CN107346539A - 用于判图任务分配的方法、系统和设备 - Google Patents
用于判图任务分配的方法、系统和设备 Download PDFInfo
- Publication number
- CN107346539A CN107346539A CN201610299317.9A CN201610299317A CN107346539A CN 107346539 A CN107346539 A CN 107346539A CN 201610299317 A CN201610299317 A CN 201610299317A CN 107346539 A CN107346539 A CN 107346539A
- Authority
- CN
- China
- Prior art keywords
- image
- sentence
- risk
- row bag
- scan image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012502 risk assessment Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 30
- 238000002594 fluoroscopy Methods 0.000 claims description 18
- 239000005416 organic matter Substances 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000010408 sweeping Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 4
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
- G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
- G01V5/271—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects using a network, e.g. a remote expert, accessing remote data or the like
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30112—Baggage; Luggage; Suitcase
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- High Energy & Nuclear Physics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Facsimiles In General (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种用于判图任务分配的方法、系统及设备,属于安全检查领域。该方法包括:在行包进入安检机进行扫描时,获得所述行包的行包扫描图像;对所述行包扫描图像进行风险分析,评估其图像风险程度;评估判图工作站的安检员判图水平;根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。本发明能够提高整体判图质量和效率。
Description
技术领域
本发明涉及安全检查领域,具体而言,涉及用于判图任务分配的方法、系统和设备。
背景技术
目前,在公路、火车站等公共场合的安全检查中,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。然后,将该扫描图像分配给判图工作站的安检员进行图像判读,判读该行李中是否可能包含危险物品。如果怀疑有危险物品,则需要该待查人员配合,当场打开其行李包裹进行验证。
现有模式下,扫描图像的分配效率较低,并且无法保证判图质量。
因此,需要一种新的用于判图任务分配的方法、系统和设备。
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
本申请公开一种用于判图任务分配的方法、系统和设备,能够提高判图任务分配的效率和判图质量。
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,提供一种用于判图任务分配的方法,包括:在行包进入安检机进行扫描时,获得所述行包的行包扫描图像;对所述行包扫描图像进行风险分析,评估其图像风险程度;评估判图工作站的安检员判图水平;根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
根据本公开的一实施方式,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:采用图像处理算法,分析所述行包扫描图像的内容复杂度;根据所述内容复杂度判定所述行包扫描图像的风险程度。
根据本公开的一实施方式,还包括:预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
根据本公开的一实施方式,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。
根据本公开的一实施方式,其中所述物质包括有机物、无机物和/或混合物。
根据本公开的一实施方式,还包括:预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
根据本公开的一实施方式,其中所述评估判图工作站的安检员判图水平包括:记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
根据本公开的一实施方式,其中所述评估判图工作站的安检员判图水平包括:根据外部输入数据判定所述安检员判图水平。
根据本公开的一实施方式,其中所述外部输入数据包括设定的安检员级别和/或工作年限和/或从业经历。
根据本公开的一实施方式,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
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。
