CN110544227A - 被动式太赫兹人体安检图像目标检测方法 - Google Patents

被动式太赫兹人体安检图像目标检测方法 Download PDF

Info

Publication number
CN110544227A
CN110544227A CN201810534667.8A CN201810534667A CN110544227A CN 110544227 A CN110544227 A CN 110544227A CN 201810534667 A CN201810534667 A CN 201810534667A CN 110544227 A CN110544227 A CN 110544227A
Authority
CN
China
Prior art keywords
image
terahertz
contour
target
human body
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
Application number
CN201810534667.8A
Other languages
English (en)
Inventor
李超
李睿
吴世有
王顺
方广有
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.)
Institute of Electronics of CAS
Original Assignee
Institute of Electronics of CAS
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 Institute of Electronics of CAS filed Critical Institute of Electronics of CAS
Priority to CN201810534667.8A priority Critical patent/CN110544227A/zh
Publication of CN110544227A publication Critical patent/CN110544227A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开提供一种被动式太赫兹人体安检图像目标检测方法，包括步骤A：利用C‑V模型对太赫兹安检图像进行图像分割，并对图像分割结果进行二值化处理得到二值化太赫兹图像；步骤B：对步骤A所得到的二值化太赫兹图像进行预处理，补偿无关区域背景，再采用二值图像连通区域标记方法标记并提取出太赫兹图像中隐藏目标的个数和位置；以及步骤C：根据步骤B所标记和提取出的隐藏目标的二值化太赫兹图像，采用目标轮廓跟踪的方法提取目标的轮廓，进而完成被动式太赫兹人体安检图像目标的检测，提升人体安检设备的准确率和安检效率。

