CN106934326B - 用于安全检查的方法、系统和设备 - Google Patents

用于安全检查的方法、系统和设备 Download PDF

Info

Publication number
CN106934326B
CN106934326B CN201511020939.5A CN201511020939A CN106934326B CN 106934326 B CN106934326 B CN 106934326B CN 201511020939 A CN201511020939 A CN 201511020939A CN 106934326 B CN106934326 B CN 106934326B
Authority
CN
China
Prior art keywords
luggage
information
video
security
security inspection
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
CN201511020939.5A
Other languages
English (en)
Other versions
CN106934326A (zh
Inventor
陈志强
张丽
崔锦
王虹
谈华斌
吉东旭
王文婧
张婷婷
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 CN201511020939.5A priority Critical patent/CN106934326B/zh
Priority to JP2017559531A priority patent/JP6807335B2/ja
Priority to PCT/CN2016/096192 priority patent/WO2017113822A1/zh
Priority to DE102016218472.5A priority patent/DE102016218472A1/de
Priority to US15/278,502 priority patent/US10157317B2/en
Publication of CN106934326A publication Critical patent/CN106934326A/zh
Application granted granted Critical
Publication of CN106934326B publication Critical patent/CN106934326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G01V5/224—
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/48—Matching video sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/61—Network physical structure; Signal processing
    • H04N21/6106—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network
    • H04N21/6125—Network physical structure; Signal processing specially adapted to the downstream path of the transmission network involving transmission via Internet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • G01V5/22—
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/20—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video object coding
    • H04N19/29—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video object coding involving scalability at the object level, e.g. video object layer [VOL]

Abstract

本申请涉及一种用于安全检查的方法、系统及设备，属于安全检查领域。该方法包括：在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息；在所述行包进入所述安检机进行扫描时，获得所述行包的行包扫描图像；在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联。其中，采集所述行包的行包信息、采集所述安检待查人员信息包括解析视频。本发明能够实现将旅客、携带的行李及其行李安检图像关联绑定，安全检查人员可以依据人脸或者包的属性检索出其他关联信息。