根据本公开的另一个方面,提供一种用于判图任务分配的系统,包括:行包扫描图像获取模块,用于在行包进入安检机进行扫描时获得所述行包的行包扫描图像;图像风险程度分析模块,用于对所述行包扫描图像进行风险分析,评估其图像风险程度;判图水平评估模块,用于评估判图工作站的安检员判图水平;判图任务分配模块,用于根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
根据本公开的一实施方式,其中所述图像风险程度分析模块包括:内容复杂度分析单元,用于采用图像处理算法,分析所述行包扫描图像的内容复杂度;第一风险程度判定单元,用于根据所述内容复杂度判定所述行包扫描图像的风险程度。
根据本公开的一实施方式,还包括:第一预设模块,用于预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
根据本公开的一实施方式,其中所述图像风险程度分析模块包括:物质占比和/或类别分析单元,用于采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;第二风险程度判定单元,用于根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。
根据本公开的一实施方式,其中所述物质包括有机物、无机物和/或混合物。
根据本公开的一实施方式,还包括:第二预设模块,用于预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
根据本公开的一实施方式,其中所述判图水平评估模块包括:记录单元,用于记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;统计单元,用于根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;判图水平判定单元,用于根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
根据本公开的一实施方式,还包括输入模块,用于外部数据的输入,所述判图水平评估模块根据所述外部输入数据判定所述安检员判图水平。
根据本公开的一实施方式,其中所述外部输入数据包括设定的安检员级别和/或工作年限和/或从业经历。
根据本公开的一实施方式,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
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,提供用于判图任务分配的设备,包括安检机、判图工作站和处理器,所述处理器分别与所述安检机和所述判图工作站连接,其中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;所述处理器被配置为:获取所述行包扫描图像对其进行风险分析,评估其图像风险程度;评估所述判图工作站的安检员判图水平;根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
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。
根据本公开的一实施方式,还包括控制器,所述控制器包括上述任一项所述的系统。
根据本公开的用于判图任务分配的方法、系统和设备,评估安检图像复杂度并建立指标对安检员判图水平进行评估,综合图像情况和当前各安检员的判图水平,将该图像分配给相应的安检员,能够提高整体判图质量和效率。
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判图任务分配的方法的流程图;
图2为基于图1所述的用于判图任务分配的方法中的评估图像风险程度的方法的流程图;
图3为基于图1所述的用于判图任务分配的方法中的评估判图水平的方法的流程图;
图4示意性示出根据本公开示例实施方式的用于判图任务分配的系统的结构图;
图5示意性示出根据本公开示例实施方式的用于判图任务分配的设备的结构图。
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判图任务分配的方法的流程图。
如图1所示,在步骤S110,在行包进入安检机进行扫描时,获得所述行包的行包扫描图像。
在步骤S120,对所述行包扫描图像进行风险分析,评估其图像风险程度。
根据示例实施例,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:采用图像处理算法,分析所述行包扫描图像的内容复杂度;根据所述内容复杂度判定所述行包扫描图像的风险程度。还可以包括预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
例如,所述图像处理算法可以采用物质密度识别等图像处理算法,根据图像中不同密度像素的分布和集中程度,分析所述行包扫描图像的内容复杂度,如:物质密度比较集中,则说明图像中物质比较单一,反之,则说明图像中物质比较复杂。
根据示例实施例,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。其中所述物质包括有机物、无机物和/或混合物。还可以包括预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
例如,所述物质识别算法可以采用有机物识别、无机物识别、混合物识别等物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别。
根据示例实施例,还可以包括:采用其它图像分析算法(如:图像物质识别算法,可以识别出图像中是否包含枪支、爆炸物、高密度难穿透物体、毒品、水果等物质)提供的结果,提供一个分值(如:识别出危险物品分值较高,没有识别出危险物品则分值较低),按照分值高低判定所述行包扫描图像的风险程度。
在步骤S130,评估判图工作站的安检员判图水平。
根据示例实施例,其中所述评估判图工作站的安检员判图水平包括:记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
根据示例实施例,其中所述评估判图工作站的安检员判图水平包括:根据外部输入数据判定所述安检员判图水平。其中所述外部输入数据可以包括设定的安检员级别和/或工作年限和/或从业经历。
在步骤S140,根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
