CN106372583B - 一种基于毫米波图像的人体异物检测方法及系统 - Google Patents
一种基于毫米波图像的人体异物检测方法及系统 Download PDFInfo
- Publication number
- CN106372583B CN106372583B CN201610727745.7A CN201610727745A CN106372583B CN 106372583 B CN106372583 B CN 106372583B CN 201610727745 A CN201610727745 A CN 201610727745A CN 106372583 B CN106372583 B CN 106372583B
- Authority
- CN
- China
- Prior art keywords
- human body
- foreign matter
- ordinate
- image
- distribution histogram
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 9
- 239000002184 metal Substances 0.000 claims description 19
- 229910052751 metal Inorganic materials 0.000 claims description 19
- 229910052755 nonmetal Inorganic materials 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 3
- 150000002843 nonmetals Chemical class 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 210000003414 extremity Anatomy 0.000 description 42
- 238000003384 imaging method Methods 0.000 description 23
- 210000003127 knee Anatomy 0.000 description 18
- 210000001015 abdomen Anatomy 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 6
- 238000005530 etching Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- -1 ivory Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于毫米波图像的人体异物检测方法及系统，所述方法包括：获取人体的毫米波灰度图像；提取所述毫米波灰度图像中的人体轮廓图像；构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。本申请通过获取人体的毫米波灰度图像，提取毫米波灰度图像中的人体轮廓图像，并识别所述人体轮廓图像中的异物，标识出异物在人体轮廓图像上的位置，可大大提高异物检测的准确性。
Description
技术领域
本发明实施例属于安检技术领域，尤其涉及一种基于毫米波图像的人体异物检测方法及系统。
背景技术
随着对暴恐分子的打击力度加大以及对人们日常出现的安全考虑，安检已成为人们在公共交通出行中必须进行的检查项目。
然而，目前的安检技术大多利用红外线或金属探测仪等对人体进行检查，红外线无法准确的检测到物体的边缘和轮廓变化，因而无法准确的识别出异物，而金属探测器则仅仅只能探测金属类物体，无法识别非金属类异物。
发明内容
本发明实施例提供一种基于毫米波图像的人体异物检测方法及系统，旨在解决目前的安检技术大多利用红外线或金属探测仪等对人体进行检查，红外线无法准确的检测到物体的边缘和轮廓变化，因而无法准确的识别出异物，而金属探测器则仅仅只能探测金属类物体，无法识别非金属类异物的问题。
本发明实施例一方面提供一种基于毫米波图像的人体异物检测方法，所述方法包括：
获取人体的毫米波灰度图像；
提取所述毫米波灰度图像中的人体轮廓图像；
构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。
本发明另一方面还一种基于毫米波图像的人体异物检测系统，所述系统包括：
人体灰度图像获取模块，用于获取人体的毫米波灰度图像；
人体轮廓图像提取模块，用于提取所述毫米波灰度图像中的人体轮廓图像；
直方图构建模块，用于构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
肢体位置获取模块，用于根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
异物识别模块，用于根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
异物标识模块，用于根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。
本发明实施例通过获取人体的毫米波灰度图像，提取毫米波灰度图像中的人体轮廓图像，并根据人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图，获取人体的肢体位置，根据预设异物特征识别模型，识别所述人体轮廓图像中的异物，标识出异物在人体轮廓图像上的位置并生成异物检测结果，可大大提高异物检测的准确性且可识别金属类异物和非金属类异物。
附图说明
图1是本发明实施例一提供的基于毫米波图像的人体异物检测方法的基本流程框图；
图2是本发明实施例一提供的毫米波灰度图像；
图3是本发明实施例一提供的二值化图像；
图4是本发明实施例一提供的人体轮廓图像；
图5是本发明实施例一提供的水平空间分布直方图；
图6是本发明实施例一提供的垂直空间分布直方图；
图7是本发明实施例一提供的异物检测结果示意图；
图8是本发明实施例二提供的基于毫米波图像的人体异物检测方法的基本流程框图；
图9是本发明实施例四提供的基于毫米波图像的人体异物检测系统的结构框图；
图10是本发明实施例五提供的肢体位置获取模块的结构框图；
图11是本发明实施例七提供的基于毫米波图像的人体异物检测系统的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤、模块或单元，而是可选地还包括没有列出的步骤、模块或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤、模块或单元。
