CN106446819B - 人体安检成像中人体轮廓边缘物体的识别方法 - Google Patents

人体安检成像中人体轮廓边缘物体的识别方法 Download PDF

Info

Publication number
CN106446819B
CN106446819B CN201610833551.5A CN201610833551A CN106446819B CN 106446819 B CN106446819 B CN 106446819B CN 201610833551 A CN201610833551 A CN 201610833551A CN 106446819 B CN106446819 B CN 106446819B
Authority
CN
China
Prior art keywords
human body
point
pixel
safety check
circular shuttering
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
CN201610833551.5A
Other languages
English (en)
Other versions
CN106446819A (zh
Inventor
袁明辉
朱亦鸣
黄慧
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201610833551.5A priority Critical patent/CN106446819B/zh
Publication of CN106446819A publication Critical patent/CN106446819A/zh
Application granted granted Critical
Publication of CN106446819B publication Critical patent/CN106446819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/457—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 by analysing connectivity, e.g. edge linking, connected component analysis or slices

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 Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种人体安检成像中人体轮廓边缘物体的识别方法，首先通过预处理算法排除人体的头颈部和手部；然后利用圆形模板沿成像边缘轮廓线移动，依次计算以轮廓点为圆心的圆形区域内人体区域面积所占比例，如果占比低于一个低阈值Pmin，记为凸点Ni点，或者高于一个高阈值Pmax，记为凹点Xj点。相邻两个凸点Ni和Ni+1点间存在凹点Xj，并且两点直线距离必须小于一个阈值K，防止误识别；对得到的特征凸点Ni和Ni+1点进行连线，对连线完的轮廓填充的二值图与原成像二值图进行差运算，即得到检测目标物。本方法抗噪声能力强，识别速度快，识别精度高，可出色完成人体边缘与背景连通的物体成像的全自动识别任务。

Description

人体安检成像中人体轮廓边缘物体的识别方法
技术领域
本发明涉及一种图像识别技术，特别涉及一种人体安检成像中人体轮廓边缘物体的识别方法。
背景技术
在一种很多人体安检技术中，由于物体与背景成像上不存在区别，放置在人体边缘的物体成像与背景连通，通过视觉可观察到的是人体轮廓缺了一块，这个缺失的一块就是违禁物体，但是计算机的图像识别算法却很难将之提取出来。人体轮廓边缘的物体的识别是一个技术难点，这方面的研究很少，研究成果也非常之有限，不过在实际的安检应用中与背景连通物体的识别现象却普遍存在，因此本文识别方法具有很强的应用价值。
发明内容
本发明是针对人体轮廓边缘的物体识别困难的问题，提出了一种人体安检成像中人体轮廓边缘物体的识别方法，解决了人体轮廓边缘物体的自动识别难题，识别速度快准确度高。
本发明的技术方案为：一种人体安检成像中人体轮廓边缘物体的识别方法，具体包括如下步骤：
1）对原始人体安检图像进行预处理：排除人体的头颈部和手部，并使轮廓只由连续的单像素点连接，并进行轮廓跟踪，记录轮廓每个点的坐标；
2）构造圆形模板沿人体轮廓边缘移动，圆形模板在轮廓线上的移动是以轮廓上的点作为中心的，计算每个轮廓点位置处圆形模板内人体目标区域面积所占比例，如果比例低于一个低阈值Pmin则记为凸点，标记为Ni点，i=1,2…；如果高于一个高阈值Pmax则记为凹点，标记为Xj点，j=1,2…；
3）从起始位置开始，对每两个相邻凸点进行连线判断，如果相邻两个凸点Ni和Ni+1点间存在凹点Xj，同时该两凸点直线距离必须小于一个阈值K，则将两个凸点Ni和Ni+1点有效连接，否则取消连接，有效连接轮廓存在检测目标物；
4）对连线完的轮廓填充的二值图与原成像二值图进行差运算，即得到检测目标物。
所述步骤2）中构造圆形模板：是在半径为r的像素块中构造的，如果在圆形模板半径r大于人体手臂宽度的1/3，或者对于识别精度要求不高的情况下，用锯齿形边缘的像素块来直接表示圆形模板，像素块中，与圆形模板区域有交集的像素其像素值为1，无交集则像素值为0；如果在圆形模板半径r大于人体手臂宽度的1/3，或者对精度有较高要求的情况下，使用加权重的方式来构造标准圆形模板：即计算正方形像素块中每个像素与圆形模板区域相交面域所占像素本身面域的比例，此比例值即作为每个像素的分配权重。
所述阈值Pmin、Pmax和K根据不同模型和人体图像清晰度情况进行设定。
所述低阈值Pmin取值0.2-0.3；高阈值Pmax取值0.7-0.8；阈值K取值15-20厘米。
本发明的有益效果在于：本发明人体安检成像中人体轮廓边缘物体的识别方法，抗噪声能力强，识别速度快，识别精度高，可出色完成人体边缘与背景连通的物体成像的全自动识别任务，通过修改相应阈值（Pmin、Pmax和K）可以适用于不同模型和人体图像清晰度情况，可移植性高。
附图说明
图1为人体边缘携带物体原始成像图；
图2为本发明对原始图像轮廓的预处理及圆形模板检测示意图；
图3为本发明对满足条件的凸点进行连线示意图；
图4为本发明不含头颈部和手部人体边缘物体识别的完整处理图像。
具体实施方式
人体安检成像中人体轮廓边缘物体的识别方法：首先对原始人体安检图像（图1所示）进行预处理，第一步是排除人体的头颈部和手部（因为这几个部位通常无法藏匿违禁品，同时也是为了避免该算法在头颈部和手部的误识别）。第二步是去除图像中的噪声等干扰图像边缘质量的因素，对预处理后转化的二值图像剔除非连通的噪声，并通过腐蚀膨胀、膨胀腐蚀的操作优化二值图像的边缘效果。第三步是对处理后的二值图像进行轮廓提取和细化，使轮廓只由连续的单像素点连接，并进行轮廓跟踪，记录轮廓每个点的坐标。
如图2所示，构造圆形模板沿人体轮廓边缘移动，圆形模板在轮廓线上的移动是以轮廓上的点作为中心的，计算每个轮廓点位置处圆形模板内人体目标区域面积所占比例，如果比例低于一个低阈值Pmin（一般取值0.2-0.3）则记为凸点——Ni（i=1,2…）点，如果高于一个高阈值Pmax（一般取值0.7-0.8）则记为凹点——Xj（j=1,2…）点。
如果相邻两个凸点Ni和Ni+1点间存在凹点Xj，同时该两凸点直线距离必须小于一个阈值K（一般取值15-20厘米），则判断凸点Ni和Ni+1点间区域存在检测目标物；如图3所示，对得到的特征凸点Ni和Ni+1点进行连线，对连线完的轮廓填充的二值图与原成像二值图（不含头颈部和手部）进行差运算，即得到检测目标物。如图4所示不含头颈部和手部人体边缘物体识别的完整处理图像，白色为识别的边缘物体。
圆形模板是在半径为r的像素块中构造的，在圆形模板面积很大（半径r大于人体手臂宽度的1/3），或者对于识别精度要求不高的情况下，可用锯齿形边缘的像素块来直接表示圆形模板，像素块中，与圆形模板区域有交集的像素其像素值为1，无交集则像素值为0；在圆形模板面积较小（半径r小于人体手臂宽度的1/3）或者对精度有较高要求的情况下，使用加权重的方式来构造标准圆形模板：即计算正方形像素块中每个像素与圆形模板区域相交面域所占像素本身面域的比例，此比例值即作为每个像素的分配权重。
从起始位置开始，对每两个相邻凸点依次连线遵循顺序试点的原则，该原则为：从起始位置开始，将相邻两个凸点Ni和Ni+1点进行试连接，如果这两个凸点间不存在凹点，或者凸点间直线距离大于阈值K则取消该连接，否则为有效连接。
通过修改相应阈值（Pmin、Pmax和K）可以适用于不同模型和人体图像清晰度情况，可移植性高。

Claims (4)

1.一种人体安检成像中人体轮廓边缘物体的识别方法，其特征在于，具体包括如下步骤：
1)对原始人体安检图像进行预处理：排除人体的头颈部和手部，并使轮廓只由连续的单像素点连接，并进行轮廓跟踪，记录轮廓每个点的坐标；
2)构造圆形模板沿人体轮廓边缘移动，圆形模板在轮廓线上的移动是以轮廓上的点作为中心的，计算每个轮廓点位置处圆形模板内人体目标区域面积所占比例，如果比例低于一个低阈值Pmin则记为凸点，标记为Ni点，i＝1,2…；如果高于一个高阈值Pmax则记为凹点，标记为Xj点，j＝1,2…；
3)从起始位置开始，对每两个相邻凸点进行连线判断，如果相邻两个凸点Ni和Ni+1点间存在凹点Xj，同时该两凸点直线距离必须小于一个阈值K，则将两个凸点Ni和Ni+1点有效连接，否则取消连接，有效连接轮廓存在检测目标物；
4)对连线完的轮廓填充的二值图与原成像二值图进行差运算，即得到检测目标物。
2.根据权利要求1所述人体安检成像中人体轮廓边缘物体的识别方法，其特征在于，所述步骤2)中构造圆形模板：是在半径为r的像素块中构造的，如果在圆形模板半径r大于人体手臂宽度的1/3，或者对于识别精度要求不高的情况下，用锯齿形边缘的像素块来直接表示圆形模板，像素块中，与圆形模板区域有交集的像素其像素值为1，无交集则像素值为0；如果在圆形模板半径r小于人体手臂宽度的1/3，或者对精度有较高要求的情况下，使用加权重的方式来构造标准圆形模板：即计算正方形像素块中每个像素与圆形模板区域相交面域所占像素本身面域的比例，此比例值即作为每个像素的分配权重。
3.根据权利要求1所述人体安检成像中人体轮廓边缘物体的识别方法，其特征在于，所述阈值Pmin、Pmax和K根据不同模型和人体图像清晰度情况进行设定。
4.根据权利要求3所述人体安检成像中人体轮廓边缘物体的识别方法，其特征在于，所述低阈值Pmin取值0.2-0.3；高阈值Pmax取值0.7-0.8；阈值K取值15-20厘米。
CN201610833551.5A 2016-09-20 2016-09-20 人体安检成像中人体轮廓边缘物体的识别方法 Active CN106446819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610833551.5A CN106446819B (zh) 2016-09-20 2016-09-20 人体安检成像中人体轮廓边缘物体的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610833551.5A CN106446819B (zh) 2016-09-20 2016-09-20 人体安检成像中人体轮廓边缘物体的识别方法

Publications (2)

Publication Number Publication Date
CN106446819A CN106446819A (zh) 2017-02-22
CN106446819B true CN106446819B (zh) 2019-04-16

Family

ID=58166026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610833551.5A Active CN106446819B (zh) 2016-09-20 2016-09-20 人体安检成像中人体轮廓边缘物体的识别方法

Country Status (1)

Country Link
CN (1) CN106446819B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063690B (zh) * 2018-08-31 2022-09-30 北京融通智慧科技有限公司 一种对进入变电站环境的目标的分析方法
CN110163810B (zh) * 2019-04-08 2023-04-25 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及终端
CN114549694B (zh) * 2021-12-29 2024-03-01 世纪开元智印互联科技集团股份有限公司 一种证件照换装方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540891A (zh) * 2009-04-09 2009-09-23 复旦大学 基于监控视频的行李传送仓人体检测系统
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
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
CN103279960A (zh) * 2013-06-18 2013-09-04 天津大学 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
EP2830004A1 (en) * 2013-07-23 2015-01-28 Tsinghua University Human body security inspection method and system
CN104850219A (zh) * 2014-02-19 2015-08-19 北京三星通信技术研究有限公司 估计附着物体的人体姿势的设备和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540891A (zh) * 2009-04-09 2009-09-23 复旦大学 基于监控视频的行李传送仓人体检测系统
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
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
CN103279960A (zh) * 2013-06-18 2013-09-04 天津大学 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
EP2830004A1 (en) * 2013-07-23 2015-01-28 Tsinghua University Human body security inspection method and system
CN104850219A (zh) * 2014-02-19 2015-08-19 北京三星通信技术研究有限公司 估计附着物体的人体姿势的设备和方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
《Terahertz Imaging System for Remote Sensing and Security Applications》;Feifei Xin等;《2014 3rd Asia-Pacific Conference on Antennas and Propagation》;20141231;第1335-1338页
《基于阈值的人体数字图像测量点的确定》;赵静秒等;《天津工业大学学报》;20041031;第23卷(第5期);第98-101页
《室内安检毫米波辐射特性分析与图像特征提取》;王琪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130615(第6期);第I138-1242页
《被动式人体太赫兹图像中的目标辅助识别》;赵然等;《强激光与粒子束》;20140731;第26卷(第7期);第1-5页
《被动式太赫兹图像分割算法》;张馨等;《强激光与粒子束》;20130630;第25卷(第6期);第1597-1560页

Also Published As

Publication number Publication date
CN106446819A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN103714541B (zh) 一种利用山体轮廓区域约束识别定位建筑物的方法
CN105678286B (zh) 一种瞳孔定位方法及设备
CN106056046B (zh) 从图像中提取特征的方法和装置
CN102567733B (zh) 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
CN106936964B (zh) 一种基于霍夫变换模板匹配的手机屏幕角点检测方法
CN106446819B (zh) 人体安检成像中人体轮廓边缘物体的识别方法
CN102540264B (zh) 一种人体隐私部位自动检测与遮挡的微波安检系统
CN106446773B (zh) 一种全自动、鲁棒的三维人脸检测方法
TW201721516A (zh) 一種眼球追蹤的方法及裝置
CN104978012A (zh) 一种指向交互方法、装置及系统
CN104408722A (zh) 一种用于pcb视觉定位的检测方法
CN106355599A (zh) 基于非荧光眼底图像的视网膜血管自动分割方法
Thalji et al. Iris Recognition using robust algorithm for eyelid, eyelash and shadow avoiding
CN103218605A (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN103913166B (zh) 一种基于能量分布的星点提取方法
CN106023134A (zh) 一种钢材晶粒的自动晶界提取方法
CN110119724A (zh) 一种指静脉识别方法
CN105678792A (zh) 一种人体轮廓提取方法及系统
CN104331885A (zh) 一种基于投票线聚类的圆形目标检测方法
CN104647893A (zh) 一种基于十字线的印刷套印误差检测方法
CN103914829B (zh) 一种含噪图像边缘检测方法
CN106373140A (zh) 一种基于单目视觉的透明及半透明液体杂质检测方法
CN108108740B (zh) 一种主动毫米波人体图像性别识别方法
CN108090492B (zh) 基于尺度线索抑制的轮廓检测方法
CN105046230A (zh) 基于图像的人眼角检测的方法及系统

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