Description

用于安全检查的方法、系统和设备
技术领域
本发明涉及安全检查领域，具体而言，涉及人、包对应的安全检查方法、系统及设备。
背景技术
目前，在公路、火车站等公共场合的安全检查中，安全检查人员主要通过核对身份证等证件来验证待查人员的身份。待查人员的行李常采用的技术检查是使用特定设备(比如安检机)产生的放射性射线(如X射线)扫描产生的扫描图像。同时，场所内的视频监控会拍摄和存储检查区域的视频。
旅客身份验证、行包检查和视频监控信息彼此独立，相互之间没有关联。在安全事故发生后，很难根据单一线索(比如现场遗留包裹或者视频监控中的可疑人员面部)自动检索出其他相关信息。
因此，需要一种新的安全检查方法和系统。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请公开一种能够实现人、包对应的安全检查方法、系统及设备，能够提高安全检查信息的关联性和易用性。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种用于安全检查的方法，包括：在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息；在所述行包进入所述安检机进行扫描时，获得所述行包的行包扫描图像；在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联。其中，采集所述行包的行包信息、采集所述安检待查人员信息包括解析视频。
根据本公开的一实施方式，所述采集所述行包的行包信息包括：采集行包视频；解析所述行包视频从而得到所述行包的入口行包信息。
根据本公开的一实施方式，所述采集所述安检待查人员信息包括：采集行包提取视频；解析所述行包提取视频得到提取所述行包的安检待查人员信息。
根据本公开的一实施方式，所述解析所述行包提取视频得到所述安检待查人员信息包括：解析所述行包提取视频得到所述安检机出口行包信息和安检待查人员信息；将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
根据本公开的一实施方式，所述解析所述行包提取视频得到所述安检待查人员信息包括：将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包；解析所述行包提取视频得到提取所述行包的安检待查人员信息。
根据本公开的一实施方式，所述获得所述行包的行包扫描图像包括：将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
根据本公开的一实施方式，所述解析视频包括：对视频流解码，提取单个帧；对所述帧的图像划定感兴趣区域和感兴趣线；检测所述感兴趣区域内的动态物品；获取前景图并进行开闭处理；一旦处理离开所述安检机之后的动态物品过所述感兴趣线，则对比前一帧状态，确定是否是关键帧；如果是关键帧，则保存并提取关键帧内动态物品的行包信息；如果不是关键帧，则提取下一帧。
根据本公开的一实施方式，所述解析视频包括：将实时视频数据流以时间片为单位拆分为多个时间片数据；对所述多个时间片数据进行并行处理。
根据本公开的一实施方式，还包括将所述行包信息、所述行包扫描图像、所述提取者信息存储于服务器系统中。
根据本公开的一实施方式，所述行包信息包括图像、颜色、大小至少其中之一。
根据本公开的一实施方式，所述提取者信息包括人脸图像、提取视频片段至少其中之一。
根据本公开的一实施方式，所述扫描图像为X光透视图像。
根据本公开的另一个方面，提供一种用于安全检查的系统，包括：行包信息采集模块，用于在行包进入安检机之前和/或离开所述安检机之后采集所述行包的行包信息；行包扫描图像获取模块，用于在所述行包进入所述安检机进行扫描时获得所述行包的行包扫描图像；安检待查人员信息采集模块，用于在所述行包进入所述安检机之前和/或离开所述安检机离开所述安检机之后采集所述行包的安检待查人员信息；关联模块，用于在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联；视频解析模块，其中所述行包信息采集模块、所述安检待查人员信息采集模块利用所述视频解析模块解析视频。
根据本公开的一实施方式，所述行包信息采集模块包括：行包视频采集单元，用于采集行包视频；行包解析单元，用于解析所述行包视频从而得到所述行包的入口行包信息。
根据本公开的一实施方式，所述安检待查人员信息采集模块包括：行包提取视频采集单元，用于采集行包提取视频；行包提取解析单元，用于解析所述行包提取视频从而得到所述安检待查人员信息。
根据本公开的一实施方式，其中所述行包提取解析单元包括：行包解析子单元，用于解析所述行包提取视频得到出口行包信息；提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息；行包匹配子单元，用于将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
根据本公开的一实施方式，其中所述行包提取解析单元包括：第一时间匹配子单元，用于将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包；提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息。
根据本公开的一实施方式，其中所述行包扫描图像获取模块包括：第二时间匹配单元，用于将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
根据本公开的一实施方式，其中所述视频解析模块包括：帧提取单元，用于对视频流解码，提取单个帧；划定单元，用于对所述帧的图像划定感兴趣区域和感兴趣线；检测单元，用于检测所述感兴趣区域内的动态物品；开闭处理单元，用于获取前景图并进行开闭处理；关键帧判断单元，在处理离开所述安检机之后的动态物品过所述感兴趣线时，对比前一帧状态，确定是否是关键帧；行包信息提取单元，用于在是关键帧时保存并提取关键帧内动态物品的行包信息。
根据本公开的一实施方式，其中所述视频解析模块包括：时间片拆分单元，用于将实时视频数据流以时间片为单位拆分为多个时间片数据；处理单元，用于对所述多个时间片数据进行并行处理。
根据本公开的一实施方式，还包括存储模块，用于将所述行包信息、所述行包扫描图像、所述提取者信息存储于服务器系统中。
根据本公开的一实施方式，其中所述行包信息包括图像、颜色、大小至少其中之一。
根据本公开的一实施方式，其中所述提取者信息包括人脸图像、提取视频片段至少其中之一。
根据本公开的一实施方式，其中所述扫描图像为X光透视图像。
根据本公开的再一个方面，提供用于安全检查的设备，包括摄像头和安检机，其中所述摄像头设置在所述安检机的入口侧和/或出口侧，用于在行包进入所述安检机之前和/或离开所述安检机之后采集行包视频和安检待查人员视频；所述安检机对进入其中的行包进行扫描从而产生行包扫描图像。
根据本公开的一实施方式，所述摄像头包括第一摄像头和第二摄像头，其中所述第一摄像头设置在所述安检机的入口侧，用于在行包进入所述安检机之前采集所述入口行包视频；所述第二摄像头设置在所述安检机的出口侧，用于在行包离开所述安检机之后采集提取所述行包的安检待查人员视频。