人体皮肤对毫米波信号(毫米波是指波长为1～10毫米、频率为26.5GHZ～300GHZ的电磁波)的介电常数要大于衣服类织物的介电常数，该特点反映在人体的毫米波灰度图像上，即表现为人体区域的成像灰度要明显高于衣服类织物的成像灰度。人体的毫米波灰度图像中人体区域的纹理信息较差、斑状噪声感染较重，但是人体的毫米波灰度图像在一定的成像角度下通常呈左右对称的人体轮廓图样。根据人体的毫米波灰度图像的这些特点，可以将毫米波应用在安检领域，对人体的异物进行检测，本发明具体提供以下实施例：
实施例一：
如图1所示，本实施例所提供的基于毫米波图像的人体异物检测方法，其包括：
步骤S110：获取人体的毫米波灰度图像。
在具体应用中，可以使人体双手上扬举过头顶或双手平举至与肩部同高的位置站立，也可以使人体双手自然下垂站立，或者采用其他符合安检标准的站姿均可，本发明实施例不对人体的站姿作特别限定，然后利用毫米波数据采集设备(例如，毫米波收发机)获取人体正面或背面的毫米波数据，并利用毫米波成像系统(例如，毫米波成像仪)将人体的毫米波数据处理为人体正面或背面的毫米波灰度图像。
如图2所示为成年男性双手上扬高举过头顶拍摄得到的人体的毫米波灰度图像。
步骤S120：提取所述毫米波灰度图像中的人体轮廓图像。
在具体应用中，所述人体轮廓图像，是指与人体的肢体轮廓形状对应的图像。
在一个实施例中，步骤S120具体包括：
步骤S121：对毫米波灰度图像I(x，y)进行灰度分割，获取毫米波灰度图像I(x，y)的二值化图像B(x，y)，该二值化图像B(x，y)如图3所示。
在具体应用中，步骤S121中对毫米波图像灰度I(x，y)进行灰度分割，获得对应二值化图像B(x，y)可以根据下式实现：
其中，x为图像列数目，y为图像行数目，T为阈值，B(x，y)中数值为255的代表人体区域。
步骤S122：对二值化图像B(x，y)在水平方向上和垂直方向上均进行形态学操作，生成人体轮廓图像B2(x，y)，该人体轮廓图像B2(x，y)如图4所示。
步骤S122中的水平方向和垂直方向分别是指，与人体身高方向垂直和平行的方向。
在具体应用中，步骤S122具体包括：
对B(x，y)图像在水平方向上和垂直方向上进行形态学膨胀操作和腐蚀操作，所述膨胀操作的核函数大小为1×3，所述腐蚀操作的核函数大小为3×1大小，所述膨胀操作和所述腐蚀操作的表达式分别为：
其中，x′和y′表示核函数所对应的平移单位数值。
在具体应用中，在进行上述形态学操作时，可以对二值化图像B(x，y)先进行膨胀操作后进行腐蚀操作，以获得人体轮廓图像B2(x，y)；也可以对二值化图像B(x，y)先进行腐蚀操作后进行膨胀操作，获得人体轮廓图像B2(x，y)。为了得到边缘平滑的人体轮廓图像，在进行形态学操作时，本发明优选为对二值化图像B(x，y)先进行膨胀操作后进行腐蚀操作，获得边缘平滑的人体轮廓图像B2(x，y)。
步骤S130：构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图。
本实施例中的空间分布直方图，是指按空间位置统计人体轮廓图像的灰度值信息所得到的直方图。垂直空间分布直方图具体是指：以从左到右(从左到右即为，当人体站立水平面上，从人体左侧到右侧且平行于水平面的方向)的空间位置为横坐标，人体轮廓图像的灰度值在单位空间位置长度内出现的频率为纵坐标的直方图。同理，水平空间分布直方图具体是指：以从上到下(从上到小即为，当人体站立在水平面上，从人体头顶到脚底且垂直于水平面的方向)的空间位置为纵坐标，人体轮廓图像的灰度值在单位空间位置长度内出现的频率为横坐标的直方图。
在具体应用中，所述垂直空间分布直方图H如图6所示，步骤S130中，构建人体轮廓图像B2(x，y)在垂直方向上的垂直空间分布直方图H，具体可以通过如下公式实现：
对垂直空间分布直方图H进行平滑处理，平滑尺度设定为3的公式如下:
在具体应用中，所述水平空间分布直方图V如图5所示，步骤S130中，构建人体轮廓图像B2(x，y)在水平方向上的水平空间分布直方图V，具体可以通过如下公式实现：
对垂直空间分布直方图V进行平滑处理，平滑尺度设定为3的公式如下：
步骤S140：根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置。
在具体应用中，所述人体比例模型根据人体的肢体结构、肢体之间的大小比例和肢体形状等特点构造。
在具体应用中，所述肢体位置具体包括人体的头部、肩部、胸部、腹部、裆部、四肢(双手、双脚)和膝关节位置，在特殊情况下，对于肢体残疾人士，肢体位置对应缺失某一部分数据。
步骤S150：根据预设异物特征识别模型，识别所述人体轮廓图像中的异物。
在具体应用中，所述异物可以是金属类的枪支、刀具、金块等金属类异物，也可以是化学药剂、象牙、玉石等非金属类异物。
在一实施例中，步骤S150包括：
根据所述人体轮廓图像中灰度值大于预设灰度阈值且轮廓分明的区域，确定金属类异物的位置；
根据所述人体轮廓图像中纹理复杂、轮廓分明的几何图形区域，确定非金属类异物的位置；
根据所述毫米波灰度图像中，靠近所述人体轮廓图像边缘的轮廓分明的区域，确定所述人体轮廓图像边缘的异物的位置。
步骤S160：根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。在具体应用中，标识所述异物在所述人体轮廓图像上的位置，具体是指在各肢体所对应的人体轮廓图像位置上，标识出异物，例如当异物在人体腹部，则在人体轮廓图像的腹部所在位置标识出该异物。
如图7所示，即为检测到异物在人体腹部和左腿的大腿正前方时，直接在人体轮廓图像中的腹部位置和大腿正前方的位置处用明显的矩形框标识出异物的位置。
在具体应用中，所述异物检测结果可以以文字、图像、语音、表格等形式呈现，例如，当人体胸部有异物，可用文字呈现“胸部”或更具体的“胸部有金属类异物”。
本发明实施例通过获取人体的毫米波灰度图像，提取毫米波灰度图像中的人体轮廓图像，并根据人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图，获取人体的肢体位置，根据预设异物特征识别模型，识别所述人体轮廓图像中的异物，标识出异物在人体轮廓图像上的位置并生成异物检测结果，可大大提高异物检测的准确性且可识别金属类异物和非金属类异物。
实施例二：
如图8所示，本实施例是对实施例一中步骤S140的进一步细化，在本实施例中，步骤S140包括：
步骤S141：根据所述垂直空间分布直方图，获取人体的垂直中线横坐标。
在一个实施例中，步骤S141具体包括：
步骤S1411：提取垂直分布直方图H的上半部分，作为子垂直分布直方图H2。
在具体应用中，子垂直分布直方图H2为垂直分布直方图H的上半部分，即按照50％*H的方式提取，本实施例还可以按照其他比例提取垂直分布直方图H的上半部分，本实施例中并不对该提取比例作限定。
步骤S1412：获取子垂直分布直方图H2的最大值。该最大值的获取公式如下：
其中，xmid所在列即为所述垂直中线横坐标所在的位置，如图4所示中所示的穿过人体头部、胸部、腹部、裆部的垂直于多条水平线的那条线即为偶数垂直中线。
在具体应用中，根据所述垂直分布直方图获得所述垂直中线横坐标也可以采用其他方法实现，在此不予示例。
