CN105513035B - 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 - Google Patents
一种被动毫米波图像中人体隐匿物品的检测方法及其系统 Download PDFInfo
- Publication number
- CN105513035B CN105513035B CN201410486052.4A CN201410486052A CN105513035B CN 105513035 B CN105513035 B CN 105513035B CN 201410486052 A CN201410486052 A CN 201410486052A CN 105513035 B CN105513035 B CN 105513035B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- millimeter wave
- human
- passive millimeter
- 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
本发明公开了一种被动毫米波图像中人体隐匿物品的检测方法,包括:图像预处理步骤用于对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使被动毫米波图像目标与背景进行明显区分;人体区域检测步骤为基于预处理完成的被动毫米波图像,通过对人体是否存在的预判断,进行人体目标检测,获取人体区域;隐匿物品检测步骤用于在人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记。
Description
技术领域
本发明涉及一种被动毫米波图像处理方法,具体涉及一种被动毫米波图像中人体隐匿物品的检测方法及其系统。
背景技术
毫米波成像系统分为主动和被动两种工作模式,在探测人体隐匿物体的应用中,被动毫米波成像系统占据了主要地位。被动毫米波成像系统不仅可以检测出隐藏在织物下的金属物体,还可以检测出塑料、液体、炸药等危险品,获得的信息更加详尽准确,可以大大地降低误警率。除此之外,被动毫米波成像系统不发射电磁波,不会对人体造成任何伤害。近年来,被动毫米波成像技术在人员安检等方面得到了越来越广泛的应用,因此完成被动毫米波图像中人体隐匿危险物品的检测具有重要的意义。
现有的人体隐匿危险物品的检测方法主要是针对微波图像、红外图像、太赫兹THz图像、X光射线图像等,所采用的物品检测算法都是根据自身图像的成像特点设计的。在本人申请的被动毫米波图像中人体隐匿危险物品的检测中,现有的物体检测算法并不适用,主要原因包括:一是被动毫米波成像技术结构复杂造价昂贵,将毫米波成像技术用于藏匿物品的探测还处于初级阶段,被动毫米波成像系统所采集到的图像较之上述几类图像,图像中的噪声和模糊现象严重,分辨率低,不能很好地反映目标场景的特性,图像达不到所要求的质量,藏匿在衣服下的物体形状模糊难以辨别;二是图像中包含的隐匿物体种类更详细,包含金属、塑料、液体、炸药等,表现在灰度图像中灰度值有高有低,亮度有明有暗,增加了检测的难度。
综上,根据被动毫米波图像的特点,需要设计一种适应并且有效的被动毫米波图像中人体隐匿危险物品的检测方法。
发明内容
本发明所要解决的技术问题在于提供一种被动毫米波图像中人体隐匿物品的检测方法及其系统,以解决现有技术中存在的被动毫米波图像中人体隐匿危险物品的检测中,现有的物体检测算法不适用的问题。
为达上述目的,本发明提供了一种被动毫米波图像中人体隐匿物品的检测方法,包括:
图像预处理步骤:对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使所述被动毫米波图像目标与背景进行明显区分;
人体区域检测步骤:基于所述被动毫米波图像,通过对人体是否存在的预判断,进行人体目标检测,获取人体区域;
隐匿物品检测步骤:在所述人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记。
上述被动毫米波图像中人体隐匿物品的检测方法,所述图像预处理步骤还包括:
插值重建步骤:采用立方卷积插值算法对所述被动毫米波图像进行插值重建;
增强步骤:对完成插值重建后的所述被动毫米波图像进行三场迭代增强处理,提高所述被动毫米波图像的对比度,并降低背景的噪声。
上述被动毫米波图像中人体隐匿物品的检测方法,所述增强步骤还包括:
第一次迭代增强步骤:采用最短模糊熵准则对所述被动毫米波图像进行第一次增强处理,以使所述被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第二次迭代增强步骤:采用幂次变换方法对完成第一次迭代增强后的所述被动毫米波图像进行第二次增强处理,以使所述被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强步骤:采用自适应中值滤波算法对完成第二次迭代增强后的所述被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
上述被动毫米波图像中人体隐匿物品的检测方法,人体区域检测步骤还包括:
人体目标判断步骤:对是否存在人体目标进行粗判断;
人体区域分割步骤:在人体目标判断步骤中,如果所述人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的所述人体区域进行形态学闭运算得到最终的人体区域。
上述被动毫米波图像中人体隐匿物品的检测方法,所述人体目标判断步骤还包括:
统计步骤:统计整个所述被动毫米波图像的灰度直方图分布;
确定最大值步骤:确定所述确定像素点数目最多的灰度值;
像素点个数计算步骤:以所述像素点数目最多的灰度值为中心,并以长度阈值为限向左右扩展,计算所述长度阈值范围内的像素点的个数;
