CN106023166B - 微波图像中人体隐藏危险物体的检测方法和装置 - Google Patents

微波图像中人体隐藏危险物体的检测方法和装置 Download PDF

Info

Publication number
CN106023166B
CN106023166B CN201610316116.5A CN201610316116A CN106023166B CN 106023166 B CN106023166 B CN 106023166B CN 201610316116 A CN201610316116 A CN 201610316116A CN 106023166 B CN106023166 B CN 106023166B
Authority
CN
China
Prior art keywords
edge
frame
dangerous objects
image
region
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
CN201610316116.5A
Other languages
English (en)
Other versions
CN106023166A (zh
Inventor
祁春超
刘艳丽
陈寒江
吴光胜
赵术开
丁庆
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.)
Shenzhen Zhongtou Huaxun Terahertz Technology Co., Ltd
Original Assignee
Shenzhen Huaxun Ark Terahertz Technology Co Ltd
Shenzhen Institute of Terahertz Technology and Innovation
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 Shenzhen Huaxun Ark Terahertz Technology Co Ltd, Shenzhen Institute of Terahertz Technology and Innovation filed Critical Shenzhen Huaxun Ark Terahertz Technology Co Ltd
Priority to CN201610316116.5A priority Critical patent/CN106023166B/zh
Publication of CN106023166A publication Critical patent/CN106023166A/zh
Priority to PCT/CN2017/083271 priority patent/WO2017193876A1/zh
Priority to EP17795494.8A priority patent/EP3457355B1/en
Priority to US16/019,562 priority patent/US10706552B2/en
Application granted granted Critical
Publication of CN106023166B publication Critical patent/CN106023166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G01V5/22—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • 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
    • 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

Abstract

本发明涉及一种微波图像中人体隐藏危险物体的检测方法和装置。所述方法包括步骤：获取相邻的至少两帧包含人体探测结果的微波灰度图像；从各帧微波灰度图像中获取各帧人体区域图像；识别各帧人体区域图像中各个危险物体区域并进行边缘提取，获得各帧的第一边缘图像；对各帧人体区域图像直接进行边缘检测，获得各帧的第二边缘图像；将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；对第一危险物体区域进行过滤，获得第二危险物体区域。本发明具有很高的检测准确率和计算效率。