根据本公开的一实施方式，还包括控制单元，所述控制单元包括如上述中任一项所述的系统。
根据本公开的用于安全检查的方法、系统和设备，通过将安检待查人员，携带行包图像信息及其行包X光透视图像进行对应或绑定，实现将旅客、携带的行李及其行李安检图像关联起来，做到“人、包对应”，能够极大地提高安检待查人员及其携带行包的安全检查效率，在安全事故发生后，根据现场遗留包裹或者视频监控中的可疑人员信息能够自动检索出其他相关信息，提高了安全检查信息的关联性和易用性。
另外，根据一些实施例，本公开的用于安全检查的方法、系统和设备，能够从视频中抓取行包并解析出行包的属性。
根据另一些实施例，本公开的用于安全检查的方法、系统和设备，能够提高视频解析算法的执行效率，加快识别行包和人脸的速度并提高识别准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施方式，本公开的上述和其它特征及优点将变得更加明显。
图1示意性示出根据本公开示例实施方式的用于安全检查的方法的流程图；
图2为基于图1所述的用于安全检查的方法中的视频解析方法的流程图；
图3为基于图1所述的用于安全检查的方法中的视频解析处理的流程图；
图4示意性示出根据本公开示例实施方式的用于安全检查的系统的结构图；
图5为基于图4所述的用于安全检查的系统中的视频解析模块的结构图；
图6示意性示出根据本公开示例实施方式的用于安全检查的设备的结构图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示意性示出根据本公开示例实施方式的用于安全检查的方法的流程图。
如图1所示，在步骤S110，在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息。
根据示例实施例，在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息可以包括：在行包进入安检机之前，通过设置在所述安检机入口侧的摄像头采集所述行包的行包信息和所述安检待查人员信息，可以是采用一个摄像头同时采集所述行包的行包信息和所述安检待查人员信息，经过图像处理，将所述行包信息和所述安检待查人员信息分别提取出来，还可以是在所述安检机入口侧设置两个摄像头，其中一个摄像头采集所述安检待查人员信息，另一个摄像头采集所述行包的行包信息。
根据示例实施例，在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息可以包括：在行包离开所述安检机之后，通过设置在所述安检机出口侧的摄像头采集行包提取视频，对所述行包提取视频进行解析可以获得所述行包的行包信息和所述安检待查人员信息。
根据示例实施例，在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息可以包括：在行包进入安检机之前，采集所述行包的入口行包信息；在所述行包离开所述安检机之后，采集所述行包提取视频，对所述行包提取视频进行解析可以获得所述行包的出口行包信息和所述安检待查人员信息，并通过算法(例如，可以通过时间和/或行包属性)将所述入口行包信息和所述出口行包信息进行匹配，获得所述行包信息。
根据示例实施例，在行包进入安检机之前和/或离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息可以包括：在行包进入安检机之前，通过设置在所述安检机入口侧的摄像头采集所述行包的入口行包信息和入口安检待查人员信息；在所述行包离开所述安检机之后，采集所述行包提取视频，对所述行包提取视频进行解析可以获得所述行包的出口行包信息和出口安检待查人员信息，通过算法分别将所述入口行包信息和所述出口行包信息、所述入口安检待查人员信息和所述出口待查人员信息进行匹配，分别获得所述行包信息和所述安检待查人员信息。
根据示例实施例，所述采集所述行包的行包信息包括：采集行包视频；解析所述行包视频从而得到所述行包的入口行包信息。
根据示例实施例，其中所述采集所述安检待查人员信息包括：采集行包提取视频；解析所述行包提取视频得到提取所述行包的安检待查人员信息。
在步骤S120，在所述行包进入所述安检机进行扫描时，获得所述行包的行包扫描图像。
在步骤S130，在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联。其中，采集所述行包的行包信息、采集所述安检待查人员信息包括解析视频。
根据示例实施例，其中所述解析所述行包提取视频得到所述安检待查人员信息包括：解析所述行包提取视频得到所述安检机出口行包信息和安检待查人员信息；将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
根据示例实施例，其中所述解析所述行包提取视频得到所述安检待查人员信息包括：将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包；解析所述行包提取视频得到提取所述行包的安检待查人员信息。
根据示例实施例，其中所述获得所述行包的行包扫描图像包括：将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
根据示例实施例，还包括将所述行包信息、所述行包扫描图像、所述提取者信息存储于服务器系统中。
根据示例实施例，其中所述行包信息包括图像、颜色、大小至少其中之一。
根据示例实施例，其中所述提取者信息包括人脸图像、提取视频片段至少其中之一。所述人脸图像的获取可以采用现有的任意一种人脸处理算法，在此不作限定。
根据示例实施例，其中所述扫描图像为X光透视图像。
根据示例实施例，安检待查人员(如地铁、铁路旅客)将其行李包裹(简称“行包”)放在所述安检机传输带上，设置于所述安检机入口处的第一摄像头采集所述行包视频，系统服务器获取所述行包视频，通过视频解析算法分析所述行包视频，解析出所述行包信息，所述行包信息包括行包的属性，例如行包的颜色、大小、铭牌、新旧程度甚至材质等。随后，所述行包随着所述安检机的传输带匀速进入到所述安检机，所述安检机扫描所述行包，生成例如X光透视图像的行包扫描图像，所述系统服务器获取所述行包的所述X光透视图像。接着，所述行包继续随着所述安检机的传输带往前移动，从所述安检机的出口处出来，所述行包安检完毕，所述安检待查人员从所述安检机的传输带上取走自己的所述行包，此时，安装在所述安检机出口处的第二摄像头采集所述行包和所述行包的安检待查人员的视频，例如安检待查人员的人脸视频，所述系统服务器获取该视频，通过人脸识别算法提取所述安检待查人员的人脸图像。所述系统服务器再将所述行包信息(包括所述入口行包信息和所述出口行包信息并将两者进行匹配)、所述安检待查人员的人脸图像信息和所述行包的X光透视图像信息进行绑定、关联。
根据示例实施例，安全检查人员可以依据人脸或者包的属性检索出其他关联信息(以人搜包或者以包搜人)：如果安全检查人员发现嫌疑人员，可以通过检索该嫌疑人员人脸。如果检索到，可以获取该嫌疑人员当时的行包视频、图像和X光透视图像信息。如果安全检查人员发现嫌疑行包，可以通过行包属性检索嫌疑人员。如果检索到，可以获取该嫌疑人员的人脸信息和行包的X光透视图像信息。
图2为基于图1所述的用于安全检查的方法中的视频解析方法的流程图。
如图2所示，在步骤S210，对视频流解码，提取单个帧。
