像中人体检测、人脸检测等主要针对可见光图像进行研究。正如本领域技术人员所公知的，微波图像与光学图像信号有着本质的不同(噪声、灰度层次等方面)。受此影响，不能直接利用类似光学图像模式识别中的纹理、梯度等已有特征、方法完成本应用中隐私部位检测，需要结合微波灰度图象自身特点以及人体在成像结果中的结构特点完成。

而本发明的发明人经过大量试验发现了下述的技术特点：人体回波数据在成像结果中整体高于背景回波。反映在微波灰度图像中，人体区域虽然灰度层次上较低，但是人体结构在绝大多数成像角度下基本呈左右对称，只是双手的放置位置、姿态有所区别；另一方面，尽管微波检测具有较强的穿透性，但是无论从哪个成像角度上观察，结果图像中人体肩部附近、髋部附近灰度区域在水平宽度(厚度)上皆大于身体其他部位成像结果。如图2所示。

本发明利用这一技术特点，对输入微波灰度图像进行分割，并基于分割图像分别在水平方向构建人体区域像素一维空间分布直方图，然后通过对一维空间分布直方图进行迭代最优阈值分割，计算直方图分布中的中心对称位置作为非合作情况下微波图像中的人体垂直中位线的水平位置。通过垂直方向上构建人体区域像素一维空间分布直方图，并检测局部最大值对应为人体在水平方向上宽度(厚度)较大的肩部、髋部的粗略位置。最后在获得人体中线位置、肩部粗略位置、髋部粗略位置的基础上，通过局部灰度匹配完成头部中心位置与裆部中心位置的精确定位。

本领域的技术人员都知道，灰度匹配在图像信号处理中是一种很鲁棒、准确地模式识别方式。但是如果直接在全图中进行灰度匹配，一方面计算量很大，另一方面会导致很多虚警出现。通过人体中线位置、肩部粗略位置、髋部粗略位置的确定可以大大缩小匹配搜索范围，减少算法的计算量并提高算法的准确率。

下面结合附图和实施例对本发明非合作情况下的微波图像中人体隐私部位自动检测、遮挡的方法进行详细介绍。

如图1所示，本发明的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其主要包括如下步骤：

a)输入包含非合作情况下人体检测结果的灰度微波图像I(x，y)，如图2中的(a)子图所示；

b)对灰度微波图像I(x，y)进行灰度分割技术获得分割阈值T以及二值化图像B(x，y)；并构建人体区域x方向(水平方向)空间分布直方图，其优选包括如下子步骤：

b1)对输入灰度微波图像I(x，y)通过阈值T分割获得对应二值化图像B(x，y)：

$B(x,y)=\left\{\begin{array}{cc}255& I(x,y)\&GreaterEqual;T\\ 0& I(x,y)<T\end{array}\right.,1\&le;x\&le;X,1\&le;y\&le;Y$

其中，X为图像列数目，Y为图像行数目，B(x，y)中值为255的亮区域代表人体区域，二值化图像B(x，y)如图2中的(b)子图所示；

b2)对B(x，y)中分割出的人体区域在x方向构建空间分布直方图向量H：

$H\left(x\right)=\underset{y}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

b3)对所构建的x方向空间分布直方图向量H进行平滑处理，平滑尺度为3：

$H\left(x\right)=\left\{\begin{array}{cc}H\left(x\right)& x<2\\ (H(x-1)+H\left(x\right)+H(x+1))/3& 2\&le;x\&le;X-1\\ H\left(x\right)& x>X-1\end{array}\right..$