判断步骤:计算所述像素点的个数所占整个图像像素总数的比例,若所占比例小于预设门限值,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
上述被动毫米波图像中人体隐匿物品的检测方法,所述隐匿物品检测步骤还包括:
第一次迭代分割步骤:采用最大类间方差法在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据所述隐匿物品分割阈值TO1将所述人体区域分割为隐匿物品区域和非隐匿物品区域;
第二次迭代分割步骤:对完成第一次迭代分割的所述人体区域进行第二次迭代分割,在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据所述隐匿物品分割阈值TO2,将所述人体区域再次分割为隐匿物品区域和非隐匿物品区域;
筛选步骤:对分割得到的所述隐匿物品区域内的目标物体填充孔洞后,对作为所述目标物体进行筛选,找到候选的隐匿物品,并对所述候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
上述被动毫米波图像中人体隐匿物品的检测方法,所述第一次迭代分割步骤中所述隐匿物品区域的标记矩阵为P,所述灰度直方图为Hp,所述直方图HP最高峰值点所对应的灰度值为HPmax,如果所述隐匿物品分割阈值TO1≥HPmax,则P定义如下:
否则TO1<HPmax,则P定义如下:
其中I(x,y)为所述人体区域图像I的坐标值。
上述被动毫米波图像中人体隐匿物品的检测方法,所述第二次迭代分割步骤中人体区域图像设为It,则It定义如下:
其中,HPtmax为所述直方图HPt最高峰值点所对应的灰度值,如果所述隐匿物品分割阈值TO2≥HPtmax,则P重置为:
否则TO2<HPtmax,则P重置为:
其中It(x,y)为所述人体区域图像It的坐标值。
本发明还提供一种被动毫米波图像中人体隐匿物品的检测系统,采用如所述被动毫米波图像中人体隐匿物品的检测方法,包括:
图像预处理模块:对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使所述被动毫米波图像目标与背景进行明显区分;
人体区域检测模块:基于所述被动毫米波图像,通过对人体是否存在的预判断,进行人体区域检测,获取人体区域;
隐匿物品检测模块:在所述人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记。
上述被动毫米波图像中人体隐匿物品的检测系统,所述图像预处理模块还包括:
插值重建模块:采用立方卷积插值算法对所述被动毫米波图像进行插值重建;
增强模块:对完成插值重建后的所述被动毫米波图像进行三场迭代增强处理,提高所述被动毫米波图像的对比度,并降低背景的噪声。
上述被动毫米波图像中人体隐匿物品的检测系统,所述增强模块还包括:
第一次迭代增强模块:采用最短模糊熵准则对所述被动毫米波图像进行第一次增强处理,以使所述被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第二次迭代增强模块:采用幂次变换方法对完成第一次迭代增强后的所述被动毫米波图像进行第二次增强处理,以使所述被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强模块:采用自适应中值滤波算法对完成第二次迭代增强后的所述被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
上述被动毫米波图像中人体隐匿物品的检测系统,人体区域检测模块还包括:
人体目标判断模块:对是否存在人体目标进行粗判断;
人体区域分割模块:在人体目标判断步骤中,如果所述人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的所述人体区域进行形态学闭运算得到最终的人体区域。
上述被动毫米波图像中人体隐匿物品的检测系统,所述人体目标判断模块还包括:
统计模块:统计整个所述被动毫米波图像的灰度直方图分布;
确定最大值模块:确定所述确定像素点数目最多的灰度值;
像素点个数计算模块:以所述像素点数目最多的灰度值为中心,并以长度阈值为限向左右扩展,计算所述长度阈值范围内的像素点的个数;
判断模块:计算所述像素点的个数所占整个图像像素总数的比例,若所占比例小于预设门限值,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
上述被动毫米波图像中人体隐匿物品的检测系统,所述隐匿物品检测模块还包括:
第一次迭代分割模块:采用最大类间方差法在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据所述隐匿物品分割阈值TO1将所述人体区域分割为隐匿物品区域和非隐匿物品区域;
第二次迭代分割模块:对完成第一次迭代分割的所述人体区域进行第二次迭代分割,在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据所述隐匿物品分割阈值TO2,将所述人体区域再次分割为隐匿物品区域和非隐匿物品区域;
筛选模块:对分割得到的所述隐匿物品区域内的目标物体填充孔洞后,对作为所述目标物体进行筛选,找到候选的隐匿物品,并对所述候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
与现有技术相比,本发明的被动毫米波图像中人体隐匿危险物品的检测方法产生以下几点良好的效果:
效果1:本发明采用插值重建和三次迭代增强对被动毫米波图像进行预处理,解决被动毫米波图像目标与背景区分不明显,对比度低,噪声大等问题。
效果2:本发明在人体区域检测前,先进行人体是否存在的粗判断,提高了算法的执行速度,减少了不必要的运算。