在步骤S220，对所述帧的图像划定感兴趣区域和感兴趣线。
根据示例实施例，解析所述行包视频，对输入视频流解码，提取单个帧作为当前帧，根据与所述行包是否相关内容对所述当前帧的图像划定感兴趣区域，例如在放下行包时，摄像头会同时采集到所述安检待查人员的手和所述行包的图像，或者在所述行包随着所述安检机的传输带往前将要移动到所述安检机的铅帘门时，铅帘门恰好翻动导致摄像头同时采集到所述铅帘门和所述行包的图像，这样，就需要从所述帧的图像中将所述手或所述铅帘门的部分划出，划定所述感兴趣区域仅包括所述行包。
在步骤S230，检测所述感兴趣区域内的动态物品。
在步骤S240，获取前景图并进行开闭处理。
根据示例实施例，所述前景图概念是和后景图、背景图相对而言的。三者之间是互相遮挡的作用。后景图在最底下，背景图在其上，前景图在最表面。
根据示例实施例，所述开闭处理是利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的；描述和定义图像的各种几何参数和特征，如面积，周长，连通度，颗粒度，骨架和方向性。
根据示例实施例，可以采用二值图像的形态学运算，也可以采用灰度图像的形态学运算。其中，二值图像基本的形态学运算是腐蚀和膨胀，所述腐蚀是消除物体的所有边界点的一种过程，其结果是使剩下的物体沿其周边比原物体小一个像素的面积。如果物体是圆的，它的直径在每次腐蚀后将减少两个像素，如果物体在某一点处任意方向上连通的像素小于三个，那么该物体经过一次腐蚀后将在该点处分裂为二个物体。所述膨胀运算是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点，如果物体是圆的，它的直径在每次膨胀后将增大两个像素。如果两个物体在某一点的任意方向相隔少于三个像素，它们将在该点连通起来。
腐蚀可以消除图像中小的噪声区域，膨胀可以填补物体中的空洞。对一个图像先进行腐蚀运算然后再膨胀的操作过程称为开运算，它可以消除细小的物体、在纤细点处分离物体、平滑较大物体的边界时不明显的改变其面积。如果对一个图像先膨胀然后再收缩，称之为闭运算，它具有填充物体内细小的空洞、连接邻近物体、在不明显改变物体面积的情况下平滑其边界的作用。
通常情况下，当有噪声的图像用阈值二值化后，所得到的边界是很不平滑的，物体区域具有一些错判的孔洞，背景区域散布着一些小的噪声物体，连续的开运算和闭运算可以显著的改善这种情况，在连接几次腐蚀迭代之后，再加上相同次数的膨胀，才可以产生所期望的效果。经过上述处理，成功的消除了图像中的噪声点，同时又起到了平滑边缘的作用。
在步骤S250，判断处理后的所述动态物品是否过所述感兴趣线；如果是，则进入下一步；反之，跳回到步骤S230。
在步骤S260，将当前帧与前一帧状态对比。
在步骤S270，根据所述比对结果，判断所述当前帧是否是关键帧；如果是，则进入下一步；反之，跳回到步骤S210提取下一帧。
在步骤S280，保存并提取关键帧内所述动态物品的行包信息。
根据示例实施例，还包括对所述帧的图像划定感兴趣线，检测所述感兴趣区域内的动态物品，获取前景图并进行开闭处理，一旦检测到处理后的所述动态物品过所述感兴趣线，将当前帧与预先存储的前一帧状态对比，这里的前一帧状态例如可以是前一帧是否过所述感兴趣线，如果所述前一帧状态是过所述感兴趣线，说明所述行包的行包信息已经保存，可以不再对所述当前帧进行保存和提取行包信息的操作；如果所述前一帧状态是没有过所述感兴趣线，说明所述行包的行包信息没有保存，所述当前帧是过所述感兴趣线的第一帧，保存所述当前帧作为关键帧，并提取所述关键帧内所述动态物品的行包信息。这样，可以减小系统存储空间，提高算法的处理速度，不需要对同一个行包进行重复存储和重复提取。
图3为基于图1所述的用于安全检查的方法中的视频解析处理的流程图。
如图3所示，在步骤S310，将实时视频数据流以时间片为单位拆分为多个时间片数据。
在步骤S320，对所述多个时间片数据进行并行处理。
根据示例实施例，为了提高算法性能，采用大数据技术构建，部署在Apache Spark架构上。借助Spark streaming技术，可以提高算法的执行效率，加快识别行包和人脸的速度并提高准确率，并实现海量视频和图像信息存储。Spark Streaming是一种构建在Spark上的实时流的计算框架，它扩展了Spark处理大规模流式数据的能力。Spark Streaming基本原理是将输入数据流以时间片(秒级)为单位进行拆分，然后以类似批处理的并行处理方式处理每个时间片数据。这里将视频流作为实时流输入，使用Spark Streaming技术加载视频处理算法，实现算法的高效执行。当然，还可以采用其它可以实现图像并行处理的技术，在此不作限定。
本公开示例实施方式的用于安全检查的方法，采用了大数据技术提供视频解析算法的执行效率，极大地加快了识别行包和人脸的速度并提高了识别的准确率。
图4示意性示出根据本公开示例实施方式的用于安全检查的系统的结构图。
如图4所示，该系统400包括：行包信息采集模块410，用于在行包进入安检机之前和/或离开所述安检机之后采集所述行包的行包信息；行包扫描图像获取模块420，用于在所述行包进入所述安检机进行扫描时获得所述行包的行包扫描图像；安检待查人员信息采集模块430，用于在所述行包进入所述安检机之前和/或离开所述安检机离开所述安检机之后采集所述行包的安检待查人员信息；关联模块450，用于在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联；视频解析模块440，其中所述行包信息采集模块410、所述安检待查人员信息采集模块430利用所述视频解析模块解析视频。
根据示例实施例，其中所述行包信息采集模块410包括：行包视频采集单元，用于采集行包视频；行包解析单元，用于解析所述行包视频从而得到所述行包的入口行包信息。
根据示例实施例，其中所述安检待查人员信息采集模块430包括：行包提取视频采集单元，用于采集行包提取视频；行包提取解析单元，用于解析所述行包提取视频从而得到所述安检待查人员信息。
根据示例实施例，其中所述行包提取解析单元包括：行包解析子单元，用于解析所述行包提取视频得到出口行包信息；提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息；行包匹配子单元，用于将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
根据示例实施例，其中所述行包提取解析单元包括：第一时间匹配子单元，用于将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包；提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息。
根据示例实施例，其中所述行包扫描图像获取模块420包括：第二时间匹配单元，用于将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
根据示例实施例，其中所述视频解析模块440包括：时间片拆分单元，用于将实时视频数据流以时间片为单位拆分为多个时间片数据；处理单元，用于对所述多个时间片数据进行并行处理。
根据示例实施例，还包括存储模块，用于将所述行包信息、所述行包扫描图像、所述提取者信息存储于服务器系统中。
