CN106560839A - 瓶子的检测方法及装置 - Google Patents

瓶子的检测方法及装置 Download PDF

Info

Publication number
CN106560839A
CN106560839A CN201510639330.XA CN201510639330A CN106560839A CN 106560839 A CN106560839 A CN 106560839A CN 201510639330 A CN201510639330 A CN 201510639330A CN 106560839 A CN106560839 A CN 106560839A
Authority
CN
China
Prior art keywords
bottle
region
scanning window
symmetry
marginal point
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
CN201510639330.XA
Other languages
English (en)
Other versions
CN106560839B (zh
Inventor
廖育华
王强
刘晶晶
张阳天
彭华
李元景
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.)
Nuctech Co Ltd
Original Assignee
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 Nuctech Co Ltd filed Critical Nuctech Co Ltd
Priority to CN201510639330.XA priority Critical patent/CN106560839B/zh
Publication of CN106560839A publication Critical patent/CN106560839A/zh
Application granted granted Critical
Publication of CN106560839B publication Critical patent/CN106560839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/05Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种瓶子的检测方法和装置,涉及安检领域。其中,瓶子的检测方法包括:根据扫描图像获取边缘图像;根据边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定待选瓶子区域;从待选瓶子区域中筛选出瓶子区域。通过这样的方法,能够通过对于扫描图像进行边缘识别、根据瓶子区域的特点识别出瓶子区域并进行筛选,自动获取扫描图像中的可疑液体区域,从而提高安全检查的效率。