Description

微波图像中人体隐藏危险物体的检测方法和装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种微波图像中人体隐藏危险物体的检测方法以及微波图像中人体隐藏危险物体的检测装置。
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，能够获得被扫描人体衣物遮挡下物体成像结果图像，然后基于物体成像结果图像自动完成被扫描人体衣物下隐藏携带的危险物品的检测，如金属器械、陶瓷刀具、不明液体，粉末等。在检测过程中，如果直接通过安检操作人员肉眼观察的方式来完成可疑危险物体的检测，在人力、财力及时间上的消耗是巨大的。因此，设计自动检测方法完成微波图像中人体上可能存在的不同属性、类型的隐藏危险物体的自动检测具有重要意义。
现有的物体自动检测方法一般有两种：第一种针对可见光图像数据；第二种针对微波图像数据，但是一般针对单帧图像进行检测。上述两种方法在微波图像的安检系统中并不适用，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，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，因此应用于可见光图像中的危险物体检测方法并不能直接应用于微波图像中；2)危险物体在相邻帧图像上由于采样角度的不同表现出一定异同，仅仅对单帧图像进行检测对成像质量依赖性过大，易于造成误检，因此，基于单帧图像的特征检测方法并不能满足微波安检系统中危险物体自动检测准确性的需求。
发明内容
基于此，有必要针对上述问题，提供一种微波图像中人体隐藏危险物体的检测方法和装置，能够实现微波图像中人体隐藏危险物体的自动检测且达到较高的检测准确率。
为了达到上述目的，本发明采取的技术方案如下：
一种微波图像中人体隐藏危险物体的检测方法，包括步骤：
获取相邻的至少两帧包含人体探测结果的微波灰度图像；
从各帧微波灰度图像中获取各帧人体区域图像；
从各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
对各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
对第一危险物体区域进行过滤，获得第二危险物体区域。
一种微波图像中人体隐藏危险物体的检测装置，包括：
微波灰度图像获取模块，用于获取相邻的至少两帧包含人体探测结果的微波灰度图像；
人体区域图像获取模块，用于从各帧微波灰度图像中获取各帧人体区域图像；
第一边缘图像获得模块，用于从各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
第二边缘图像获得模块，用于对各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
危险物体边缘获得模块，用于将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
粗略危险物体边缘获得模块，用于将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
第一危险物体区域获得模块，用于对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
第二危险物体区域获得模块，用于对第一危险物体区域进行过滤，获得第二危险物体区域。
本发明微波图像中人体隐藏危险物体的检测方法和装置，与现有技术相互比较时，具备以下优点：
(1)本发明综合利用了不同角度下微波探测结果的微波灰度图像特征，降低了检测结果对单帧图像的依赖性及成像角度对危险物体区域成像质量的影响；
(2)本发明针对每一帧人体区域图像同时采用两种方式获取边缘图像：检测危险物体区域并提取边缘；直接对人体区域进行危险物体区域边缘检测。然后对两种方式获得的边缘图像进行边缘拟合，以滤除单帧图像部分误检区域，相较于现有技术中的单纯地依靠灰度值进行检测，本发明有效地提高了检测的准确度，同时在实时性上也能得到保证；
(3)本发明能够有效适用于真实的微波安检系统，具有很高的检测准确率和计算效率，满足使用要求，解决了微波安检系统中对人体隐藏危险物体的自动检测问题。
附图说明
图1为本发明微波图像中人体隐藏危险物体的检测方法实施例的流程示意图；
图2为本发明获取的三帧微波灰度图像具体实施例的示意图；
图3为本发明在微波灰度图像中标识的第二危险物体区域的示意图；
图4为本发明微波图像中人体隐藏危险物体的检测装置实施例一的结构示意图；
图5为本发明微波图像中人体隐藏危险物体的检测装置实施例二的结构示意图。
具体实施方式
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，形成微波灰度图像，接下来需要基于微波灰度图像信息完成被检测人体衣物遮挡下的隐藏危险物体自动检测过程，将自动检测结果呈现给系统操作员，以辅助系统操作员做出判断，完成安检过程。