根据示例实施例,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
根据示例实施例,还包括将所述行包扫描图像、所述图像风险程度和所述安检员判图水平存储于服务器系统中。
根据示例实施例,其中所述扫描图像为X光透视图像。
本公开实施方式的用于判图任务分配的方法,利用图像处理或物质识别算法评估安检图像复杂度,建立指标对安检员判图水平进行评估。在获得新的安检图像后,综合图像复杂程度和当前各安检员的判图水平以及工作量,将该图像分配给判图水平相当、相对空闲的安检员,以提高整体判图质量和效率。能够克服在现有模式下,安检员在对图像判读(简称“判图”)时,通常按照一一对应、随机分配或者能者多劳这些判图任务分配方法的缺点。即“一一对应”方法是每台安检机对应一名安检员,这种对应关系是事先确定的,一般无法调整;“随机分配”方法是将一组安检机产生的图像随机分配给一组安检员,只要分组关系确定后,安检员判读哪些图像是完全随机的;“能者多劳”方法是将一组安检机产生的图像分配给一组安检员,当前哪位安检员处于空闲状态,就分配给他。这几种方法具有以下的缺点:
1)分配图像时无法合理照顾安检员的工作强度:安检员判图的速度越快、反而会导致分配给他的图像越多,往往造成“忙者越忙、闲者越闲”的情况。
2)分配图像时无法合理照顾安检员的工作能力:由于缺乏足够的智能,往往不能区分图像的复杂性和判图难度,而不加区分的分配给所有的安检员,往往导致水平不高的安检员遇到复杂的图像时无法及时、有效的处理,从而增加了安检的时间、工作量,也降低了安检的效率和效果。
图2为基于图1所述的用于判图任务分配的方法中的评估图像风险程度的方法的流程图。
如图2所示,在步骤S210,预先根据行包扫描图像的色彩和/或形状设置对应的内容复杂度。
在步骤S220,采用图像处理算法,分析所述行包扫描图像的色彩和/或形状。
在步骤S230,根据所述色彩和/或形状判定所述行包扫描图像的第一风险程度。
在步骤S240,预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
在步骤S250,采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别。
在步骤S260,根据所述物质占比和/或类别判定所述行包扫描图像的第二风险程度。
根据示例实施例,其中所述物质可以分为有机物、无机物和混合物,也可以将其分为汽油、酒精、金属铜、铁、毒品等更细化的类别,在此不作限定。
根据示例实施例,所述物质占比可以认定为所述有机物在整个扫描图像所占像素比例高,则认为该扫描图像的风险程度高,而所述无机物在整个扫描图像所占像素比例低,则认为该扫描图像的风险程度低;也可以根据所述物质类别设定为,只要该行包中包含某一类别的物质例如毒品,不管其具体在整个扫描图像所占像素比例的多少,即可以判定该扫描图像的风险程度高。
根据示例实施例,所述扫描图像的风险程度可以分为风险高和风险低两种,也可以根据所述物质占比和/或类别的不同,分为风险级别1、2、3直至N,在此不作限定。
在步骤S270,根据所述第一风险程度和所述第二风险程度,获取所述行包扫描图像的风险程度。
图3为基于图1所述的用于判图任务分配的方法中的评估判图水平的方法的流程图。
如图3所示,在步骤S310,记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致。
在步骤S320,根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作。
在步骤S330,根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的第一判图水平。
在步骤S340,根据外部输入数据判定所述安检员的第二判图水平。
根据示例实施例,其中所述评估判图工作站的安检员判图水平包括:根据外部输入数据判定所述安检员判图水平。
在步骤S350,根据所述第一判图水平和所述第二判图水平,获取所述安检员的判图水平。
图4示意性示出根据本公开示例实施方式的用于判图任务分配的系统的结构图。
如图4所示,该系统包括:行包扫描图像获取模块410,用于在行包进入安检机进行扫描时获得所述行包的行包扫描图像;图像风险程度分析模块420,用于对所述行包扫描图像进行风险分析,评估其图像风险程度;判图水平评估模块430,用于评估判图工作站的安检员判图水平;判图任务分配模块440,用于根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
根据示例实施例,其中所述图像风险程度分析模块420包括:内容复杂度分析单元,用于采用图像处理算法,分析所述行包扫描图像的内容复杂度;第一风险程度判定单元,用于根据所述内容复杂度判定所述行包扫描图像的风险程度。
根据示例实施例,还包括:第一预设模块,用于预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
根据示例实施例,其中所述图像风险程度分析模块420包括:物质占比和/或类别分析单元,用于采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;第二风险程度判定单元,用于根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。
根据示例实施例,其中所述物质包括有机物、无机物和/或混合物。
根据示例实施例,还包括:第二预设模块,用于预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
根据示例实施例,其中所述判图水平评估模块430包括:记录单元,用于记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;统计单元,用于根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;判图水平判定单元,用于根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
根据示例实施例,还包括输入模块,用于外部数据的输入,所述判图水平评估模块根据所述外部输入数据判定所述安检员判图水平。
根据示例实施例,其中所述外部输入数据包括设定的安检员级别和/或工作年限和/或从业经历。
