CN103971084A - 薄片和块状违禁品、爆炸物或毒品识别方法 - Google Patents

薄片和块状违禁品、爆炸物或毒品识别方法 Download PDF

Info

Publication number
CN103971084A
CN103971084A CN201310041293.3A CN201310041293A CN103971084A CN 103971084 A CN103971084 A CN 103971084A CN 201310041293 A CN201310041293 A CN 201310041293A CN 103971084 A CN103971084 A CN 103971084A
Authority
CN
China
Prior art keywords
explosive
thin slice
identification method
contraband
illicit drugs
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.)
Granted
Application number
CN201310041293.3A
Other languages
English (en)
Other versions
CN103971084B (zh
Inventor
张丽
黄清萍
孙运达
雷蕾
唐智
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 CN201310041293.3A priority Critical patent/CN103971084B/zh
Priority to PCT/CN2013/084969 priority patent/WO2014117536A1/zh
Priority to US14/162,225 priority patent/US9449399B2/en
Priority to EP14152693.9A priority patent/EP2762928B1/en
Publication of CN103971084A publication Critical patent/CN103971084A/zh
Priority to US15/074,270 priority patent/US9542624B2/en
Application granted granted Critical
Publication of CN103971084B publication Critical patent/CN103971084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
    • G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
    • G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
    • G01V5/226—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays using tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20172—Image enhancement details
    • 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
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种薄片或块状违禁品、爆炸物或毒品识别方法。具体地，所述薄片违禁品、爆炸物或毒品识别方法包括以下步骤：(1)读入待检测物品的一个断层的数据；(2)对所述断层数据进行预处理；(3)将预处理后的断层数据分割为若干个物理属性相近的区域；(4)分析每一个分割区域是否为薄片区域；(5)判断当前断层中检测出的薄片区域是否能够与前一断层中检测出的薄片区域合并，用于形成薄片物体；(6)判断每个检出的薄片物体是否已经结束或完整；(7)重复步骤(1)-(6)，采用逐个断层分析的方法处理每个断层的数据，直至处理完所有断层的数据。