效果3:本发明在人体隐匿物品检测时,采用了两次迭代分割检测隐匿物品,比现有的自动双阈值分割效果更优,不仅能检测出比人体区域背景灰度值偏高的隐匿物品,也能检测出比人体区域背景灰度值偏低的隐匿物品。
附图说明
图1为本发明人体隐匿物品检测方法步骤示意图;
图2A~图2C为本发明人体隐匿物品检测方法详细步骤示意图;
图3为本发明人体隐匿物品检测方法实施例原始图像示意图;
图4为本发明人体隐匿物品检测方法实施例预处理后图像示意图;
图5为本发明人体隐匿物品检测方法实施例隐匿物品标记图像示意图;
图6为本发明人体隐匿物品检测系统结构示意图;
图7A~图7C为本发明人体隐匿物品检测系统详细结构示意图。
其中,附图标记:
1 图像预处理模块 2 人体区域检测模块
3 隐匿物品检测模块
S1~S3、S11~S33、S121~S123、S211~S214:本发明各实施例的施行步骤
具体实施方式
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
本发明提供一种有效并准确的人体隐匿物品的检测方法,适用于被动毫米波安检系统中人体隐匿物品的检测。被动毫米波图像中,检测到的人体隐匿携带的危险物品种类更复杂,包含金属、塑料、液体、炸药等,表现在图像中,或存在比人体区域背景灰度值偏高的隐匿物品,或存在比人体区域背景灰度值偏低的隐匿物品,或同时存在比人体区域背景灰度值偏高和偏低的隐匿物品。
如图1所示,本发明提供的一种被动毫米波图像中人体隐匿物品的检测方法,包括:
图像预处理步骤S1:获取被动毫米波视频监控系统中的当前被动毫米波图像F,对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使被动毫米波图像目标与背景进行明显区分;
人体区域检测步骤S2:基于经过图像预处理的被动毫米波图像,通过对人体是否存在的预判断,进行人体目标检测,获取人体区域;
隐匿物品检测步骤S3:在人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记。
其中,如图2A及图3所示,图像预处理步骤S1还包括:
插值重建步骤S11:采用立方卷积插值算法对被动毫米波图像进行插值重建;
本发明步骤中采用立方卷积插值算法对被动毫米波图像F进行插值重建,该算法利用待插值点周围的16个点的灰度值做立方卷积差值,不仅考虑到4个直接相邻点的灰度影响,而且考虑到各邻点之间灰度值变化率的影响。该插值算法重建后的图像更好的保留细节质量,更接近高分辨率图像的放大效果,有效提高了图像的分辨率。
立方卷积插值算法需要选取插值核函数S(x)来拟合数据,S(x)的数学表达式如下:
对于图像中一个目的像素,设置坐标通过反向变换得到的浮点坐标为(i+u,j+v),其中i、j均为非负整数,u、v为[0,1)区间的浮点数,则这个像素的值f(i+u,j+v)可由浮点坐标(i+u,j+v)周围的16个邻点像素值共同决定,即:
f(i+u,j+v)=[A]*[B]*[C]
其中,
[A]=[S(u+1) S(u+0) S(u-1) S(u-2)]
其中,f(i,j)表示源图像(i,j)处的像素值。
增强步骤S12:对完成插值重建后的被动毫米波图像进行三场迭代增强处理,提高被动毫米波图像的对比度,并降低背景的噪声。
其中,如图2B及图4所示,增强步骤S12还包括:
第一次迭代增强步骤S121:采用最短模糊熵准则对被动毫米波图像进行第一次增强处理,以使被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第一次迭代增强步骤S121中采用的最大模糊熵准则对被动毫米波图像进行第一次增强处理,使目标的亮度增强的同时抑制背景区域的噪声,改善图像的对比度。该方法步骤考虑到了图像中目标与背景的最佳分离点往往表现在灰度直方图的波谷位置,采用最大模糊熵准则对图像的直方图进行处理,求取目标与背景的最佳分离点阈值Te1,再利用多分段非线性函数在模糊阈中对阈值Te两侧的灰度值进行非线性拉伸,将模糊隶属度区域[uthr,umax]拉伸至[uthr,1],改善隶属度的动态范围,并采用非线性变换增强了该区域中的隶属度大小,以此同时将区间[umin,uthr]拉伸至[0,uthr],并将该区域中的隶属度进行压缩,其中umin、umax、uthr分别为图像中像素最小值、最大值以及目标与背景的最佳分离点的隶属度。
第二次迭代增强步骤S122:采用幂次变换方法对完成第一次迭代增强后的被动毫米波图像进行第二次增强处理,以使被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强步骤S123:采用自适应中值滤波算法对完成第二次迭代增强后的被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
第三次迭代增强中本发明步骤采用自适应中值滤波算法对被动毫米波图像进行第三次增强处理,能有效地清除椒盐噪声,处理空间密度较大的冲激噪声,平滑非冲激噪声。该方法是中值滤波算法的改进,图像中一个目的像素点的值f(i,j)由以下规则的输出值决定:
A1=Zmid-Zmin,A2=Zmid-Zmax。如果A1>0,A2<0,则转到步骤2),否则增大掩膜窗口尺寸。如果窗口尺寸小于等于Wmax,则重复步骤1),否则输出Zij;
B1=Zij-Zmin,B2=Zij-Zmax。如果B1>0,B2<0,输出Zij,否则输出Zmid。
其中,Wij表示像素点(i,j)滤波时采用的掩膜窗口,Wmax为Wij允许的最大尺寸,Zmin为Wij中灰度级最小值,Zmax为Wij中灰度级最大值,Zmid为Wij中灰度级中值,Zij为像素点(i,j)的灰度值。
其中,如图2A所示,人体区域检测步骤S2还包括:
人体目标判断步骤S21:对是否存在人体目标进行粗判断;为了使分割结果更加精确减小误分割率,在本发明步骤中进行人体区域分割前,先对被动毫米波图像中是否存在人体目标进行粗判断,若无人体目标,则结束人体隐匿危险物品的检测,否则采用最大类间方差法OTSU进行人体区域分割,并对分割后的结果进行形态学闭运算得到人体区域。OTSU算法被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响。人体目标是否存在的主要是根据整幅图像的直方图分布情况进行判别的,若一幅被动毫米波图像中存在人体目标,则人体与背景的灰度相差较大,并且人体和背景的占整幅图像的比例都比较大,图像的灰度直方图呈明显的双峰特性。
人体区域分割步骤S22:在人体目标判断步骤中,如果人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的人体区域进行形态学闭运算得到最终的人体区域。
其中,如图2C所示,人体目标判断步骤S21还包括:
统计步骤S211:统计整个被动毫米波图像的灰度直方图分布;
确定最大值步骤S212:确定像素点数目最多的灰度值Hmax;
像素点个数计算步骤S213:以像素点数目最多的灰度值Hmax为中心,并以长度阈值TL为限向左右扩展,计算长度阈值TL范围内的像素点的个数Ntotal;
判断步骤S214:计算像素点的个数Ntotal所占整个图像像素总数的比例,若所占比例小于预设门限值Tr,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
其中,如图2A及图5所示,隐匿物品检测步骤S3还包括:
第一次迭代分割步骤S31:采用最大类间方差法在人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据隐匿物品分割阈值TO1将人体区域分割为隐匿物品区域和非隐匿物品区域;
本发明第一次迭代分割中采用最大类间方差法在人体区域图像I的灰度直方图HP中计算隐匿物品分割阈值TO1,根据TO1将人体区域图像I分割为隐匿物品区域和非隐匿物品区域,隐匿物品区域设置为255,非隐匿物品区域设置为0。设隐匿物品标记矩阵为P,直方图HP最高峰值点所对应的灰度值为HPmax,如果TO1≥HPmax,则P定义如下:
否则TO1<HPmax,则P定义如下:
第二次迭代分割步骤S32:对完成第一次迭代分割的人体区域进行第二次迭代分割,在人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据隐匿物品分割阈值TO2,将人体区域再次分割为隐匿物品区域和非隐匿物品区域;
本发明第二次迭代分割步骤中,分割前对人体区域所对应的图像I进行微处理,处理后的人体区域图像设为It,则It定义如下:
采用最大类间方差法在人体区域图像It的灰度直方图HPt中计算隐匿物品分割阈值TO2,根据TO2将人体区域图像It分割为隐匿物品区域和非隐匿物品区域。设直方图HPt最高峰值点所对应的灰度值为HPtmax,如果TO2≥HPtmax,则P重置为:
否则TO2<HPtmax,则P重置为:
筛选步骤S33:对分割得到的隐匿物品区域内的目标物体填充孔洞后,对作为目标物体进行筛选,找到候选的隐匿物品,并对候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
对分割得到的隐匿物品标记矩阵P进行形态学闭运算操作(先膨胀后腐蚀),填充目标物体内的细小空洞,保证目标物体的完整性。
对隐匿物品进行过滤筛选,采用区域生长法对P中的255像素点进行连通区域标记,每个连通区域即为一个候选的隐匿物品,计算每个连通区域的面积Ri(区域包含的像素数),若该连通区域的面积Ri小于预定的面积阈值Rmin,则将该连通区域剔除,并将该区域所对应的P中的像素值设为0。
对人体区域内的隐匿物品区域进行标记,根据所获得的隐匿物品标记矩阵P,提取每个隐匿物品的最大外接矩形,并将各矩形在被动毫米波图像F中对应的位置上标识出来。
如图6所示,本发明还提供一种被动毫米波图像中人体隐匿物品的检测系统,采用如所述被动毫米波图像中人体隐匿物品的检测方法,包括:
图像预处理模块1:对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使被动毫米波图像目标与背景进行明显区分;
人体区域检测模块2:基于通过预处理的被动毫米波图像,通过对人体是否存在的预判断,进行人体区域检测,获取人体区域;
隐匿物品检测模块3:在人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记。
其中,如图7A所示,图像预处理模块1还包括:
插值重建模块11:采用立方卷积插值算法对被动毫米波图像进行插值重建;
增强模块12:对完成插值重建后的被动毫米波图像进行三场迭代增强处理,提高被动毫米波图像的对比度,并降低背景的噪声。
其中,如图7B所示,增强模块12还包括:
第一次迭代增强模块121:采用最短模糊熵准则对被动毫米波图像进行第一次增强处理,以使被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第二次迭代增强模块122:采用幂次变换方法对完成第一次迭代增强后的被动毫米波图像进行第二次增强处理,以使被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强模块123:采用自适应中值滤波算法对完成第二次迭代增强后的被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
其中,如图7A所示,人体区域检测模块2还包括:
人体目标判断模块21:对是否存在人体目标进行粗判断;
人体区域分割模块22:在人体目标判断步骤中,如果所述人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的所述人体区域进行形态学闭运算得到最终的人体区域。