根据示例实施例，其中所述行包信息包括图像、颜色、大小至少其中之一。
根据示例实施例，其中所述安检待查人员信息包括人脸图像、提取视频片段至少其中之一。
根据示例实施例，其中所述扫描图像为X光透视图像。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图5为基于图4所述的用于安全检查的系统中的视频解析模块440的结构图。
如图5所示，包括：帧提取单元510，用于对视频流解码，提取单个帧；划定单元520，用于对所述帧的图像划定感兴趣区域和感兴趣线；检测单元530，用于检测所述感兴趣区域内的动态物品；开闭处理单元540，用于获取前景图并进行开闭处理；关键帧判断单元550，在处理离开所述安检机之后的动态物品过所述感兴趣线时，对比前一帧状态，确定是否是关键帧；行包信息提取单元560，用于在是关键帧时保存并提取关键帧内动态物品的行包信息。
图6示意性示出根据本公开示例实施方式的的用于安全检查的设备600的结构图。
如图6所示，包括：摄像头(630、640)和安检机610。其中，所述摄像头(630、640)设置在所述安检机610的入口侧和/或出口侧，用于在行包进入所述安检机610之前和/或离开所述安检机610之后采集行包视频和安检待查人员视频；所述安检机610对进入其中的行包进行扫描从而产生行包扫描图像。
根据示例实施例，所述摄像头630可以设置在所述安检机的入口侧，在行包进入安检机之前，通过所述摄像头采集所述行包的行包信息和所述安检待查人员信息。其中，可以采用一个摄像头同时采集所述行包的行包信息和所述安检待查人员信息，经过图像处理，将所述行包信息和所述安检待查人员信息分别提取出来；还可以是在所述安检机入口侧设置两个摄像头，其中一个摄像头采集所述安检待查人员信息，另一个摄像头采集所述行包的行包信息。
根据示例实施例，所述摄像头640可以设置在所述安检机的出口侧，在行包离开所述安检机之后，通过所述安检机摄像头采集行包提取视频，对所述行包提取视频进行解析可以获得所述行包的行包信息和所述安检待查人员信息。
根据示例实施例，所述摄像头包括第一摄像头630和第二摄像头640。其中，所述第一摄像头630设置在所述安检机610的入口侧，用于在行包进入所述安检机610之前采集所述入口行包视频；所述第二摄像头640设置在所述安检机610的出口侧，用于在所述行包离开所述安检机610之后，采集所述行包提取视频，对所述行包提取视频进行解析可以获得所述行包的出口行包信息和所述安检待查人员信息，并通过算法(例如，可以通过时间和/或行包属性)将所述入口行包信息和所述出口行包信息进行匹配，获得所述行包信息。
根据示例实施例，在行包进入所述安检机610之前，通过设置在所述安检机入口侧的所述第一摄像头630采集所述行包的入口行包信息和入口安检待查人员信息；在所述行包离开所述安检机610之后，通过设置在所述安检机出口侧的所述第二摄像头640采集所述行包提取视频，对所述行包提取视频进行解析可以获得所述行包的出口行包信息和出口安检待查人员信息，通过算法分别将所述入口行包信息和所述出口行包信息、所述入口安检待查人员信息和所述出口待查人员信息进行匹配，分别获得所述行包信息和所述安检待查人员信息。
根据示例实施例，所述第一摄像头630和第二摄像头640并不是对数量的限制，所述第一摄像头630可以是一个摄像头，也可以包括多个摄像头，同理，所述第二摄像头640也可以是一个摄像头，也可以包括多个摄像头。虽然图示中的所述摄像头安装在所述安检机610上面，但实际上所述摄像头可以安置在所述安检机610入口侧和/或出口侧的任意位置，例如地铁或者铁路车站的大门入口处，只要其能拍摄到监控区域内的人和/或物的视频或图像信息即可，本发明在此不作限定。
根据示例实施例，所述安检机610还进一步包括X光机机头620、铅帘门650和传输带660。
根据示例实施例，所述行包提取视频中包括所述行包670和安检待查人员680。
根据示例实施例，所述安检待查人员680将所述行包670放在所述安检机610的所述传输带660上，所述第一摄像头630采集所述行包670的视频。采用视频解析算法分析所述行包670的视频图像，获取行包属性；当所述行包670在所述传输带660上运行至所述安检机610入口侧的所述铅门帘650时，所述视频解析算法检测到该位置点，记录该时间点t1；根据所述安检机610的所述铅门帘650到所述安检机610的所述X光机机头620的水平距离s，和所述安检机610的所述传输带660运行的速度v,计算出所述行包670的X光透视图像的生成时间t2(t2＝t1+s/v)。因此，t2时间点的X光透视图像为该行包的；在所述安检机610的出口侧，所述视频解析算法检测所述行包670的图像和所述安检待查人员680的人脸信息。
根据示例实施例，所述视频解析算法根据出入口的行包图像进行匹配，提取所述安检待查人员680的人脸图像。
根据示例实施例，还可以根据所述安检机610入口侧的所述铅门帘650到所述安检机610的所述X光机机头620的水平距离S，和所述安检机610的所述传输带660运行的速度v,计算出所述行包670从所述安检机610的出口侧出来时间t3(t3＝t1+S/v)，从而将所述入口行包和所述出口行包进行匹配。将入口处采集的行包图像，t2时间点的行包X光透视图像以及出口处的所述安检待查人员680的人脸图像三者进行对应或绑定。
根据示例实施例，还可以记录所述行包670到达所述安检机610出口侧的所述铅帘门650时间点t3，根据所述安检机610出口侧的所述铅帘门650到所述安检机610的所述X光机机头620的水平距离S1，和所述安检机610的所述传输带660运行的速度v，计算出所述行包670到达所述安检机610的所述X光机机头620的时间t2(t2＝t3-S1/v)。将出口处采集的行包图像，t2时间点的行包X光透视图像以及出口处的所述安检待查人员680的人脸图像三者进行对应或绑定。
根据示例实施例，还包括控制单元，所述控制单元包括如上所述中任一项所述的系统。
图1示出根据本公开示例实施方式的用于安全检查的方法的流程图。该方法可例如利用如图4、5或6所示的用于安全检查的系统和设备实现，但本公开不限于此。需要注意的是，图1、2和3仅是根据本公开示例实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，图1、2和3所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块/进程/线程中同步或异步执行的。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员可以理解，附图只是示例实施方式的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
本领域技术人员可以理解上述各模块可以按照实施方式的描述分布于装置中，也可以进行相应变化位于不同于本实施方式的一个或多个装置中。上述实施方式的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
以上具体地示出和描述了本公开的示例性实施方式。应该理解，本公开不限于所公开的实施方式，相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效布置。