平滑后的x方向空间分布直方图向量H如图2中的(d)子图所示。该步骤中所使用的灰度分割技术是该领域的公知技术，在此不再赘述。

c)对x方向空间分布直方图进行最优分割确定人体垂直中位线所在横坐标位置，其优选包括如下子步骤：

c1)在x方向空间分布直方图向量H中设定初始中心点位置值

$x_t^{\left(0\right)}=(\min \left(x\right)+\max \left(x\right))/2;$

c2)进行第n步迭代，根据n-1步迭代结果位置值

分别计算空间分布位置低于

的集合A与空间分布位置高于的集合B的空间分布均值：

${\mathrm{\&mu;}}_A^n=\frac{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)},$ ${\mathrm{\&mu;}}_B^n=\frac{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)}$

c3)

如果

则停止迭代，否则跳至子步骤c2)继续迭代过程；

最终迭代计算结果为

即获得微波图像竖线I(x_t，y)，对应为人体中位线所在位置。

d)构建人体区域y方向(垂直方向)空间分布直方图，其优选包括如下子步骤：

d1)基于二值图像B(x，y)中分割出的人体区域在y方向构建空间分布直方图向量V：

$V\left(y\right)=\underset{x}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

d2)对所构建的y方向空间分布直方图V进行平滑处理，平滑尺度为3：

$V\left(y\right)=\left\{\begin{array}{cc}V\left(y\right)& y<2\\ (V(y-1)+V\left(y\right)+V(y+1))/3& 2\&le;y\&le;Y-1\\ V\left(y\right)& y>Y-1\end{array}\right..$

平滑后的y方向空间分布直方图V如图2中的(c)子图所示。

e)对y方向空间分布直方图进行局部极大值检测并排序，进行肩部、髋部位置的粗略定位，其优选包括如下子步骤：

e1)在y方向空间分布直方图向量V中，计算局部极大值所在位置：

局部区域的尺度定义为40像素，如果对于任一点y，此处向量值V(y)在其局部区域范围[y-20，y+20]内值为最大，即

则V(y)为局部极大值，y为局部极大值位置；

e2)对计算获得的多个局部极大值位置，按照其对应的局部极大值V(y)进行自大到小排序；

e3)取V(y)排序结果中前两个对应的局部极大值位置y_s、y_e，y_s＞y_e，其中，y_s对应人体肩部高度位置，y_e对应人体髋部高度位置。

f)结合运用预先构建的头部灰度统计检测模板、裆部灰度统计检测模板进行头部位置精确定位与裆部位置精确定位，并结合肩部位置粗略定位的结果进行胸部位置准确定位，其优选包括如下子步骤：

f1)基于N幅实验图像选取理想头部检测训练模板与理想裆部检测训练模板，N是自然数，头部检测训练模板大小为50像素×30像素，裆部检测训练模板大小为55像素×40像素；

f2)分别对所选择获得的N幅大小相等的头部训练子图、N幅裆部训练子图进行灰度平均处理，获得头部灰度统计检测模板T_H与裆部灰度统计检测模板T_E；

f3)在肩部位置高度以上且水平中线位置附近局部区域通过图像匹配确定头部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与头部灰度统计检测模板T_H基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(h_x，h_y)为检测获得的头部中心位置，为头部x方向间距变量，优选为10像素，为头部y方向间距变量，优选为50像素；

f4)在髋部位置高度附近且水平中线位置附近局部区域通过图像匹配确定裆部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与裆部灰度统计检测模板T_E基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(e_x，e_y)为检测获得的裆部中心位置，为裆部x方向间距变量，优选为10像素，

为裆部y方向间距变量，优选为20像素；

f5)结合肩部高度位置y_s估算人体胸部高度位置y_c：胸部高度位置满足y_c＝y_s-d_s，d_s为预设的y方向上肩胸间距变量，优选为12像素，调整后的胸部中心位置为(x_t，y_c)。