Description

瓶子的检测方法及装置
技术领域
本发明涉及安检领域,特别是一种瓶子的检测方法及装置。
背景技术
目前,在民航安全检查操作规范中,100毫升以上的液体是禁止携带的。在地铁安检过程中,也需要对于乘客携带的液体进行单独检查。
在地铁、机场等公共场所,经常会遇到乘客携带装有液体的包裹通过安全检查口。现有技术中,往往需要靠旅客的自觉和安检人员肉眼观察安检图像来识别液体。这样的方式不能够高效的检测出包裹中的液体,同时由于安检图像中背景物体的重叠,会使肉眼识别变得很困难,会提高工作人员的工作强度,同时容易发生漏检的现象,降低了安全系数。
发明内容
本发明的一个目的在于提出一种自动检测出包裹中瓶装液体的方法。
根据本发明的一个方面,提出一种瓶子的检测方法,包括:根据扫描图像获取边缘图像;根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域;从待选瓶子区域中筛选出瓶子区域。
可选地,根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域包括:根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定扫描窗口的对称性值,其中,对称性值为与对称轴距离相同的对称的边缘点的最大数量;若扫描窗口的对称性值大于预定对称性值,则将对称的边缘点之间的区域作为待选瓶子区域。
可选地,在根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域包括:边缘图像上以预定像素间隔确定平行的横向扫描线;以横向扫描线上的像素点为扫描窗口的中心沿横向扫描线移动扫描窗口,其中,扫描窗口的高度小于相邻横向扫描线间隔;通过统计每个扫描窗口内关于扫描窗口的纵向对称轴对称的边缘点确定扫描窗口的对称性值;统计对称性值大于预定对称性值的纵向连续扫描窗口数量,若对称性值大于预定对称性值的纵向连续扫描窗口数量大于预定纵向连续阈值,则确定纵向连续扫描窗口中对称的边缘点之间的区域为待选瓶子区域,其中,纵向连续扫描窗口为横坐标相同、纵坐标位于相邻扫描线的扫描窗口。
可选地,根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域还包括:在获取对称的边缘点之间的区域后,沿对称轴向两端纵向扩展获取的对称的边缘点之间的区域,遇到边缘点为止,获取待选瓶子区域;和/或,在获取对称的边缘点之间的区域后,根据瓶子轴对称、边缘封闭、形状规律的特点初筛选获取的对称的边缘点之间的区域,获取待选瓶子区域,包括:若从对称轴到对称的边缘点经过的边缘点的数量不大于预定穿越阈值,则确定对称的边缘点之间的区域为待选瓶子区域;和/或,若待选瓶子区域中连接对称的边缘点的端点之间的边缘线的间断点数量不大于预定间断阈值,则确定对称的边缘点之间的区域为待选瓶子区域;和/或,若对称的边缘点之间的区域高宽比在预定高宽比范围内,则确定对称的边缘点之间的区域为待选瓶子区域。
可选地,根据边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定待选瓶子区域还包括:以预定角度间隔将边缘图像旋转180度,确定每个旋转角度下边缘图像中的待选瓶子区域。
可选地,根据边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定扫描窗口的对称性值包括:根据公式
确定扫描窗口的对称性值,其中,(x,y)为对称轴上的点的坐标,SymmetricValue(x,y)为扫描窗口的对称性值;i,j为自然数;
Condition(x,y,i)=
(Edgemap(x-i,j)|Edgemap(x-i-1,j))&&(Edgemap(x+i,j)|Edgemap(x+i+1,j));
Edgemap表示边缘图像,边缘点的值不为0,背景值为0;
windowInnerWidth是扫描窗口内窗口的像素宽度;
windowOuterWidth是扫描窗口外窗口的像素宽度;
windowHeight是扫描窗口的像素高度。
可选地,从待选瓶子区域中筛选出瓶子区域包括:根据瓶子质地均匀、尺寸在预定范围内,和/或长宽比在预定范围内的特点,从待选瓶子区域中筛选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:根据待选瓶子区域的显示效果,从待选瓶子区域中筛选瓶子区域,显示效果包括清晰度和/或位置。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若覆盖区域重叠的两个待选瓶子区域的对称轴的距离小于预定中心距离阈值,且宽度差小于预定宽度差阈值,则剔除宽的待选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若两个待选瓶子区域重叠,则根据重叠区域的大小、两个待选瓶子区域的大小和/或两个待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若待选瓶子区域的纵向对称轴灰度均值大于预定灰度阈值,则剔除待选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若待选瓶子区域的位置超过预定有效图像区域,则剔除待选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若待选瓶子区域的高度大于预定最大高度阈值或面积小于最小面积阈值,则剔除待选瓶子区域。
可选地,从待选瓶子区域中筛选出瓶子区域包括:若待选瓶子区域的高宽比不在对应宽度的瓶子的预定高宽比范围内,则剔除待选瓶子区域。
可选地,根据扫描图像获取边缘图像包括:预处理扫描图像,包括:减小扫描图像的灰度值取值范围、等长宽比缩小扫描图像和/或将扫描图像进行预定像素范围的均值模糊;根据降低信息量后的扫描图像,基于边缘检测算法确定边缘图像。
可选地,预处理扫描图像还包括:若扫描图像不为正方形,则将扫描图像放置在旋转中心,以空白补全扫描图像为正方形。