Claims (26)

1.一种用于安全检查的方法，其特征在于，包括：
在行包进入安检机之前和离开所述安检机之后，采集所述行包的行包信息和安检待查人员信息；
在所述行包进入所述安检机进行扫描时，获得所述行包的行包扫描图像；
在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联，
其中采集所述行包的行包信息、采集所述安检待查人员信息包括解析视频；
将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包。
2.如权利要求1所述的方法，其中所述采集所述行包的行包信息包括：
采集行包视频；
解析所述行包视频从而得到所述行包的入口行包信息。
3.如权利要求2所述的方法，其中所述采集所述安检待查人员信息包括：
采集行包提取视频；
解析所述行包提取视频得到提取所述行包的安检待查人员信息。
4.如权利要求3所述的方法，其中所述解析所述行包提取视频得到所述安检待查人员信息包括：
解析所述行包提取视频得到所述安检机出口行包信息和安检待查人员信息；
将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
5.如权利要求3所述的方法，其中所述解析所述行包提取视频得到所述安检待查人员信息包括：
解析所述行包提取视频得到提取所述行包的安检待查人员信息。
6.如权利要求1所述的方法，其中所述获得所述行包的行包扫描图像包括：
将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
7.如权利要求1所述的方法，其中所述解析视频包括：
对视频流解码，提取单个帧；
对所述帧的图像划定感兴趣区域和感兴趣线；
检测所述感兴趣区域内的动态物品；
获取前景图并进行开闭处理；
一旦处理离开所述安检机之后的动态物品过所述感兴趣线，则对比前一帧状态，确定是否是关键帧；
如果是关键帧，则保存并提取关键帧内动态物品的行包信息；
如果不是关键帧，则提取下一帧。
8.如权利要求1所述的方法，其中所述解析视频包括：
将实时视频数据流以时间片为单位拆分为多个时间片数据；
对所述多个时间片数据进行并行处理。
9.如权利要求1所述的方法，还包括将所述行包信息、所述行包扫描图像、所述安检待查人员信息存储于服务器系统中。
10.如权利要求1所述的方法，其中所述行包信息包括图像、颜色、大小至少其中之一。
11.如权利要求1所述的方法，其中所述安检待查人员信息包括人脸图像、提取视频片段至少其中之一。
12.如权利要求1所述的方法，其中所述扫描图像为X光透视图像。
13.一种用于安全检查的系统，其特征在于，包括：
行包信息采集模块，用于在行包进入安检机之前和离开所述安检机之后采集所述行包的行包信息；
行包扫描图像获取模块，用于在所述行包进入所述安检机进行扫描时获得所述行包的行包扫描图像；
安检待查人员信息采集模块，用于在所述行包进入所述安检机之前和/或离开所述安检机离开所述安检机之后采集所述行包的安检待查人员信息；
关联模块，用于在存储系统中将所述行包信息、所述行包扫描图像和所述安检待查人员信息进行关联；
视频解析模块，其中所述行包信息采集模块、所述安检待查人员信息采集模块利用所述视频解析模块解析视频；
第一时间匹配子单元，用于将所述行包进入和离开所述安检机的时间进行匹配从而识别所述离开安检机的所述行包。
14.如权利要求13所述的系统，其中所述行包信息采集模块包括：
行包视频采集单元，用于采集行包视频；
行包解析单元，用于解析所述行包视频从而得到所述行包的入口行包信息。
15.如权利要求14所述的系统，其中所述安检待查人员信息采集模块包括：
行包提取视频采集单元，用于采集行包提取视频；
行包提取解析单元，用于解析所述行包提取视频从而得到所述安检待查人员信息。
16.如权利要求15所述的系统，其中所述行包提取解析单元包括：
行包解析子单元，用于解析所述行包提取视频得到出口行包信息；
提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息；
行包匹配子单元，用于将所述出口行包信息与所述入口行包信息进行匹配从而识别离开所述安检机的所述行包。
17.如权利要求15所述的系统，其中所述行包提取解析单元包括：
提取者解析子单元，用于解析所述行包提取视频得到提取所述行包的安检待查人员信息。
18.如权利要求13所述的系统，其中所述行包扫描图像获取模块包括：
第二时间匹配单元，用于将计算出的所述行包的扫描图像生成时间与实际扫描图像生成时间进行匹配，从而获得所述行包扫描图像。
19.如权利要求13所述的系统，其中所述视频解析模块包括：
帧提取单元，用于对视频流解码，提取单个帧；
划定单元，用于对所述帧的图像划定感兴趣区域和感兴趣线；
检测单元，用于检测所述感兴趣区域内的动态物品；
开闭处理单元，用于获取前景图并进行开闭处理；
关键帧判断单元，在处理离开所述安检机之后的动态物品过所述感兴趣线时，对比前一帧状态，确定是否是关键帧；
行包信息提取单元，用于在是关键帧时保存并提取关键帧内动态物品的行包信息。
20.如权利要求13所述的系统，其中所述视频解析模块包括：
时间片拆分单元，用于将实时视频数据流以时间片为单位拆分为多个时间片数据；
处理单元，用于对所述多个时间片数据进行并行处理。
21.如权利要求13所述的系统，还包括存储模块，用于将所述行包信息、所述行包扫描图像、所述安检待查人员信息存储于服务器系统中。
22.如权利要求13所述的系统，其中所述行包信息包括图像、颜色、大小至少其中之一。
23.如权利要求13所述的系统，其中所述安检待查人员信息包括人脸图像、提取视频片段至少其中之一。
24.如权利要求13所述的系统，其中所述扫描图像为X光透视图像。
25.一种用于安全检查的设备，其特征在于，包括摄像头和安检机，其中
所述摄像头设置在所述安检机的入口侧和出口侧，用于在行包进入所述安检机之前和离开所述安检机之后采集行包视频和安检待查人员视频；
所述安检机对进入其中的行包进行扫描从而产生行包扫描图像；
所述设备还包括控制单元，所述控制单元包括如权利要求13-24中任一项所述的系统。
26.如权利要求25所述的设备，其中所述摄像头包括第一摄像头和第二摄像头，其中
所述第一摄像头设置在所述安检机的入口侧，用于在行包进入所述安检机之前采集入口行包视频；
所述第二摄像头设置在所述安检机的出口侧，用于在行包离开所述安检机之后采集提取所述行包的安检待查人员视频。
CN201511020939.5A 2015-12-29 2015-12-29 用于安全检查的方法、系统和设备 Active CN106934326B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201511020939.5A CN106934326B (zh) 2015-12-29 2015-12-29 用于安全检查的方法、系统和设备
JP2017559531A JP6807335B2 (ja) 2015-12-29 2016-08-22 安全検査の方法、システム及び機器
PCT/CN2016/096192 WO2017113822A1 (zh) 2015-12-29 2016-08-22 用于安全检查的方法、系统和设备
DE102016218472.5A DE102016218472A1 (de) 2015-12-29 2016-09-26 Verfahren, System und Vorrichtung für die Sicherheitsprüfung
US15/278,502 US10157317B2 (en) 2015-12-29 2016-09-28 Method, system and device for security inspection