g)结合定位结果对头部、胸部、裆部隐私位置进行遮挡处理，其优选包括如下子步骤：

根据获得的头部中心位置(h_x，h_y)、裆部中心位置(e_x，e_y)、胸部中心位置(x_t，y_c)周围进行模糊化，完成隐私部位遮挡处理：

g1)对头部中心位置(h_x，h_y)周围椭圆区域

其中短半轴a₁＝17像素，长半轴b₁＝24像素，以Gaussian核函数进行平滑处理；

g2)对胸部中心位置(x_t，y_c)周围椭圆区域其中长半轴a₂＝30像素，长半轴b₂＝14像素，以Gaussian核函数进行平滑处理；

g3)对裆部中心位置(e_x，e_y)周围圆形区域(x-e_x)²+(y-e_y)²＝c²，其中圆半径c＝17像素，以Gaussian核函数进行平滑处理；

所述Gaussian核函数尺度大小为11像素×11像素，标准差大小为8，处理后结果如图3所示。

通过实验验证，本发明的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法能够有效实用于实际的微波安检系统中，实时性、鲁棒性高，正确识别率满足使用要求，解决了微波安检系统中对人体隐私部位的自动遮挡、保护问题。

以上实施例仅是为对本发明进行清楚阐述所做的限定，本发明实际保护范围并不局限于此，凡基于本发明思想所作的变型或改动，均在本发明保护范围之内。

Claims (10)

1.一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于包括如下步骤：

a)输入包含非合作情况下人体检测结果的灰度微波图像I(x，y)；

b)对灰度微波图像I(x，y)进行灰度分割获得二值化图像B(x，y)，并构建人体区域x方向空间分布直方图；

c)对x方向空间分布直方图进行最优分割确定人体垂直中位线所在横坐标位置；

d)构建人体区域y方向空间分布直方图；

e)对y方向空间分布直方图进行局部极大值检测并排序，进行肩部、髋部位置的粗略定位；

f)结合运用预先构建的头部灰度统计检测模板、裆部灰度统计检测模板进行头部位置精确定位与裆部位置精确定位，并结合肩部位置粗略定位的结果进行胸部位置准确定位；

g)结合定位结果对头部、胸部、裆部隐私位置进行遮挡处理。

2.如权利要求1所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤b)包括如下子步骤：

b1)对输入灰度微波图像I(x，y)通过阈值T分割获得对应二值化图像B(x，y)：

$B(x,y)=\left\{\begin{array}{cc}255& I(x,y)\&GreaterEqual;T\\ 0& I(x,y)<T\end{array}\right.,1\&le;x\&le;X,1\&le;y\&le;Y$

其中，X为图像列数目，Y为图像行数目，B(x，y)中值为255的亮区域代表人体区域；

b2)对B(x，y)中分割出的人体区域在x方向构建空间分布直方图向量H：

$H\left(x\right)=\underset{y}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

b3)对所构建的x方向空间分布直方图向量H进行平滑处理，平滑尺度为3：

$H\left(x\right)=\left\{\begin{array}{cc}H\left(x\right)& x<2\\ (H(x-1)+H\left(x\right)+H(x+1))/3& 2\&le;x\&le;X-1\\ H\left(x\right)& x>X-1\end{array}\right..$

3.如权利要求2所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤c)中具体包括如下子步骤：

c1)在x方向空间分布直方图向量H中设定初始中心点位置值

$x_t^{\left(0\right)}=(\min \left(x\right)+\max \left(x\right))/2;$

c2)进行第n步迭代，根据n-1步迭代结果位置值

分别计算空间分布位置低于

的集合A与空间分布位置高于

的集合B的空间分布均值：

${\mathrm{\&mu;}}_A^n=\frac{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x<x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)},$ ${\mathrm{\&mu;}}_B^n=\frac{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}\mathrm{xH}\left(x\right)}{\underset{x>x_t^{(n-1)}}{\mathrm{\&Sigma;}}H\left(x\right)}$

