CN109187598A - 基于数字图像处理的违禁物品检测系统及方法 - Google Patents
基于数字图像处理的违禁物品检测系统及方法 Download PDFInfo
- Publication number
- CN109187598A CN109187598A CN201811174410.2A CN201811174410A CN109187598A CN 109187598 A CN109187598 A CN 109187598A CN 201811174410 A CN201811174410 A CN 201811174410A CN 109187598 A CN109187598 A CN 109187598A
- Authority
- CN
- China
- Prior art keywords
- image
- prohibited items
- contraband
- ray
- article
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 239000000203 mixture Substances 0.000 claims description 34
- 239000005416 organic matter Substances 0.000 claims description 31
- 239000000284 extract Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004091 panning Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- 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
- G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
-
- 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
- G06V10/443—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 matching or filtering
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/42—Imaging image digitised, -enhanced in an image processor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/421—Imaging digitised image, analysed in real time (recognition algorithms)
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于数字图像处理的违禁物品检测系统及方法,用于检测X光安检机中的违禁物品。本发明公开的违禁物品检测方法包括以下步骤:对安检机中的物品进行X光扫描;对扫描到的X光图像进行中值滤波、颜色空间转换、阈值分割、二值化处理、轮廓特征提取;将提取到的所有物品的轮廓与违禁物品库中的违禁物品轮廓进行逐个匹配;根据轮廓匹配的结果对违禁物品进行自动检测和识别,并将不同种类的违禁物品进行分别标记,如果检测到违禁物品,会进行声光报警。本发明能够自动检测和识别X光安检机中的违禁物品,提高机场、车站等地的安检效率,降低人工检测的误检率,减少人员成本。
Description
技术领域
本发明涉及违禁物品检测技术领域,尤其涉及一种针对X光安检机的基于数字图像处理的违禁物品检测系统及方法。
背景技术
物品在安检机上的X光扫描图像的颜色主要是根据组成物品的化学成份来定义的,通常,有机物显示为橙黄色,无机物显示为蓝色,混合物显示为绿色。传统的违禁物品检测方法,需要有固定的、经过严格培训的安检工作人员驻守在安检机旁,当物品经过安检机时,安检工作人员需要持续不断地盯着安检机显示器,观看乘客行李的X光扫描图像,根据扫描图像中物品的颜色和形状等信息人工判断其中是否含有违禁物品。
传统的违禁物品检测方法缺点在于:需要大量安检工作人员,耗费大量人力;检测结果严重依赖于安检工作人员的个人经验、知识和工作时的身心状态,误检率高;检测效率低,导致安检过程缓慢,安检排队情况严重。
发明内容
本发明的目的在于提供一种基于数字图像处理的违禁物品检测方法,以解决上述技术问题。本发明通过引入数字图像处理的方法来对安检机中物品的X光扫描图像进行分析处理,自动检测和识别其中的违禁物品,并对不同的违禁物品进行分别标记,如果检测到违禁物品,会进行声光报警;这能够降低安检过程中的误检率,提高安检效率,解放大量人力,降低人员成本。
为了实现上述目的,本发明采用如下技术方案:
基于数字图像处理的违禁物品检测系统,包括X光扫描设备、上位机、显示器、微控制器和报警装置;
X光扫描设备的信号输出端连接上位机的输入端,上位机的图像输出端连接显示器,上位机的控制信号输出端连接微控制器的第一输入端,微控制器的输出端连接声光报警装置;
X光扫描设备,用于对安检机中的物品进行X光扫描获得X光扫描图像,并将X光扫描图像传给上位机;
显示器负责显示上位机传来的经过违禁品检测之后的X光扫描图像;
上位机,用于对X光扫描设备传来的X光扫描图像进行处理,检测图像中的违禁品,将检测到的不同类型的违禁物品在X光扫描图像中使用不同颜色的方框包围,并在旁边标注违禁品的名称;如果上位机检测到违禁品,则上位机发送声光报警的启动信号给微控制器;
微控制器,负责接收上位机发送来的声光报警启动信号和报警复位信号,在接收到上位机发送来的声光报警启动信号后,控制报警装置发出警报,在接收到上位机发送来的报警复位信号后,控制报警装置熄灭;
报警装置,用于接收微控制器的信号,在检测到违禁物品后发出警报。
进一步的,所述报警装置包括LED灯和蜂鸣器。
进一步的,还包括连接微控制器的报警复位按钮,报警复位按钮用于触发复位信号,通过微控制器控制报警装置复位。
进一步的,上位机接收X光扫描图像后:
首先,对接收的X光扫描图像进行中值滤波、颜色空间转换和阈值分割处理,将X光扫描图像中的有机物、无机物和混合物进行分离,分别获取待检测物品中有机物的X光图像、无机物的X光图像和混合物的X光图像;
然后,上位机中分别对有机物的X光图像、无机物的X光图像和混合物的X光图像进行二值化处理和轮廓特征提取,获取待检测物品的形状轮廓;使用Hu矩进行轮廓匹配;
然后,上位机根据轮廓匹配结果,判断待检测物品中是否含有违禁品;如果含有违禁品,对文金品进行标记并在显示器中显示并通过微控制器出发报警装置进行警报;如果不含有违禁品则在显示器显示未含有违禁品标记的X光扫描图像。
基于数字图像处理的违禁物品检测方法,包括以下步骤:
步骤一:对待检测物品进行X光扫描,获取所述的待检测物品的X光扫描图像;
步骤二:对所述的X光扫描图像进行中值滤波、颜色空间转换和阈值分割处理,将所述的X光扫描图像中的有机物、无机物和混合物进行分离,分别获取所述的待检测物品中有机物的X光图像、无机物的X光图像和混合物的X光图像;
步骤三:分别对所述的有机物的X光图像、无机物的X光图像和混合物的X光图像进行二值化处理和轮廓特征提取,获取所述的待检测物品中所有物品的形状轮廓;
步骤四:使用Hu矩根据违禁物品库进行轮廓匹配;
步骤五:根据所述的轮廓匹配结果,判断待检测物品中是否含有违禁品;如果待检测物品中含有违禁品,则判断是哪种类型的违禁品;
步骤六:显示针对所述的待检测物品的检测结果。
进一步的,还包括以下步骤:如果在所述的待检测物品中检测到了违禁品,则将检测到的所有违禁品按类型在待检测物品的X光扫描图像中进行分别标记,并在步骤六中将标记结果进行显示,同时,进行声光报警;如果在待检测物品中没有检测到违禁品,则在步骤六中只显示X光扫描图像。
进一步的,中值滤波中滤波器模板大小为3×3,以图像中某像素的3×3邻域中的像素值的排序为基础,将像素3×3邻域中像素值的中值代替该像素的值;
所述的颜色空间转换,是将中值滤波后的X光图像从RGB颜色空间转换到HSV颜色空间,转换算法为:
R、G、B分别为图像每个像素点在RGB颜色空间不同通道上的值,H、S、V分别为图像每个像素点在HSV颜色空间不同通道上的值;
max=max(R,G,B)
min=min(R,G,B)
V=max
H的取值范围为0°~360°,S的取值范围为0~1,V的取值范围为0~255;对H和S通道的值进行映射:
H=H/2
S=S×255
此时,H的取值范围为0~180,S的取值范围为0~255,V的取值范围为0~255;
所述的阈值分割,是依据有机物、无机物和混合物在X光扫描下的颜色差别,在H、S、V通道上设定不同的阈值范围,将有机物、无机物和混合物的X光图像进行分割;有机物在H、S、V通道上阈值范围分别为(7,26)、(79,255)、(145,255),无机物在H、S、V通道上阈值范围分别为(98,135)、(103,255)、(0,255),混合物在H、S、V通道上阈值范围分别为(40,81)、(75,255)、(0,255),分割后的有机物、无机物和混合物图像均为二值图像。
进一步的,所述的轮廓提取,输入的二值图像用f(i,j)表示图像的像素值;每次行扫描,遇到f(i,j-1)=0,f(i,j)>=1,则,f(i,j)是外边界的起始点;f(i,j)>=1,f(i,j+1)=0,则,f(p,q)是孔边界的起始点;然后从起始点开始,使用边界跟踪的方法,提取待检测物品的轮廓。
进一步的,所述的违禁物品库中包含了待检测的所有违禁品的形状轮廓,并且,所有违禁品的形状轮廓在违禁物品库中按照有机物、无机物和混合物分类存储;将提取到的所有有机物品轮廓与违禁物品库中的所有有机违禁品轮廓进行逐个匹配,将提取到的所有无机物品轮廓与违禁物品库中的所有无机违禁品轮廓进行逐个匹配,将提取到的所有混合物品轮廓与违禁物品库中的所有违禁混合物轮廓进行逐个匹配,获得匹配结果;
使用Hu矩进行轮廓匹配的算法如下:
定义轮廓的p+q阶几何矩:
其中,p对应x维度上的矩,q对应y维度上的矩,f(x,y)表示图像上(x,y)的像素值,N和M分别是图像的高度和宽度;
定义轮廓的p+q阶中心矩:
其中,
定义归一化的中心距:
其中,ρ=(p+q)/2+1
利用二阶和三阶归一化中心矩构造7个不变矩,即Hu矩:
h1=η20+η02
h3=(η30-3η12)2+(3η21-η03)2
h4=(η30+η12)2+(η21+η03)2
h5=(η30-3η12)(η30+η12)[(η30+η12)2-3(η21-η03)2]+(3η21-η03)(η21+η03)[3(3η21+η03)2
-(η21+η03)2]
h6=(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)
h7=(3η21-η03)(η21+η03)[3(η30+η22)2-(η21+η03)2]-(η30-η12)(η21+η03)[3(η30+η12)2
-(η21+η03)2]
这7个不变矩构成一组特征量,它们具有旋转,缩放和平移不变性;
使用Hu矩进行轮廓匹配的算法为:
其中,
使用Hu矩进行轮廓匹配对某个待检测物品A的轮廓与违禁物品库中的某个违禁物品B的轮廓进行匹配,如果计算得到的I(A,B)小于设定的阈值(0.1),就认为待检测物品A是违禁品,并且待检测物品A是与违禁品B同种类型的违禁品。
进一步的,步骤五中如果检测到了违禁物品,则在X光扫描图像中将不同类型的违禁物品用不同颜色的方框包围,并用文字标注对应的违禁品名称。
相对于现有技术,本发明具有以下有益效果:本发明提供了一种基于数字图像处理的违禁物品检测系统及方法,具有广泛的可用性,安检工作不再需要大量的工作人员,极大地降低人员成本;违禁品的检测和识别不再依赖工作人员的个人知识、经验和工作时的身心状态,可以提高违禁品检测和识别的准确率;可以提高机场、车站等地的安检工作效率,极大地缓解安检排队情况。
附图说明
图1为本发明实施例提供的应用该基于数字图像处理的违禁物品检测系统的结构示意图。
图2为本发明实施例提供的应用该基于数字图像处理的违禁物品检测方法的流程框图。
图3A为本发明实施例提供的待检测物品的X光扫描图像。
图3B为本发明实施例提供的违禁物品检测结果。
具体实施方式
下面结合附图和实施例,对本发明的技术方案做进一步的详细描述。
为了更好地理解本发明的技术方案,首先对于本发明提出的基于数字图像处理的违禁物品检测方法的应用环境进行简单介绍。
图1为本发明实施例提供的应用该基于数字图像处理的违禁物品检测方法的检测系统结构示意图,本发明基于数字图像处理的违禁物品检测方法,应用于如图1所示的检测系统中。
检测系统包括:X光扫描设备、上位机、显示器、微控制器、LED灯、蜂鸣器和报警复位按钮。X光扫描设备的信号输出端连接上位机的输入端,上位机的图像输出端连接显示器,上位机的控制信号输出端连接微控制器的第一输入端,报警复位按钮的输出端连接微控制器的第二输入端,微控制器的输出端连接声光报警装置的LED灯和蜂鸣器的控制端。
其中,X光扫描设备负责对安检机中的物品进行X光扫描,并将扫描图像传给上位机。
显示器负责显示上位机传来的经过违禁品检测之后的X光扫描图像。
上位机上运行违禁品检测程序,负责对X光扫描设备传来的图像进行处理,检测图像中的违禁品,将检测到的不同类型的违禁物品在X光扫描图像中使用不同颜色的方框包围,并在旁边标注违禁品的名称。如果上位机检测到违禁品,则上位机发送声光报警的启动信号给微控制器。
微控制器负责接收上位机发送来的声光报警启动信号和报警复位信号,同时负责接收报警复位按钮的触发信号,在接收到上位机发送来的声光报警启动信号后,控制蜂鸣器发出警报声和LED报警灯闪烁报警,在接收到上位机发送来的报警复位信号或接收到报警复位按钮的触发信号后,控制蜂鸣器停止发出警报声和LED报警灯熄灭。
蜂鸣器负责在检测到违禁物品后发出警报声。
LED报警灯负责在检测到违禁物品后闪烁报警。
报警复位按钮负责触发声光报警信号的复位。
上述已经对本方法的应用环境进行了介绍,下面以图2所示的检测方法流程框图,并结合图1所示的检测系统结构示意图,对本发明实施例提供的基于数字图像处理的违禁物品检测方法进行说明。
请参阅图2所示,本发明提供一种基于数字图像处理的违禁物品检测方法,主要包括如下步骤:
S101:X光扫描设备对待检测物品进行X光扫描,获取待检测物品的X光扫描图像,并将X光扫描图像传给上位机;待检测物品的X光扫描图像如图3A所示。
S102:上位机接收X光扫描图像,并对接收的X光扫描图像进行中值滤波、颜色空间转换和阈值分割处理,将X光扫描图像中的有机物、无机物和混合物进行分离,分别获取待检测物品中有机物的X光图像、无机物的X光图像和混合物的X光图像。
S103:在上位机中分别对有机物的X光图像、无机物的X光图像和混合物的X光图像进行二值化处理和轮廓特征提取,获取待检测物品的形状轮廓。
S104:在上位机中使用Hu矩根据违禁物品库进行轮廓匹配。
S105:根据轮廓匹配结果,在上位机中判断待检测物品中是否含有违禁品;如果含有违禁品跳转至步骤S106;如果不含有违禁品跳转至步骤S108,显示器显示上位机处理后未含有违禁品标记的X光扫描图像(即S101X光扫描设备对待检测物品进行X光扫描获得的原始X光扫描图像);
S106:在上位机中,将检测到的所有违禁品按类型在X光扫描图像中进行分别标记获得,含有违禁品标记的X光扫描图像;然后,上位机发送声光报警的启动信号给微控制器,同时上位机将含有违禁品标记的X光扫描图像传输给显示器显示。
S107:微控制器接收到上位机发送声光报警的启动信号后,控制蜂鸣器发出警报声,同时,控制LED报警灯闪烁报警,实现声光报警的效果。
S108:显示器上显示上位机处理后的X光扫描图像。
在本实施例中,进一步的,S101中所述的待检测物品是指,在机场、车站等地所有需要进行安全检查的物品,可以是单个物品,也可以是包、行李箱等。所述的待检测物品在安检机上的X光扫描图像的颜色主要是根据组成物品的化学成份来定义的,通常,有机物显示为橙黄色,无机物显示为蓝色,混合物显示为绿色。
在本实施例中,进一步的,S102中所述的中值滤波,滤波器模板大小为3×3,以图像中某像素的3×3邻域中的像素值的排序为基础,将像素3×3邻域中像素值的中值代替该像素的值。
所述的颜色空间转换,是将中值滤波后的X光图像从RGB颜色空间转换到HSV颜色空间,转换算法为:
R、G、B分别为图像每个像素点在RGB颜色空间不同通道上的值,H、S、V分别为图像每个像素点在HSV颜色空间不同通道上的值。
max=max(R,G,B)
min=min(R,G,B)
V=max
H的取值范围为0°~360°,S的取值范围为0~1,V的取值范围为0~255。对H和S通道的值进行映射:
H=H/2
S=S×255
此时,H的取值范围为0~180,S的取值范围为0~255,V的取值范围为0~255。
S102中所述的阈值分割,是依据有机物、无机物和混合物在X光扫描下的颜色差别,在H(色调)、S(饱和度)、V(亮度)通道上设定不同的阈值范围,将有机物、无机物和混合物的X光图像进行分割。有机物在H、S、V通道上阈值范围分别为(7,26)、(79,255)、(145,255),无机物在H、S、V通道上阈值范围分别为(98,135)、(103,255)、(0,255),混合物在H、S、V通道上阈值范围分别为(40,81)、(75,255)、(0,255),分割后的有机物、无机物和混合物图像均为二值图像。
在本实施例中,进一步的,S103中所述的轮廓提取,输入的二值图像用f(i,j)表示图像的像素值。每次行扫描,遇到f(i,j-1)=0,f(i,j)>=1,则,f(i,j)是外边界的起始点;f(i,j)>=1,f(i,j+1)=0,则,f(p,q)是孔边界的起始点。然后从起始点开始,使用边界跟踪的方法,提取待检测物品的轮廓。
在本实施例中,进一步的,S104中所述的违禁物品库中包含了待检测的所有违禁品的形状轮廓,并且,所有违禁品的形状轮廓在违禁物品库中按照有机物、无机物和混合物分类存储。将提取到的所有有机物品轮廓与违禁物品库中的所有有机违禁品轮廓进行逐个匹配,将提取到的所有无机物品轮廓与违禁物品库中的所有无机违禁品轮廓进行逐个匹配,将提取到的所有混合物品轮廓与违禁物品库中的所有违禁混合物轮廓进行逐个匹配,获得匹配结果。
使用Hu矩进行轮廓匹配的算法如下。
定义轮廓的p+q阶几何矩:
其中,p对应x维度上的矩,q对应y维度上的矩,f(x,y)表示图像上(x,y)的像素值,N和M分别是图像的高度和宽度。
定义轮廓的p+q阶中心矩:
其中,
定义归一化的中心距:
其中,ρ=(p+q)/2+1
利用二阶和三阶归一化中心矩构造7个不变矩,即Hu矩:
h1=η20+η02
h3=(η30-3η12)2+(3η21-η03)2
h4=(η30+η12)2+(η21+η03)2
h5=(η30-3η12)(η30+η12)[(η30+η12)2-3(η21-η03)2]+(3η21-η03)(η21+η03)[3(3η21+η03)2
-(η21+η03)2]
h6=(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)
h7=(3η21-η03)(η21+η03)[3(η30+η22)2-(η21+η03)2]-(η30-η12)(η21+η03)[3(η30+η12)2
-(η21+η03)2]
这7个不变矩构成一组特征量,它们具有旋转,缩放和平移不变性。
使用Hu矩进行轮廓匹配的算法为:
其中,
使用该算法对某个待检测物品A的轮廓与违禁物品库中的某个违禁物品B的轮廓进行匹配,如果计算得到的I(A,B)小于设定的阈值(0.1),就认为待检测物品A是违禁品,并且待检测物品A是与违禁品B同种类型的违禁品。
在本实施例中,进一步的,S106中如果检测到了违禁物品,则在所述的X光扫描图像中将不同类型的违禁物品用不同颜色的方框包围,并用文字标注对应的违禁品名称。违禁物品检测结果如图3B所示。
在本实施例中,进一步的,如果在所述的待检测物品中检测到了违禁品,则在S108中显示S106中的标记结果。如果在所述的待检测物品中没有检测到违禁品,则在S108中只显示所述的X光扫描图像。
在本实施例中,进一步的,工作人员收到声光报警信号后,点击安检机显示器软件界面上的软件复位按钮,上位机发送报警复位信号到微控制器,对声光报警信号进行复位,也可以通过按下安检机上的硬件复位按钮对声光报警信号进行复位。随后,工作人员对所述的待检测物品进行开包检查。
以上所述,仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于数字图像处理的违禁物品检测系统,其特征在于,包括X光扫描设备、上位机、显示器、微控制器和报警装置;
X光扫描设备的信号输出端连接上位机的输入端,上位机的图像输出端连接显示器,上位机的控制信号输出端连接微控制器的第一输入端,微控制器的输出端连接声光报警装置;
X光扫描设备,用于对安检机中的物品进行X光扫描获得X光扫描图像,并将X光扫描图像传给上位机;
显示器负责显示上位机传来的经过违禁品检测之后的X光扫描图像;
上位机,用于对X光扫描设备传来的X光扫描图像进行处理,检测图像中的违禁品,将检测到的不同类型的违禁物品在X光扫描图像中使用不同颜色的方框包围,并在旁边标注违禁品的名称;如果上位机检测到违禁品,则上位机发送声光报警的启动信号给微控制器;
微控制器,负责接收上位机发送来的声光报警启动信号和报警复位信号,在接收到上位机发送来的声光报警启动信号后,控制报警装置发出警报,在接收到上位机发送来的报警复位信号后,控制报警装置熄灭;
报警装置,用于接收微控制器的信号,在检测到违禁物品后发出警报。
2.根据权利要求1所述的基于数字图像处理的违禁物品检测系统,其特征在于,所述报警装置包括LED灯和蜂鸣器。
3.根据权利要求1所述的基于数字图像处理的违禁物品检测系统,其特征在于,还包括连接微控制器的报警复位按钮,报警复位按钮用于触发复位信号,通过微控制器控制报警装置复位。
4.根据权利要求1所述的基于数字图像处理的违禁物品检测系统,其特征在于,上位机接收X光扫描图像后:
首先,对接收的X光扫描图像进行中值滤波、颜色空间转换和阈值分割处理,将X光扫描图像中的有机物、无机物和混合物进行分离,分别获取待检测物品中有机物的X光图像、无机物的X光图像和混合物的X光图像;
然后,上位机中分别对有机物的X光图像、无机物的X光图像和混合物的X光图像进行二值化处理和轮廓特征提取,获取待检测物品的形状轮廓;使用Hu矩进行轮廓匹配;
然后,上位机根据轮廓匹配结果,判断待检测物品中是否含有违禁品;如果含有违禁品,对文金品进行标记并在显示器中显示并通过微控制器出发报警装置进行警报;如果不含有违禁品则在显示器显示未含有违禁品标记的X光扫描图像。
5.基于数字图像处理的违禁物品检测方法,其特征在于,包括以下步骤:
步骤一:对待检测物品进行X光扫描,获取所述的待检测物品的X光扫描图像;
步骤二:对所述的X光扫描图像进行中值滤波、颜色空间转换和阈值分割处理,将所述的X光扫描图像中的有机物、无机物和混合物进行分离,分别获取所述的待检测物品中有机物的X光图像、无机物的X光图像和混合物的X光图像;
步骤三:分别对所述的有机物的X光图像、无机物的X光图像和混合物的X光图像进行二值化处理和轮廓特征提取,获取所述的待检测物品中所有物品的形状轮廓;
步骤四:使用Hu矩根据违禁物品库进行轮廓匹配;
步骤五:根据所述的轮廓匹配结果,判断待检测物品中是否含有违禁品;如果待检测物品中含有违禁品,则判断是哪种类型的违禁品;
步骤六:显示针对所述的待检测物品的检测结果。
6.根据权利要求5所述的基于数字图像处理的违禁物品检测方法,其特征在于,还包括以下步骤:如果在所述的待检测物品中检测到了违禁品,则将检测到的所有违禁品按类型在待检测物品的X光扫描图像中进行分别标记,并在步骤六中将标记结果进行显示,同时,进行声光报警;如果在待检测物品中没有检测到违禁品,则在步骤六中只显示X光扫描图像。
7.根据权利要求5所述的基于数字图像处理的违禁物品检测方法,其特征在于,中值滤波中滤波器模板大小为3×3,以图像中某像素的3×3邻域中的像素值的排序为基础,将像素3×3邻域中像素值的中值代替该像素的值;
所述的颜色空间转换,是将中值滤波后的X光图像从RGB颜色空间转换到HSV颜色空间,转换算法为:
R、G、B分别为图像每个像素点在RGB颜色空间不同通道上的值,H、S、V分别为图像每个像素点在HSV颜色空间不同通道上的值;
max=max(R,G,B)
min=min(R,G,B)
V=max
H的取值范围为0°~360°,S的取值范围为0~1,V的取值范围为0~255;对H和S通道的值进行映射:
H=H/2
S=S×255
此时,H的取值范围为0~180,S的取值范围为0~255,V的取值范围为0~255;
所述的阈值分割,是依据有机物、无机物和混合物在X光扫描下的颜色差别,在H、S、V通道上设定不同的阈值范围,将有机物、无机物和混合物的X光图像进行分割;有机物在H、S、V通道上阈值范围分别为(7,26)、(79,255)、(145,255),无机物在H、S、V通道上阈值范围分别为(98,135)、(103,255)、(0,255),混合物在H、S、V通道上阈值范围分别为(40,81)、(75,255)、(0,255),分割后的有机物、无机物和混合物图像均为二值图像。
8.根据权利要求5所述的基于数字图像处理的违禁物品检测方法,其特征在于,所述的轮廓提取,输入的二值图像用f(i,j)表示图像的像素值;每次行扫描,遇到f(i,j-1)=0,f(i,j)>=1,则,f(i,j)是外边界的起始点;f(i,j)>=1,f(i,j+1)=0,则,f(i,j)是孔边界的起始点;然后从起始点开始,使用边界跟踪的方法,提取待检测物品的轮廓。
9.根据权利要求5所述的基于数字图像处理的违禁物品检测方法,其特征在于,所述的违禁物品库中包含了待检测的所有违禁品的形状轮廓,并且,所有违禁品的形状轮廓在违禁物品库中按照有机物、无机物和混合物分类存储;将提取到的所有有机物品轮廓与违禁物品库中的所有有机违禁品轮廓进行逐个匹配,将提取到的所有无机物品轮廓与违禁物品库中的所有无机违禁品轮廓进行逐个匹配,将提取到的所有混合物品轮廓与违禁物品库中的所有违禁混合物轮廓进行逐个匹配,获得匹配结果;
使用Hu矩进行轮廓匹配的算法如下:
定义轮廓的p+q阶几何矩:
其中,p对应x维度上的矩,q对应y维度上的矩,f(x,y)表示图像上(x,y)的像素值,N和M分别是图像的高度和宽度;
定义轮廓的p+q阶中心矩:
其中,
定义归一化的中心距:
其中,ρ=(p+q)/2+1
利用二阶和三阶归一化中心矩构造7个不变矩,即Hu矩:
h1=η20+η02
h3=(η30-3η12)2+(3η21-η03)2
h4=(η30+η12)2+(η21+η03)2
h5=(η30-3η12)(η30+η12)[(η30+η12)2-3(η21-η03)2]+(3η21-η03)(η21+η03)[3(3η21+η03)2-(η21+η03)2]
h6=(η20-η02)[(η30+η12)2-(η21+η03)2]+4η11(η30+η12)(η21+η03)
h7=(3η21-η03)(η21+η03)[3(η30+η22)2-(η21+η03)2]-(η30-η12)(η21+η03)[3(η30+η12)2-(η21+η03)2]
这7个不变矩构成一组特征量,它们具有旋转,缩放和平移不变性;
使用Hu矩进行轮廓匹配的算法为:
其中,
使用Hu矩进行轮廓匹配对某个待检测物品A的轮廓与违禁物品库中的某个违禁物品B的轮廓进行匹配,如果计算得到的I(A,B)小于设定的阈值(0.1),就认为待检测物品A是违禁品,并且待检测物品A是与违禁品B同种类型的违禁品。
10.根据权利要求5所述的基于数字图像处理的违禁物品检测方法,其特征在于,步骤五中如果检测到了违禁物品,则在X光扫描图像中将不同类型的违禁物品用不同颜色的方框包围,并用文字标注对应的违禁品名称。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811174410.2A CN109187598A (zh) | 2018-10-09 | 2018-10-09 | 基于数字图像处理的违禁物品检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811174410.2A CN109187598A (zh) | 2018-10-09 | 2018-10-09 | 基于数字图像处理的违禁物品检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109187598A true CN109187598A (zh) | 2019-01-11 |
Family
ID=64947618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811174410.2A Pending CN109187598A (zh) | 2018-10-09 | 2018-10-09 | 基于数字图像处理的违禁物品检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109187598A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946746A (zh) * | 2019-03-21 | 2019-06-28 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN109975332A (zh) * | 2019-02-25 | 2019-07-05 | 北京声迅电子股份有限公司 | 一种应用于x光机的智能物检系统 |
CN109977877A (zh) * | 2019-03-28 | 2019-07-05 | 北京邮电大学 | 一种安检智能辅助判图方法、系统以及系统控制方法 |
CN110488368A (zh) * | 2019-07-26 | 2019-11-22 | 中控智慧科技股份有限公司 | 一种基于双能x光安检机的违禁品识别方法及装置 |
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN111290040A (zh) * | 2020-03-12 | 2020-06-16 | 安徽启新明智科技有限公司 | 一种基于图像识别的主动式双视角关联的方法 |
CN111861330A (zh) * | 2020-07-22 | 2020-10-30 | 南京奥拓电子科技有限公司 | 一种违禁品的识别、安检方法及快递柜装置 |
CN112734758A (zh) * | 2021-03-30 | 2021-04-30 | 同方威视技术股份有限公司 | 基于区块链网络的图像管理设备、管理方法和确权方法 |
CN112965121A (zh) * | 2021-02-03 | 2021-06-15 | 南京航空航天大学 | 一种基于液态金属随机编码的辐射成像安检系统 |
CN113281814A (zh) * | 2021-06-23 | 2021-08-20 | 重庆世纪科怡科技股份有限公司 | 一种基于图像识别的安检装置及其安检方法 |
CN113515248A (zh) * | 2021-05-24 | 2021-10-19 | 浙江华视智检科技有限公司 | 安检仪的显示方法、控制设备及计算机可读存储介质 |
CN113533382A (zh) * | 2021-05-31 | 2021-10-22 | 中铁武汉勘察设计院有限公司 | 一种快速高效的客运站房数据共享安检系统及方法 |
CN114168056A (zh) * | 2021-12-09 | 2022-03-11 | 成都轨道交通集团有限公司 | 一种地铁安检图像信息的显示方法和显示系统 |
CN114332543A (zh) * | 2022-01-10 | 2022-04-12 | 成都智元汇信息技术股份有限公司 | 一种多模板的安检图像识别方法、设备及介质 |
CN114758259A (zh) * | 2022-06-15 | 2022-07-15 | 科大天工智能装备技术(天津)有限公司 | 一种基于x光物体图像识别的包裹检测方法及系统 |
CN114972367A (zh) * | 2021-02-25 | 2022-08-30 | 上海复旦微电子集团股份有限公司 | 分割图像的方法、装置、设备和计算机可读存储介质 |
CN114972367B (zh) * | 2021-02-25 | 2024-06-07 | 上海复旦微电子集团股份有限公司 | 分割图像的方法、装置、设备和计算机可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2335487B (en) * | 1998-03-19 | 2002-03-13 | Heimann Systems Gmbh & Co | X-ray image processing |
US6546072B1 (en) * | 1999-07-30 | 2003-04-08 | American Science And Engineering, Inc. | Transmission enhanced scatter imaging |
CN101034071A (zh) * | 2006-11-01 | 2007-09-12 | 公安部第一研究所 | 中位直射式双能量x射线人体内外藏物检查系统 |
DE112008001662T5 (de) * | 2007-06-21 | 2010-05-20 | Tsinghua University | Verfahren und System zur Detektion von Schmuggelgut unter Verwendung von Photoneutronen und Röntgenstrahlen |
CN104766338A (zh) * | 2015-04-28 | 2015-07-08 | 中云智慧(北京)科技有限公司 | 一种复杂x光伪彩图的显著性检测方法 |
US20160314378A1 (en) * | 2013-02-01 | 2016-10-27 | Tsinghua University | Recognizing method of flaky or blocky prohibited articles, explosives or drugs |
CN106198580A (zh) * | 2016-08-26 | 2016-12-07 | 合肥丁点网络科技有限责任公司 | 一种x光安检机行李危险品快速自动检测报警装置及方法 |
CN106203264A (zh) * | 2016-06-28 | 2016-12-07 | 深圳市元征科技股份有限公司 | 危险物品检测方法和装置 |
CN106872498A (zh) * | 2017-04-11 | 2017-06-20 | 西安培华学院 | 一种违禁品安检自动识别装置 |
CN107607562A (zh) * | 2017-09-11 | 2018-01-19 | 北京匠数科技有限公司 | 一种违禁物品识别设备及方法、x光行李安检系统 |
CN108182454A (zh) * | 2018-01-18 | 2018-06-19 | 苏州大学 | 安检识别系统及其控制方法 |
CN108519625A (zh) * | 2018-04-08 | 2018-09-11 | 安徽理工大学 | 基于射线技术与深度学习的可识别违禁物品安检系统 |
-
2018
- 2018-10-09 CN CN201811174410.2A patent/CN109187598A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2335487B (en) * | 1998-03-19 | 2002-03-13 | Heimann Systems Gmbh & Co | X-ray image processing |
US6546072B1 (en) * | 1999-07-30 | 2003-04-08 | American Science And Engineering, Inc. | Transmission enhanced scatter imaging |
CN101034071A (zh) * | 2006-11-01 | 2007-09-12 | 公安部第一研究所 | 中位直射式双能量x射线人体内外藏物检查系统 |
DE112008001662T5 (de) * | 2007-06-21 | 2010-05-20 | Tsinghua University | Verfahren und System zur Detektion von Schmuggelgut unter Verwendung von Photoneutronen und Röntgenstrahlen |
US20160314378A1 (en) * | 2013-02-01 | 2016-10-27 | Tsinghua University | Recognizing method of flaky or blocky prohibited articles, explosives or drugs |
CN104766338A (zh) * | 2015-04-28 | 2015-07-08 | 中云智慧(北京)科技有限公司 | 一种复杂x光伪彩图的显著性检测方法 |
CN106203264A (zh) * | 2016-06-28 | 2016-12-07 | 深圳市元征科技股份有限公司 | 危险物品检测方法和装置 |
CN106198580A (zh) * | 2016-08-26 | 2016-12-07 | 合肥丁点网络科技有限责任公司 | 一种x光安检机行李危险品快速自动检测报警装置及方法 |
CN106872498A (zh) * | 2017-04-11 | 2017-06-20 | 西安培华学院 | 一种违禁品安检自动识别装置 |
CN107607562A (zh) * | 2017-09-11 | 2018-01-19 | 北京匠数科技有限公司 | 一种违禁物品识别设备及方法、x光行李安检系统 |
CN108182454A (zh) * | 2018-01-18 | 2018-06-19 | 苏州大学 | 安检识别系统及其控制方法 |
CN108519625A (zh) * | 2018-04-08 | 2018-09-11 | 安徽理工大学 | 基于射线技术与深度学习的可识别违禁物品安检系统 |
Non-Patent Citations (1)
Title |
---|
宋修竹: "X光安检图像处理方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109975332A (zh) * | 2019-02-25 | 2019-07-05 | 北京声迅电子股份有限公司 | 一种应用于x光机的智能物检系统 |
CN109946746A (zh) * | 2019-03-21 | 2019-06-28 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN109977877B (zh) * | 2019-03-28 | 2021-03-16 | 北京邮电大学 | 一种安检智能辅助判图方法、系统以及系统控制方法 |
CN109977877A (zh) * | 2019-03-28 | 2019-07-05 | 北京邮电大学 | 一种安检智能辅助判图方法、系统以及系统控制方法 |
CN110488368A (zh) * | 2019-07-26 | 2019-11-22 | 中控智慧科技股份有限公司 | 一种基于双能x光安检机的违禁品识别方法及装置 |
CN110488368B (zh) * | 2019-07-26 | 2021-07-30 | 熵基科技股份有限公司 | 一种基于双能x光安检机的违禁品识别方法及装置 |
CN110738096A (zh) * | 2019-08-23 | 2020-01-31 | 银河水滴科技(北京)有限公司 | 一种智能安检方法、设备和计算机可读存储介质 |
CN111290040A (zh) * | 2020-03-12 | 2020-06-16 | 安徽启新明智科技有限公司 | 一种基于图像识别的主动式双视角关联的方法 |
CN111861330A (zh) * | 2020-07-22 | 2020-10-30 | 南京奥拓电子科技有限公司 | 一种违禁品的识别、安检方法及快递柜装置 |
CN112965121A (zh) * | 2021-02-03 | 2021-06-15 | 南京航空航天大学 | 一种基于液态金属随机编码的辐射成像安检系统 |
CN114972367A (zh) * | 2021-02-25 | 2022-08-30 | 上海复旦微电子集团股份有限公司 | 分割图像的方法、装置、设备和计算机可读存储介质 |
CN114972367B (zh) * | 2021-02-25 | 2024-06-07 | 上海复旦微电子集团股份有限公司 | 分割图像的方法、装置、设备和计算机可读存储介质 |
CN112734758A (zh) * | 2021-03-30 | 2021-04-30 | 同方威视技术股份有限公司 | 基于区块链网络的图像管理设备、管理方法和确权方法 |
CN113515248A (zh) * | 2021-05-24 | 2021-10-19 | 浙江华视智检科技有限公司 | 安检仪的显示方法、控制设备及计算机可读存储介质 |
CN113515248B (zh) * | 2021-05-24 | 2024-03-29 | 浙江华视智检科技有限公司 | 安检仪的显示方法、控制设备及计算机可读存储介质 |
CN113533382A (zh) * | 2021-05-31 | 2021-10-22 | 中铁武汉勘察设计院有限公司 | 一种快速高效的客运站房数据共享安检系统及方法 |
CN113281814A (zh) * | 2021-06-23 | 2021-08-20 | 重庆世纪科怡科技股份有限公司 | 一种基于图像识别的安检装置及其安检方法 |
CN114168056A (zh) * | 2021-12-09 | 2022-03-11 | 成都轨道交通集团有限公司 | 一种地铁安检图像信息的显示方法和显示系统 |
CN114332543B (zh) * | 2022-01-10 | 2023-02-14 | 成都智元汇信息技术股份有限公司 | 一种多模板的安检图像识别方法、设备及介质 |
CN114332543A (zh) * | 2022-01-10 | 2022-04-12 | 成都智元汇信息技术股份有限公司 | 一种多模板的安检图像识别方法、设备及介质 |
CN114758259A (zh) * | 2022-06-15 | 2022-07-15 | 科大天工智能装备技术(天津)有限公司 | 一种基于x光物体图像识别的包裹检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109187598A (zh) | 基于数字图像处理的违禁物品检测系统及方法 | |
CN103761529B (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN109977877B (zh) | 一种安检智能辅助判图方法、系统以及系统控制方法 | |
CN103745226B (zh) | 一种电力设施作业现场人员着装安全检测方法 | |
Njoroge et al. | Automated fruit grading system using image processing | |
CN106886054A (zh) | 基于三维x射线成像的危险品自动识别装置及方法 | |
WO2020173021A1 (zh) | 一种基于人工智能的违禁物识别方法、装置、设备和存储介质 | |
CN106874845B (zh) | 图像识别的方法和装置 | |
CN103926199B (zh) | 危险品检测方法 | |
CN110751079A (zh) | 物品检测方法、装置、系统和计算机可读存储介质 | |
CN103150549B (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
KR102168724B1 (ko) | 이미지 검사를 이용한 이상 판별 방법 및 장치 | |
CN206192923U (zh) | 一种基于云计算的x射线违禁品检测系统 | |
CN107037493B (zh) | 安全检查系统和方法 | |
CN102246186A (zh) | 物品识别方法和系统 | |
CN105068135A (zh) | 行邮智能检测系统及检测方法 | |
CN107301375A (zh) | 一种基于稠密光流的视频图像烟雾检测方法 | |
CN103049739A (zh) | 一种输电线路智能监控中树木检测方法 | |
CN112712093A (zh) | 安检图像识别方法、装置、电子设备及存储介质 | |
CN112394421A (zh) | 太赫兹人体安检方法、系统、介质及设备 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN110441320A (zh) | 一种煤矸石检测方法、装置及系统 | |
Delwiche et al. | Prune defect detection by line-scan imaging | |
CN108021939A (zh) | 一种旧图书的自动分类方法 | |
EP3594682A1 (en) | Leather inspection equipment |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190111 |