根据示例实施例,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
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。
本公开实施方式的用于判图任务分配的系统,可以在安检员判图过程中,就能自动统计和记录安检员的工作强度、工作能力和工作习惯;对每幅X光透视图像都在后台进行风险分析;在给安检员分配判图任务时,能够根据上述自动统计和记录的工作强度、工作能力和工作习惯,同时结合X光透视图像的难度,自动调整任务的分配。
图5示意性示出根据本公开示例实施方式的用于判图任务分配的设备500的结构图。
如图5所示,包括:安检机510、判图工作站530和处理器520,所述处理器520分别与所述安检机510和所述判图工作站530连接。其中所述安检机510对进入其中的行包进行扫描从而产生行包扫描图像;所述处理器520被配置为:获取所述行包扫描图像对其进行风险分析,评估其图像风险程度;评估所述判图工作站530的安检员判图水平;根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站530。
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,还包括控制器,所述控制器包括上述任一项所述的系统。
根据示例实施例,所述处理器520包括X光透视图像风险分析系统,用于收集所述安检机采集的所述X光透视图像,同时对所述X光透视图像进行分析,以确定其风险情况。
根据示例实施例,对所述X光透视图像进行分析的方法可以包括:利用图像处理算法分析X光透视图像内的内容复杂性,如:图像中色彩单一的作为“简单”(认为风险低)、色彩多的作为“复杂”(认为风险高)。例如,还可以利用物质识别算法,分析X光透视图像内包含的有机物、无机物和混合物的占比,如:有机物的像素比例高的,认为风险高,无机物的像素比例低的,认为风险低。当然,还可以利用其它图像分析算法提供的结果,按照分值高低确定风险程度。
根据示例实施例,所述处理器520包括安检员工作记录、分析系统,用于记录安检员的工作时间(例如,可以包括:判图和空闲的时间、平均判图时间、最大判图时间、最小判图时间)、工作习惯(例如,可以包括经常使用的图像处理方法),同时根据这些记录,分析出安检员的工作强度(连续工作的时间、判读的图像数量)、工作习惯和判图水平。
根据示例实施例,评估判图水平的方法可以包括:统计判图时间、判图期间做的图像处理方法、判图结论(有嫌疑与无嫌疑之间的比例)、判读为有嫌疑但未发现违禁品的数量等,平均判图时间较长、图像处理操作较多、有嫌疑比例较大(超过平均值较多)、判读为有嫌疑但未发现违禁品的比例较大的,认为是水平比较差的,反之认为水平比较高。例如,还可以根据外部输入的数据进行判断,如:人员管理系统中设定的人员级别(级别高的认为水平高)、工作年限(工作年限长的认为水平高)等。
根据示例实施例,所述处理器520包括判图任务自动分配系统,结合所述X光透视图像风险分析系统和所述安检员工作记录、分析系统的数据,当有图像产生时,自动根据下列原则分配图像:
“按劳分配”原则:空闲时间较长的安检员优先分配到图像;
“水平匹配”原则:风险级别高的图像优先分配给水平高的安检员。
本公开的用于判图任务分配的方法、系统和设备,通过利用图像处理或物质识别算法评估安检图像复杂度,建立指标对安检员判图水平进行评估,在获得新的安检图像后,综合图像复杂程度和当前各安检员的判图水平以及工作量,将该图像分配给判图水平相当、相对空闲的安检员,从而能够提高整体判图质量和效率。
图1、2和3示出根据本公开示例实施方式的用于判图任务分配的方法的流程图。该方法可例如利用如图4或5所示的用于判图任务分配的系统和设备实现,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 (25)
1.一种用于判图任务分配的方法,其特征在于,包括:
在行包进入安检机进行扫描时,获得所述行包的行包扫描图像;
对所述行包扫描图像进行风险分析,评估其图像风险程度;
评估判图工作站的安检员判图水平;
根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
2.如权利要求1所述的方法,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:
采用图像处理算法,分析所述行包扫描图像的内容复杂度;
根据所述内容复杂度判定所述行包扫描图像的风险程度。
3.如权利要求2所述的方法,还包括:预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
4.如权利要求1所述的方法,其中对所述行包扫描图像进行风险分析,评估其图像风险程度包括:
采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;
根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。
5.如权利要求4所述的方法,其中所述物质包括有机物、无机物和/或混合物。
6.如权利要求4所述的方法,还包括:预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
7.如权利要求1所述的方法,其中所述评估判图工作站的安检员判图水平包括:
记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;
根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;
根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
8.如权利要求1所述的方法,其中所述评估判图工作站的安检员判图水平包括:根据外部输入数据判定所述安检员判图水平。
9.如权利要求8所述的方法,其中所述外部输入数据包括设定的安检员级别和/或工作年限和/或从业经历。
10.如权利要求1所述的方法,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中
所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;
所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