Description

薄片和块状违禁品、爆炸物或毒品识别方法
技术领域
本发明整体上涉及计算机断层成像数据中的违禁品、爆炸物、毒品识别方法，更具体地涉及薄片和块状违禁品、爆炸物或毒品识别方法。
背景技术
美国的9·11事件发生以后，航空领域的安全检查工作越来越受到重视。基于CT技术的安检产品有着不可比拟的先进性，性能指标优势明显。美国TSA认为，CT设备及其检测方法是实现机场安全检查的重要途径。薄片违禁品和和块状违禁品的识别是CT设备的关键技术，对于检查藏匿在行李包裹中的违禁品起到至关重要的作用。特别地，薄片违禁品识别的方法对书本或笔记本电脑夹带违禁品有重要的防范作用。
通过对以下几篇专利US6195444B1、CN1305610A和CN1178019A的分析可知，几项专利采用的方法都是直接分析三维体数据，这样就必须等待最后一个断层数据完全到达后，才开始进行三维数据分析，这样就存在着时间等待。当最后一个断层的数据到达后，由于需要分析的三维数据是很多个断层，数据量巨大，分析需要耗费的时间较长，这就造成：等待和分析的时间过多，时间延迟必然比较长。在上述专利中，检测薄片物体时采用立方体背景方法或者形态学剥蚀方法，属于间接利用薄片物体厚度较薄的物理特征，参数设置并不方便。立方体背景方法的复杂度高、计算量大，而且当薄片与某块状物体距离较近或者毗邻像素较多时，待检测像素与背景像素的差异较小，导致这些方法容易失效，识别时造成遗漏。
有鉴于此，确有必要提供一种减小或消除时间延迟的对薄片或块状违禁品、爆炸物、毒品识别的方法。
发明内容
本发明的目的旨在解决现有技术中存在的上述问题和缺陷的至少一个方面。
根据本发明的一个方面，提供了一种薄片违禁品、爆炸物或毒品识别方法，包括以下步骤：
(1)读入待检测物品的一个断层的数据；
(2)对所述断层数据进行预处理；
(3)将预处理后的断层数据分割为若干个物理属性相近的区域；
(4)分析每一个分割区域是否为薄片区域；
(5)判断当前断层中检测出的薄片区域是否能够与前一断层中检测出的薄片区域合并，用于形成薄片物体；
(6)判断每个检出的薄片物体是否已经结束或完整；
(7)重复步骤(1)-(6)，采用逐个断层分析的方法处理每一个断层的数据，直至处理完所有断层的数据。
根据本发明的另一个方面，提供了一种块状违禁品、爆炸物或毒品识别方法，包括以下步骤：
(1)读入待检测物品的一个断层的数据；
(2)对当前的断层数据进行预处理；
(3)将当前的断层数据分割为若干个物理属性较为相近的区域；
(4)对于每个分割区域，将其物理属性在违禁品、爆炸物或毒品数据库中进行查询处理，如果查询的结果为禁止，则将该分割区域识别为一个有效的块状区域；
(5)判断当前断层中检测出的块状区域是否能够与前一断层中检测出的块状区域合并，用于形成块状物体；
(6)判断每个检出的块状物体是否已经结束或完整；
(7)重复步骤(1)-(6)，采用逐个断层分析的方法处理每个断层的数据，直至处理完所有断层的数据。
综上所述可知，本发明将复杂的三维目标提取问题简化为技术更为成熟的二维目标提取问题，无需一次获得全部断层成像数据，采用先进的逐层断层分析，然后将断层区域逐渐增加，生长为三维物体的方法，对于断层数据是来一层就分析一层，无时间等待，断层数据送达后就立即分析该断层并完成识别，然后再增加下一个断层，这样，最后一个断层数据到达时刻，需要分析的仅是最后一个断层内的数据，增加的数据量小，即需要分析的数据量小，几乎没有时间延迟。检测薄片物体时直接测量二维区域的长度、厚度等几何属性，能够更加准确快速的定位薄片物体。与以往的技术方案存在比较明显的差异。
附图说明
本发明的这些和/或其他方面和优点从下面结合附图对优选实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明的第一实施例的薄片违禁品识别方法的流程图。
图2是图1中的识别方法的断层数据量化处理后的示意性图像。
图3是图1中的识别方法的断层数据分割后的示意性图像。
图4是图1中的识别方法的已经识别出的断层内的薄片区域的示意性图像。
图5是图1中的识别方法的输出后的薄片物体的示意性图像。
图6是根据本发明的第二实施例的块状违禁品识别方法的流程图。
图7是图6中的识别方法的断层数据量化处理后的示意性图像。