c3)如果

则停止迭代，否则跳至子步骤c2)继续迭代过程；

最终迭代计算结果为

即获得微波图像竖线I(x_t，y)，对应为人体中位线所在位置。

4.如权利要求3所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤d)中具体包括如下子步骤：

d1)基于二值图像B(x，y)中分割出的人体区域在y方向构建空间分布直方图向量V：

$V\left(y\right)=\underset{x}{\mathrm{\&Sigma;}}\mathrm{\&delta;}(B(x,y)=255)$

d2)对所构建的y方向空间分布直方图V进行平滑处理，平滑尺度为3：

$V\left(y\right)=\left\{\begin{array}{cc}V\left(y\right)& y<2\\ (V(y-1)+V\left(y\right)+V(y+1))/3& 2\&le;y\&le;Y-1\\ V\left(y\right)& y>Y-1\end{array}\right..$

5.如权利要求4所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤e)中具体包括如下子步骤：

e1)在y方向空间分布直方图向量V中，计算局部极大值所在位置：

局部区域的尺度定义为40像素，如果对于任一点y，此处向量值V(y)在其局部区域范围[y-20，y+20]内值为最大，即

则V(y)为局部极大值，y为局部极大值位置；

e2)对计算获得的多个局部极大值位置，按照其对应的局部极大值V(y)进行自大到小排序；

e3)取V(y)排序结果中前两个对应的局部极大值位置y_s、y_e，y_s＞y_e，其中，y_s对应人体肩部高度位置，y_e对应人体髋部高度位置。

6.如权利要求5所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤f)中具体包括如下子步骤：

f1)基于N幅实验图像选取理想头部检测训练模板与理想裆部检测训练模板，N是自然数；

f2)分别对所选择获得的N幅大小相等的头部训练子图、N幅裆部训练子图进行灰度平均处理，获得头部灰度统计检测模板T_H与裆部灰度统计检测模板T_E；

f3)在肩部位置高度以上且水平中线位置附近局部区域通过图像匹配确定头部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与头部灰度统计检测模板T_H基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(h_x，h_y)为检测获得的头部中心位置，

为头部x方向间距变量，

为头部y方向间距变量；

f4)在髋部位置高度附近且水平中线位置附近局部区域通过图像匹配确定裆部位置：在输入灰度微波图像I(x，y)中的局部范围内：

与裆部灰度统计检测模板T_E基于归一化灰度互相关系数进行匹配，取归一化灰度互相关系数最大的点(e_x，e_y)为检测获得的裆部中心位置，

为裆部x方向间距变量，

为裆部y方向间距变量；

f5)结合肩部高度位置y_s估算人体胸部高度位置y_c：胸部高度位置满足y_c＝y_s-d_s，d_s为预设的y方向上肩胸间距变量，调整后的胸部中心位置为(x_t，y_c)。

7.如权利要求6所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，步骤g)中具体包括如下子步骤：

根据获得的头部中心位置(h_x，h_y)、裆部中心位置(e_x，e_y)、胸部中心位置(x_t，y_c)周围进行模糊化，完成隐私部位遮挡处理：

g1)对头部中心位置(h_x，h_y)周围椭圆区域

其中短半轴a₁＝17像素，长半轴b₁＝24像素，以Gaussian核函数进行平滑处理；

g2)对胸部中心位置(x_t，y_c)周围椭圆区域

其中长半轴a₂＝30像素，长半轴b₂＝14像素，以Gaussian核函数进行平滑处理；

g3)对裆部中心位置(e_x，e_y)周围圆形区域(x-e_x)²+(y-e_y)²＝c²，其中圆半径c＝17像素，以Gaussian核函数进行平滑处理；

所述Gaussian核函数尺度大小为11像素×11像素，标准差大小为8。

8.如权利要求6所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，所述头部检测训练模板大小为50像素×30像素，裆部检测训练模板大小为55像素×40像素。

9.如权利要求6所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，所述间距变量

像素，

像素，

像素，

像素。

10.如权利要求6所述的一种微波图像中非合作情况下的人体隐私部位自动检测与遮挡方法，其特征在于，所述预设的y方向上肩胸间距变量d_s＝12。

Images