Description

被动式太赫兹人体安检图像目标检测方法
技术领域
本公开涉及图像检测识别技术领域，尤其涉及一种被动式太赫兹人体安检图像目标检测方法。
背景技术
太赫兹波是指频率从0.1THz至10THz，波长为0.03mm至3mm的电磁波。太赫兹波可穿透如衣物、塑料、木板等“透明”物品，对金属、陶瓷、粉末状物品可进行透视成像。太赫兹波段能量较低，对人体没有危害，因此被应用于人体安检设备，太赫兹人体安检设备主要利用太赫兹波段的以上特性，对人体成像，以凸显出人体衣物内隐藏的目标，如枪支、匕首、毒品、炸药等。太赫兹人体安检仪是目前已知最合适的人体安检方法，在未来的公共场合将发挥着越来越重要的作用。太赫兹图像目标检测是指对采集的太赫兹安检图像进行后处理，以达到目标自动检测的功能，但由于太赫兹图像与光学图像相比，图像分辨率较低，且只是单一的灰度图像，并且往往携带了大量的噪声，存在图像边缘模糊等问题，给图像后处理带来困难。
公开内容
(一)要解决的技术问题
本公开提供了一种被动式太赫兹人体安检图像目标检测方法，能完成处于人体非边缘区域的目标物的自动检测，不仅能自动检测出人体隐藏目标的个数，还能提取出目标的轮廓，可进一步用于人体隐藏目标的识别上，提升人体安检设备的准确率和安检效率，以缓解现有技术中因太赫兹波段的图像分辨率较低，往往携带了大量的噪声，存在图像边缘模糊等而带来的后期图像处理困难，目标物识别困难等技术问题。
(二)技术方案
本公开提供一种被动式太赫兹人体安检图像目标检测方法，包括：步骤A：利用C-V模型对太赫兹安检图像进行图像分割，并对图像分割结果进行二值化处理得到二值化太赫兹图像；步骤B：对步骤A所得到的二值化太赫兹图像进行预处理，补偿无关区域背景，再采用二值图像连通区域标记方法标记并提取出太赫兹图像中隐藏目标的个数和位置；以及步骤C：根据步骤B所标记和提取出的隐藏目标的二值化太赫兹图像，采用目标轮廓跟踪的方法提取目标的轮廓。
在本公开实施例中，所述步骤A中将该C-V模型应用到边缘模糊的太赫兹被动图像的分割处理上，一次性分割出人体区域和目标。
在本公开实施例中，所述步骤A中，引入能量函数F(c1，c2，C)表征提取到的太赫兹图像轮廓的效果，能量函数F(c1，c2，C)公式如下：
F(c1，c2，C)＝μ·Length(C)+ν·Area(inside(C))
+λ1∫inside(C)|u0(x，y)-c1|2dxdy+λ2∫outside(c)|u0(x，y)-c2|2dxdy
其中，C是提取的轮廓，u0是太赫兹图像像素值矩阵，c1、c2分别是轮廓C内部与外部像素值的均值，μ，ν，λ1，λ2均是可调节的参数；Length(C)是分割出的轮廓线的长度，Area(inside(C))是轮廓内部区域的面积；
C-V模型通过轮廓C将图像的像素点数值分成了两类，能量函数F(c1，c2，C)表征了分类后类内方差的大小，当轮廓位于目标边缘时，类内方差最小。
在本公开实施例中，增加轮廓长度与轮廓内部区域面积的约束项，将太赫兹图像分割问题转成了以下的约束最优化问题，如以下公式所示：
能量函数F(c1，c2，C)写成水平集形式，将轮廓C的表达改成一个二元函数φ(x，y)满足φ(x，y)＝0的所有像素点位置(x，y)的形式，使轮廓演变过程中可以发生拓扑性的改变，水平集形式的表达中引入以下的阶跃函数H用于区别图像中轮廓内外像素区域，H函数形式如下：
其中ε为控制参数，z为自变量，
将F(c1，c2，C)中轮廓C用一个二维曲面函数φ(x，y)并结合H函数改写成以下形式：
其中，δ是阶跃函数H的导数，固定c1、c2，F是关于φ的泛函，其最小化问题可通过变分法求解φ的梯度下降流，推导出该二维变分问题的梯度下降流由下述公式导出：
其中，F为F(c1，c2，C)表达式积分号内部公式，t是时间变量，将其代入上式得：