图8是图6中的识别方法的断层数据分割后的示意性图像。
图9是图6中的识别方法的断层内有效的块状区域的示意性图像。
图10是图6中的识别方法的输出后的块状物体的示意性图像。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。在说明书中，相同或相似的附图标号表示相同或相似的部件。下述参照附图对本发明实施方式的说明旨在对本发明的总体发明构思进行解释，而不应当理解为对本发明的一种限制。
本发明的主要思想是：对计算机断层成像数据进行逐层分析，利用违禁品、爆炸物、毒品数据库，包括预处理、图像分割和有效区域检测合并等环节，获得二维目标区域，将二维目标区域合并至三维目标物体，从而实现计算机断层成像数据中违禁品的无延迟增量式检测。本发明的上述技术思想可以应用于薄片和块状违禁品(例如爆炸物、毒品和刀具)的智能识别。识别薄片违禁品、爆炸物、毒品时通过直接测量二维区域的长度、厚度等几何属性，能够更加准确快速的定位薄片物体。识别块状违禁品、爆炸物、毒品时通过在违禁品、爆炸物、毒品数据库中进行查询，来准确地识别有效的块状区域。
第一实施例
在本发明的第一实施例中，疑似包括薄片违禁品的物品为行李箱。参见图1，如果对该行李箱进行检测识别以确认其是否包括薄片违禁品时，那么所述识别过程可以具体为以下步骤。
1)读入待检测物品的一个断层的数据；
2)对断层数据进行预处理，所述预处理的步骤具体包括阈值限制、平滑和量化处理。如图2所示，经过量化处理后的识别图像显示出在长方形轮廓中的左上角处有一长条形区域和在长方形轮廓中的底部具有两个圆圈。可知，该长方形轮廓为行李箱的截面轮廓，该两个圆圈为行李箱的两个拉杆的截面轮廓。所述长条形区域疑似为薄片违禁品，这有待于通过下述的步骤进行识别和确认。
3)将预处理后的断层数据分割为若干物理属性(如密度)较为相近的区域。如图3所示，在分割后的断层数据的图像中，有若干个区域从黑色背景中凸显出来。尤其明显的是，在图2中显示的长条形区域。
4)分析每一个分割区域是否是薄片区域，进行所述分析的主要规则是：
所述分割区域的长度不能小于第一阈值，具体地，在本实施例中该长度可以近似为分割区域的轮廓像素数量的一半。例如：第一阈值为80像素，分割出的某个区域，其轮廓像素数量为178，计算出其长度为89像素；
所述分割区域的厚度不能大于第二阈值。具体地，在本实施例中所述厚度可以通过“分割区域的面积/分割区域的长度”得到。例如：第二阈值为9像素，分割出的某个区域，其面积像素数量为632，其长度为89，计算出其厚度为7.1像素；
所述分割区域的厚度均匀性不能大于第三阈值。具体地，在本实施例中所述厚度的均匀性可以通过“所述分割区域的厚度标准差/所述分割区域的厚度均值”进行衡量。例如：第三阈值为0.5，分割出的某个长条区域，其厚度的标准差为2.4，其厚度均值为7.1像素。
在以上三个条件同时满足时，则将该分割区域是识别为薄片区域。
在此需要说明的是，本领域技术人员可以根据实际需要来确定上述的第一阈值、第二阈值以及第三阈值，而不仅限于上述的具体确定规则。另外，本领域技术人员还可以采用其它本领域已知的技术手段来判断所述分割区域是否为薄片区域，且显而易见的，这样的技术手段也落入到本发明的保护范围内。
5)对当前断层中检测出来的薄片区域进行后处理(例如合并处理)，将分裂的短薄片区域合并为长薄片区域。可以根据位置相邻性、物理属性(例如密度和原子序数)的相似性来判断。参见图4，所述识别出的薄片区域用参考标记10示出。从上述的描述可知，此处的步骤5)是可选步骤。在断层中的薄片区域为一个或认为不需要进行合并处理时，可以省略所述步骤5)。
6)判断当前断层中检测出的薄片区域是否能够与前一断层中检测出的薄片区域合并，用于形成薄片物体。需要说明的是，如果当前断层为待检测物品的第一个断层，则不需要进行此处所述的合并步骤，而直接将所述薄片区域看作成薄片物体。在对所述第一个断层进行处理之后，则需要判断当前断层中的检测出的薄片区域是否能够合并至已有的薄片物体(即，在当前断层之前的断层分析中被看作成的薄片物体，例如第一断层中被识别出的薄片物体)。可以根据位置相邻性、物理属性(例如密度和原子序数)的相似性来判断。如果不能合并，则创建新的薄片物体。