11.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。
12.一种用于判图任务分配的系统,其特征在于,包括:
行包扫描图像获取模块,用于在行包进入安检机进行扫描时获得所述行包的行包扫描图像;
图像风险程度分析模块,用于对所述行包扫描图像进行风险分析,评估其图像风险程度;
判图水平评估模块,用于评估判图工作站的安检员判图水平;
判图任务分配模块,用于根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
13.如权利要求12所述的系统,其中所述图像风险程度分析模块包括:
内容复杂度分析单元,用于采用图像处理算法,分析所述行包扫描图像的内容复杂度;
第一风险程度判定单元,用于根据所述内容复杂度判定所述行包扫描图像的风险程度。
14.如权利要求13所述的系统,还包括:第一预设模块,用于预先根据所述行包扫描图像的色彩和/或形状设置对应的所述内容复杂度。
15.如权利要求12所述的系统,其中所述图像风险程度分析模块包括:
物质占比和/或类别分析单元,用于采用物质识别算法,分析所述行包扫描图像中包含的物质占比和/或类别;
第二风险程度判定单元,用于根据所述物质占比和/或类别判定所述行包扫描图像的风险程度。
16.如权利要求15所述的系统,其中所述物质包括有机物、无机物和/或混合物。
17.如权利要求15所述的系统,还包括:第二预设模块,用于预先根据所述行包扫描图像的物质占比和/或类别设置对应的所述行包扫描图像的风险程度。
18.如权利要求12所述的系统,其中所述判图水平评估模块包括:
记录单元,用于记录所述安检员的工作时间和/或工作习惯和/或判图结论和实际结论是否一致;
统计单元,用于根据所述工作时间和/或工作习惯和/或判图结论和实际结论是否一致,统计所述安检员的平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作;
判图水平判定单元,用于根据所述平均判图时间和/或判图结论和实际结论一致的比例和/或判图期间所做的图像处理操作,判定所述安检员的判图水平。
19.如权利要求12所述的系统,还包括输入模块,用于外部数据的输入,所述判图水平评估模块根据所述外部输入数据判定所述安检员判图水平。
20.如权利要求19所述的系统,其中所述外部输入数据包括设定的安检员级别和/或工作年限和/或从业经历。
21.如权利要求12所述的系统,其中所述预设策略包括:按劳分配原则和/或水平匹配原则,其中
所述按劳分配原则是根据所述安检员的空闲时间优先分配所述行包扫描图像;
所述水平匹配原则是根据将相应风险程度的所述行包扫描图像分配至相应判图水平的所述安检员。
22.如权利要求12所述的系统,其中所述扫描图像为X光透视图像。
23.一种用于判图任务分配的设备,其特征在于,包括安检机、判图工作站和处理器,所述处理器分别与所述安检机和所述判图工作站连接,其中
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;
所述处理器被配置为:
获取所述行包扫描图像对其进行风险分析,评估其图像风险程度;
评估所述判图工作站的安检员判图水平;
根据所述图像风险程度和所述判图水平,按照预设策略将所述行包扫描图像分配至相应的所述判图工作站。
24.如权利要求23所述的设备,其中所述扫描图像为X光透视图像。
25.如权利要求23所述的设备,还包括控制器,所述控制器包括如权利要求12-22中任一项所述的系统。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610299317.9A CN107346539A (zh) | 2016-05-06 | 2016-05-06 | 用于判图任务分配的方法、系统和设备 |
BR102017009186-4A BR102017009186A2 (pt) | 2016-05-06 | 2017-05-02 | Method and apparatus for the assignment of image interpretation tasks |
EP17169319.5A EP3242271B1 (en) | 2016-05-06 | 2017-05-03 | Method, system and apparatus for assigning image interpretation task |
PL17169319T PL3242271T3 (pl) | 2016-05-06 | 2017-05-03 | Sposób, system i urządzenie do przypisywania zadania interpretacji obrazu |
MX2017005910A MX2017005910A (es) | 2016-05-06 | 2017-05-04 | Metodo, sistema y aparato para asignar tareas de interpretacion de imagenes. |
ARP170101156A AR108373A1 (es) | 2016-05-06 | 2017-05-04 | Método, sistema y aparato para la asignación de una tarea de interpretación de imagen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610299317.9A CN107346539A (zh) | 2016-05-06 | 2016-05-06 | 用于判图任务分配的方法、系统和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107346539A true CN107346539A (zh) | 2017-11-14 |
Family
ID=59053866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610299317.9A Pending CN107346539A (zh) | 2016-05-06 | 2016-05-06 | 用于判图任务分配的方法、系统和设备 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP3242271B1 (zh) |