其中,如图7C所示,人体目标判断模块21还包括:
统计模块211:统计整个被动毫米波图像的灰度直方图分布;
确定最大值模块212:确定像素点数目最多的灰度值;
像素点个数计算模块213:以像素点数目最多的灰度值为中心,并以长度阈值为限向左右扩展,计算长度阈值范围内的像素点的个数;
判断模块214:计算像素点的个数所占整个图像像素总数的比例,若所占比例小于预设门限值,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
其中,如图7A所示,隐匿物品检测模块3还包括:
第一次迭代分割模块31:采用最大类间方差法在人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据隐匿物品分割阈值TO1将人体区域分割为隐匿物品区域和非隐匿物品区域;
第二次迭代分割模块32:对完成第一次迭代分割的人体区域进行第二次迭代分割,在人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据隐匿物品分割阈值TO2,将人体区域再次分割为隐匿物品区域和非隐匿物品区域;
筛选模块33:对分割得到的隐匿物品区域内的目标物体填充孔洞后,对作为目标物体进行筛选,找到候选的隐匿物品,并对候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (14)
1.一种被动毫米波图像中人体隐匿物品的检测方法,其特征在于,包括:
图像预处理步骤:对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使所述原始被动毫米波图像目标与背景进行明显区分;
人体区域检测步骤:基于所述被动毫米波图像,通过对人体是否存在的预判断,进行人体目标检测,获取人体区域;及
隐匿物品检测步骤:在所述人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记;
其中,所述隐匿物品检测步骤进一步包括:
第一次迭代分割步骤:采用最大类间方差法在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据所述隐匿物品分割阈值TO1将所述人体区域分割为隐匿物品区域和非隐匿物品区域;
第二次迭代分割步骤:对完成第一次迭代分割的所述人体区域进行第二次迭代分割,在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据所述隐匿物品分割阈值TO2,将所述人体区域再次分割为隐匿物品区域和非隐匿物品区域;及
筛选步骤:对分割得到的所述隐匿物品区域内的目标物体填充孔洞后,对作为所述目标物体进行筛选,找到候选的隐匿物品,并对所述候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
2.根据权利要求1所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,所述图像预处理步骤还包括:
插值重建步骤:采用立方卷积插值算法对所述原始被动毫米波图像进行插值重建;
增强步骤:对完成插值重建后的所述被动毫米波图像进行三次迭代增强处理,提高所述被动毫米波图像的对比度,并降低背景的噪声。
3.根据权利要求2所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,所述增强步骤还包括:
第一次迭代增强步骤:采用最短模糊熵准则对经过插值重建后的被动毫米波图像进行第一次增强处理,以使所述被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第二次迭代增强步骤:采用幂次变换方法对完成第一次迭代增强后的所述被动毫米波图像进行第二次增强处理,以使所述被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强步骤:采用自适应中值滤波算法对完成第二次迭代增强后的所述被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
4.根据权利要求1所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,人体区域检测步骤还包括:
人体目标判断步骤:对是否存在人体目标进行粗判断;
人体区域分割步骤:在人体目标判断步骤中,如果所述人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的所述人体区域进行形态学闭运算得到最终的人体区域。
5.根据权利要求4所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,所述人体目标判断步骤还包括:
统计步骤:统计整个所述被动毫米波图像的灰度直方图分布;
确定最大值步骤:确定像素点数目最多的灰度值;
像素点个数计算步骤:以所述像素点数目最多的灰度值为中心,并以长度阈值为限向左右扩展,计算所述长度阈值范围内的像素点的个数;
判断步骤:计算所述像素点的个数所占整个图像像素总数的比例,若所占比例小于预设门限值,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
6.根据权利要求1所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,所述第一次迭代分割步骤中所述隐匿物品区域的标记矩阵为P,所述灰度直方图为Hp,所述直方图HP最高峰值点所对应的灰度值为HPmax,如果所述隐匿物品分割阈值TO1≥HPmax,则P定义如下:
否则TO1<HPmax,则P定义如下:
其中I(x,y)为所述人体区域图像I的坐标值。