7)判断每个检出的薄片物体是否已结束或完整。如果所述每个检出的薄片物体已结束，将质量在一定或合理范围(即在违禁品的质量范围)内的薄片物体输出。如图5所示，所述输出的薄片物体由参考标记20标记。
8)重复1)～7)步骤，采用逐层断层分析的方式处理每个断层的数据，直至处理完所有断层的数据。
至此可知，通过本发明的第一实施例所述的识别方法，可以识别出薄片物体20。
可以理解，因为刀具具有薄片形状的特征，所以可以用薄片违禁品的识别方法来识别。当刀具的厚度符合上述方法中的薄片形状的特征时，且将该方法中的图像的物理属性(在实施例中是例如密度值和原子序数值等)设置为刀具的原材料(例如，铁、铜等材料)的特征值，该方法可以用于刀具的自动识别与检测。
当然，上述的薄片违禁品识别方法还可以应用于薄片爆炸物或毒品的识别，如果需要的话，可以根据检测对象(例如违禁品、爆炸物或毒品)的不同，而进行适当的参数或技术手段调整。
第二实施例
在本发明的第二实施例中，疑似包括块状违禁品的物品为行李箱。参见图6，如果对该行李箱进行检测识别以确认其是否包括块状违禁品时，那么所述识别过程可以具体为以下步骤。
1)读入待检测物品(例如行李箱)的一个断层的数据。
2)对当前的断层数据进行预处理，所述预处理包括阈值限制、平滑和量化处理等步骤。如图7所示，经过量化处理后的识别图像显示出在长方形轮廓中的左半部处有一灰白色矩形块区域和在长方形轮廓中的底部具有两个圆圈。可知，该长方形轮廓为行李箱的截面轮廓，该两个圆圈为行李箱的两个拉杆的截面轮廓。所述灰白色矩形块区域疑似为块状违禁品。这有待于通过下述的步骤进一步识别和确认。
3)将断层数据分割为若干物理属性(例如密度)较为相近的区域。如图8所示，在分割后的断层数据的图像中，有若干个区域从黑色背景中凸显出来。尤其明显的是，在图7中显示的灰白色矩形块区域。
4)对于每一个分割区域，通过其物理属性(例如平均密度和平均原子序数)在违禁品数据库中查询，如果查询结果为禁止，视为一个有效的块状区域。所述查询结果为禁止是指所述分割区域的物理属性与所述违禁品数据库中的数据相匹配。
5)对当前断层中检测出来的块状区域进行后处理(例如合并处理)，将分裂的小块状区域合并为大块状区域。可以根据位置相邻性、物理属性(例如密度和原子序数)的相似性来判断。参见图9，所述识别出的块状区域用参考标记30示出。从上述的描述可知，此处的步骤5)是可选步骤。在断层中的块状区域为一个或认为不需要进行合并处理时，可以省略所述步骤5)。
6)判断当前断层中检测出的块状区域是否能够与前一断层中检测出的块状区域合并，用于形成块状物体。需要说明的是，如果当前断层为待检测物品的第一个断层，则不需要进行此处所述的合并步骤，而直接将所述块状区域看作成块状物体。在对所述第一个断层进行处理之后，则需要判断当前断层中的检测出的块状区域是否能够合并至已有的块状物体(即，在当前断层之前的断层分析中被看作成的块状物体，例如第一断层中被识别出的块状物体)。可以根据位置相邻性、物理属性(例如密度和原子序数)的相似性来判断。如果不能合并，则创建新的块状物体。
7)判断每个检出的块状物体是否已结束或完整。如果所述每个检出的块状物体已结束，将质量在一定或合理范围(即在违禁品的质量范围)内的块状物体输出。如图10所示，所述输出的块状物体由参考标记40标记。
8)重复1)～7)步骤，采用逐层断层分析的方法处理每个断层的数据，直至处理完所有断层的数据。
至此可知，通过本发明的第二实施例所述的识别方法，可以识别出块状物体40。
可以理解，本发明所述的薄片违禁品和块状违禁品识别方法，即可适用于爆炸物，也可以适用于毒品等物质的识别，只要他们具有薄片或块状的形状特征即可。需要注意的是，需要把违禁品的数据库换成爆炸物的数据库或者毒品的数据库，即可成为爆炸物或者毒品的识别方法。
本发明的方法以物品机CT系统为实例来描述，实际可以运用到产生三维数据的各种系统，特别是产生断层数据的系统，包括CT系统和核磁共振的系统。其他产生三维数据的系统，只要按照本发明的识别方法对每层数据逐层处理，也可以进行薄片物品和块状物品的识别和检测。
虽然本发明总体构思的一些实施例已被显示和说明，本领域普通技术人员将理解，在不背离本总体发明构思的原则和精神的情况下，可对这些实施例做出改变，本发明的范围以权利要求和它们的等同物限定。