CN (1) | CN107346539A (zh) |
AR (1) | AR108373A1 (zh) |
BR (1) | BR102017009186A2 (zh) |
MX (1) | MX2017005910A (zh) |
PL (1) | PL3242271T3 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229449A (zh) * | 2018-02-23 | 2018-06-29 | 华讯方舟科技有限公司 | 一种并行式人体安检系统 |
CN111126771A (zh) * | 2019-11-26 | 2020-05-08 | 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 |
CN112396277A (zh) * | 2019-08-19 | 2021-02-23 | 同方威视技术股份有限公司 | 判图任务分配系统及用于判图任务分配的方法 |
CN112444889A (zh) * | 2020-11-13 | 2021-03-05 | 北京航星机器制造有限公司 | 一种快速安检行包远程集中判读系统及方法 |
CN113139950A (zh) * | 2021-05-08 | 2021-07-20 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
WO2022001821A1 (zh) * | 2020-06-28 | 2022-01-06 | 同方威视技术股份有限公司 | 基于毫米波安检设备的查验方法和系统以及服务器 |
CN114814973A (zh) * | 2022-03-28 | 2022-07-29 | 北京中盾安民分析技术有限公司 | 一种人机混合决策的智能安检系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806263A (zh) * | 2003-06-11 | 2006-07-19 | 昆腾磁性元件公司 | 用于集中监控旅客和行李筛选检查点的组合系统用户界面 |
US7193515B1 (en) * | 2002-04-24 | 2007-03-20 | Roberts Jon L | System and method for centralized security screening |
US20070115123A1 (en) * | 2002-04-24 | 2007-05-24 | Roberts Jon L | System and method for associating baggage with a passenger |
CN102013098A (zh) * | 2010-10-11 | 2011-04-13 | 公安部第一研究所 | 安检图像中有机物和无机物剔除方法 |
CN103745198A (zh) * | 2013-12-30 | 2014-04-23 | 中云智慧(北京)科技有限公司 | 行邮辅助识别及对比的方法与装置 |
CN103917862A (zh) * | 2011-09-07 | 2014-07-09 | 拉皮斯坎系统股份有限公司 | 整合舱单数据和成像/检测处理的x射线检查系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251398A1 (en) * | 2004-05-04 | 2005-11-10 | Lockheed Martin Corporation | Threat scanning with pooled operators |
-
2016
- 2016-05-06 CN CN201610299317.9A patent/CN107346539A/zh active Pending
-
2017
- 2017-05-02 BR BR102017009186-4A patent/BR102017009186A2/pt not_active IP Right Cessation
- 2017-05-03 EP EP17169319.5A patent/EP3242271B1/en not_active Not-in-force
- 2017-05-03 PL PL17169319T patent/PL3242271T3/pl unknown
- 2017-05-04 MX MX2017005910A patent/MX2017005910A/es active IP Right Grant
- 2017-05-04 AR ARP170101156A patent/AR108373A1/es unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7193515B1 (en) * | 2002-04-24 | 2007-03-20 | Roberts Jon L | System and method for centralized security screening |
US20070115123A1 (en) * | 2002-04-24 | 2007-05-24 | Roberts Jon L | System and method for associating baggage with a passenger |
CN1806263A (zh) * | 2003-06-11 | 2006-07-19 | 昆腾磁性元件公司 | 用于集中监控旅客和行李筛选检查点的组合系统用户界面 |
CN102013098A (zh) * | 2010-10-11 | 2011-04-13 | 公安部第一研究所 | 安检图像中有机物和无机物剔除方法 |
CN103917862A (zh) * | 2011-09-07 | 2014-07-09 | 拉皮斯坎系统股份有限公司 | 整合舱单数据和成像/检测处理的x射线检查系统 |
CN103745198A (zh) * | 2013-12-30 | 2014-04-23 | 中云智慧(北京)科技有限公司 | 行邮辅助识别及对比的方法与装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019161578A1 (zh) * | 2018-02-23 | 2019-08-29 | 华讯方舟科技有限公司 | 一种并行式人体安检系统 |