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511020939.5A CN106934326B (zh) 2015-12-29 2015-12-29 用于安全检查的方法、系统和设备

Publications (2)

Publication Number Publication Date
CN106934326A CN106934326A (zh) 2017-07-07
CN106934326B true CN106934326B (zh) 2020-07-07

Family

ID=59010814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511020939.5A Active CN106934326B (zh) 2015-12-29 2015-12-29 用于安全检查的方法、系统和设备

Country Status (5)

Country Link
US (1) US10157317B2 (zh)
JP (1) JP6807335B2 (zh)
CN (1) CN106934326B (zh)
DE (1) DE102016218472A1 (zh)
WO (1) WO2017113822A1 (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106548263A (zh) * 2015-09-21 2017-03-29 同方威视技术股份有限公司 一种智能安全检查系统和方法
JP6881898B2 (ja) * 2015-11-10 2021-06-02 日本信号株式会社 ゲート装置
CN107527081B (zh) * 2017-09-20 2024-02-02 重庆微标科技股份有限公司 基于行李rfid追踪系统、方法及服务终端
CN108195855B (zh) * 2017-12-27 2023-11-03 同方威视技术股份有限公司 安全检查系统及其方法
CN108109253A (zh) * 2018-02-07 2018-06-01 同方威视技术股份有限公司 生物识别与智能核验融合的系统
CN109446875B (zh) * 2018-02-24 2022-04-22 北京首都机场航空安保有限公司 一种智能旅客安检系统
JP7252714B2 (ja) * 2018-04-27 2023-04-05 日本信号株式会社 検査システム
CN108596553A (zh) * 2018-07-02 2018-09-28 昆明昆船逻根机场物流系统有限公司 一种值机用信息采集绑定装置、系统及其方法
CN109034041B (zh) * 2018-07-19 2021-02-09 深圳码隆科技有限公司 箱包识别方法及装置
CN109448336A (zh) * 2018-09-21 2019-03-08 鲁班嫡系机器人（深圳）有限公司 一种遗留包裹提醒、安检方法及装置、系统
JP6568634B1 (ja) * 2018-10-26 2019-08-28 日本信号株式会社 検査システム
CN109211951A (zh) * 2018-11-16 2019-01-15 银河水滴科技（北京）有限公司 一种基于图像分割的安检系统及安检方法
CN109490976A (zh) * 2018-12-28 2019-03-19 同方威视技术股份有限公司 安全检查控制系统和方法
CN109931884B (zh) * 2019-01-31 2021-06-04 上海市质量监督检验技术研究院 一种长条形水嘴旋转角度非接触测量方法
CN111612020B (zh) * 2019-02-22 2024-04-26 杭州海康威视数字技术股份有限公司 一种异常被检物的定位方法以及安检分析设备、系统
CN109785446B (zh) * 2019-02-28 2024-02-02 清华大学 图像识别系统及其方法
FR3094115B1 (fr) * 2019-03-22 2021-02-26 Idemia Identity & Security France Procede d’identification de bagages
CN110991212B (zh) * 2019-03-27 2020-09-08 赣州崛起网络科技有限公司 基于网络传输的即时认证系统
CN110161585A (zh) * 2019-05-28 2019-08-23 北京玉盟科技有限公司 一种复合式人体安检系统及其安检方法
CN110631475B (zh) * 2019-05-31 2021-08-03 安康钟吾青帜工业设计有限公司 现场目标尺寸检测方法
CN110412657A (zh) * 2019-06-06 2019-11-05 上琛安防科技（上海）有限公司 智能化x光安全检测设备人像集成平台系统
CN110309823B (zh) * 2019-06-26 2022-10-18 浙江大华技术股份有限公司 一种安全检查的方法及装置
CN112149475A (zh) * 2019-06-28 2020-12-29 杭州海康威视数字技术股份有限公司 行李箱验证方法及装置、系统、存储介质
CN110580459B (zh) * 2019-08-27 2022-02-18 浙江大华技术股份有限公司 一种安全检查的方法、以及控制设备
CN110889329A (zh) * 2019-10-25 2020-03-17 浙江大华技术股份有限公司 安检机、安检机巡检系统、视频流处理方法和存储介质
CN110933458B (zh) * 2019-10-25 2022-06-03 浙江大华技术股份有限公司 一种过包检测的方法、装置、计算机设备和存储介质
WO2021085512A1 (ja) * 2019-10-29 2021-05-06 日本信号株式会社 検査システム
JP7345357B2 (ja) * 2019-10-29 2023-09-15 日本信号株式会社 検査システム
CN110929066A (zh) * 2019-11-18 2020-03-27 浙江大华技术股份有限公司 一种人员和包裹信息关联显示的方法、装置及安检机
CN111126771B (zh) * 2019-11-26 2023-06-20 公安部第一研究所 基于区域关注度预测安检员识图质量监督保障系统及方法
WO2021171622A1 (ja) 2020-02-28 2021-09-02 日本電気株式会社 情報処理装置、情報処理方法及び記録媒体
CN111323835B (zh) * 2020-03-20 2022-09-16 安徽启新明智科技有限公司 一种基于人包关联的安检方法及其装置
CN111601076B (zh) * 2020-04-29 2022-07-19 利智华(北京)智能科技有限公司 机场行李及人员双重匹配安检管理方法、装置及设备
CN112015931A (zh) * 2020-08-24 2020-12-01 北京航星机器制造有限公司 一种安检过程中将行人与行李关联的安检方法及装置
EP3995866A1 (en) 2020-11-09 2022-05-11 Exruptive A/S A method of security scanning pieces of luggage on a cart
CN112967289A (zh) * 2021-02-08 2021-06-15 上海西井信息科技有限公司 安检包裹匹配方法、系统、设备及存储介质
CN113177982B (zh) * 2021-04-16 2023-03-10 杭州睿影科技有限公司 安检图像数据的处理方法、装置、设备及系统
CN113284201B (zh) * 2021-05-27 2022-08-26 杭州睿影科技有限公司 安检图像的生成方法、安检系统及存储介质
CN113267828A (zh) * 2021-06-09 2021-08-17 杭州海康威视数字技术股份有限公司 一种信息关联方法、装置、安检设备及存储介质
CN113759431B (zh) * 2021-06-09 2023-08-11 同方威视技术股份有限公司 安检数据关联方法和装置、以及x射线安检系统
CN114019572A (zh) * 2021-10-11 2022-02-08 安徽太测临峰光电科技股份有限公司 一种基于多摄像机融合的x光安检方法及安检装置
CN117455956A (zh) * 2023-12-22 2024-01-26 天津众合智控科技有限公司 一种基于ai技术的人包关联追踪方法及系统