通过这样的方法,能够通过对于扫描图像进行边缘识别、根据瓶子区域的特点识别出瓶子区域并进行筛选,自动获取扫描图像中的可疑液体区域,从而提高安全检查的效率。
根据本发明的另一个方面,提出一种瓶子的检测装置,包括边缘确定模块,用于根据扫描图像获取边缘图像;待选区域确定模块,用于根据边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定待选瓶子区域;筛选模块,用于从待选瓶子区域中筛选出瓶子区域。
可选地,待选区域确定模块包括:对称性值确定单元,用于根据边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定扫描窗口的对称性值,其中,对称性值为与对称轴距离相同的对称的边缘点的最大数量;区域确定单元,用于在扫描窗口的对称性值大于预定对称性值的情况下,则将对称的边缘点之间的区域作为待选瓶子区域。
可选地,还包括:扫描线确定模块,用于在边缘图像上以预定像素间隔确定平行的横向扫描线;待选区域确定模块包括:窗口移动单元,用于以横向扫描线上的像素点为扫描窗口的中心,沿横向扫描线移动扫描窗口,其中,扫描窗口的高度小于相邻横向扫描线间隔;对称性值确定单元,用于通过统计每个扫描窗口内关于扫描窗口的纵向对称轴对称的边缘点,确定扫描窗口的对称性值;纵向连续确定单元,用于统计对称性值大于预定对称性值的纵向连续扫描窗口数量,若对称性值大于预定对称性值的纵向连续扫描窗口数量大于预定纵向连续阈值,则确定纵向连续扫描窗口中,对称的边缘点之间的区域为待选瓶子区域,其中,纵向连续扫描窗口为横坐标相同,纵坐标位于相邻扫描线的扫描窗口。
可选地,待选区域确定模块还包括:扩展单元,用于在获取对称的边缘点之间的区域后,沿对称轴向两端纵向扩展对称的边缘点之间的区域,遇到边缘点为止,获取待选瓶子区域。
可选地,待选区域确定模块还包括初筛选单元,用于在获取对称的边缘点之间的区域后,根据瓶子轴对称、边缘封闭、形状规律的特点,初筛选获取的对称的边缘点之间的区域,获取待选瓶子区域,包括:若从对称轴到对称的边缘点经过的边缘点的数量不大于预定穿越阈值,则确定对称的边缘点之间的区域为待选瓶子区域;和/或,若待选瓶子区域中连接对称的边缘点的端点之间的边缘线的间断点数量不大于预定间断阈值,则确定对称的边缘点之间的区域为待选瓶子区域;和/或,若对称的边缘点之间的区域高宽比在预定高宽比范围内,则确定对称的边缘点之间的区域为待选瓶子区域。
可选地,待选区域确定模块还包括:旋转单元,用于以预定角度间隔将边缘图像旋转180度;待选区域确定模块还用于根据旋转后的边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定每个旋转角度下边缘图像中的待选瓶子区域。
可选地,对称性值确定单元,还用于:根据公式
确定扫描窗口的对称性值,其中,(x,y)为对称轴上的点的坐标,SymmetricValue(x,y)为扫描窗口的对称性值;i,j为自然数;
Condition(x,y,i)=
(Edgemap(x-i,j)|Edgemap(x-i-1,j))&&(Edgemap(x+i,j)|Edgemap(x+i+1,j));
Edgemap表示边缘图像,边缘点的值不为0,背景值为0;
windowInnerWidth是扫描窗口内窗口的像素宽度;
windowOuterWidth是扫描窗口外窗口的像素宽度;
windowHeight是扫描窗口的像素高度。
可选地,筛选模块,还用于根据瓶子质地均匀、尺寸在预定范围内,和/或长宽比在预定范围内的特点,从待选瓶子区域中筛选瓶子区域;和/或,根据待选瓶子区域的显示效果,从待选瓶子区域中筛选瓶子区域,显示效果包括清晰度和/或位置。
可选地,筛选模块包括:
中心坐标及宽度拣选单元,用于在覆盖区域重叠的两个待选瓶子区域的对称轴的距离小于预定中心距离阈值,且宽度差小于预定宽度差阈值的情况下,剔除宽的待选瓶子区域;和/或,
可选地,筛选模块包括:重叠区域拣选单元,用于在两个待选瓶子区域重叠的情况下,根据重叠区域的大小、两个待选瓶子区域的大小和/或两个待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域。
可选地,筛选模块包括:灰度拣选单元,用于在待选瓶子区域的纵向对称轴灰度均值大于预定灰度阈值的情况下,剔除待选瓶子区域。
可选地,筛选模块包括:位置拣选单元,用于在待选瓶子区域的位置超过预定有效图像区域的情况下,剔除待选瓶子区域。
可选地,筛选模块包括:区域大小拣选单元,用于在待选瓶子区域的高度大于预定最大高度阈值或面积小于最小面积阈值的情况下,剔除待选瓶子区域。
可选地,筛选模块包括:尺寸拣选单元,用于在待选瓶子区域的高宽比不在对应宽度的瓶子的预定高宽比范围内的情况下,剔除待选瓶子区域。
可选地,边缘确定模块包括:图像预处理单元,用于预处理扫描图像,包括:减小扫描图像的灰度值取值范围、等长宽比缩小扫描图像和/或将扫描图像进行预定像素范围的均值模糊;边缘提取单元,用于根据经过预处理的扫描图像,基于边缘检测算法确定边缘图像。
可选地,图像预处理单元,还用于在扫描图像不为正方形的情况下,将扫描图像放置在旋转中心,以空白补全扫描图像为正方形。
这样的装置,能够通过对于扫描图像进行边缘识别、根据瓶子区域的特点识别出瓶子区域并进行筛选,自动获取扫描图像中的可疑液体区域,从而提高安全检查的效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的瓶子的检测方法的一个实施例的流程图。
图2为根据扫描图像获取边缘图像的一个实施例的效果图。
图3为本发明的瓶子的检测方法的另一个实施例的流程图。
图4为本发明的瓶子的检测方法的再一个实施例的流程图。
图5为本发明的瓶子的检测方法的一部分的一个实施例的流程图。
图6为本发明的对称性值确定的一个实施例的示意图。
图7为本发明的瓶子的检测方法的另一部分的一个实施例的流程图。
图8为本发明的瓶子的检测装置的一个实施例的示意图。
图9为本发明的瓶子的检测装置的一部分的一个实施例的示意图。
图10为本发明的瓶子的检测装置的一部分的另一个实施例的示意图。
图11为本发明的瓶子的检测装置的一部分的又一个实施例的示意图。