Claims (19)

1.一种薄片违禁品、爆炸物或毒品识别方法，其特征在于，包括以下步骤：
(1)读入待检测物品的一个断层的数据；
(2)对所述断层数据进行预处理；
(3)将预处理后的断层数据分割为若干个物理属性相近的区域；
(4)分析每一个分割区域是否为薄片区域；
(5)判断当前断层中检测出的薄片区域是否能够与前一断层中检测出的薄片区域合并，用于形成薄片物体；
(6)判断每个检出的薄片物体是否已经结束或完整；
(7)重复步骤(1)-(6)，采用逐个断层分析的方法处理每一个断层的数据，直至处理完所有断层的数据。
2.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(4)之后，还包括步骤：对当前断层中检测出的薄片区域进行后处理，以将分裂的短薄片区域合并为长薄片区域。
3.根据权利要求2所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
基于位置相邻性、物理属性的相似性，执行步骤(5)中的合并处理以及合并所述分裂的短薄片区域为长薄片区域的步骤。
4.根据权利要求3所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
所述物理属性为密度或原子序数。
5.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
基于下述规则分析每一分割区域是否为薄片区域：
所述分割区域的长度不能小于预定的第一阈值；
所述分割区域的厚度不能大于预定的第二阈值；
所述分割区域的厚度均匀性不能大于预定的第三阈值；
在满足上述三个条件时，则将该分割区域识别为薄片区域。
6.根据权利要求5所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
所述长度为分割区域的轮廓像素数量的一半；所述厚度为所述分割区域的面积/所述分割区域的长度；所述厚度的均匀性通过“所述分割区域的厚度标准差/所述分割区域的厚度均值”来衡量。
7.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(5)中，如果经过判断后确定所述当前断层中检测出的薄片区域能够合并至已有的薄片物体，则继续执行步骤(6)，否则，则创建新的薄片物体。
8.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(6)中，如果判断每个检测出的薄片物体已经结束或完整，则将质量在一定范围内的薄片物体输出。
9.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
所述预处理步骤包括：对断层数据进行阈值限制、平滑以及量化处理的步骤。
10.根据权利要求1所述的薄片违禁品、爆炸物或毒品识别方法，其特征在于，
所述薄片违禁品、爆炸物或毒品识别方法应用于CT系统和核磁共振的系统。
11.一种块状违禁品、爆炸物或毒品识别方法，其特征在于，包括以下步骤：
(1)读入待检测物品的一个断层的数据；
(2)对当前的断层数据进行预处理；
(3)将当前的断层数据分割为若干个物理属性较为相近的区域；
(4)对于每个分割区域，将其物理属性在违禁品、爆炸物或毒品数据库中进行查询处理，如果查询的结果为禁止，则将该分割区域识别为一个有效的块状区域；
(5)判断当前断层中检测出的块状区域是否能够与前一断层中检测出的块状区域合并，用于形成块状物体；
(6)判断每个检出的块状物体是否已经结束或完整；
(7)重复步骤(1)-(6)，采用逐个断层分析的方法处理每个断层的数据，直至处理完所有断层的数据。
12.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(4)之后，还包括步骤：对当前断层中检测出的块状区域进行后处理，以将分裂的小块状区域合并为大块状区域。
13.根据权利要求12所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
基于位置相邻性、物理属性的相似性，执行步骤(5)中的合并处理以及合并所述分裂的小块状区域为大块状区域的步骤。
14.根据权利要求13所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
所述物理属性为密度或原子序数。
15.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
所述查询结果为禁止是指所述分割区域的物理属性与所述违禁品、爆炸物或毒品数据库中的数据相匹配。
16.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(5)中，如果经过判断后确定所述当前断层中检测出的块状区域能够合并至已有的块状物体，则继续执行步骤(6)，否则，则创建新的块状物体。
17.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
在步骤(6)中，如果判断每个检测出的块状物体已经结束或完整，则将质量在一定范围内的块状物体输出。
18.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
所述预处理步骤包括：对断层数据进行阈值限制、平滑以及量化处理的步骤。
19.根据权利要求11所述的块状违禁品、爆炸物或毒品识别方法，其特征在于，
所述块状违禁品、爆炸物或毒品识别方法应用于CT系统和核磁共振的系统。
CN201310041293.3A 2013-02-01 2013-02-01 薄片和块状违禁品、爆炸物或毒品识别方法 Active CN103971084B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201310041293.3A CN103971084B (zh) 2013-02-01 2013-02-01 薄片和块状违禁品、爆炸物或毒品识别方法
PCT/CN2013/084969 WO2014117536A1 (zh) 2013-02-01 2013-10-10 薄片和块状违禁品、爆炸物或毒品识别方法
US14/162,225 US9449399B2 (en) 2013-02-01 2014-01-23 Recognizing method of flaky or blocky prohibited articles, explosives or drugs
EP14152693.9A EP2762928B1 (en) 2013-02-01 2014-01-27 Recognizing method of flaky or blocky prohibited articles, explosives or drugs
US15/074,270 US9542624B2 (en) 2013-02-01 2016-03-18 Recognizing method of flaky or blocky prohibited articles, explosives or drugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310041293.3A CN103971084B (zh) 2013-02-01 2013-02-01 薄片和块状违禁品、爆炸物或毒品识别方法