通常情况下，感兴趣的危险物体在属性表现上多种多样：在材质方面，主要有液体、金属、塑料、粉末等；在形状方面主要有：长条、锐角、短宽等。为实现微波图像中人体隐藏危险物体的自动检测且达到较高的检测准确率，需要针对感兴趣的不同材质、形状、大小等情况下的危险物体在微波成像结果图像中的表现特点，对微波图像的内容信息进行分析，具体分析结果如下：
从单帧图像看，在材质方面，金属、液体、塑料、粉末等材质的感兴趣危险物体在微波灰度图像中表现为灰度值较高或较低的局部区域；在形状方面，对于不同形状的物体，如长条形、锐角等，在成像结果中表现为较明显的边缘结构特征。而从相邻的不同角度的多帧图像看，由于成像角度的不同，对同一感兴趣危险物体的成像其灰度值与人体成像灰度值的对比存在一定的差异，导致在不同角度下感兴趣危险物体在微波灰度图像中表现为灰度值或较高或较低或与人体灰度值相近。
本发明利用这些技术特点，对相邻的多帧微波灰度图像同时处理，针对每一帧图像分别采用两种方法得到单帧图像的边缘图像，利用边缘拟合的方式获得单帧图像的危险物体边缘，一方面考虑到感兴趣物体与人体成像的灰度差异，另一方面也考虑到感兴趣物体的边缘结构信息。进一步地，将多帧图像的危险物体边缘通过配准及二次边缘拟合的方式获得粗略危险物体边缘，然后对粗略危险物体边缘进行区域二值化和过滤，完成人体隐藏危险物体区域的自动检测。
为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。需要说明的是，文中出现的“第一”和“第二”字眼仅用于区分相同的技术特征，并不对技术特征的顺序和数量等加以限定。
如图1所示，一种微波图像中人体隐藏危险物体的检测方法，包括步骤：
S110、获取相邻的至少两帧包含人体探测结果的微波灰度图像；
S120、从各帧微波灰度图像中获取各帧人体区域图像；
S130、从各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
S140、对各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
S150、将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
S160、将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
S170、对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
S180、对第一危险物体区域进行过滤，获得第二危险物体区域。
在步骤S110中，获取相邻的不同角度下采样的微波灰度图像Ik，获取的帧数可以根据实际需要确定。如图2所示，为获取的不同角度下的三帧微波灰度图像，k＝1,2,3。
在步骤S120中，针对微波灰度图像Ik进行灰度分割人体区域与背景区域，获得人体区域图像Ik′。
在进行灰度分割时，设置分割阈值Tk，将微波灰度图像Ik中灰度值高于Tk的像素区域提取出来，其余像素区域被认为背景区域，设置为0，如下面公式所示：
矩阵Ik′的行数、列数分别与微波灰度图像Ik的行、列数目相等。
在步骤S130中，针对人体区域图像Ik′，可以利用自适应模糊聚类算法对危险物体区域进行检测，然后再利用边缘提取算子，例如canny算子，进行危险物体区域的边缘提取。
利用自适应模糊聚类算法对危险物体区域进行检测的步骤具体包括：
S1301)设定迭代停止条件ε，其中0＜ε＜1，聚类数目的初始值ck＝2，自适应函数初始值Lk(1)＝0，迭代次数的初始值lk＝0，模糊加权指数m＝2；
S1302)随机初始化聚类中心矩阵其中i＝1,2,...,c；
S1303)求取人体区域图像Ik′中第j个像素点与第i个聚类中心的第l次迭代的欧式距离并计算第lk次迭代的隶属度矩阵和第lk次迭代后的聚类中心矩阵
其中，Uk (l)的第i行第j列的元素和Vk (l+1)第i个元素分别按下式计算：
S1304)对和进行比较，如果则迭代停止，执行步骤S1305)，否则令lk＝lk+1，返回步骤S1303)；
S1305)计算聚类数目为ck时的自适应函数Lk(ck)，当2＜ck＜qk时，qk为设定的聚类上限，若存在满足Lk(ck-1)＞Lk(ck-2)且Lk(ck-1)＞Lk(ck)的点，则取聚类数目ck＝ck-1时的聚类结果作为危险物体区域Rk，停止迭代，否则令ck＝ck+1，返回步骤S1302)；当ck＞qk时，则取聚类数目时的聚类结果作为危险物体区域Rk；其中，自适应函数Lk(ck)，通过下式计算：
其中，表示第k帧图像Ik′背景区域所有像素点数的中心向量。
通过上述步骤即可以检测到各帧图像的危险物体区域，然后利用现有的canny算子对危险物体区域Rk进行边缘提取，得到边缘
在步骤S140中，针对人体区域图像Ik′利用边缘检测算子对危险物体区域直接进行边缘检测，得到边缘ek，其中边缘检测算子采用现有技术中已有的算子，例如canny算子。
在步骤S150中，针对步骤S130)及步骤S140)获得的边缘进行边缘拟合，以滤除部分误检测区域。