CN108229449B (zh) * | 2018-02-23 | 2019-11-15 | 华讯方舟科技有限公司 | 一种并行式人体安检系统 |
CN108229449A (zh) * | 2018-02-23 | 2018-06-29 | 华讯方舟科技有限公司 | 一种并行式人体安检系统 |
CN112396277A (zh) * | 2019-08-19 | 2021-02-23 | 同方威视技术股份有限公司 | 判图任务分配系统及用于判图任务分配的方法 |
WO2021031627A1 (zh) * | 2019-08-19 | 2021-02-25 | 同方威视技术股份有限公司 | 判图任务分配系统及用于判图任务分配的方法 |
CN111126771A (zh) * | 2019-11-26 | 2020-05-08 | 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 |
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 |
WO2022001821A1 (zh) * | 2020-06-28 | 2022-01-06 | 同方威视技术股份有限公司 | 基于毫米波安检设备的查验方法和系统以及服务器 |
CN112444889A (zh) * | 2020-11-13 | 2021-03-05 | 北京航星机器制造有限公司 | 一种快速安检行包远程集中判读系统及方法 |
CN113139950A (zh) * | 2021-05-08 | 2021-07-20 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
CN113139950B (zh) * | 2021-05-08 | 2024-04-16 | 佳都科技集团股份有限公司 | 一种目标对象识别的方法及装置 |
CN114814973A (zh) * | 2022-03-28 | 2022-07-29 | 北京中盾安民分析技术有限公司 | 一种人机混合决策的智能安检系统及方法 |
CN114814973B (zh) * | 2022-03-28 | 2024-03-08 | 北京中盾安民分析技术有限公司 | 一种人机混合决策的智能安检系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3242271A1 (en) | 2017-11-08 |
MX2017005910A (es) | 2018-08-21 |
BR102017009186A2 (pt) | 2017-11-21 |
AR108373A1 (es) | 2018-08-15 |
EP3242271B1 (en) | 2019-02-13 |
PL3242271T3 (pl) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346539A (zh) | 用于判图任务分配的方法、系统和设备 | |
CN110991486B (zh) | 多人协作图像标注质量控制的方法和装置 | |
DE102016218472A1 (de) | Verfahren, System und Vorrichtung für die Sicherheitsprüfung | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
CN108170813A (zh) | 一种全媒体内容智能审核的方法及其系统 | |
CN105184315A (zh) | 一种质检处理方法及系统 | |
CN110414927B (zh) | 一种票据处理自动生成凭证的方法及装置 | |
CN103164687A (zh) | 一种色情图像侦测的方法和系统 | |
CN111382623A (zh) | 一种直播审核的方法、装置、服务器和存储介质 | |
US20170053192A1 (en) | Systems and methods for detecting parking occupancy status | |
CN111090776A (zh) | 一种视频审核的方法、装置、审核服务器和存储介质 | |
KR20130118276A (ko) | 자동 및 수동 결함 분류의 통합 | |
CN109063456A (zh) | 图像型验证码的安全性检测方法及系统 | |
CN108460362A (zh) | 一种检测人体部位的系统及方法 | |
EP3327470A1 (en) | Method of assisting analysis of radiation image and system using the same | |
CN107230090B (zh) | 一种净推荐值nps分类方法及装置 | |
CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
Kistijantoro | Vitality based feature selection for intrusion detection | |
CN111127465A (zh) | 一种桥梁检测报告自动生成方法及系统 | |
CN107909395A (zh) | 基于点击效果的广告测试方法、装置及系统 | |
CN110276352A (zh) | 标识识别方法、装置、电子设备及计算机可读存储介质 | |
Varela et al. | Method for the recovery of images in databases of rice grains from visual content | |
CN114140094A (zh) | 一种食品企业智能化风险监控预警系统 | |
CN110490091A (zh) | 交叉污染确定方法及装置 | |
Yulianti et al. | Meat quality classification based on color intensity measurement method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171114 |
|
RJ01 | Rejection of invention patent application after publication |