其中，是梯度算子，div是散度算子。
在本公开实施例中，步骤B中所述对步骤A所得到的二值化太赫兹图像预处理，补偿无关区域背景，即将无关区域的像素置0。
在本公开实施例中，所述步骤B中二值图像连通区域标记方法包括：
步骤1：逐行扫描图像，将每一行中连续的白色像素组成的一个序列称作一个团，记录它的起点start、终点end及所在行号；
步骤2：行扫描时，对于第一行除外的其他所有行里的团，如果与前一行中所有团都没有重合区域，则给它一个新标号；如果它仅与上一行中一个团有重合区域，则将上一行的那个团标号赋给它；如果它与上一行的2个及以上的团有重叠区域，则给当前团赋值相连团的最小标号，并将上一行的这几个团标记写入等价对；
步骤3：将等价对转换成等价序列，每一个序列给一个相同的标号；
步骤4：遍历开始团的标记，查找等价序列，给予他们新的标记；以及
步骤5：将每个团的标记填入标记图像中。
在本公开实施例中，所述步骤B中，太赫兹图像经过连通区域标记后，图像上不同的区域被赋予不同的标记值，人体区域没有标记值，背景区域标记值为1，目标和一些很小区域的噪声点标记为2及以上。
在本公开实施例中，所述步骤C中目标轮廓跟踪方法，根据步骤B所完成的标记点数值，按从上到下、从左到右搜索图像，标记值像素总个数小于阈值，则判断该目标为噪声，重新搜索下个标记值。
在本公开实施例中，所述步骤C中目标轮廓跟踪方法，根据步骤B所完成的标记点数值，按从上到下、从左到右搜索图像，标记值的像素总个数大于阈值，则开始轮廓跟踪，将第一次遇到的像素为1的位置作为目标起始位置，按照顺时针方向沿目标区域的最外围搜索，不断跟踪轮廓，当跟踪到起始点时，停止搜索。
在本公开实施例中，以上一些实施例中所述的被动式太赫兹人体安检图像目标检测方法，所述阈值为30。
(三)有益效果
从上述技术方案可以看出，本公开被动式太赫兹人体安检图像目标检测方法至少具有以下有益效果其中之一或其中一部分：
(1)能够自动检测出人体非边缘区域的隐藏目标，并提取出目标轮廓信息；
(2)目标检测方法简洁、高效。
(3)目标轮廓点搜索方法速度较快。
附图说明
图1为本公开实施例金属手枪模型及被动式太赫兹设备采集的人体与金属手枪模型的太赫兹图像示意图。
图2为本公开实施例被动式太赫兹人体安检图像目标检测方法流程示意图。
图3为本公开实施例基于C-V模型对太赫兹被动图像进行分割的前4次迭代过程示意图。
图4为本公开实施例C-V模型中收敛后的φ(x，y)曲面示意图。
图5为本公开实施例二值化后的太赫兹图像示意图。
图6为本公开实施例太赫兹二值化图像无关区域补偿后的图像，以及对应的取反图像示意图。
图7为本公开实施例二值化后图像连通区域标记矩阵三维形式示意图。
图8为本公开实施例提取目标轮廓时的轮廓跟踪方向示意图。
图9为本公开实施例轮廓跟踪过程中毛刺点示意图。
图10为本公开实施例被动式太赫兹人体安检图像目标检测的MATLAB GUI界面。
图11为本公开实施例一状态下人体与金属手枪模型的太赫兹图像示意图。
图12为本公开实施例另一状态下人体与金属手枪模型的太赫兹图像示意图。
图13为本公开实施例再一状态下人体与金属手枪模型的太赫兹图像示意图。
图14为本公开实施例又一状态下人体与金属手枪模型的太赫兹图像示意图。
具体实施方式
本公开提供了一种被动式太赫兹人体安检图像目标检测方法，能完成处于人体非边缘区域的目标物的自动检测，不仅能自动检测出人体隐藏目标的个数，还能提取出目标的轮廓，可进一步用于人体隐藏目标的识别上，提升人体安检设备的准确率和安检效率，以缓解现有技术中因太赫兹波段的图像分辨率较低，往往携带了大量的噪声，存在图像边缘模糊等而带来的后期图像处理困难，目标物识别困难等技术问题。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