在一个实施例中，步骤S150可以包括：
S1501)获得各帧的第一边缘图像和第二边缘图像的差值的绝对值；
S1502)将各帧中差值的绝对值小于等于预设的第一边缘拟合阈值ε1的边缘保留，差值的绝对值大于第一边缘拟合阈值ε1的边缘舍弃，获得各帧的危险物体边缘，也即是将的边缘保留，将的边缘舍弃，得到危险物体边缘e′k。其中第一边缘拟合阈值ε1为实数，可以根据实际需要确定。
在步骤S160中，对步骤S150中获得的各帧的危险物体边缘进行配准及二次边缘拟合，获得粗略危险物体边缘。
在一个实施例中，步骤S160可以包括：
S1601)对各帧微波灰度图像Ik进行特征点检测及描述，构建各帧的特征集Xk；
特征点检测及描述方法可以采用现有技术中已有的算法，例如SIFT(Scale-invariant feature transform，尺度不变特征变换)算法。
S1602)选取一帧作为参考帧，通过欧式距离测度获得除参考帧之外的其余各帧的特征集中特征点与参考帧的特征集中特征点的对应关系；
参考帧可以任意选取，例如有三帧微波灰度图像，可以选取第一帧作为参考帧，或者选取第二帧作为参考帧，或者选取第三帧作为参考帧，又例如有两帧微波灰度图像，则选取第一帧或第二帧作为参考帧。
为了更好的理解该步骤，下面以三帧微波灰度图像为例，将第二帧作为参考帧，对该步骤进行具体示例：
针对特征集Xk，通过欧氏距离测度找到特征集X1中特征点与特征集X2中特征点的对应关系f1(X1)→X2，若特征点间的归一化欧氏距离低于阈值Td(0＜Td＜1)，则认为特征点不匹配，同样的方法获得特征集X3中特征点与特征集X2中特征点对应的关系f2(X3)→X2。
S1603)根据各个对应关系，将其余各帧的危险物体边缘映射到参考帧的微波灰度图像中；
以步骤S1602中的具体示例进行说明，该步骤为：
e′1(x,y)＝f1(e1(x,y))
e′3(x,y)＝f2(e3(x,y))
S1604)获得其余各帧的危险物体边缘和参考帧的危险物体边缘的差值的绝对值；
S1605)将差值的绝对值小于等于预设的第二边缘拟合阈值ε2的边缘保留，差值的绝对值大于第二边缘拟合阈值的边缘舍弃，获得粗略危险物体边缘es。
步骤S1604和步骤S1605执行的为第二次边缘拟合的过程。通过第二次边缘拟合得到粗略危险物体边缘es。其中ε2为实数，具体数值可以根据实际需要确定。
在步骤S170中，对步骤S160获得的粗略危险物体边缘es进行区域二值化，获得粗略的危险物体区域Rs。
在一个实施例中，对粗略危险物体边缘进行区域二值化的步骤可以包括：
将粗略危险物体边缘es内部的像素点的灰度值设置为255；
将粗略危险物体边缘es外部的像素点的灰度值设置为0。
通过上述二值化处理，既可以得到粗略危险物体区域Rs。
在步骤S180中，由于步骤S170中获取的粗略危险物体区域Rs可能包含一些误差信息，所以需要进一步进行过滤，从而获得精准的危险物体区域。过滤的方式可以根据现有技术中已有的方式实现，例如，在一个实施例中，对第一危险物体区域进行过滤包括步骤：
S1801)对获得的第一危险物体区域分别进行x方向和y方向上的形态学闭运算；
S1802)滤除第一危险物体区域中面积小于Ta的子区域，剩下的子区域为第二危险物体区域，Ta为自然数。
为了将自动检测结果呈现给系统操作员，以辅助系统操作员做出判断，在一个实施例中，步骤S180之后，还可以包括步骤：
提取第二危险物体区域的边缘轮廓；
在参考帧的微波灰度图像中显示提取的边缘轮廓。例如第二帧为参考帧，则将提取的边缘轮廓在第二帧的微波灰度图像中标识出来。如图3所示，微波灰度图像中的白色曲线标识的部分即为第二危险物体区域的边缘轮廓。
基于同一发明构思，本发明还提供一种微波图像中人体隐藏危险物体的检测装置，下面结合附图对本发明装置的具体实施方式做详细描述。
如图4所示，一种微波图像中人体隐藏危险物体的检测装置，包括：
微波灰度图像获取模块110，用于获取相邻的至少两帧包含人体探测结果的微波灰度图像；
人体区域图像获取模块120，用于从各帧微波灰度图像中获取各帧人体区域图像；
第一边缘图像获得模块130，用于从各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
第二边缘图像获得模块140，用于对各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
危险物体边缘获得模块150，用于将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
粗略危险物体边缘获得模块160，用于将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
第一危险物体区域获得模块170，用于对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
第二危险物体区域获得模块180，用于对第一危险物体区域进行过滤，获得第二危险物体区域。