Publications (2)

Publication Number Publication Date
CN103971084A true CN103971084A (zh) 2014-08-06
CN103971084B CN103971084B (zh) 2017-03-29

Family

ID=50028823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310041293.3A Active CN103971084B (zh) 2013-02-01 2013-02-01 薄片和块状违禁品、爆炸物或毒品识别方法

Country Status (4)

Country Link
US (2) US9449399B2 (zh)
EP (1) EP2762928B1 (zh)
CN (1) CN103971084B (zh)
WO (1) WO2014117536A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019028721A1 (zh) * 2017-08-10 2019-02-14 哈尔滨工业大学 用于物品识别的方法、装置、设备和安检系统
CN109459177A (zh) * 2018-11-22 2019-03-12 西安近代化学研究所 一种冲击波压力范围测量装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971084B (zh) 2013-02-01 2017-03-29 同方威视技术股份有限公司 薄片和块状违禁品、爆炸物或毒品识别方法
CN107229946A (zh) * 2017-05-11 2017-10-03 宸盛科华（北京）科技有限公司 基于人工神经网络的色情图片检测方法及装置
CN109187598A (zh) * 2018-10-09 2019-01-11 青海奥越电子科技有限公司 基于数字图像处理的违禁物品检测系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1178019A (zh) * 1994-10-20 1998-04-01 洛克希德马丁特殊部件有限公司 用于检测薄形物的x－射线计算机层析(ct)摄影系统
US6195444B1 (en) * 1999-01-12 2001-02-27 Analogic Corporation Apparatus and method for detecting concealed objects in computed tomography data
CN1305610A (zh) * 1998-02-11 2001-07-25 模拟技术公司 用于分选目的物的计算机层析x射线照相术的装置和方法
CN1380543A (zh) * 2001-04-12 2002-11-20 清华大学 一种工业辐射成像中的图像分割识别方法
US20050078801A1 (en) * 2003-10-14 2005-04-14 Georgeson Gary E. Computed tomography image quality phantom
US20050276376A1 (en) * 2004-05-27 2005-12-15 L-3 Communications Security And Detection Systems, Inc. Contraband detection systems using a large-angle cone beam CT system
CN101358936A (zh) * 2007-08-02 2009-02-04 同方威视技术股份有限公司 一种利用双视角多能量透射图像进行材料识别的方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317509B1 (en) * 1998-02-11 2001-11-13 Analogic Corporation Computed tomography apparatus and method for classifying objects
US6078642A (en) 1998-02-11 2000-06-20 Analogice Corporation Apparatus and method for density discrimination of objects in computed tomography data using multiple density ranges
US9123119B2 (en) * 2011-12-07 2015-09-01 Telesecurity Sciences, Inc. Extraction of objects from CT images by sequential segmentation and carving
CN103971084B (zh) 2013-02-01 2017-03-29 同方威视技术股份有限公司 薄片和块状违禁品、爆炸物或毒品识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1178019A (zh) * 1994-10-20 1998-04-01 洛克希德马丁特殊部件有限公司 用于检测薄形物的x－射线计算机层析(ct)摄影系统
CN1305610A (zh) * 1998-02-11 2001-07-25 模拟技术公司 用于分选目的物的计算机层析x射线照相术的装置和方法
US6195444B1 (en) * 1999-01-12 2001-02-27 Analogic Corporation Apparatus and method for detecting concealed objects in computed tomography data
CN1333899A (zh) * 1999-01-12 2002-01-30 模拟技术公司 采用计算机断层成像数据检测隐藏物的装置和方法
CN1380543A (zh) * 2001-04-12 2002-11-20 清华大学 一种工业辐射成像中的图像分割识别方法
US20050078801A1 (en) * 2003-10-14 2005-04-14 Georgeson Gary E. Computed tomography image quality phantom
US20050276376A1 (en) * 2004-05-27 2005-12-15 L-3 Communications Security And Detection Systems, Inc. Contraband detection systems using a large-angle cone beam CT system
CN101358936A (zh) * 2007-08-02 2009-02-04 同方威视技术股份有限公司 一种利用双视角多能量透射图像进行材料识别的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟祥承: "爆炸物及毒品的探测技术", 《核电子学与探测技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019028721A1 (zh) * 2017-08-10 2019-02-14 哈尔滨工业大学 用于物品识别的方法、装置、设备和安检系统
CN109387880A (zh) * 2017-08-10 2019-02-26 哈尔滨工业大学 用于物品识别的方法、装置、设备和安检系统
CN109387880B (zh) * 2017-08-10 2021-05-07 哈尔滨工业大学 用于物品识别的方法、装置、设备和安检系统
CN109459177A (zh) * 2018-11-22 2019-03-12 西安近代化学研究所 一种冲击波压力范围测量装置