步骤S142：对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标。
在一个实施例中，步骤S142具体包括：
步骤S1421：对所述水平空间分布直方图的第一区域进行局部最小值检测，根据检测到的局部最小值所在行，确定人体的头顶纵坐标。
在具体应用中，步骤S1421具体为：
对所述水平空间分布直方图的第一区域进行局部最小值检测，检测到的局部最小值即为人体的头顶纵坐标yhead；其中，所述第一区域为闭区间[垂直中线横坐标xmid-第一设定值，垂直中线横坐标xmid+第二设定值]。
在具体应用中，第一设定值和第二设定值可以相同、也可以不相同且可根据用户的实际需要设定。例如，将所述第一区域的大小定义为31像素，第一设定值和第二设定值相同，则第一局部区域为[xmid-15，xmid+15]。
步骤S1422：获取所述水平空间分布直方图的第二区域的每一行中，像素值为预设像素阈值的像素点个数，在第二区域内从上到下逐行搜索，根据所述像素点个数小于预设阈值的行，确定人体的脚底纵坐标。
在具体应用中，步骤S1422具体为：
在所述水平空间分布直方图的第二区域内，获取所述第二区域内每一行中像素值为预设像素阈值的像素点个数，将像素点个数小于预设阈值的那一行的所在的坐标确定为人体的脚底纵坐标yfoot，其中,所述第二区域为闭区间[所述水平空间分布直方图的底部，与所述水平空间分布直方图的底部之间的距离为第三设定值的位置]。
在具体应用中，所述第三设定值可以根据实际需要设置。例如，将所述第二区域的大小定义为60像素，则所述水平空间分布直方图底部到距离该底部60像素的位置之间的区域。在具体应中，所述预设像素阈值可以设置为255，在获得每一行中像素值小于255的像素点个数时，可以在所述第二区域内从上到下检测每一行图像的中像素值为255的像素点，并统计每一行中像素值为255像素点个数，所述像素点个数小于预设阈值的行，即为所述脚底纵坐标yfoot所在的位置。
步骤S143：根据所述头顶纵坐标和所述脚底纵坐标，获取人体的身高。
在一个实施例中，步骤S143中获取人体的身高height的公式为：
height＝|yfoot-yhead|。
步骤S144：根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取与人体的各肢体对应的肢体轮廓图像。
在一个实施例中，步骤S144包括：
步骤S1441：根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述水平空间分布直方图和预设人体比例模型，获得人体的肩部纵坐标和相对于所述垂直中线横坐标的人体的头部的宽度；
步骤S1442：根据所述身高、所述人体部位比例概率模型和所述垂直空间分布直方图，获取所述头部的精确宽度，并获取头部轮廓图像；
步骤S1443：根据所述人体轮廓图像中肩部以上的图像信息，去除所述头部轮廓图像，获得人体的左右双臂轮廓图像。
在具体应用中，可对所述左右双臂轮廓图像进行边缘检测操作，以获得人体的左右双臂的边缘轮廓，根据人体的双臂的形状特点和轮廓的曲率变化规律，可以获得左右双臂的手肘部位的坐标，对所述左右手肘部位的拐点位置进行切割，可以分别获得左右双臂的大臂轮廓图像和小臂轮廓图像。
在具体应用中，可根据所述头顶纵坐标或所述脚底纵坐标以及所述身高、所述水平空间分布直方图和预设人体比例模型，获得人体的肩部坐标。
步骤S1441具体包括：
步骤S1441-1：根据所述头顶纵坐标yhead或所述脚底纵坐标yfoot以及所述身高height、所述预设人体比例模型中的人体的身高和胸部的比值HEIGHT_CHEST_RATIO，获得人体的肩部第一纵坐标yshoulder。当采用所述头顶纵坐标yhead计算时，所述肩部第一纵坐标yshoulder的表达式如下：
yshoulder＝height*HEIGHT_SHOULDER_RATIO+yhead；
其中，HEIGHT_CHEST_RATIO是基于N幅人体毫米波灰度图像中人体的身高和人体的肩部水平位置的测量值得到的平均值，本实施例中，优选HEIGHT_CHEST_RATIO为0.2。所述肩部第一纵坐标yshoulder即为所求的所述肩部纵坐标的接近值。
在具体应用中，还可以采用所述脚底纵坐标yfoot计算，以确定人体的肩部第一纵坐标，本实施例不对此进行限定。
步骤S1441-2：根据所述水平空间分布直方图，获得所述肩部第一纵坐标附近的峰值区域，将峰值区域对应的纵坐标确定为肩部第二纵坐标，其中，所述峰值区域与所述胸部第一纵坐标的距离小于第一预设距离阈值。
步骤S1441-3：根据人体肩部的成像特点，在肩部纵坐标位置附近的水平空间分布直方图会有一个峰值区域，其所对应的纵坐标为y′shoulder，即人体肩部第二纵坐标。
步骤S1441-4：根据所述肩部第一纵坐标和所述肩部第二纵坐标获得所述肩部纵坐标的表达式如下：
步骤S1443包括：
S1443-1：根据人体左右手臂的灰度图像呈现不连续斑块状且人体组织成像面积较大的特点，获取成像面积较大的斑块区域的作为双臂轮廓图像所在区域；
S1443-2：计算所述斑块区域中第一成像面积和第二成像面积相对于所述斑块区域面积的比值，若所述比值在预设区间内，则所述第一成像面积和所述第二成像面积作为所述双臂轮廓图像，若所述比值不在预设区间内，则表示所述第一成像面积包含所述双臂轮廓图像，根据所述第一成像面积拟合的外接多边形的曲率变化进行切分，获得所述大臂轮廓图像和所述小臂轮廓图像。
在具体应用中，所述预设区间优选为[1，10]。
在一个实施例中，步骤S144还包括：
S1444：获取人体的胸部纵坐标。
步骤S1444包括：
步骤S1444-1：根据所述头顶纵坐标yhead或人体脚底纵坐标yfoot以及所述身高height、所述预设人体比例模型中的身高和胸部的比值HEIGHT_CHEST_RATIO，获得人体胸部第一纵坐标ychest。当采用所述头顶纵坐标yhead计算时，所述胸部第一纵坐标的表达式如下：
ychest＝height*HEIGHT_CHEST_RATIO+yhead；
其中，HEIGHT_CHEST_RATIO是基于N幅人体的毫米波灰度图像中人体的身高和人体的胸部水平位置的测量值得到的平均值，本实施例中优选为0.8。胸部第一纵坐标ychest即为所述胸部纵坐标的接近值。
具体应用中，还可以采用所述脚底纵坐标yfoot计算，以确定所述胸部第一纵坐标，本实施例不对此进行限定。
步骤S1444-2：根据所述水平空间分布直方图，获得所述胸部第一纵坐标附近的峰值区域，将峰值区域对应的纵坐标确定为胸部第二纵坐标，其中，所述峰值区域与所述胸部第一纵坐标的距离小于第二预设距离阈值；
步骤S1444-3：根据人体胸部轮廓图像的成像特点，在所述胸部第一纵坐标所在位置附近的水平空间分布直方图会有一个峰值区域，其所对应的纵坐标为y′chest，即为所述胸部第二纵坐标。
步骤S1444-4：根据所述胸部第一纵坐标和所述胸部第二纵坐标获得所述胸部纵坐标表达式如下：
在一个实施例中，步骤S144还包括：
步骤S1445：获取人体的腹部纵坐标。
步骤S1445具体包括：
根据所述头顶纵坐标yhead或人体脚底纵坐标yfoot以及所述身高height、所述预设人体比例模型中的身高和腹部的比值HEIGHT_ABDOMEN_RATIO，获得人体胸部第一纵坐标yabdomen。当采用所述头顶纵坐标yhead计算时，所述腹部第一纵坐标的表达式如下：
yabdomen＝height*HEIGHT_ABDOMEN_RATIO+yhead；
其中，HEIGHT_ABDOMEN_RATIO是基于N幅人体毫米波灰度图像中人体的身高和人体的腹部水平位置的测量值得到的平均值，本示例中优选为0.44。人体腹部第一纵坐标yabdomen即为得到的所述腹部纵坐标的接近值。
体应用中，还可以采用所述脚底纵坐标yfoot计算，以确定所述腹部第一纵坐标，本实施例不对此进行限定。
在一个实施例中，步骤S144还包括：
步骤S1446：获取人体的裆部纵坐标。
步骤S1446具体包括：
步骤S1446-1：根据所述头顶纵坐标yhead或人体脚底纵坐标yfoot以及所述身高height、所述预设人体比例模型中的身高和裆部的比值HEIGHT_CROTCH_RATIO，获得人体裆部第一纵坐标ycrotch。当采用所述头顶纵坐标yhead计算时，所述裆部第一纵坐标ycrotch的表达式如下：
ycrotch＝height*HEIGHT_CROTCH_RATIO+yhead；
其中，HEIGHT_CROTCH_RATIO是基于N幅人体毫米波灰度图像中人体的身高和人体的裆部水平位置的测量值得到的平均值，本实施例中优选为0.51。所述裆部第一纵坐标ycrotch即为所述裆部纵坐标的接近值。
具体应用中，还可以采用所述脚底纵坐标yfoot计算，以确定所述裆部第一纵坐标，本实施例不对此进行限定。
步骤S1446-2：根据所述水平空间分布直方图，获得所述裆部第一纵坐标附近的谷值区域，将谷值区域对应的纵坐标确定为裆部第二纵坐标，其中，所述谷值区域与所述裆部第一纵坐标的距离小于第三预设距离阈值；
步骤S1446-3：根据人体裆部轮廓图像的成像特点，在所述裆部第一纵坐标所在位置附近的水平空间分布直方图会有一个峰值区域，其所对应的纵坐标为y′chest，即为所述裆部第二纵坐标。
步骤S1446-4：根据所述裆部第一纵坐标和所述裆部第二纵坐标获得所述裆部纵坐标的表达式如下：
在一实施例中，步骤S144还包括：
步骤S1447：获取人体的膝盖纵坐标。
步骤S1447具体包括：
步骤S1447-1：根据所述头顶纵坐标yhead或人体脚底纵坐标yfoot以及所述身高height、所述预设人体比例模型中的身高和膝盖的比值HEIGHT_KNEE_RATIO，获得人体膝盖第一纵坐标yknee。当采用所述头顶纵坐标yhead计算时，所述裆部第一纵坐标yknee的表达式如下：
yknee＝height*HEIGHT_KNEE_RATIO+yhead；
其中，HEIGHT_KNEE_RATIO是基于N幅人体毫米波灰度图像中人体的身高和人体的膝盖水平位置的测量值得到的平均值，本实施中优选为0.78。所述膝盖第一纵坐标即为所述膝盖纵坐标的接近值。
具体应用中，还可以采用所述脚底纵坐标yfoot计算，以确定所述膝盖第一纵坐标，本实施例不对此进行限定。
步骤S1447-2：根据所述水平空间分布直方图，获得所述膝盖第一纵坐标附近的峰值区域，将峰值区域对应的纵坐标确定为膝盖第二纵坐标，其中，所述峰值区域与所述膝盖第一纵坐标的距离小于第四预设距离阈值；
步骤S1447-3：根据人体膝盖轮廓图像的成像特点，在所述膝盖第一纵坐标所在位置附近的水平空间分布直方图会有一个峰值区域，其所对应的纵坐标为y′knee，即为所述裆部第二纵坐标。
步骤S1447-4：根据所述裆部第一纵坐标和所述裆部第二纵坐标获得所述裆部纵坐标的表达式如下：
步骤S1447-5：根据所述膝盖纵坐标，对裆部以下的人体轮廓图像进行分割，获得人体的双腿轮廓图像。
实施例三：
本实施例在实施例二的基础上是对实施例一中步骤S150和S160的进一步细化，在本实施例中，步骤S150包括：
步骤S151：对所述肢体轮廓图像进行灰度梯度特征提取、边缘特征提取、平均灰度方差计算和边缘平滑度计算。
步骤S152：根据所述灰度梯度特征、所述边缘特征、所述平均灰度方差和所述边缘平滑度，判断所述肢体轮廓图像中是否有异物。
在一个实施例中，步骤S152包括：
判断所述肢体轮廓图像的当前LBP特征值是否在预设LBP特征阈值区间内，所述LBP特征阈值区间为[LBP特征阈值最小值LBP特征阈值最大值]；
若是，则判定所述肢体轮廓图像中无异物，否则，判定所述肢体轮廓图像中有异物。
根据上述方法，依次判断各肢体所对应的肢体轮廓图像中是否有异物。
在另一实施例中，步骤S152包括：
判断所述肢体轮廓图像的当前轮廓曲率特征值是否在预设轮廓曲率特征阈值区间内，所述轮廓曲率特征阈值区间为[轮廓曲率特征阈值最小值轮廓曲率特征阈值最大值]；
若是，则判定所述肢体轮廓图像中无异物，否则，判定所述肢体轮廓图像中有异物。
在本实施例中，步骤S160包括：
步骤S161：在所述肢体轮廓图像中标识出所述异物的位置；
步骤S162：根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
实施例四：
如图9所示，本实施例提供的基于毫米波图像的人体异物检测系统，其包括：
人体灰度图像获取模块110，用于获取人体的毫米波灰度图像；
人体轮廓图像提取模块120，用于提取所述毫米波灰度图像中的人体轮廓图像；
直方图构建模块130，用于构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
肢体位置获取模块140，用于根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
异物识别模块150，用于根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
异物标识模块160，用于根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。
在具体应用中，人体灰度图像获取模块110具体可以包括毫米波数据采集设备(例如，毫米波收发机)和毫米波成像系统(例如，毫米波成像仪)。
在一个实施例中，人体轮廓图像提取模块120具体用于：
对毫米波灰度图像I(x，y)进行灰度分割，获取毫米波灰度图像I(x，y)的二值化图像B(x，y)；
对二值化图像B(x，y)在水平方向上和垂直方向上均进行形态学操作，生成人体轮廓图像B2(x，y)。
在具体应用中，人体轮廓图像提取模块120具体还用于：
对B(x，y)图像在水平方向上和垂直方向上进行形态学膨胀操作和腐蚀操作。
在一实施例中，异物识别模块150包括：
金属类异物识别单元，用于根据所述人体轮廓图像中灰度值大于预设灰度阈值且轮廓分明的区域，确定金属类异物的位置；
非金属类异物识别单元，用于根据所述人体轮廓图像中纹理复杂、轮廓分明的几何图形区域，确定非金属类异物的位置；
边缘异物识别单元，用于根据所述毫米波灰度图像中，靠近所述人体轮廓图像边缘的轮廓分明的区域，确定所述人体轮廓图像边缘的异物的位置。
本发明实施例通过获取人体的毫米波灰度图像，提取毫米波灰度图像中的人体轮廓图像，并根据人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图，获取人体的肢体位置，根据预设异物特征识别模型，识别所述人体轮廓图像中的异物，标识出异物在人体轮廓图像上的位置并生成异物检测结果，可大大提高异物检测的准确性且可识别金属类异物和非金属类异物。
实施例五：
如图10所示，本实施例是对实施例四中肢体位置获取模块140的进一步细化，该肢体位置获取模块140包括：
垂直中线坐标获取单元141，用于根据所述垂直空间分布直方图，获取人体的垂直中线横坐标；
头顶、脚底坐标获取单元142，用于对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标；
身高获取单元143，用于根据所述头顶纵坐标和所述脚底纵坐标，获取人体的身高；
肢体轮廓图像获取单元144，用于根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取与人体的各肢体对应的肢体轮廓图像。
在一个实施例中，垂直中线坐标获取单元141具体用于：
提取所述垂直分布直方图的上半部分，作为子垂直分布直方图。
获取所述子垂直分布直方图的最大值。
在一个实施例中，头顶、脚底坐标获取单元142具体包括：
头顶坐标获取子单元，用于对所述水平空间分布直方图的第一区域进行局部最小值检测，根据检测到的局部最小值所在的行，确定人体的头顶纵坐标；
脚底坐标获取子单元，用于获取所述水平空间分布直方图的第二区域的每一行中，像素值为预设像素阈值的像素点个数，在第二区域内从上到下逐行搜索，根据所述像素点个数小于预设阈值的行，确定人体的脚底纵坐标。
在具体应用中，头顶坐标获取子单元，具体用于：
对所述水平空间分布直方图的第一区域进行局部最小值检测，检测到的局部最小值即为人体的头顶纵坐标yhead；其中，所述第一区域为闭区间[垂直中线横坐标xmid-第一设定值，垂直中线横坐标xmid+第二设定值]。
在具体应用中，脚底坐标获取子单元，具体用于：
在所述水平空间分布直方图的第二区域内，获取所述第二区域内每一行中像素值为预设像素阈值的像素点个数，将像素点个数小于预设阈值的那一行的所在的坐标确定为人体的脚底纵坐标yfoot，其中,所述第二区域为闭区间[所述水平空间分布直方图的底部，与所述水平空间分布直方图的底部之间的距离为第三设定值的位置]。
在一个实施例中，肢体轮廓图像获取单元144包括：
肩部坐标和头部宽度获取子单元，用于根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述水平空间分布直方图和预设人体比例模型，获得人体的肩部纵坐标和相对于所述垂直中线横坐标的人体的头部的宽度；
头部轮廓图像获取子单元，用于根据所述身高、所述人体部位比例概率模型和所述垂直空间分布直方图，获取所述头部的精确宽度，并获取头部轮廓图像；
左右双臂轮廓图像获取子单元，用于根据所述人体轮廓图像中肩部以上的图像信息，去除所述头部轮廓图像，获得人体的左右双臂轮廓图像；
胸部坐标获取子单元，用于根据所述头顶纵坐标或人体脚底纵坐标以及所述身高、所述预设人体比例模型中的身高和胸部的比值，获得人体胸部第一纵坐标作为人体的胸部纵坐标的接近值；
胸部坐标获取子单元，用于根据所述头顶纵坐标或人体脚底纵坐标以及所述身高、所述预设人体比例模型中的身高和腹部的比值，获得人体胸部第一纵坐标作为人体的腹部纵坐标的接近值；
裆部坐标获取子单元，用于根据所述头顶纵坐标或人体脚底纵坐标以及所述身高、所述预设人体比例模型中的身高和裆部的比值，获得人体裆部第一纵坐标作为人体的裆部纵坐标的接近值。
膝盖坐标获取子单元，用于根据所述头顶纵坐标或人体脚底纵坐标以及所述身高、所述预设人体比例模型中的身高和膝盖的比值，获得人体膝盖第一纵坐标作为人体的膝盖纵坐标的接近值。
实施例六：
本实施例是在实施例五的基础上对异物标识模块150和异物识别模块160的进一步细化。
在本实施例中，异物标识模块150包括：
异物位置标识单元，用于在所述肢体轮廓图像中标识出所述异物的位置；
异物检测结果生成单元，用于根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
在一个实施例中，异物检测结果生成单元具体用于：
判断所述肢体轮廓图像的当前LBP特征值是否在预设LBP特征阈值区间内，所述LBP特征阈值区间为[LBP特征阈值最小值，LBP特征阈值最大值]；
若是，则判定所述肢体轮廓图像中无异物，否则，判定所述肢体轮廓图像中有异物。
根据上述方法，依次判断各肢体所对应的肢体轮廓图像中是否有异物。
在另一实施例中，异物检测结果生成单元具体用于：
判断所述肢体轮廓图像的当前轮廓曲率特征值是否在预设轮廓曲率特征阈值区间内，所述轮廓曲率特征阈值区间为[轮廓曲率特征阈值最小值，轮廓曲率特征阈值最大值]；
若是，则判定所述肢体轮廓图像中无异物，否则，判定所述肢体轮廓图像中有异物。
在本实施例中，异物识别模块160具体用于：
在所述肢体轮廓图像中标识出所述异物的位置；
根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
实施例七：
如图11所示，本实施例提供的基于毫米波图像的人体异物检测系统100，其包括处理器(processor)110，通信接口(Communications Interface)120，存储器(memory)130，总线140和毫米波成像模块150。
处理器110，通信接口120，存储器130和人体灰度图像获取模块150通过总线140完成相互间的通信。
通信接口120，用于与外界设备，例如，个人电脑、服务器等通信。
毫米波成像模块150，用于获取人体的毫米波数据，并将所述毫米波数据处理为人体的毫米波灰度图像，其具体可以包括毫米波数据采集设备(例如，毫米波收发机)和毫米波成像系统(例如，毫米波成像仪)。
处理器110，用于执行程序131。
具体地，程序131可以包括程序代码，所述程序代码包括计算机操作指令。
处理器110可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器130，用于存放程序131。存储器130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。程序131具体可以包括：
人体灰度图像获取模块1311，用于获取人体的毫米波灰度图像；
人体轮廓图像提取模块1312，用于提取所述毫米波灰度图像中的人体轮廓图像；
直方图构建模块1313，用于构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
肢体位置获取模块1314，用于根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
异物识别模块1315，用于根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
异物标识模块，用于根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果。
在一个实施例中，程序131还包括：
垂直中线坐标获取单元，用于根据所述垂直空间分布直方图，获取人体的垂直中线横坐标；
头顶、脚底坐标获取单元，用于对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标；
身高获取单元，用于根据所述头顶纵坐标和所述脚底纵坐标，获取人体的身高；
肢体轮廓图像获取单元，用于根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取与人体的各肢体对应的肢体轮廓图像。
在一个实施例中，程序131还包括：
头顶坐标获取子单元，用于对所述水平空间分布直方图的第一区域进行局部最小值检测，根据检测到的局部最小值所在的行，确定人体的头顶纵坐标；
脚底坐标获取子单元，用于获取所述水平空间分布直方图的第二区域的每一行中，像素值为预设像素阈值的像素点个数，根据所述像素点个数小于预设阈值的行，确定人体的脚底纵坐标。
在一个实施例中，程序131还包括：
异物位置标识单元，用于在所述肢体轮廓图像中标识出所述异物的位置；
异物检测结果生成单元，用于根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
在一个实施例中，程序131还包括：
金属类异物识别单元，用于根据所述人体轮廓图像中灰度值大于预设灰度阈值且轮廓分明的区域，确定金属类异物的位置；
非金属类异物识别单元，用于根据所述人体轮廓图像中纹理复杂、轮廓分明的几何图形区域，确定非金属类异物的位置；
边缘异物识别单元，用于根据所述毫米波灰度图像中，靠近所述人体轮廓图像边缘的轮廓分明的区域，确定所述人体轮廓图像边缘的异物的位置。
本发明所有实施例中的模块、单元或子单元，可以通过通用集成电路，例如CPU(Central Processing Unit，中央处理器)，或通过ASIC(Application SpecificIntegrated Circuit，专用集成电路)来实现。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的单元可以根据实际需要进行合并、划分和删减，且系统中各模块、单元或子单元的作用于方法步骤一一对应，系统中的技术特征均可以以方法步骤所记载的技术特征为依据进行增加。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于毫米波图像的人体异物检测方法，其特征在于，所述方法包括：
获取人体的毫米波灰度图像；
提取所述毫米波灰度图像中的人体轮廓图像；
构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果；
所述根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置，包括：
根据所述垂直空间分布直方图，获取人体的垂直中线横坐标；
对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标；
根据所述头顶纵坐标和所述脚底纵坐标，获取人体的身高；
根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取与人体的各肢体对应的肢体轮廓图像。
2.如权利要求1所述的基于毫米波图像的人体异物检测方法，其特征在于，所述对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标，包括：
对所述水平空间分布直方图的第一区域进行局部最小值检测，根据检测到的局部最小值所在的行，确定人体的头顶纵坐标；
获取所述水平空间分布直方图的第二区域的每一行中，像素值为预设像素阈值的像素点个数，根据所述像素点个数小于预设阈值的行，确定人体的脚底纵坐标。
3.如权利要求1所述的基于毫米波图像的人体异物检测方法，其特征在于，所述根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果，包括：
在所述肢体轮廓图像中标识出所述异物的位置；
根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
4.如权利要求1所述的基于毫米波图像的人体异物检测方法，其特征在于，所述根据预设异物特征识别模型，识别所述人体轮廓图像中的异物，包括：
根据所述人体轮廓图像中灰度值大于预设灰度阈值且轮廓分明的区域，确定金属类异物的位置；
根据所述人体轮廓图像中纹理复杂、轮廓分明的几何图形区域，确定非金属类异物的位置；
根据所述毫米波灰度图像中，靠近所述人体轮廓图像边缘的轮廓分明的区域，确定所述人体轮廓图像边缘的异物的位置。
5.一种基于毫米波图像的人体异物检测系统，其特征在于，所述系统包括：
人体灰度图像获取模块，用于获取人体的毫米波灰度图像；
人体轮廓图像提取模块，用于提取所述毫米波灰度图像中的人体轮廓图像；
直方图构建模块，用于构建所述人体轮廓图像在垂直方向上的垂直空间分布直方图和在水平方向上的水平空间分布直方图；
肢体位置获取模块，用于根据所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取人体的肢体位置；
异物识别模块，用于根据预设异物特征识别模型，识别所述人体轮廓图像中的异物；
异物标识模块，用于根据所述肢体位置，标识所述异物在所述人体轮廓图像上的位置并生成异物检测结果；
所述肢体位置获取模块包括：
垂直中线坐标获取单元，用于根据所述垂直空间分布直方图，获取人体的垂直中线横坐标；
头顶、脚底坐标获取单元，用于对所述水平空间分布直方图进行局部最小值检测，获取人体的头顶纵坐标和人体的脚底纵坐标；
身高获取单元，用于根据所述头顶纵坐标和所述脚底纵坐标，获取人体的身高；
肢体轮廓图像获取单元，用于根据所述头顶纵坐标或所述脚底纵坐标以及所述垂直中线横坐标、所述身高、所述垂直空间分布直方图、所述水平空间分布直方图和预设人体比例模型，获取与人体的各肢体对应的肢体轮廓图像。
6.如权利要求5所述的基于毫米波图像的人体异物检测系统，其特征在于，所述头顶、脚底坐标获取单元包括：
头顶坐标获取子单元，用于对所述水平空间分布直方图的第一区域进行局部最小值检测，根据检测到的局部最小值所在的行，确定人体的头顶纵坐标；
脚底坐标获取子单元，用于获取所述水平空间分布直方图的第二区域的每一行中，像素值为预设像素阈值的像素点个数，根据所述像素点个数小于预设阈值的行，确定人体的脚底纵坐标。
7.如权利要求5所述的基于毫米波图像的人体异物检测系统，其特征在于，所述异物标识模块包括：
异物位置标识单元，用于在所述肢体轮廓图像中标识出所述异物的位置；
异物检测结果生成单元，用于根据所述异物在所述肢体轮廓图像中的位置，生成异物检测结果。
8.如权利要求5所述的基于毫米波图像的人体异物检测系统，其特征在于，所述异物识别模块包括：
金属类异物识别单元，用于根据所述人体轮廓图像中灰度值大于预设灰度阈值且轮廓分明的区域，确定金属类异物的位置；
非金属类异物识别单元，用于根据所述人体轮廓图像中纹理复杂、轮廓分明的几何图形区域，确定非金属类异物的位置；
边缘异物识别单元，用于根据所述毫米波灰度图像中，靠近所述人体轮廓图像边缘的轮廓分明的区域，确定所述人体轮廓图像边缘的异物的位置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610727745.7A CN106372583B (zh) | 2016-08-25 | 2016-08-25 | 一种基于毫米波图像的人体异物检测方法及系统 |
| US16/033,246 US10884116B2 (en) | 2016-08-25 | 2018-07-12 | Human-body foreign-matter detection method and system based on millimetre-wave image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610727745.7A CN106372583B (zh) | 2016-08-25 | 2016-08-25 | 一种基于毫米波图像的人体异物检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106372583A CN106372583A (zh) | 2017-02-01 |
| CN106372583B true CN106372583B (zh) | 2018-09-14 |
Family
ID=57879350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610727745.7A Expired - Fee Related CN106372583B (zh) | 2016-08-25 | 2016-08-25 | 一种基于毫米波图像的人体异物检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106372583B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018035814A1 (zh) * | 2016-08-25 | 2018-03-01 | 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 |
| 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 |
| US20210103031A1 (en) * | 2017-06-27 | 2021-04-08 | Intel Corporation | Gesture recognition radar systems and methods |
| CN107730439B (zh) * | 2017-09-08 | 2021-02-05 | 深圳市无牙太赫兹科技有限公司 | 一种人体图像映射方法、系统及终端设备 |
| CN108960249A (zh) * | 2018-04-15 | 2018-12-07 | 任峰 | 取存钱人员定向防护方法 |
| CN108985196A (zh) * | 2018-06-29 | 2018-12-11 | 深圳市华讯方舟太赫兹科技有限公司 | 评价安检仪准确度的方法、终端和具有存储功能的装置 |
| CN109191438B (zh) * | 2018-08-17 | 2021-10-08 | 中科光绘（上海）科技有限公司 | 一种用于激光异物清除器的异物识别方法 |
| CN109711419A (zh) * | 2018-12-14 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
| CN109444967A (zh) * | 2018-12-28 | 2019-03-08 | 同方威视技术股份有限公司 | 人体特性测量方法、人体安检方法和fmcw雷达-毫米波安检装置 |
| US11946996B2 (en) | 2020-06-30 | 2024-04-02 | Apple, Inc. | Ultra-accurate object tracking using radar in multi-object environment |
| CN116386016B (zh) * | 2023-05-22 | 2023-10-10 | 杭州睿影科技有限公司 | 一种异物处理方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567733A (zh) * | 2011-12-30 | 2012-07-11 | 北京华航无线电测量研究所 | 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 |
| CN102629315A (zh) * | 2012-02-29 | 2012-08-08 | 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装置 |
| CN103632146A (zh) * | 2013-12-05 | 2014-03-12 | 南京理工大学 | 一种基于头肩距的人体检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7616797B2 (en) * | 2004-08-23 | 2009-11-10 | Bailey Kenneth S | Minutia detection from measurement of a human skull and identifying and profiling individuals from the human skull detection |
-
2016
- 2016-08-25 CN CN201610727745.7A patent/CN106372583B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567733A (zh) * | 2011-12-30 | 2012-07-11 | 北京华航无线电测量研究所 | 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 |
| CN102629315A (zh) * | 2012-02-29 | 2012-08-08 | 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装置 |