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0675978A (ja) * 1992-08-27 1994-03-18 Toshiba Corp 複合情報合成型ｘ線荷物検査装置
US6158658A (en) * 1997-08-27 2000-12-12 Laser Data Command, Inc. System and method for matching passengers and their baggage
GB9902235D0 (en) * 1999-02-01 1999-03-24 Emuse Corp Interactive system
US6525663B2 (en) * 2001-03-15 2003-02-25 Koninklijke Philips Electronics N.V. Automatic system for monitoring persons entering and leaving changing room
JP4458712B2 (ja) * 2001-06-08 2010-04-28 株式会社メガチップス 監視映像の高速再生方法及びそれらのプログラム
JP2006064508A (ja) * 2004-08-26 2006-03-09 Shimadzu Corp Ｘ線検査装置
GB2448293A (en) * 2007-04-11 2008-10-15 Stephen Brian Nulty Luggage owner photograph on luggage tag
JP2009010821A (ja) * 2007-06-29 2009-01-15 Sony Corp 撮像装置および撮像方法、記録媒体、並びに、プログラム
CN101751677B (zh) * 2008-12-17 2013-01-02 中国科学院自动化研究所 基于多摄像机的目标连续跟踪方法
CA2796809C (en) * 2010-04-21 2019-05-28 Optosecurity Inc. Method and system for use in performing security screening
CN202120336U (zh) * 2011-06-24 2012-01-18 中康伟业南京科技发展有限公司 智能化行李安检和身份识别系统
US20130223678A1 (en) * 2012-02-24 2013-08-29 Bas Strategic Solutions, Inc. Time in Line Tracking System and Method
US9311467B2 (en) * 2013-08-20 2016-04-12 International Business Machines Corporation Composite propensity profile detector
CN104597514B (zh) * 2014-12-17 2017-05-03 同方威视技术股份有限公司 安检系统
CN204287075U (zh) * 2014-12-29 2015-04-22 同方威视技术股份有限公司 一体化安全检查系统
CN204993673U (zh) * 2015-09-11 2016-01-20 同方威视技术股份有限公司 安检系统

Also Published As

Publication number Publication date
WO2017113822A1 (zh) 2017-07-06
DE102016218472A1 (de) 2017-06-29
CN106934326A (zh) 2017-07-07
JP6807335B2 (ja) 2021-01-06
US20170185842A1 (en) 2017-06-29
JP2018524561A (ja) 2018-08-30
US10157317B2 (en) 2018-12-18

Similar Documents

Publication Publication Date Title
CN106934326B (zh) 用于安全检查的方法、系统和设备
US7596241B2 (en) System and method for automatic person counting and detection of specific events
Cao et al. Linear SVM classification using boosting HOG features for vehicle detection in low-altitude airborne videos
US9008365B2 (en) Systems and methods for pedestrian detection in images
CN103902966B (zh) 基于序列时空立方体特征的视频交互事件分析方法及装置
Zhou et al. Unusual event detection via multi-camera video mining
CN104504377A (zh) 一种公交车乘客拥挤程度识别系统及方法
CN103281473A (zh) 基于视频像素时空相关性的通用视频隐写分析方法
KR101030257B1 (ko) 카메라의 영상을 이용한 보행자 계수 방법 및 장치
WO2014193220A2 (en) System and method for multiple license plates identification
CN111814510A (zh) 一种遗留物主体检测方法及装置
CN114445768A (zh) 目标识别方法、装置、电子设备及存储介质
CN114627526A (zh) 基于多摄像头抓拍图像的融合去重方法、装置及可读介质
KR101413620B1 (ko) 영상 분석을 통한 영상 텍스트화 장치
CN111914649A (zh) 人脸识别的方法及装置、电子设备、存储介质
CN111126112B (zh) 候选区域确定方法和装置
CN110309823B (zh) 一种安全检查的方法及装置
CN116363691A (zh) 安检信息绑定方法、装置、电子设备及可读存储介质
CN112953948A (zh) 一种实时网络横向蠕虫攻击流量检测方法及装置
Nalepa et al. Real-time people counting from depth images
JP6028972B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
Miene et al. Advanced and adaptive shot boundary detection
Mademlis et al. Visual inspection for illicit items in X-ray images using Deep Learning
KR101285128B1 (ko) 영상 분석을 위한 지능형 검색 로봇
Sharifara et al. Enhanced facial recognition framework based on skin tone and false alarm rejection

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