图12为本发明的瓶子的检测装置的一部分的再一个实施例的示意图。
图13为本发明在应用于简单背景环境下的效果图。
图14为本发明在应用于复杂背景环境下的效果图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明中利用检测可疑瓶子区域来检测可能存在的液体区域。瓶子检测方法的一个实施例的流程图如图1所示。
在步骤101中,根据获取的扫描图像利用边缘检测算法提取边缘图像。可以采用canny算子、sobel算子或LoG算子等边缘检测算法提取边缘图像。如图2所示,将左侧的扫描图像使用边缘检测算法处理后,得到右侧的边缘图像。
在步骤102中,由于瓶子具有很强的轴对称性,因而利用瓶子的轴对称特点,在边缘图像上提取关于扫描窗口的对称轴对称的边缘点,从而确定待选瓶子区域。
在步骤103中,从确定的待选瓶子区域中剔除误检测区域,确定瓶子区域。可以将确定的瓶子区域标注出来,方便工作人员识别。
通过这样的方法,能够通过对于扫描图像进行边缘识别、根据瓶子区域的特点识别出瓶子区域并进行筛选,自动获取扫描图像中的可疑液体区域,从而提高安全检查的效率。
在一个实施例中,根据获取的扫描图像利用边缘检测算法提取边缘图像时,可以先对扫描图像预处理,再根据预处理的图像确定边缘图像。在一个实施例中,可以将原始的彩色图像或者0-65535范围的灰度图像进行灰度变换,输出图像为0-255范围的单通道灰度图,这样的方法能够降低边缘图像获取的计算复杂度。在一个实施例中,可以缩小图像,例如将长宽均缩小为原来的一半,从而加快了算法的运行速度。在一个实施例中,由于扫描图像的高宽不一致,在后续处理过程中,为防止有效图像区域被裁减,可以将图像放置在中心位置,补全空白使图像成为正方形。在一个实施例中,根据canny算法的原理,使用预定高低阈值来完成边缘连接,以预定高阈值生成的边缘点为基础连接预定低阈值生成的边缘点,这个两个阈值越低,边缘越多。在一个实施例中,设定预定高阈值为140,还可以将根据3*3的均值模糊后的扫描图像进行边缘检测,从而减小运算量。
这样的方法,能够起到降低运算复杂度、加快运算速度或防止数据丢失的作用,更加有利于瓶子区域的获取。
在一个实施例中,本发明的瓶子的检测方法的另一个实施例的流程图如图3所示。
在步骤301中,根据扫描图像获取边缘图像。
在步骤302中,统计扫描窗口中关于窗口的对称轴对称的边缘点的数量,从而确定扫描窗口的对称性值。
在步骤303中,判断对称性值是否达到了预定对称性值,若大于预定对称性值,则将对称的边缘点之间的区域作为待选瓶子区域。
在步骤304中,从确定的待选瓶子区域中剔除误检测区域,确定瓶子区域。
通过这样的方法,能够通过将获取的对称性值与预定对称性值比较,确定待选瓶子区域,也能够根据实际应用设置合适的预定对称性值,防止漏选或误选的发生。
在一个实施例中,本发明的瓶子检测方法的流程图如图4所示。
在步骤401中,根据扫描图像利用边缘检测算法获取边缘图像。
在步骤402中,在边缘图像上确定横向扫描线。可以使扫描窗口的中心在横向扫描线上滑动,避免采用逐个像素的滑动窗口的检测方法,提高了检测速度。
在步骤403中,将横向扫描线上的像素点作为扫描窗口的中心,确定扫描窗口。如图5所示,图5为边缘图像中的一部分区域,501为确定的横向扫描线,502为横向扫描线上作为扫描窗口中心的像素点。503为扫描窗口的对称轴。504为扫描窗口内窗口的像素宽度。505为扫描窗口外窗口的像素宽度,506为扫描窗口的高度。在一个实施例中,扫描窗口的高度不大于相邻的两条横向扫描线间隔。在一个实施例中,内窗口宽度为14像素,外窗口宽度为70像素。
在步骤404中,获取步骤403中确定的扫描窗口的对称性值。在一个实施例中,计算扫描窗口对称性值的方法可以如公式(1)所示。扫描窗口的对称性值
其中,(x,y)为对称轴上的点的坐标,i,j为自然数;
Condition(x,y,i)=
(Edgemap(x-i,j)|Edgemap(x-i-1,j))&&(Edgemap(x+i,l)|Edgemap(x+i+1,j));
Edgemap表示边缘图像,边缘点的值不为0,背景值为0;
windowInnerWidth是扫描窗口内窗口的像素宽度;
windowOuterWidth是扫描窗口外窗口的像素宽度;windowHeight是扫描窗口的像素高度。
在步骤405中,判断是否完成了整幅图像的扫描。如果未能完成,则执行步骤406,否则执行步骤407。
在步骤406中,沿扫描线移动扫描窗口的中心点,再次从步骤403开始执行。
在步骤407中,如果纵向连续多个中心点横坐标相同的扫描窗口的对称值均大于预定对称值,则统计纵向连续扫描窗口的个数,若个数大于预定纵向连续阈值,则确定这些纵向连续扫描窗口中,对称的边缘点之间的区域为待选瓶子区域。
在步骤408中,从待选瓶子区域中筛选出瓶子区域。
通过这样的方法,能够设置横向扫描线,以横向扫描线上的像素点为中心滑动扫描窗口,避免采用逐个像素的滑动窗口的检测方法,提高了检测速度;通过判断单个扫描窗口的对称性值,再对纵向连续扫描窗口的对称性值进行判断,减少了误判的发生。
在一个实施例中,本发明的瓶子的检测方法中,根据边缘图像确定待选瓶子区域的一个实施例的流程图如图6所示。
在步骤601中,确定扫描窗口的对称性值。在一个实施例中,扫描窗口的对称性值可以通过图4中步骤404的方式确定。
在步骤602中,统计对称性值大于预定对称性值的纵向连续扫描窗口数量,如果纵向连续多个中心点横坐标相同的扫描窗口的对称值均大于预定对称值,且个数大于预定纵向连续阈值,则这些纵向连续扫描窗口中,对称的边缘点之间的区域为待筛选的对称边缘线间的区域。在一个实施例中,纵向连续阈值为5。若扫描窗口的对称性值小于10,则将对称性值设置为0,若纵向连续超过5个扫描窗口的对称性值不为0,则取纵向连续扫描窗口中对称边缘线间的区域为待筛选的区域。在一个实施例中,还可以比较纵向连续扫描窗口的对称性值的差值,若纵向连续扫描窗口的对称性值的差值不大于预定差值,则将该纵向连续扫描窗口中的对称边缘线作为待筛选的区域。在一个实施例中,预定差值为3。
在步骤603中,对于步骤602中确定的待筛选的对称边缘线间的区域进行初处理,确定待选瓶子区域。