7.根据权利要求6所述被动毫米波图像中人体隐匿物品的检测方法,其特征在于,所述第二次迭代分割步骤中人体区域图像设为It,则It定义如下:
其中,HPt为经过第一次迭代分割后的人体区域图像的灰度直方图,HPtmax为所述直方图HPt最高峰值点所对应的灰度值,如果所述隐匿物品分割阈值TO2≥HPtmax,则P重置为:
否则TO2<HPtmax,则P重置为:
其中It(x,y)为所述人体区域图像It的坐标值。
8.一种被动毫米波图像中人体隐匿物品的检测系统,其特征在于,包括:
图像预处理模块:对采集到的原始被动毫米波图像,通过插值重建后,采用三次迭代增强方法进行图像增强,获取被动毫米波图像,以使所述原始被动毫米波图像目标与背景进行明显区分;
人体区域检测模块:基于所述被动毫米波图像,通过对人体是否存在的预判断,进行人体区域检测,获取人体区域;及
隐匿物品检测模块:在所述人体区域内,采用两次迭代分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记;
其中,所述隐匿物品检测模块进一步包括:
第一次迭代分割模块:采用最大类间方差法在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO1,根据所述隐匿物品分割阈值TO1将所述人体区域分割为隐匿物品区域和非隐匿物品区域;
第二次迭代分割模块:对完成第一次迭代分割的所述人体区域进行第二次迭代分割,在所述人体区域的图像的灰度直方图中计算隐匿物品分割阈值TO2,根据所述隐匿物品分割阈值TO2,将所述人体区域再次分割为隐匿物品区域和非隐匿物品区域;及
筛选模块:对分割得到的所述隐匿物品区域内的目标物体填充孔洞后,对作为所述目标物体进行筛选,找到候选的隐匿物品,并对所述候选隐匿物品所在区域进行标记,完成人体隐匿物品的检测。
9.根据权利要求8所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,所述图像预处理模块还包括:
插值重建模块:采用立方卷积插值算法对所述原始被动毫米波图像进行插值重建;
增强模块:对完成插值重建后的所述被动毫米波图像进行三次迭代增强处理,提高所述被动毫米波图像的对比度,并降低背景的噪声。
10.根据权利要求9所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,所述增强模块还包括:
第一次迭代增强模块:采用最短模糊熵准则对经过插值重建后的被动毫米波图像进行第一次增强处理,以使所述被动毫米波图像的的亮度增强,并抑制背景区域的噪声,改善图像的对比度;
第二次迭代增强模块:采用幂次变换方法对完成第一次迭代增强后的所述被动毫米波图像进行第二次增强处理,以使所述被动毫米波图像的高灰度级扩展,压缩低灰度级,进一步改善图像的对比度;
第三次迭代增强模块:采用自适应中值滤波算法对完成第二次迭代增强后的所述被动毫米波图像进行第三次增强处理,实现清除椒盐噪声,处理空间中的冲激噪声,并平滑非冲激噪声。
11.根据权利要求8所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,人体区域检测模块还包括:
人体目标判断模块:对是否存在人体目标进行粗判断;
人体区域分割模块:在人体目标判断步骤中,如果所述人体目标存在,则采用最大类间方差法进行人体区域的分割,并对分割后的所述人体区域进行形态学闭运算得到最终的人体区域。
12.根据权利要求11所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,所述人体目标判断模块还包括:
统计模块:统计整个所述被动毫米波图像的灰度直方图分布;
确定最大值模块:确定像素点数目最多的灰度值;
像素点个数计算模块:以所述像素点数目最多的灰度值为中心,并以长度阈值为限向左右扩展,计算所述长度阈值范围内的像素点的个数;
判断模块:计算所述像素点的个数所占整个图像像素总数的比例,若所占比例小于预设门限值,则图像中存在人体区域,进行人体区域分割,否则就不存在人体隐匿危险物品,结束危险物品的检测。
13.根据权利要求8所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,所述第一次迭代分割模块中所述隐匿物品区域的标记矩阵为P,所述灰度直方图为Hp,所述直方图HP最高峰值点所对应的灰度值为HPmax,如果所述隐匿物品分割阈值TO1≥HPmax,则P定义如下:
否则TO1<HPmax,则P定义如下:
其中I(x,y)为所述人体区域图像I的坐标值。
14.根据权利要求13所述被动毫米波图像中人体隐匿物品的检测系统,其特征在于,所述第二次迭代分割模块中人体区域图像设为It,则It定义如下:
其中,HPt为经过第一次迭代分割后的人体区域图像的灰度直方图,HPtmax为所述直方图HPt最高峰值点所对应的灰度值,如果所述隐匿物品分割阈值TO2≥HPtmax,则P重置为:
否则TO2<HPtmax,则P重置为:
其中It(x,y)为所述人体区域图像It的坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410486052.4A CN105513035B (zh) | 2014-09-22 | 2014-09-22 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410486052.4A CN105513035B (zh) | 2014-09-22 | 2014-09-22 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105513035A CN105513035A (zh) | 2016-04-20 |
CN105513035B true CN105513035B (zh) | 2018-12-04 |
Family
ID=55720993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410486052.4A Active CN105513035B (zh) | 2014-09-22 | 2014-09-22 | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513035B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023166B (zh) * | 2016-05-12 | 2018-06-29 | 深圳市太赫兹科技创新研究院 | 微波图像中人体隐藏危险物体的检测方法和装置 |
US10884116B2 (en) | 2016-08-25 | 2021-01-05 | Shenzhen Cct Thz Technology Co., Ltd. | Human-body foreign-matter detection method and system based on millimetre-wave image |
CN106226836A (zh) * | 2016-08-29 | 2016-12-14 | 北京农业信息技术研究中心 | 基于太赫兹技术的畜禽体内芯片获取装置及方法 |
CN106371148B (zh) * | 2016-09-27 | 2019-05-03 | 华讯方舟科技有限公司 | 一种基于毫米波图像的人体异物检测方法及系统 |
CN106485077B (zh) * | 2016-10-11 | 2018-12-14 | 徐州玖胜医疗器械有限公司 | 一种监管场所医疗监控系统 |
CN106934782A (zh) * | 2017-01-16 | 2017-07-07 | 中国计量大学 | 一种红外图像增强方法 |
CN108108739B (zh) * | 2017-12-18 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 图像目标区域的检测方法、装置、x射线系统及存储介质 |
CN109543582A (zh) * | 2018-11-15 | 2019-03-29 | 杭州芯影科技有限公司 | 基于毫米波图像的人体异物检测方法 |
CN109597067B (zh) * | 2018-12-21 | 2023-05-09 | 创意银航(山东)技术有限公司 | 毫米波辐射计线列扫描低识别度目标的分析方法和系统 |
CN111553310B (zh) * | 2020-05-08 | 2023-04-07 | 中国电子科技集团公司第三十八研究所 | 基于毫米波雷达的安检图像获取方法、系统及安检设备 |
US11231498B1 (en) | 2020-07-21 | 2022-01-25 | International Business Machines Corporation | Concealed object detection |
CN112597989B (zh) * | 2020-12-18 | 2021-09-14 | 中国科学院上海微系统与信息技术研究所 | 毫米波三维全息图像隐匿物品检测方法及系统 |
CN112859066A (zh) * | 2021-02-23 | 2021-05-28 | 中国工程物理研究院电子工程研究所 | 一种基于视频成像模块的远距离人体隐藏危险品检测仪 |
CN113657497B (zh) * | 2021-08-17 | 2024-03-08 | 上海亨临光电科技有限公司 | 一种低信噪比图像增强处理与人体图像分割融合实现方法 |
CN115311685B (zh) * | 2022-08-05 | 2023-05-02 | 杭州电子科技大学 | 一种基于平均结构相似度的毫米波图像检出结果判定方法 |
CN115131826B (zh) * | 2022-08-23 | 2022-11-11 | 浙江大华技术股份有限公司 | 物品检测识别方法、网络模型的训练方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542570A (zh) * | 2011-12-30 | 2012-07-04 | 北京华航无线电测量研究所 | 一种微波图像中人体隐藏危险物体自动检测方法 |
CN102565794A (zh) * | 2011-12-30 | 2012-07-11 | 北京华航无线电测量研究所 | 一种人体隐藏危险物体自动检测微波安检系统 |
CN102708560A (zh) * | 2012-02-29 | 2012-10-03 | 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 |
CN102707322A (zh) * | 2012-02-29 | 2012-10-03 | 北京无线电计量测试研究所 | 一种基于毫米波成像的人体检测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2959020B1 (fr) * | 2010-04-16 | 2016-06-03 | Thales Sa | Dispositif de detection instantanee d'objets caches par imagerie a 360 degres |
-
2014
- 2014-09-22 CN CN201410486052.4A patent/CN105513035B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542570A (zh) * | 2011-12-30 | 2012-07-04 | 北京华航无线电测量研究所 | 一种微波图像中人体隐藏危险物体自动检测方法 |