Also Published As

Publication number Publication date
EP2762928B1 (en) 2020-12-30
EP2762928A3 (en) 2017-04-26
EP2762928A2 (en) 2014-08-06
US20140219501A1 (en) 2014-08-07
WO2014117536A1 (zh) 2014-08-07
US9542624B2 (en) 2017-01-10
US20160314378A1 (en) 2016-10-27
CN103971084B (zh) 2017-03-29
US9449399B2 (en) 2016-09-20

Similar Documents

Publication Publication Date Title
Zhang et al. Automatic pavement defect detection using 3D laser profiling technology
Li et al. Integrated processing of image and GPR data for automated pothole detection
CN103971084A (zh) 薄片和块状违禁品、爆炸物或毒品识别方法
US8879791B2 (en) Method, apparatus and system for determining if a piece of luggage contains a liquid product
CN102136061B (zh) 一种矩形石英晶片缺陷自动检测分类识别方法
CN110929066A (zh) 一种人员和包裹信息关联显示的方法、装置及安检机
Wu et al. Watershed-based morphological separation of wear debris chains for on-line ferrograph analysis
CN108828608B (zh) 车辆检测方法中激光雷达背景数据滤除方法
CN104408711A (zh) 一种基于多尺度区域融合的显著区域检测方法
CN102226920A (zh) 抗裁剪的jpeg图像压缩历史及合成篡改检测方法
EP2447884B1 (en) Method for detecting and recognising an object in an image, and an apparatus and a computer program therefor
CN111598827A (zh) 外观瑕疵检测方法、电子装置及存储介质
CN102663491B (zh) 一种基于surf特征的高密度人群计数方法
CN105469380A (zh) 对于对象的遮挡进行检测的方法和装置
CN108229473A (zh) 车辆年检标签检测方法及装置
CN107944371A (zh) 一种基于数据挖掘的公安视频监控图像处理方法
CN111223104B (zh) 一种包裹提取及跟踪方法、装置及电子设备
Bici et al. Study of a point cloud segmentation with part type recognition for tolerance inspection of plastic components via reverse engineering
Khayer et al. Integration of feature extraction, attribute combination and image segmentation for object delineation on seismic images
Gong et al. Point cloud segmentation of 3D scattered parts sampled by RealSense
CN106339690A (zh) 基于噪声消除及辅助判断线的视频目标流量检测方法及系统
CN107978062A (zh) 一种胶带钞的检测方法及装置
CN106599921A (zh) 一种车位引导方法及装置
CN107767372B (zh) 一种分层并行计算的芯片管脚在线视觉检测系统及其方法
CN107299569A (zh) 铁路扣件测量方法及装置

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