在本公开实施例中，图1为本公开实施例金属手枪模型及被动式太赫兹设备采集的人体与金属手枪模型的太赫兹图像示意图，如图1所示，安检图像显示出人体隐藏的目标一支手枪模型。
在本公开实施例中，提供一种被动式太赫兹人体安检图像目标检测方法，图2为被动式太赫兹人体安检图像目标检测方法流程示意图，由图2所示，所述方法包括如下步骤：
步骤A：利用C-V模型(Chan Vese model)对太赫兹安检图像进行图像分割，并将图像分割结果二值化处理；
步骤B：对步骤A所得到的二值化太赫兹图像预处理，补偿无关区域背景，再采用二值图像连通区域标记方法快速提取出太赫兹图像中隐藏目标的个数和位置；
步骤C：根据步骤B所标记和提取出的隐藏目标的二值化太赫兹图像，采用目标轮廓跟踪的方法提取目标的轮廓。
在本公开实施例中，所述步骤A中，利用C-V模型对于无强烈边缘图像分割的优势，将该模型应用到边缘模糊的太赫兹被动图像的分割处理上，一次性分割出人体区域和目标。引入能量函数F(c1，c2，C)表征提取到的太赫兹图像轮廓的效果，能量函数F(c1，c2，C)公式如下：
F(c1，c2，C)＝μ·Length(C)+ν·Area(inside(C))
+λ1∫inside(C)|u0(x，y)-c1|2dxdy+λ2∫outside(c)|u0(x，y)-c2|2dxdy
其中，C是提取的轮廓，u0是太赫兹图像像素值矩阵，c1和c2分别是轮廓C内部与外部像素值的均值，μ，ν，λ1，λ2均是可调节的参数；其中Length(C)是分割出的轮廓线的长度，Area(inside(C))是轮廓内部区域的面积；C-V模型通过轮廓C将图像的像素点数值分成了两类，其中，能量函数F(c1，c2，C)表征了分类后类内方差的大小。当轮廓位于目标边缘时，类内方差最小。同时，增加轮廓长度与轮廓内部区域面积的约束项，将太赫兹图像分割问题转成了以下的约束最优化问题，如以下公式所示：
能量函数F(c1，c2，C)写成水平集形式，将轮廓C的表达改成一个二元函数φ(x，y)满足φ(x，y)＝0的所有像素点位置(x，y)的形式，使轮廓演变过程中可以发生拓扑性的改变，水平集形式的表达中引入以下的阶跃函数H用于区别图像中轮廓内外像素区域，H函数形式如下：
其中ε为控制参数，z为自变量；
将F(c1，c2，C)中轮廓C用φ(x，y)并结合H函数改写成以下形式：
其中，δ是阶跃函数H的导数。固定c1、c2，F是关于φ的泛函，其最小化问题可通过变分法求解φ的梯度下降流。推导出该二维变分问题的梯度下降流由下述公式导出：
其中，F为F(c1，c2，C)表达式积分号内部公式，t是时间变量，将其代入上式得：
其中，是梯度算子，div是散度算子。
在本公开实施例中，μ＝0.5，v＝1，λ1＝1，λ2＝1，ε＝1，算法中的迭代方向选择梯度下降流为如下：
图3为本公开实施例基于C-V模型对太赫兹被动图像进行分割的前4次迭代过程示意图，其中φ初始状态设置成如下：
在本公开实施例中，图4为本公开实施例C-V模型中收敛后的φ(x，y)曲面示意图，φ(x，y)＝0是最终得到的太赫兹图像轮廓边缘；进一步的，结合该应用场景和水平集的演变特点分析，函数φ收敛时具有：人体区域满足φ＜0，目标及边界区域满足φ＞0的特点。基于该特点，对φ作二值化处理，凸显φ＜0的区域，得到二值化的太赫兹图像，如图5所示，图5为本公开实施例的二值化后的太赫兹图像。
在本公开实施例中，所述步骤B，太赫兹图像经过二值化后，人体非边缘区域的隐藏目标便被孤立出来。图6为本公开实施例太赫兹二值化图像无关区域补偿后的图像，以及对应的取反图像示意图，结合图5和图6所示，在标记连通区域之前，对步骤A所得到的二值化太赫兹图像预处理，将由于成像体制导致的上下两半径约80像素半圆外区域的像素值置0，如图6中(a)所示，补偿无关区域背景，然后再将预处理后的太赫兹图像取反，得到如图6中(b)所示示意图，然后采用二值图像连通区域标记的方法，采用基于行程的连通区域标记方法实现对太赫兹图像目标区域的提取及目标个数的判断。所述连通区域标记方法包括：
步骤1：逐行扫描图像，将每一行中连续的白色像素组成的一个序列称作一个团，记录它的起点start、终点end及所在行号。
步骤2：行扫描时，对于第一行除外的其他所有行里的团，如果与前一行中所有团都没有重合区域，则给它一个新标号；如果它仅与上一行中一个团有重合区域，则将上一行的那个团标号赋给它；如果它与上一行的2个及以上的团有重叠区域，则给当前团赋值相连团的最小标号，并将上一行的这几个团标记写入等价对。
步骤3：将等价对转换成等价序列，每一个序列给一个相同的标号。
步骤4：遍历开始团的标记，查找等价序列，给予他们新的标记。
步骤5：将每个团的标记填入标记图像中。
在本公开实施例中，在太赫兹图像经过连通区域标记后，图像上不同的区域被赋予不同的标记值。人体区域没有标记值，背景区域标记值为1，目标和一些很小区域的噪声点标记为2及以上，将连通区域像素总数小于30的噪声块过滤掉。
在本公开实施例中，图8为本公开实施例提取目标轮廓时的轮廓跟踪方向示意图，为提取太赫兹图像目标轮廓，规定了如图8所示的所有情况下的太赫兹图像目标轮廓跟踪方式，在步骤B得到的太赫兹图像基础上进行轮廓点跟踪搜索。如图8所示，3x3像素区域方格里的①表示跟踪点的前一次位置，②表示当前跟踪点位置，③表示下一次跟踪点选择的位置。每次轮廓点搜索时根据上次来的方向选择图8中的某个情况，按照顺时针方向搜索，即图8中所示的箭头所指方向，搜索时，将遇到的第一次③处像素为1的位置作为下一次的跟踪点。以上设计的目标轮廓点搜索方法速度较快，但也时常会进入到一些跟踪点出不去的目标边缘毛刺点，图8为本公开实施例轮廓跟踪过程中毛刺点示意图，如图9中所示“x”的方格点代表了常见的毛刺点，阴影方格代表像素为0，非阴影方格代表像素为1。因此，在每个跟踪点上都判断是否进入了毛刺点，若发现进入到毛刺点，及时返回到上一步，并通过“置0”操作消除该毛刺点。目标边缘毛刺点的判断条件为：当前位置上面和下面像素都为0，或者左边和右边像素都为0。以下是太赫兹图像目标轮廓跟踪的流程，包括：
根据标记点数值，按从上到下、从左到右搜索图像，找到二值图像对应标记点的目标起始位置，若该标记值像素总个数小于阈值，则判断该目标为噪声，重新搜索下个标记值。若该标记值的像素总个数大于阈值，则开始轮廓跟踪；所述阈值为30。
在本公开实施例中，轮廓跟踪采用沿目标区域最外围顺时针方向搜索，根据目标区域总是在搜索方向的右边，设计如图8所示的搜索方向。方格中②代表当前位置，①代表前一次位置，③是下一次所有可能的位置。按照顺时针方向搜索，将遇到的第一次③为1的位置设置成下一次跟踪的位置，不断跟踪轮廓，当跟踪到起始点时，停止搜索。
在本公开实施例中，图10为被动式太赫兹人体安检图像目标检测的MATLAB GUI界面，图11至图14为人体与金属枪模型不同状态下的太赫兹图像示意图。结合图11至图14所示，金属枪模型处于人体的非边缘区域，被设备自动检测成像并标示出轮廓线，为太赫兹人体安检的自动化流程提供可能。
至此，已经结合附图对本公开实施例进行了详细描述。需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。
依据以上描述，本领域技术人员应当对本公开被动式太赫兹人体安检图像目标检测方法有了清楚的认识。
综上所述，本公开提供了一种被动式太赫兹人体安检图像目标检测方法，能完成处于人体非边缘区域的目标物的自动检测，不仅能自动检测出人体隐藏目标的个数，还能提取出目标的轮廓，可进一步用于人体隐藏目标的识别上，缓解了现有技术中因太赫兹波段的图像分辨率较低，且往往携带了大量的噪声，存在图像边缘模糊等而带来的后期图像处理困难、目标物识别困难等技术问题，提升了人体安检设备的准确率和安检效率。
还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。
除非有所知名为相反之意，本说明书及所附权利要求中的数值参数是近似值，能够根据通过本公开的内容所得的所需特性改变。具体而言，所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字，应理解为在所有情况中是受到「约」的用语所修饰。一般情况下，其表达的含义是指包含由特定数量在一些实施例中±10％的变化、在一些实施例中±5％的变化、在一些实施例中±1％的变化、在一些实施例中±0.5％的变化。
再者，单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词，以修饰相应的元件，其本身并不意味着该元件有任何的序数，也不代表某一元件与另一元件的顺序、或是制造方法上的顺序，该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。
此外，除非特别描述或必须依序发生的步骤，上述步骤的顺序并无限制于以上所列，且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。并且，在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。
类似地，应当理解，为了精简本公开并帮助理解各个公开方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。
以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种被动式太赫兹人体安检图像目标检测方法，包括：
步骤A：利用C-V模型对太赫兹安检图像进行图像分割，并对图像分割结果进行二值化处理得到二值化太赫兹图像；
步骤B：对步骤A所得到的二值化太赫兹图像进行预处理，补偿无关区域背景，再采用二值图像连通区域标记方法标记并提取出太赫兹图像中隐藏目标的个数和位置；以及
步骤C：根据步骤B所标记和提取出的隐藏目标的二值化太赫兹图像，采用目标轮廓跟踪的方法提取目标的轮廓。
2.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，其中，所述步骤A中将该C-V模型应用到边缘模糊的太赫兹被动图像的分割处理上，一次性分割出人体区域和目标。
3.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，其中，所述步骤A中，引入能量函数F(c1，c2，C)表征提取到的太赫兹图像轮廓的效果，能量函数F(c1，c2，C)公式如下：
F(c1，c2，C)＝μ·Length(C)+ν·Area(inside(C))+λ1∫inside(C)|u0(x，y)-c1|2dxdy+λ2∫outside(C)|u0(x，y)-c2|2dxdy
其中，C是提取的轮廓，u0是太赫兹图像像素值矩阵，c1、c2分别是轮廓C内部与外部像素值的均值，μ，ν，λ1，λ2均是可调节的参数，Length(C)是分割出的轮廓线的长度，Area(inside(C))是轮廓内部区域的面积；
C-V模型通过轮廓C将图像的像素点数值分成了两类，能量函数F(c1，c2，C)表征了分类后类内方差的大小，当轮廓位于目标边缘时，类内方差最小。
4.根据权利要求3所述的被动式太赫兹人体安检图像目标检测方法，其中，增加轮廓长度与轮廓内部区域面积的约束项，将太赫兹图像分割问题转成了以下的约束最优化问题，如以下公式所示：
能量函数F(c1，c2，C)写成水平集形式，将轮廓C的表达改成一个二元函数φ(x，y)满足φ(x，y)＝0的所有像素点位置(x，y)的形式，使轮廓演变过程中可以发生拓扑性的改变，水平集形式的表达中引入以下的阶跃函数H用于区别图像中轮廓内外像素区域，H函数形式如下：
其中ε为控制参数，z为自变量，将F(c1，c2，C)中轮廓C用一个二维曲面函数φ(x，y)并结合H函数改写成以下形式：
其中，δ是阶跃函数H的导数，固定c1、c2，F是关于φ的泛函，其最小化问题可通过变分法求解φ的梯度下降流，推导出该二维变分问题的梯度下降流由下述公式导出：
其中，F为F(c1，c2，C)表达式积分号内部公式，t是时间变量，将其代入上式得：
其中，是梯度算子，div是散度算子。
5.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，步骤B中所述对步骤A所得到的二值化太赫兹图像预处理，补偿无关区域背景，即将无关区域的像素置0。
6.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，所述步骤B中二值图像连通区域标记方法包括：
步骤1：逐行扫描图像，将每一行中连续的白色像素组成的一个序列称作一个团，记录它的起点start、终点end及所在行号；
步骤2：行扫描时，对于第一行除外的其他所有行里的团，如果与前一行中所有团都没有重合区域，则给它一个新标号；如果它仅与上一行中一个团有重合区域，则将上一行的那个团标号赋给它；如果它与上一行的2个及以上的团有重叠区域，则给当前团赋值相连团的最小标号，并将上一行的这几个团标记写入等价对；
步骤3：将等价对转换成等价序列，每一个序列给一个相同的标号；
步骤4：遍历开始团的标记，查找等价序列，给予他们新的标记；以及
步骤5：将每个团的标记填入标记图像中。
7.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，所述步骤B中，太赫兹图像经过连通区域标记后，图像上不同的区域被赋予不同的标记值，人体区域没有标记值，背景区域标记值为1，目标和一些很小区域的噪声点标记为2及以上。
8.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，所述步骤C中目标轮廓跟踪方法，根据步骤B所完成的标记点数值，按从上到下、从左到右搜索图像，标记值像素总个数小于阈值，则判断该目标为噪声，重新搜索下个标记值。
9.根据权利要求1所述的被动式太赫兹人体安检图像目标检测方法，所述步骤C中目标轮廓跟踪方法，根据步骤B所完成的标记点数值，按从上到下、从左到右搜索图像，标记值的像素总个数大于阈值，则开始轮廓跟踪，将第一次遇到的像素为1的位置作为目标起始位置，按照顺时针方向沿目标区域的最外围搜索，不断跟踪轮廓，当跟踪到起始点时，停止搜索。
10.根据权利要求8或9所述的被动式太赫兹人体安检图像目标检测方法，所述阈值为30。
CN201810534667.8A 2018-05-29 2018-05-29 被动式太赫兹人体安检图像目标检测方法 Pending CN110544227A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810534667.8A CN110544227A (zh) 2018-05-29 2018-05-29 被动式太赫兹人体安检图像目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810534667.8A CN110544227A (zh) 2018-05-29 2018-05-29 被动式太赫兹人体安检图像目标检测方法

Publications (1)

Publication Number Publication Date
CN110544227A true CN110544227A (zh) 2019-12-06

Family

ID=68701624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810534667.8A Pending CN110544227A (zh) 2018-05-29 2018-05-29 被动式太赫兹人体安检图像目标检测方法

Country Status (1)

Country Link
CN (1) CN110544227A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709961A (zh) * 2020-05-14 2020-09-25 南京航空航天大学 一种被动式太赫兹图像目标的实时分割分类方法
CN112150494A (zh) * 2020-09-23 2020-12-29 博微太赫兹信息科技有限公司 一种太赫兹人体安检图像显示增强方法及系统
CN112508113A (zh) * 2020-12-14 2021-03-16 中国科学院空天信息创新研究院 被动式太赫兹人体图像隐蔽目标的检测方法及装置
CN117132842A (zh) * 2023-10-26 2023-11-28 江苏鹰创科技有限公司 基于太赫兹特征的违禁物品智能检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2972094A1 (fr) * 2011-07-28 2012-08-31 Commissariat Energie Atomique Capteur d'image terahertz multidirectionnel
CN103955940A (zh) * 2014-05-16 2014-07-30 天津重方科技有限公司 一种基于x射线背散射图像的人体隐藏物的检测方法
CN106443815A (zh) * 2016-09-05 2017-02-22 华讯方舟科技有限公司 一种太赫兹安检方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2972094A1 (fr) * 2011-07-28 2012-08-31 Commissariat Energie Atomique Capteur d'image terahertz multidirectionnel
CN103955940A (zh) * 2014-05-16 2014-07-30 天津重方科技有限公司 一种基于x射线背散射图像的人体隐藏物的检测方法
CN106443815A (zh) * 2016-09-05 2017-02-22 华讯方舟科技有限公司 一种太赫兹安检方法及系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
HUIXIN TONG ET AL.: "A low-power-consumption and high efficiency security system for automatic detection of concealed objects in human body", 《2016 SEVENTH INTERNATIONAL GREEN AND SUSTAINABLE COMPUTING CONFERENCE (IGSC)》 *
TONY CHAN ET AL.: "An Active Contour Model without Edges", 《SCALE-SPACE THEORIES IN COMPUTER VISION》 *
WU-CHIH HU ET AL.: ""Robust real-time ship detection and tracking for visual surveillance of cage aquaculture", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 *
ZHAO RAN ET AL.: "Target recognition in passive terahertz image of human body", 《MILLIMETER-WAVE, AND TERAHERTZ TECHNOLOGIES III》 *
姜圆香: "基于连通域筛选和腐蚀重构的钢材裂痕检测", 《长江大学学报(自科版)》 *
杨玥: "分布式光纤传感技术在高速铁路测速中的应用", 《交通科技》 *
王林华: "太赫兹安检系统人体图像边缘物体识别", 《红外与激光工程》 *
胡磊力: "基于人类视觉系统的实时红外目标检测方法", 《西北工业大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709961A (zh) * 2020-05-14 2020-09-25 南京航空航天大学 一种被动式太赫兹图像目标的实时分割分类方法
CN111709961B (zh) * 2020-05-14 2023-10-27 南京航空航天大学 一种被动式太赫兹图像目标的实时分割分类方法
CN112150494A (zh) * 2020-09-23 2020-12-29 博微太赫兹信息科技有限公司 一种太赫兹人体安检图像显示增强方法及系统
CN112150494B (zh) * 2020-09-23 2022-10-25 博微太赫兹信息科技有限公司 一种太赫兹人体安检图像显示增强方法及系统
CN112508113A (zh) * 2020-12-14 2021-03-16 中国科学院空天信息创新研究院 被动式太赫兹人体图像隐蔽目标的检测方法及装置
CN117132842A (zh) * 2023-10-26 2023-11-28 江苏鹰创科技有限公司 基于太赫兹特征的违禁物品智能检测方法
CN117132842B (zh) * 2023-10-26 2024-01-23 江苏鹰创科技有限公司 基于太赫兹特征的违禁物品智能检测方法

Similar Documents

Publication Publication Date Title
CN110544227A (zh) 被动式太赫兹人体安检图像目标检测方法
Pan et al. A robust system to detect and localize texts in natural scene images
US9639748B2 (en) Method for detecting persons using 1D depths and 2D texture
CN106650553A (zh) 车牌识别方法及系统
CN108038481A (zh) 一种结合最大极值稳定区域和笔画宽度变化的文本定位方法
CN108109163A (zh) 一种航拍视频的运动目标检测方法
CN109559324A (zh) 一种线阵图像中的目标轮廓检测方法
CN105718552A (zh) 基于服装手绘草图的服装图像检索方法
CN111027544A (zh) 一种基于视觉显著性检测的mser车牌定位方法及系统
CN104123554A (zh) 基于mmtd的sift图像特征提取方法
CN111476804A (zh) 托辊图像高效分割方法、装置、设备及存储介质
US20050135695A1 (en) Method for radiological image processing
CN107330434A (zh) 一种基于phog特征的电路图中电气符号识别方法
Giri Text information extraction and analysis from images using digital image processing techniques
Anjomshoae et al. Enhancement of template-based method for overlapping rubber tree leaf identification
CN117078726A (zh) 一种基于边缘提取的异谱图像配准方法
Mol et al. Text recognition using poisson filtering and edge enhanced maximally stable extremal regions
Zhang et al. Adaptive Harris corner detection algorithm based on B-spline function
Turki et al. Scene text detection images with pyramid image and MSER enhanced
Poornima et al. A method to align images using image segmentation
Sushma et al. Text detection in color images
Saidallah et al. Classification and comparison of license plates localization algorithms
Patel et al. Text segmentation from images
He et al. Scene text detection based on skeleton-cut detector
Taschwer et al. AAUITEC at ImageCLEF 2015: Compound Figure Separation.

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: 20191206

RJ01 Rejection of invention patent application after publication