CN102565794A (zh) * | 2011-12-30 | 2012-07-11 | 北京华航无线电测量研究所 | 一种人体隐藏危险物体自动检测微波安检系统 |
CN102708560A (zh) * | 2012-02-29 | 2012-10-03 | 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 |
CN102707322A (zh) * | 2012-02-29 | 2012-10-03 | 北京无线电计量测试研究所 | 一种基于毫米波成像的人体检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105513035A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105513035B (zh) | 一种被动毫米波图像中人体隐匿物品的检测方法及其系统 | |
Nasiri et al. | Infrared small target enhancement based on variance difference | |
Khaire et al. | A fuzzy set approach for edge detection | |
Jassim et al. | Hybridization of Otsu method and median filter for color image segmentation | |
CN106886747B (zh) | 一种基于扩展小波变换的复杂背景下舰船检测方法 | |
CN108154087A (zh) | 一种基于特征匹配的红外人体目标检测跟踪方法 | |
Radha et al. | An effective algorithm for edges and veins detection in leaf images | |
Tang et al. | Image edge detection based on singular value feature vector and gradient operator | |
CN108038856B (zh) | 基于改进多尺度分形增强的红外小目标检测方法 | |
Hsieh et al. | Fast and robust infrared image small target detection based on the convolution of layered gradient kernel | |
CN103077499B (zh) | 基于相似块的sar图像预处理方法 | |
Chen et al. | An improved edge detection in noisy image using fuzzy enhancement | |
Zhang et al. | Small target detection based on difference accumulation and Gaussian curvature under complex conditions | |
Maqueda et al. | Fast millimeter wave threat detection algorithm | |
Manjula | Image edge detection and segmentation by using histogram thresholding method | |
Alsulami et al. | Detection and tracking of dim objects in infrared (IR) images using Support Vector Machine | |
Junior et al. | Optical images-based edge detection in synthetic aperture radar images | |
CN112037243B (zh) | 被动式太赫兹安检方法、系统及介质 | |
Kong et al. | Performance analysis of Canny's edge detection method for modified threshold algorithms | |
Sun et al. | Infrared small targets detection based on MRF model | |
Kaur et al. | Study of Image enhancement techniques in image processing: A review | |
CN108573236B (zh) | 基于离散分数布朗随机场的云天背景下红外弱小目标检测方法 | |
Abdulmunim et al. | Propose a mixture edge detection method for infrared image segmentation | |
Almuntashri et al. | Human visual system-based edge detection using image contrast enhancement and logarithmic ratio | |
Al-Amaren et al. | Edge Map Extraction of an Image Based on the Gradient of its Binary Versions |
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 |