在一个实施例中,需要基于纵向中心线拉伸候选瓶子区域。由于遮挡,或者瓶子本身边缘的对称窗口的宽度并不一致,因此检测到的对称边缘线之间的区域可能只是瓶子的一部分区域,需要对该区域进行纵向拉伸,拉伸的方式为:沿着该区域的纵向中心线分别向瓶顶和瓶底两个方向进行拉伸,遇到边缘点即停止。
在一个实施例中,可以利用基于纵向中心线的拣选规则对待筛选的对称边缘线之间的区域进行筛选,如果候选瓶子区域纵向中心线穿过的边缘数超过预定穿越阈值,则认为该区域是属于一个杂乱的区域,将其剔除。在一个实施例中,预定穿越阈值为1。
在一个实施例中,可以基于瓶顶或者瓶底横向边缘的拣选规则对对称边缘线之间的区域进行筛选。由于子区域基本是上下两端是横向封闭,瓶子顶部和底部具有一定宽度,且边缘间断点数超过一定的预定间断阈值,则认为该区域并不是一个瓶子区域,将其剔除。在一个实施例中,瓶子顶部、底部具有的宽度阈值可以为8像素。预定间断阈值可以为4像素。
在一个实施例中,可以基于瓶子高宽比的拣选规则的拣选规则对对称边缘线之间的区域进行筛选。剔除高宽比大于高宽比高阈值(例如4)和小于高宽比低阈值(例如1)的区域,取高宽比在预定高宽比范围内的对称的边缘点之间的区域为待选瓶子区域。
在步骤604中,检查边缘图像的旋转角度。若边缘图像的旋转角度不到180度,则执行步骤605,否则执行步骤606。
在步骤605中,将边缘图像旋转预定角度。预定角度可以为1度。继而执行步骤601,获取旋转后的边缘图像中的待选瓶子区域。
在步骤606中,从所有旋转角度的边缘图像中的待选瓶子区域里,筛选出瓶子区域。
通过这样的方法,能够在确定待选瓶子区域的过程中基于瓶子的对称性、封闭性等进行筛选,降低了误判的可能性;能够通过将边缘图像旋转,从每个旋转角度的边缘图像中获取待选瓶子区域的方式,降低漏选的可能性,使筛选出的瓶子区域更加可靠。
在一个实施例中,本发明的瓶子的检测方法中从待选瓶子区域筛选出瓶子区域的方法可以如图7所示。
在步骤701中,由于同一个瓶子区域可能检测出多对对称边缘线,因此可以根据中心轴的坐标位置和对称边缘线间的宽度来对待选瓶子区域进行拣选。若覆盖区域重叠的两个待选瓶子区域的对称轴的距离小于预定中心距离阈值,且宽度差小于预定宽度差阈值,则剔除宽的待选瓶子区域。在一个实施例中,比较两个待选瓶子区域的中心距离,和矩形框宽度差值,如果中心距离小于预定中心距离阈值,并且宽度差值也小于预定宽度差阈值,则保留这两个矩形框中宽度较小的那个矩形框。在一个实施例中,预定中心距离阈值为10,预定宽度差阈值为20。
在步骤702中,由于待选瓶子区域可能会重叠,因此需要对于重叠的区域进行筛选。可以根据重叠区域的大小、两个待选瓶子区域的大小、两个待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域。
在一个实施例中,待选瓶子区域1与待选瓶子区域2重叠。
如果同时满足“重叠区域大于待选瓶子区域1面积的三分之一”、“重叠区域大于待选瓶子区域2面积的三分之一”、“待选瓶子区域1和待选瓶子区域2的角度差值小于预定角度差阈值”,则“若待选瓶子区域1和待选瓶子区域2的宽度差值小于预定宽度差阈值”,则保留高度较高的待选瓶子区域;若待选瓶子区域1和待选瓶子区域2的宽度差值不小于预定宽度差阈值,则保留宽度较小的待选瓶子区域。在一个实施例中,预定角度差阈值为15,预定宽度差阈值为5。
如果同时满足“待选瓶子区域1和待选瓶子区域2的角度差值不小于预定角度差阈值”,但同时满足“重叠区域大于待选瓶子区域1面积的五分之四”、“重叠区域大于待选瓶子区域2面积的五分之四”,则若“待选瓶子区域1和待选瓶子区域2的宽度差值小于预定宽度差阈值”,则保留高度较高的待选瓶子区域,否则保留宽度较小的待选瓶子区域。
如果不能够同时满足“重叠区域大于待选瓶子区域1面积的三分之一”和“重叠区域大于待选瓶子区域2面积的三分之一”,则若能够满足“重叠区域大于待选瓶子区域1的五分之四”、“重叠区域大于待选瓶子区域2的五分之四”中的一个,则保留面积较大的待选瓶子区域。
在步骤703中,由于瓶子的质地均匀,在经过扫描后的灰度值有一定范围,可以基于待选瓶子区域内的灰度值对待选瓶子区域进行进一步拣选。若纵向中心线的灰度均值大于预定灰度阈值,则剔除该区域。在一个实施例中,预定灰度阈值为185。
在步骤704中,由于图像边界的原因,如果待选瓶子区域超过了有效的图像区域,可剔除该待选瓶子区域。
在步骤705中,基于待选瓶子区域的面积或高度筛选瓶子区域。在一个实施例中,若瓶子区域高度大于预定高度阈值,或瓶子区域面积小于预定面积阈值,则提出该待选瓶子区域。在一个实施例中,预定高度阈值为310像素,预定面积阈值为4000像素。在一个实施例中,若图像经过压缩,可以先将图像恢复到原始坐标下,再对于面积、高度进行比较。
在步骤706中,根据实际瓶子的各种款式,基于不同宽度的瓶子的高宽比阈值来筛选瓶子区域。在一个实施例中,在待选瓶子区域位于预定宽度阈值范围的情况下,若高宽比大于对应的高宽比高阈值,或小于对应的高宽比低阈值,则剔除该待选瓶子区域。在一个实施例中,预定宽度比阈值可以包括小于50像素、50像素到70像素之间、70像素到90像素之间和90像素以上。当待选瓶子区域的宽度小于50像素时,若高宽比大于3.9或低于2.0,则剔除该待选瓶子区域;当待选瓶子区域的宽度位于50像素到70像素的区间时,若高宽比大于3.9或低于1.75,则剔除该待选瓶子区域;当待选瓶子区域的宽度位于70像素到90像素的区间时,若高宽比大于2.95或低于1.8,则剔除该待选瓶子区域;当待选瓶子区域的宽度大于90像素时,若高宽比大于2.8或低于2.1,则剔除该待选瓶子区域。
通过这样的方法,可以采用一系列的筛选步骤,分别基于瓶子质地均匀、尺寸在预定范围内、长宽比在预定范围内的特点,从待选瓶子区域中筛选出瓶子区域,从而减少误判的可能性。
在一个实施例中,可以选用图7中的一种或几种筛选方法,任意配合使用,从而能够根据实际需要来选择筛选瓶子区域的方法,使方案更加贴合实际需求。