微波灰度图像获取模块110获取相邻的不同角度下采样的微波灰度图像Ik，获取的帧数可以根据实际需要确定。人体区域图像获取模块120针对微波灰度图像Ik进行灰度分割人体区域与背景区域，获得人体区域图像Ik′，其中灰度分割算法可以采用现有技术中的自动阈值分割算法。
获得人体区域图像Ik′后，采用两种不同的方式同时获得边缘图像：第一边缘图像获得模块130针对人体区域图像Ik′，可以利用自适应模糊聚类算法对危险物体区域进行检测，然后再利用边缘提取算子，例如canny算子，进行危险物体区域的边缘提取，得到边缘第二边缘图像获得模块140针对人体区域图像Ik′利用边缘检测算子对危险物体区域直接进行边缘检测，得到边缘ek，其中边缘检测算子采用现有技术中已有的算子，例如canny算子。
为了滤除部分误检测区域，危险物体边缘获得模块150对获得的边缘和ek进行边缘拟合。在一个实施例中，所述危险物体边缘获得模块150可以包括：
第一差值绝对值获得单元1501，用于获得各帧的第一边缘图像和第二边缘图像的差值的绝对值；
危险物体边缘获得单元1502，用于将各帧中差值的绝对值小于等于预设的第一边缘拟合阈值的边缘保留，差值的绝对值大于第一边缘拟合阈值的边缘舍弃，获得各帧的危险物体边缘。
粗略危险物体边缘获得模块160对获得的各帧的危险物体边缘进行配准及二次边缘拟合，获得粗略危险物体边缘。在一个实施例中，所述粗略危险物体边缘获得模块160可以包括：
特征集构建单元1601，用于对各帧微波灰度图像进行特征点检测及描述，构建各帧的特征集；
对应关系获得单元1602，用于选取一帧作为参考帧，通过欧式距离测度获得除参考帧之外的其余各帧的特征集中特征点与参考帧的特征集中特征点的对应关系；
映射单元1603，用于根据各个对应关系，将其余各帧的危险物体边缘映射到参考帧的微波灰度图像中；
第二差值绝对值获得单元1604，用于获得其余各帧的危险物体边缘和参考帧的危险物体边缘的差值的绝对值；
粗略危险物体边缘获得单元1605，用于将差值的绝对值小于等于预设的第二边缘拟合阈值的边缘保留，差值的绝对值大于第二边缘拟合阈值的边缘舍弃，获得粗略危险物体边缘。
第一危险物体区域获得模块170对获得的粗略危险物体边缘进行区域二值化，获得粗略的危险物体区域。在一个实施例中，所述第一危险物体区域获得模块170可以包括：
第一灰度值设置单元1701，用于将粗略危险物体边缘内部的像素点的灰度值设置为255；
第二灰度值设置单元1702，用于将粗略危险物体边缘外部的像素点的灰度值设置为0。
由于获取的粗略危险物体区域可能包含一些误差信息，所以第二危险物体区域获得模块180需要进一步进行过滤，从而获得精准的危险物体区域，其中过滤的方式可以根据现有技术中已有的方式实现。
为了将自动检测结果呈现给系统操作员，以辅助系统操作员做出判断，在一个实施例中，如图5所示，本发明装置还可以包括与所述第二危险物体区域获得模块180相连的标识模块190，所述标识模块190可以包括：
边缘轮廓提取单元1901，用于提取第二危险物体区域的边缘轮廓；
边缘轮廓显示单元1902，用于在参考帧的微波灰度图像中显示提取的边缘轮廓。
本发明与现有技术相互比较时，具备以下优点：
(1)本发明综合利用了不同角度下微波探测结果的微波灰度图像特征，降低了检测结果对单帧图像的依赖性及成像角度对危险物体区域成像质量的影响；
(2)本发明针对每一帧人体区域图像同时采用两种方式获取边缘图像：检测危险物体区域并提取边缘；直接对人体区域进行危险物体区域边缘检测。然后对两种方式获得的边缘图像进行边缘拟合，以滤除单帧图像部分误检区域，相较于现有技术中的单纯地依靠灰度值进行检测，本发明有效地提高了检测的准确度，同时在实时性上也能得到保证；
(3)本发明能够有效适用于真实的微波安检系统，具有很高的检测准确率和计算效率，满足使用要求，解决了微波安检系统中对人体隐藏危险物体的自动检测问题。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种微波图像中人体隐藏危险物体的检测方法，其特征在于，包括步骤：
获取相邻的至少两帧包含人体探测结果的微波灰度图像；
从各帧微波灰度图像中获取各帧人体区域图像；
从所述各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
对所述各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
对第一危险物体区域进行过滤，获得第二危险物体区域；
所述将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘的步骤包括：获得各帧的第一边缘图像和第二边缘图像的差值的绝对值；将各帧中差值的绝对值小于等于预设的第一边缘拟合阈值的边缘保留，差值的绝对值大于第一边缘拟合阈值的边缘舍弃，获得各帧的危险物体边缘；
所述将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘包括：对各帧微波灰度图像进行特征点检测及描述，构建各帧的特征集；选取一帧作为参考帧，通过欧式距离测度获得除参考帧之外的其余各帧的特征集中特征点与参考帧的特征集中特征点的对应关系；根据各个对应关系，将其余各帧的危险物体边缘映射到参考帧的微波灰度图像中；获得其余各帧的危险物体边缘和参考帧的危险物体边缘的差值的绝对值；将差值的绝对值小于等于预设的第二边缘拟合阈值的边缘保留，差值的绝对值大于第二边缘拟合阈值的边缘舍弃，获得粗略危险物体边缘。
2.根据权利要求1所述的微波图像中人体隐藏危险物体的检测方法，其特征在于，对粗略危险物体边缘进行区域二值化的步骤包括：
将粗略危险物体边缘内部的像素点的灰度值设置为255；
将粗略危险物体边缘外部的像素点的灰度值设置为0。
3.根据权利要求1至2任意一项所述的微波图像中人体隐藏危险物体的检测方法，其特征在于，获得第二危险物体区域的步骤之后，还包括步骤：
提取第二危险物体区域的边缘轮廓；
在参考帧的微波灰度图像中显示提取的边缘轮廓。
4.一种微波图像中人体隐藏危险物体的检测装置，其特征在于，包括：
微波灰度图像获取模块，用于获取相邻的至少两帧包含人体探测结果的微波灰度图像；
人体区域图像获取模块，用于从各帧微波灰度图像中获取各帧人体区域图像；
第一边缘图像获得模块，用于从各帧人体区域图像中获得各个危险物体区域，并对各个危险物体区域分别进行边缘提取，获得各帧的第一边缘图像；
第二边缘图像获得模块，用于对各帧人体区域图像分别进行危险物体的边缘检测，获得各帧的第二边缘图像；
危险物体边缘获得模块，用于将各帧的第一边缘图像和第二边缘图像进行第一次边缘拟合，获得各帧的危险物体边缘；
粗略危险物体边缘获得模块，用于将各帧的危险物体边缘进行配准和第二次边缘拟合，获得粗略危险物体边缘；
第一危险物体区域获得模块，用于对粗略危险物体边缘进行区域二值化，获得第一危险物体区域；
第二危险物体区域获得模块，用于对第一危险物体区域进行过滤，获得第二危险物体区域；
所述危险物体边缘获得模块包括：第一差值绝对值获得单元，用于获得各帧的第一边缘图像和第二边缘图像的差值的绝对值；危险物体边缘获得单元，用于将各帧中差值的绝对值小于等于预设的第一边缘拟合阈值的边缘保留，差值的绝对值大于第一边缘拟合阈值的边缘舍弃，获得各帧的危险物体边缘；
所述粗略危险物体边缘获得模块包括：特征集构建单元，用于对各帧微波灰度图像进行特征点检测及描述，构建各帧的特征集；对应关系获得单元，用于选取一帧作为参考帧，通过欧式距离测度获得除参考帧之外的其余各帧的特征集中特征点与参考帧的特征集中特征点的对应关系；映射单元，用于根据各个对应关系，将其余各帧的危险物体边缘映射到参考帧的微波灰度图像中；第二差值绝对值获得单元，用于获得其余各帧的危险物体边缘和参考帧的危险物体边缘的差值的绝对值；粗略危险物体边缘获得单元，用于将差值的绝对值小于等于预设的第二边缘拟合阈值的边缘保留，差值的绝对值大于第二边缘拟合阈值的边缘舍弃，获得粗略危险物体边缘。
5.根据权利要求4所述的微波图像中人体隐藏危险物体的检测装置，其特征在于，所述第一危险物体区域获得模块包括：
第一灰度值设置单元，用于将粗略危险物体边缘内部的像素点的灰度值设置为255；
第二灰度值设置单元，用于将粗略危险物体边缘外部的像素点的灰度值设置为0。
6.根据权利要求4至5任意一项所述的微波图像中人体隐藏危险物体的检测装置，其特征在于，还包括与所述第二危险物体区域获得模块相连的标识模块，所述标识模块包括：
边缘轮廓提取单元，用于提取第二危险物体区域的边缘轮廓；
边缘轮廓显示单元，用于在参考帧的微波灰度图像中显示提取的边缘轮廓。
CN201610316116.5A 2016-05-12 2016-05-12 微波图像中人体隐藏危险物体的检测方法和装置 Active CN106023166B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201610316116.5A CN106023166B (zh) 2016-05-12 2016-05-12 微波图像中人体隐藏危险物体的检测方法和装置
PCT/CN2017/083271 WO2017193876A1 (zh) 2016-05-12 2017-05-05 微波图像中人体隐藏危险物体的检测方法和装置
EP17795494.8A EP3457355B1 (en) 2016-05-12 2017-05-05 Method and device for detecting dangerous object hidden on human body from microwave image
US16/019,562 US10706552B2 (en) 2016-05-12 2018-06-27 Method and device for detecting concealed objects in microwave images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610316116.5A CN106023166B (zh) 2016-05-12 2016-05-12 微波图像中人体隐藏危险物体的检测方法和装置

Publications (2)

Publication Number Publication Date
CN106023166A CN106023166A (zh) 2016-10-12
CN106023166B true CN106023166B (zh) 2018-06-29

Family

ID=57099715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610316116.5A Active CN106023166B (zh) 2016-05-12 2016-05-12 微波图像中人体隐藏危险物体的检测方法和装置

Country Status (4)

Country Link
US (1) US10706552B2 (zh)
EP (1) EP3457355B1 (zh)
CN (1) CN106023166B (zh)
WO (1) WO2017193876A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
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
CN110097533B (zh) * 2019-02-12 2023-04-07 哈尔滨新光光电科技股份有限公司 一种光斑外形尺寸和位置的精确测试方法
CN110264488B (zh) * 2019-06-20 2021-03-16 合肥工业大学 一种二值图像边缘提取装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6720905B2 (en) * 2002-08-28 2004-04-13 Personnel Protection Technologies Llc Methods and apparatus for detecting concealed weapons
US6791487B1 (en) * 2003-03-07 2004-09-14 Honeywell International Inc. Imaging methods and systems for concealed weapon detection
US8982110B2 (en) * 2005-03-01 2015-03-17 Eyesmatch Ltd Method for image transformation, augmented reality, and teleperence
US20070235652A1 (en) * 2006-04-10 2007-10-11 Smith Steven W Weapon detection processing
WO2012119216A1 (en) * 2011-03-09 2012-09-13 Optosecurity Inc. Method and apparatus for performing a security scan on a person
CN102565794B (zh) * 2011-12-30 2013-09-18 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
CN102542570B (zh) * 2011-12-30 2014-05-07 北京华航无线电测量研究所 一种微波图像中人体隐藏危险物体自动检测方法
US9282258B2 (en) * 2012-02-23 2016-03-08 Apstec Systems Usa Llc Active microwave device and detection method
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
US9697710B2 (en) * 2012-06-20 2017-07-04 Apstec Systems Usa Llc Multi-threat detection system
US10162075B2 (en) * 2012-06-20 2018-12-25 Apstec Systems Usa Llc Non-cooperative automatic security screening with antennas for high cross-polarization discrimination
US9823377B1 (en) * 2012-06-20 2017-11-21 Apstec Systems Usa Llc Multi-threat detection of moving targets
US9928425B2 (en) * 2012-06-20 2018-03-27 Apstec Systems Usa Llc Methods and systems for non-cooperative automatic security screening in crowded areas
US8779357B1 (en) * 2013-03-15 2014-07-15 Fei Company Multiple image metrology
CN103955940B (zh) * 2014-05-16 2018-01-16 天津重方科技有限公司 一种基于x射线背散射图像的人体隐藏物的检测方法
CN105513035B (zh) * 2014-09-22 2018-12-04 北京计算机技术及应用研究所 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
CN104318568B (zh) * 2014-10-24 2017-07-28 武汉华目信息技术有限责任公司 一种图像配准的方法和系统
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

Also Published As

Publication number Publication date
EP3457355B1 (en) 2020-08-26
EP3457355A4 (en) 2019-03-27
US10706552B2 (en) 2020-07-07
US20180342064A1 (en) 2018-11-29
CN106023166A (zh) 2016-10-12
EP3457355A1 (en) 2019-03-20
WO2017193876A1 (zh) 2017-11-16