| CN103632146A (zh) * | 2013-12-05 | 2014-03-12 | 南京理工大学 | 一种基于头肩距的人体检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106372583A (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106372583B (zh) | 一种基于毫米波图像的人体异物检测方法及系统 | |
| WO2018035814A1 (zh) | 一种基于毫米波图像的人体异物检测方法及系统 | |
| US10884116B2 (en) | Human-body foreign-matter detection method and system based on millimetre-wave image | |
| CN107730439B (zh) | 一种人体图像映射方法、系统及终端设备 | |
| JP5927180B2 (ja) | 画像の異形を識別するための画像データの処理方法、システムおよびプログラム | |
| CN103942577B (zh) | 视频监控中基于自建立样本库及混合特征的身份识别方法 | |
| CN107392086B (zh) | 人体姿态的评估装置、系统及存储装置 | |
| CN102609683B (zh) | 一种基于单目视频的人体关节自动标注方法 | |
| Nghiem et al. | Head detection using kinect camera and its application to fall detection | |
| CN106371148B (zh) | 一种基于毫米波图像的人体异物检测方法及系统 | |
| EP4053791A1 (en) | Image processing device, image processing method, and non-transitory computer-readable medium having image processing program stored thereon | |
| CN109670396A (zh) | 一种室内老人跌倒检测方法 | |
| Ng et al. | Wrinkle detection using hessian line tracking | |
| WO2017215393A1 (zh) | 微波图像中人体性别检测方法和装置 | |
| CN108108740B (zh) | 一种主动毫米波人体图像性别识别方法 | |
| Shally et al. | Tumor volume calculation of brain from MRI slices | |
| Kus et al. | Fully automated gradient based breast boundary detection for digitized X-ray mammograms | |
| CN106778491B (zh) | 人脸3d特征信息的获取方法及设备 | |
| CN103279960A (zh) | 一种基于x射线背散射图像的人体隐藏物的图像分割方法 | |
| CN110426745B (zh) | 基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法 | |
| CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 | |
| CN114332922A (zh) | 一种基于图像静态特征的摔倒检测方法 | |
| JP2010200925A (ja) | 画像処理装置および方法並びにプログラム | |
| Yu et al. | A novel segmentation method for convex lesions based on dynamic programming with local intra-class variance | |
| Rajbdad et al. | Automated fiducial points detection using human body segmentation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qi Chunchao Inventor after: Chen Hanjiang Inventor after: Li Zhiquan Inventor before: Chen Hanjiang Inventor before: Li Zhiquan Inventor before: Qi Chunchao |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20210630 Granted publication date: 20180914 |
|
| PP01 | Preservation of patent right | ||
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20230421 Granted publication date: 20180914 |
|
| PD01 | Discharge of preservation of patent | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230717 Address after: 518000 404, building 37, chentian Industrial Zone, chentian community, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Huaxun ark Photoelectric Technology Co.,Ltd. Patentee after: SHENZHEN VICTOOTH TERAHERTZ TECHNOLOGY Co.,Ltd. Address before: 518000 1 / F and 2 / F, building 37, chentian Industrial Zone, Baoan District, Shenzhen City, Guangdong Province Patentee before: CHINA COMMUNICATION TECHNOLOGY Co.,Ltd. Patentee before: SHENZHEN VICTOOTH TERAHERTZ TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180914 |