本发明的瓶子区域的检测装置的一个实施例的示意图如图8所示。其中,801为边缘确定模块,能够根据获取的扫描图像利用边缘检测算法提取边缘图像。802为待选区域确定模块,利用瓶子的轴对称特点,在边缘图像上提取关于扫描窗口的对称轴对称的边缘点,从而确定待选瓶子区域。803为筛选模块从确定的待选瓶子区域中剔除误检测区域,确定瓶子区域。可以将确定的瓶子区域标注出来,方便工作人员识别。
这样的装置,能够通过对于扫描图像进行边缘识别、根据瓶子区域的特点识别出瓶子区域并进行筛选,自动获取扫描图像中的可疑液体区域,从而提高安全检查的效率。
在一个实施例中,边缘确定模块801包括图像预处理单元和边缘提取单元,其中,图像预处理单元能够对扫描图像进行预处理。在一个实施例中,可以将原始的彩色图像或者0-65535范围的灰度图像进行灰度变换,输出图像为0-255范围的单通道灰度图,这样的方法能够降低边缘图像获取的计算复杂度。在一个实施例中,可以缩小图像,例如将长宽均缩小为原来的一半,从而加快了算法的运行速度。在一个实施例中,由于扫描图像的高宽不一致,在后续处理过程中,为防止有效图像区域被裁减,可以将图像放置在中心位置,补全空白使图像成为正方形。边缘提取单元从经过预处理后的扫描图像中计算出边缘图像。
这样的装置,能够起到降低运算复杂度、加快运算速度或防止数据丢失的作用,更加有利于瓶子区域的获取。
在一个实施例中,待选区域确定模块的示意图如图9所示。其中,901为对称性确定单元,能够统计扫描窗口中关于窗口的对称轴对称的边缘点的数量,从而确定扫描窗口的对称性值。902为区域确定单元,判断对称性确定单元901确定的扫描窗口对称性值是否达到了预定对称性值,若大于预定对称性值,则将对称的边缘点之间的区域作为待选瓶子区域。这样的装置,能够通过将获取的对称性值与预定对称性值比较,确定待选瓶子区域,也能够根据实际应用设置合适的预定对称性值,防止漏选或误选的发生。
在一个实施例中,本发明的瓶子的检测装置还包括扫描线确定模块,位于边缘确定模块和待选区域确定模块之间,能够在边缘图像上根据需要以预定的像素间隔确定平行的横向扫描线。待选区域确定模块的示意图如图10所示。其中,1001为窗口移动单元,使扫描窗口的中心点在横向扫描线上滑动,确定扫描窗口。1002为对称性确定单元,能够确定扫描窗口的对称性值。确定扫描窗口对称性值的方法可以如上文中公式(1)所示。窗口移动单元1001配合对称性确定单元1002,通过不断移动窗口中心点,能够确定边缘图像中每个扫描窗口的对称性值,完成对整个边缘图像的扫描。1003为纵向连续确定单元,如果纵向连续多个中心点横坐标相同的扫描窗口的对称值均大于预定对称值,则统计纵向连续扫描窗口的个数,若个数大于预定纵向连续阈值,则确定这些纵向连续扫描窗口中,对称的边缘点之间的区域为待选瓶子区域。
这样的装置,能够设置横向扫描线,以横向扫描线上的像素点为中心滑动扫描窗口,避免采用逐个像素的滑动窗口的检测方法,提高了检测速度;通过判断单个扫描窗口的对称性值,再对纵向连续扫描窗口的对称性值进行判断,减少了误判的发生。
在一个实施例中,待选区域确定模块的示意图如图11所示。其中,1101为对称性确定单元,用于确定每个扫描窗口的对称性值。1102为纵向连续确定单元,统计对称性值大于预定对称性值的纵向连续扫描窗口数量,如果纵向连续多个中心点横坐标相同的扫描窗口的对称值均大于预定对称值,且个数大于预定纵向连续阈值,则这些纵向连续扫描窗口中,对称的边缘点之间的区域为待筛选的对称边缘线间的区域。1103包括初筛选单元,对纵向连续确定单元1102确定的待筛选的对称边缘线间的区域进行初处理,确定待选瓶子区域。1103还可以包括扩展单元,沿着对称边缘线间的区域的纵向中心线分别向上下两个方向进行拉伸,遇到边缘点即停止。1104为旋转单元,用于旋转边缘图像,待选区域确定模块从确定每个旋转图像中的待选瓶子区域。可以每旋转一度获取一次待选瓶子区域,直至获取旋转180度的边缘图像中的待选瓶子区域。
这样的装置,能够在确定待选瓶子区域的过程中基于瓶子的对称性、封闭性等进行筛选,降低了误判的可能性;能够通过将边缘图像旋转,从每个旋转角度的边缘图像中获取待选瓶子区域的方式,降低漏选的可能性,使筛选出的瓶子区域更加可靠。
在一个实施例中,筛选模块的示意图如图12所示。其中,1201为中心坐标及宽度拣选单元,根据中心轴的坐标位置和对称边缘线间的宽度来对待选瓶子区域进行拣选。1202为重叠区域拣选单元,用于对于重叠的区域进行筛选,可以根据重叠区域的大小、两个待选瓶子区域的大小、两个待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域。1203为灰度拣选单元,基于待选瓶子区域内的灰度值对待选瓶子区域进行进一步拣选。若纵向中心线的灰度均值大于预定灰度阈值,则剔除该区域。1204为位置拣选单元,如果待选瓶子区域超过了有效的图像区域,可剔除该待选瓶子区域。1205为区域大小拣选单元,基于待选瓶子区域的面积或高度筛选瓶子区域。1206为尺寸拣选单元。根据实际瓶子的各种款式,基于不同宽度的瓶子的高宽比阈值来筛选瓶子区域。具体各个单元的具体筛选的实施方式可以按照图7的各个实施例进行。
这样的装置,可以采用一系列的筛选步骤,分别基于瓶子质地均匀、尺寸在预定范围内、长宽比在预定范围内的特点,从待选瓶子区域中筛选出瓶子区域,从而减少误判的可能性。
在一个实施例中,图12中的各个单元可以任意选择一个或多个配合使用,从而能够根据实际需要来选择筛选瓶子区域的方法,使方案更加贴合实际需求。
通过上文中提到的瓶子的检测方法和装置,当对于简单背景环境下的瓶子进行检测时,效果可以如图13所示。可以采用方框标注确定的瓶子区域。不同高宽比、质地、形状的瓶子,均能够自动检测标注。当检测的瓶子位于复杂背景环境下时,效果如图14所示。由于背景复杂,肉眼的分辨能力有限,但本发明中的瓶子的检测方法和装置能够从复杂的图像中识别出可能的瓶子区域,便于安检人员有针对性的检查,在提高检测效率、降低工作人员工作强度的同时,使得检测更加可靠。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对齐限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (20)