Similar Documents

Publication Publication Date Title
Tupin et al. Detection of linear features in SAR images: Application to road network extraction
Huang et al. A new building extraction postprocessing framework for high-spatial-resolution remote-sensing imagery
US9747687B2 (en) System and method for detecting polyps from learned boundaries
Coburn et al. A multiscale texture analysis procedure for improved forest stand classification
Yin et al. Hot region selection based on selective search and modified fuzzy C-means in remote sensing images
Wang et al. iVAT and aVAT: enhanced visual analysis for cluster tendency assessment
US9741116B2 (en) System and method for boundary classification and automatic polyp detection
Khazai et al. An approach for subpixel anomaly detection in hyperspectral images
CN102096921B (zh) 基于邻域对数比值及各向异性扩散的sar图像变化检测方法
CN104408482B (zh) 一种高分辨率sar图像目标检测方法
Yoon et al. LFIQ: Latent fingerprint image quality
CN104463877B (zh) 一种基于雷达影像与电子海图信息的岸线配准方法
CN107392885A (zh) 一种基于视觉对比机制的红外弱小目标检测方法
CN106296670B (zh) 一种基于Retinex-分水岭-Canny算子的红外图像边缘检测方法
CN102565794B (zh) 一种人体隐藏危险物体自动检测微波安检系统
CN103116763A (zh) 一种基于hsv 颜色空间统计特征的活体人脸检测方法
CN106530281A (zh) 基于边缘特征的无人机图像模糊判断方法及系统
Dixit et al. Image texture analysis-survey
CN110110675A (zh) 一种融合边缘信息的小波域分形红外卷云检测方法
Fu et al. A statistical approach to detect edges in SAR images based on square successive difference of averages
CN106023166B (zh) 微波图像中人体隐藏危险物体的检测方法和装置
CN110111283A (zh) 一种复杂背景下红外疑似目标的提示方法及系统
CN106682678A (zh) 一种基于支撑域的图像角点检测和分类方法
CN102360503B (zh) 基于空间贴近度和像素相似性的sar图像变化检测方法
CN106326834A (zh) 人体性别自动识别方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Qi Chunchao

Inventor after: Liu Yanli

Inventor after: Chen Hanjiang

Inventor after: Wu Guangsheng

Inventor after: Zhao Shukai

Inventor after: Ding Qing

Inventor before: Liu Yanli

Inventor before: Chen Hanjiang

Inventor before: Qi Chunchao

Inventor before: Wu Guangsheng

Inventor before: Zhao Shukai

Inventor before: Ding Qing

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20171229

Address after: 518102 Guangdong Province, Baoan District Xixiang street Shenzhen City Tian Yi Lu Chen Tian Bao Industrial District thirty-seventh building two floor East

Applicant after: SHENZHEN THZ SCIENCE AND TECHNOLOGY INNOVATION INSTITUTE

Applicant after: Shenzhen Huaxun ark Terahertz Technology Co. Ltd.

Address before: 518102 Guangdong Province, Baoan District Xixiang street Shenzhen City Tian Yi Lu Chen Tian Bao Industrial District thirty-seventh building two floor East

Applicant before: SHENZHEN THZ SCIENCE AND TECHNOLOGY INNOVATION INSTITUTE

Applicant before: SHENZHEN WUYATAI HERTZ TECHNOLOGY CO., LTD.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 518102 East, 2nd floor, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN THZ SCIENCE AND TECHNOLOGY INNOVATION INSTITUTE

Patentee after: Shenzhen Zhongtou Huaxun Terahertz Technology Co., Ltd

Address before: 518102 East, 2nd floor, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN THZ SCIENCE AND TECHNOLOGY INNOVATION INSTITUTE

Patentee before: SHENZHEN CCT THZ TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20210926

Address after: 518000 Shenzhen, Baoan District, Xixiang, Guangdong Xixiang street, thirty-seventh fields, 430 estate.

Patentee after: Shenzhen Zhongtou Huaxun Terahertz Technology Co., Ltd

Address before: 518102 East, 2nd floor, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN THZ SCIENCE AND TECHNOLOGY INNOVATION INSTITUTE

Patentee before: Shenzhen Zhongtou Huaxun Terahertz Technology Co., Ltd

TR01 Transfer of patent right
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20161012

Assignee: Shenzhen Huaxun ark Photoelectric Technology Co.,Ltd.

Assignor: Shenzhen Zhongtou Huaxun Terahertz Technology Co.,Ltd.

Contract record no.: X2022980007694

Denomination of invention: Method and device for detecting hidden dangerous objects in microwave images

Granted publication date: 20180629

License type: Exclusive License

Record date: 20220614

EE01 Entry into force of recordation of patent licensing contract