1.一种瓶子的检测方法,其特征在于,包括:
根据扫描图像获取边缘图像;
根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域;
从所述待选瓶子区域中筛选出瓶子区域。
2.根据权利要求1所述的方法,其特征在于,根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域包括:
根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定所述扫描窗口的对称性值,其中,所述对称性值为与所述对称轴距离相同的对称的边缘点的最大数量;
若所述扫描窗口的对称性值大于预定对称性值,则将所述对称的边缘点之间的区域作为待选瓶子区域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域包括:
在所述边缘图像上以预定像素间隔确定平行的横向扫描线;
以所述横向扫描线上的像素点为扫描窗口的中心,沿所述横向扫描线移动所述扫描窗口,其中,所述扫描窗口的高度不大于相邻横向扫描线间隔;
通过统计每个扫描窗口内关于扫描窗口的纵向对称轴对称的边缘点,确定所述扫描窗口的对称性值;
统计对称性值大于预定对称性值的纵向连续扫描窗口数量,若所述对称性值大于预定对称性值的纵向连续扫描窗口数量大于预定纵向连续阈值,则确定纵向连续扫描窗口中,对称的边缘点之间的区域为待选瓶子区域,其中,所述纵向连续扫描窗口为横坐标相同,纵坐标位于相邻扫描线的扫描窗口。
4.根据权利要求2所述的方法,其特征在于,所述根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域还包括:
在获取所述对称的边缘点之间的区域后,沿对称轴向两端纵向扩展获取的所述对称的边缘点之间的区域,遇到边缘点为止,获取待选瓶子区域;和/或,
在获取所述对称的边缘点之间的区域后,根据瓶子轴对称、边缘封闭、形状规律的特点,初筛选获取的所述对称的边缘点之间的区域,获取待选瓶子区域,包括:若从所述对称轴到所述对称的边缘点经过的边缘点的数量不大于预定穿越阈值,则确定所述对称的边缘点之间的区域为所述待选瓶子区域;和/或,若所述待选瓶子区域中连接对称的边缘点的端点之间的边缘线的间断点数量不大于预定间断阈值,则确定所述对称的边缘点之间的区域为所述待选瓶子区域;和/或,若所述对称的边缘点之间的区域高宽比在预定高宽比范围内,则确定所述对称的边缘点之间的区域为所述待选瓶子区域。
5.根据权利要求1-4任一所述的方法,其特征在于,
所述根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定待选瓶子区域还包括:
以预定角度间隔将所述边缘图像旋转180度,确定每个旋转角度下所述边缘图像中的所述待选瓶子区域。
6.根据权利要求2所述的方法,其特征在于,所述根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定所述扫描窗口的对称性值包括:
根据公式
S y m m e t r i c V a l u e ( x , y ) = max w i n d o w I n n e r W i d t h 2 ≤ i ≤ w i n d o w O u t e r W i d t h 2 ( Σ j = y - w i n d o w H e i g h t 2 y + w i n d o w H e i g h t 2 2 * 1 { C o n d i t i o n ( x , y , i ) } )
确定扫描窗口的对称性值,其中,(x,y)为对称轴上的点的坐标,SymmetricValue(x,y)为扫描窗口的对称性值;i,j为自然数;
Condition(x,y,i)=
(Edgemap(x-i,j)|Edgemap(x-i-1,j))&&(Edgemap(x+i,j)|Edgemap(x+i+1,j));
Edgemap表示边缘图像,边缘点的值不为0,背景值为0;
windowInnerWidth是扫描窗口内窗口的像素宽度;
windowOuterWidth是扫描窗口外窗口的像素宽度;
windowHeight是扫描窗口的像素高度。
7.根据权利要求1所述的方法,其特征在于,所述从所述待选瓶子区域中筛选出瓶子区域包括:
根据瓶子质地均匀、尺寸在预定范围内,和/或长宽比在预定范围内的特点,从所述待选瓶子区域中筛选瓶子区域;
和/或,
根据所述待选瓶子区域的显示效果,从所述待选瓶子区域中筛选瓶子区域,所述显示效果包括清晰度和/或位置。
8.根据权利要求1所述的方法,其特征在于,
所述从所述待选瓶子区域中筛选出瓶子区域包括:
若覆盖区域重叠的两个所述待选瓶子区域的对称轴的距离小于预定中心距离阈值,且宽度差小于预定宽度差阈值,则剔除宽的所述待选瓶子区域;和/或,
若两个所述待选瓶子区域重叠,则根据重叠区域的大小、两个所述待选瓶子区域的大小和/或两个所述待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域;和/或,
若所述待选瓶子区域的纵向对称轴灰度均值大于预定灰度阈值,则剔除所述待选瓶子区域;和/或,
若所述待选瓶子区域的位置超过预定有效图像区域,则剔除所述待选瓶子区域;和/或,
若所述待选瓶子区域的高度大于预定最大高度阈值或面积小于最小面积阈值,则剔除所述待选瓶子区域;和/或,
若所述待选瓶子区域的高宽比不在对应宽度的瓶子的预定高宽比范围内,则剔除所述待选瓶子区域。
9.根据权利要求1所述的方法,其特征在于,所述根据扫描图像获取边缘图像包括:
预处理所述扫描图像,包括:减小扫描图像的灰度值取值范围、等长宽比缩小所述扫描图像和/或将所述扫描图像进行预定像素范围的均值模糊;
根据降低信息量后的所述扫描图像,基于边缘检测算法确定边缘图像。
10.根据权利要求9所述的方法,其特征在于,所述预处理所述扫描图像还包括:
若所述扫描图像不为正方形,则将所述扫描图像放置在旋转中心,以空白补全所述扫描图像为正方形。
11.一种瓶子的检测装置,其特征在于,包括:
边缘确定模块,用于根据扫描图像获取边缘图像;
待选区域确定模块,用于根据所述边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定待选瓶子区域;
筛选模块,用于从所述待选瓶子区域中筛选出瓶子区域。
12.根据权利要求11所述的装置,其特征在于,所述待选区域确定模块包括:
对称性值确定单元,用于根据所述边缘图像基于瓶子的对称性通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点确定所述扫描窗口的对称性值,其中,所述对称性值为与所述对称轴距离相同的对称的边缘点的最大数量;
区域确定单元,用于在所述扫描窗口的对称性值大于预定对称性值的情况下,则将所述对称的边缘点之间的区域作为待选瓶子区域。
13.根据权利要求11所述的装置,其特征在于,还包括:
扫描线确定模块,用于在所述边缘图像上以预定像素间隔确定平行的横向扫描线;
所述待选区域确定模块包括:
窗口移动单元,用于以所述横向扫描线上的像素点为扫描窗口的中心,沿所述横向扫描线移动所述扫描窗口,其中,所述扫描窗口的高度不大于相邻横向扫描线间隔;
所述对称性值确定单元,用于通过统计每个扫描窗口内关于扫描窗口的纵向对称轴对称的边缘点,确定所述扫描窗口的对称性值;
纵向连续确定单元,用于统计对称性值大于预定对称性值的纵向连续扫描窗口数量,若所述对称性值大于预定对称性值的纵向连续扫描窗口数量大于预定纵向连续阈值,则确定纵向连续扫描窗口中,对称的边缘点之间的区域为待选瓶子区域,其中,所述纵向连续扫描窗口为横坐标相同,纵坐标位于相邻扫描线的扫描窗口。
14.根据权利要求12所述的装置,其特征在于,所述待选区域确定模块还包括:
扩展单元,用于在获取所述对称的边缘点之间的区域后,沿对称轴向两端纵向扩展所述对称的边缘点之间的区域,遇到边缘点为止,获取待选瓶子区域;和/或,
初筛选单元,用于在获取所述对称的边缘点之间的区域后,根据瓶子轴对称、边缘封闭、形状规律的特点,初筛选获取的所述对称的边缘点之间的区域,获取待选瓶子区域,包括:若从所述对称轴到所述对称的边缘点经过的边缘点的数量不大于预定穿越阈值,则确定所述对称的边缘点之间的区域为所述待选瓶子区域;和/或,若所述待选瓶子区域中连接对称的边缘点的端点之间的边缘线的间断点数量不大于预定间断阈值,则确定所述对称的边缘点之间的区域为所述待选瓶子区域;和/或,若所述对称的边缘点之间的区域高宽比在预定高宽比范围内,则确定所述对称的边缘点之间的区域为所述待选瓶子区域。
15.根据权利要求11-14任一所述的装置,其特征在于,
所述待选区域确定模块还包括:旋转单元,用于以预定角度间隔将所述边缘图像旋转180度;
所述待选区域确定模块还用于根据旋转后的所述边缘图像,基于瓶子的对称性,通过统计扫描窗口内关于扫描窗口的对称轴对称的边缘点,确定每个旋转角度下所述边缘图像中的所述待选瓶子区域。
16.根据权利要求12所述的装置,其特征在于,所述对称性值确定单元,还用于:根据公式
S y m m e t r i c V a l u e ( x , y ) = max w i n d o w I n n e r W i d t h 2 ≤ i ≤ w i n d o w O u t e r W i d t h 2 ( Σ j = y - w i n d o w H e i g h t 2 y + w i n d o w H e i g h t 2 2 * 1 { C o n d i t i o n ( x , y , i ) } )
确定扫描窗口的对称性值,其中,(x,y)为对称轴上的点的坐标,SymmetricValue(x,y)为扫描窗口的对称性值;i,j为自然数;
Condition(x,y,i)=
(Edgemap(x-i,j)|Edgemap(x-i-1,j))&&(Edgemap(x+i,j)|Edgemap(x+i+1,j));
Edgemap表示边缘图像,边缘点的值不为0,背景值为0;
windowInnerWidth是扫描窗口内窗口的像素宽度;
windowOuterWidth是扫描窗口外窗口的像素宽度;
windowHeight是扫描窗口的像素高度。
17.根据权利要求11所述的装置,其特征在于,所述筛选模块,还用于根据瓶子质地均匀、尺寸在预定范围内,和/或长宽比在预定范围内的特点,从所述待选瓶子区域中筛选瓶子区域;和/或,根据所述待选瓶子区域的显示效果,从所述待选瓶子区域中筛选瓶子区域,所述显示效果包括清晰度和/或位置。
18.根据权利要求11所述的装置,其特征在于,
所述筛选模块包括:
中心坐标及宽度拣选单元,用于在覆盖区域重叠的两个所述待选瓶子区域的对称轴的距离小于预定中心距离阈值,且宽度差小于预定宽度差阈值的情况下,剔除宽的所述待选瓶子区域;和/或,
重叠区域拣选单元,用于在两个所述待选瓶子区域重叠的情况下,根据重叠区域的大小、两个所述待选瓶子区域的大小和/或两个所述待选瓶子区域的旋转角度差进行非极大值抑制,保留其中更为显著的待选瓶子区域;和/或,
灰度拣选单元,用于在所述待选瓶子区域的纵向对称轴灰度均值大于预定灰度阈值的情况下,剔除所述待选瓶子区域;和/或,
位置拣选单元,用于在所述待选瓶子区域的位置超过预定有效图像区域的情况下,剔除所述待选瓶子区域;和/或,
区域大小拣选单元,用于在所述待选瓶子区域的高度大于预定最大高度阈值或面积小于最小面积阈值的情况下,剔除所述待选瓶子区域;和/或,
尺寸拣选单元,用于在所述待选瓶子区域的高宽比不在对应宽度的瓶子的预定高宽比范围内的情况下,剔除所述待选瓶子区域。
19.根据权利要求11所述的装置,其特征在于,所述边缘确定模块包括:
图像预处理单元,用于预处理所述扫描图像,包括:减小扫描图像的灰度值取值范围、等长宽比缩小所述扫描图像和/或将所述扫描图像进行预定像素范围的均值模糊;
边缘提取单元,用于根据经过预处理的所述扫描图像,基于边缘检测算法确定边缘图像。
20.根据权利要求19所述的装置,其特征在于,所述图像预处理单元,还用于在所述扫描图像不为正方形的情况下,将所述扫描图像放置在旋转中心,以空白补全所述扫描图像为正方形。
CN201510639330.XA 2015-09-30 2015-09-30 瓶子的检测方法及装置 Active CN106560839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510639330.XA CN106560839B (zh) 2015-09-30 2015-09-30 瓶子的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510639330.XA CN106560839B (zh) 2015-09-30 2015-09-30 瓶子的检测方法及装置

Publications (2)

Publication Number Publication Date
CN106560839A true CN106560839A (zh) 2017-04-12
CN106560839B CN106560839B (zh) 2019-08-27

Family

ID=58485306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510639330.XA Active CN106560839B (zh) 2015-09-30 2015-09-30 瓶子的检测方法及装置

Country Status (1)

Country Link
CN (1) CN106560839B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112216640A (zh) * 2020-10-19 2021-01-12 惠州高视科技有限公司 一种半导体芯片定位方法和装置
CN113379730A (zh) * 2021-07-02 2021-09-10 广东百岁山实业有限公司 水瓶视检监控方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050123217A1 (en) * 2003-10-06 2005-06-09 Yxlon International Security Gmbh, Incorporation Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage
CN103559482A (zh) * 2013-11-05 2014-02-05 无锡慧眼电子科技有限公司 基于边缘对称性的行人检测方法
CN104181176A (zh) * 2014-08-14 2014-12-03 公安部第一研究所 在x射线包裹图像中进行液体物品自动识别的方法
DE102014205447A1 (de) * 2014-03-24 2015-09-24 Smiths Heimann Gmbh Detektion von Gegenständen in einem Objekt

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050123217A1 (en) * 2003-10-06 2005-06-09 Yxlon International Security Gmbh, Incorporation Method for determining the change in position of an item of luggage in order to examine a suspect region in this item of luggage
CN103559482A (zh) * 2013-11-05 2014-02-05 无锡慧眼电子科技有限公司 基于边缘对称性的行人检测方法
DE102014205447A1 (de) * 2014-03-24 2015-09-24 Smiths Heimann Gmbh Detektion von Gegenständen in einem Objekt
CN104181176A (zh) * 2014-08-14 2014-12-03 公安部第一研究所 在x射线包裹图像中进行液体物品自动识别的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112216640A (zh) * 2020-10-19 2021-01-12 惠州高视科技有限公司 一种半导体芯片定位方法和装置
CN112216640B (zh) * 2020-10-19 2021-08-06 高视科技(苏州)有限公司 一种半导体芯片定位方法和装置
CN113379730A (zh) * 2021-07-02 2021-09-10 广东百岁山实业有限公司 水瓶视检监控方法及装置

Also Published As

Publication number Publication date
CN106560839B (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN108549898B (zh) 一种用于安检透视的特定目标识别与增强的方法和系统
CN104036323B (zh) 一种基于卷积神经网络的车辆检测方法
CN104732235B (zh) 一种消除夜间道路反光干扰的车辆检测方法
CN107230202A (zh) 路面病害图像的自动识别方法和系统
CN106651872A (zh) 基于Prewitt算子的路面裂缝识别方法及系统
Yazdi et al. Feature extraction algorithm for fill level and cap inspection in bottling machine
CN107122777A (zh) 一种基于视频文件的车辆分析系统及分析方法
CN106529602A (zh) 一种毫米波图像自动目标识别方法及装置
CN109977877A (zh) 一种安检智能辅助判图方法、系统以及系统控制方法
CN105320962B (zh) 一种基于分类器集成的路面破损类型识别方法
CN103903018A (zh) 一种复杂场景中对车牌进行定位的方法和系统
CN103425984B (zh) 一种检测票据中正多边形印章的方法和装置
CN109087286A (zh) 一种基于计算机图像处理和模式识别的检测方法及应用
CN108648204A (zh) 一种实现人工智能区域屏蔽的人体安检的方法和装置
CN106845444A (zh) 一种基于弧‑点结合的车载井盖检测方法
CN102004924A (zh) 一种人头检测系统及方法
CN105954301A (zh) 一种基于机器视觉的瓶口质量检测方法
CN103021179B (zh) 基于实时监控视频中的安全带检测方法
CN108764328A (zh) 太赫兹图像危险品识别方法、装置、设备及可读存储介质
CN106940791A (zh) 一种基于低维方向梯度直方图的行人检测方法
CN107729814A (zh) 一种检测车道线的方法及装置
CN107704833A (zh) 一种基于机器学习的前方车辆检测与跟踪方法
CN106326834A (zh) 人体性别自动识别方法及装置
CN107194946A (zh) 一种基于fpga的红外显著物体检测方法
CN106560839A (zh) 瓶子的检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant