CN111199546A - 一种基于角点检测和灰度投影的安检图像截取方法 - Google Patents

Abstract

一种基于角点检测和灰度投影的安检图像截取方法，通过update_hist检测算法，得到安检图像P2中的所有物体的横向坐标add_peaks；对add_peaks序列进行实时跟踪，当add_peaks中出现新的物体时，抛出新物体信号，并记录新的物体的横向坐标(s，e)；根据新的横向坐标截取安检图像P2中第s到e列的图像P4，然后将P4的灰度值投影在纵轴方向上，根据投影得到物体在纵向上的坐标(t，b)，最终获得物体的坐标，截取图像中的物体。本发明避免传统方法搜索检测复杂度，实时检测图片中物体个数及位置，实现不重复的抛出安检图像中出现的新物体。

Description

一种基于角点检测和灰度投影的安检图像截取方法

技术领域

本发明属于安检技术领域，具体涉及一种基于角点检测和灰度投影的安检图像截取方法。

背景技术

安检正在成为每一个城市不可缺少的一环，在城市的轨道交通、机场、物体快递中心、大型活动现场等人员密集的区域。通过安检机对物体的扫描来检测违禁品的方法是一种有效的防止突发状况的手段。根据2017年1月北京市发改委公布的《关于北京市轨道交通17条运营线路实施“人物同检”一期工程项目建议书(代可行性研究报告)的批复》(京改(审)[2016]671号)，北京17条运营线路将全部实施“人物同检”，安检力度不断加强。随着北京地铁安检升级，形成对其他城市轨道交通安保措施的示范和带动效应，上海、广州、福州等地的公安部门及地铁运营公司公布将启用人物同检的安检模式，落实安检职责。为实现人和物体相对应匹配，将安检机图像中的物体一一检测出来就成为了一个必要的步骤。

现有的物体检测方法大概分为三种，一种是基于滑动窗口进行特征选择，然后通过分类器进行判别的，一种是人工设计特征，通过浅层分类器分类，另外一种是基于大数据和深度神经网络的端到端的物体检测框架。但是这些方法不管是滑窗的计算还是分类器的判别，都需要大量的计算时间，人工的特征设计特还需要研究人员的经验驱动。而神经网络的方法更是需要大量的训练数据，对于机器有更高的固件要求，大大的增加了成本。

发明内容

本发明为了解决传统物体检测方法计算量大，消耗时间长，实时性差，训练数据需求量大以及机器性能要求高等问题，引入针对安检机X光图像的基于角点检测和灰度投影的物体检测方法，能够实现对安检视频的实时物体检测。

为了解决上述技术问题，本申请主要采取以下技术方案：

一种基于角点检测和灰度投影的安检图像截取方法，其特征在于：

步骤(1)：通过图像采集卡，将安检机输出信号转换为数字图像信号，获取安检机当前输出画面的数字图像P0；

步骤(2)：将获取的数字图像P0，通过转换函数将彩色数字图像P0转换为灰度图P1，降低后续计算量；将灰度图P1送入到检测算法中，检测安检灰度图P1中的工作人员操作界面的边缘以及灰度图P1的左右边缘，去掉边缘上的噪点，防止影响检测物体，得到去掉操作界面以及噪声边缘的安检图像P2，其宽度为w，高度为h；

步骤(3)：将得到的安检图像P2送入到update_hist检测算法中实时检测安检图像P2中的包裹横向坐标，其中update_hist检测算法是针对安检机图像物体横向排列特性的算法，通过update_hist检测算法，能够得到安检图像P2中的所有物体的横向坐标，即得到每个物体的横向上的坐标add_peaks ((s1，e1)，(s2，e2)，......(si，ei)......(sn，en))，si和ei分别表示第i个物体的横向起止坐标；

步骤(4)：对add_peaks序列进行实时跟踪，当add_peaks中出现新的物体时，立抛出新物体信号，并且记录新的物体的横向坐标(s，e)；

步骤(5)：根据新的物体的横向坐标(s，e)截取安检图像P2中第s到e列的图像P4，然后将图像P4的灰度值投影在纵轴方向上，根据投影得到物体在纵向上的坐标(t，b)，最终获得物体的坐标，截取图像中的物体，获得物体的图像。

所述步骤(2)中的转换函数是opencv的cvtColor函数。

所述update_hist检测算法步骤如下：

步骤(3.1)：计算安检图像P2在横向上的灰度值投影之和hist，并且从安检图像P2中进入新物体的一侧开始，统计w/2宽度范围内的hist的中值mid，根据中值大小判断图像是否需要增强，如果中值不大于理论指标值，则进行图像增强，计算新图像的灰度投影，得到新的图像P3，如果中值大于理论指标值，则不需要进行图像增强处理，直接得到新的图像P3；

步骤(3.2)：将图像P3进行角点检测，在横向上统计个数之和harris，将hist和harris降到统一数量级，然后求和，得到相应投影在横向方向上的和值add_hr_hs；

步骤(3.3)：将和值add_hr_hs送入到波谷检测算法，检测出一组波谷peaks，相邻两个波谷之间的add_hr_hs超过阈值即为一个物体，最后可以得到每个物体的横向上的坐标add_peaks((s1，e1)，(s2，e2)，......(si，ei)......(sn，en))，si和ei分别表示第i个物体的横向起止坐标。

利用本发明的方法所获得的效果：利用安检图像的物品一一排列，背景均为白色的特性，通过角点检测和灰度投影图像进行分析，从二维图像降到一维坐标，能够检测算法对于安检机中很多空白部分图像的无效计算，避免传统方法在滑窗搜索或者检测全图的特征的时间复杂度。同时利用投影的一维数据的波谷检测，能够有效的实时检测图片中物体个数及位置，避免了物体跟踪的复杂算法，从而实现不重复的抛出安检图像中出现的新物体，最终能够实现实时抛出每一个通过安检机的物体图片。通过只保存抛出的物体图片，节省了保存整个安检视频的存储空间，为实现物体和人一一对应，历史查询物体安检图像提供了可能性。

附图说明

图1：基于角点检测和灰度投影的安检图像截取方法流程图；

图2：检测波谷图。

具体实施方式

结合说明书附图对本发明提供的物体检测方法作进一步的详细说明如下：一种基于角点检测和灰度投影的安检图像截取方法，主要包括如下实施步骤：结合附图1方法流程图所示

步骤(1)：通过图像采集卡，将安检机VGA输出信号转换为数字图像信号，获取安检机当前输出画面的数字图像P0，图像P0中包括了多个包裹的x光成像的伪彩图。

步骤(2)：将步骤(1)获取的图像P0，通过opencv的cvtColor函数将彩色图像转换为灰度图P1，降低后续计算量。将图像送入到calRect检测算法中，检测安检图像中的工作人员操作界面的边缘，然后检测图像的左右边缘，去掉边缘上的噪点，防止影响检测物体。最后得到去掉操作界面以及噪声边缘的安检图像P2，宽度为w，高度为h。

步骤(3)：将步骤(2)得到的图像p2送入到update_hist检测算法中实时检测图像中的包裹横向坐标。其中update_hist检测算法是针对安检机图像物体横向排列特性的算法，能够有效解决传统算法计算量大时间长的问题。通过update_hist检测算法之后，即能够得到图像中的所有物体的横向坐标。下面我们详述update_hist检测算法的具体实现步骤。

步骤(3.1)：计算图像P2在横向上的灰度值投影之和hist，并且从安检图像中进入新物体的一侧开始，统计w/2宽度范围内的hist的中值mid，根据中值大小判断图像是否需要增强，如果中值不大于理论指标值，则进行图像增强，计算新图像的灰度投影，得到新的图像P3，如果中值大于理论指标值，则不需要进行图像增强处理，直接得到新的图像P3。如图2所示，途中左上角的数字120即为统计的中值。

步骤(3.2)：将步骤(3.1)得到的图像P3进行角点检测，在横向的方向上统计个数之和harris，将hist和harris降到统一数量级，然后求和，得到相应投影在横向方向上的的add_hr_hs。

步骤(3.3)：将步骤(3.2)得到的add_hr_hs送入到波谷检测算法，检测出一组波谷peaks，如图2所示的波谷，由于物体在横向的投影能够有效的分开每个物体，相邻两个波谷之间的add_hr_hs超过阈值即为一个物体，最后可以得到每个物体的横向上的坐标add_peaks((s1，e1)，(s2，e2)，...(sn，en))，si和ei分别表示第i个物体的横向的起止坐标。

步骤(4)：为实现视频序列的物体检测，不重复检测物体，对add_peaks序列进行实时跟踪，当add_peaks中出现新的物体时，立抛出新物体信号，并且记录新的物体的横向坐标(s，e)。

步骤(5)：根据新的物体的横向坐标(s，e)截取图像P2中第s到e列的图像P4，然后将P4的灰度值投影在纵轴方向上，根据投影得到物体在纵向上的坐标(t，b)。最终获得物体的坐标，截取图像中的物体，获得物体的图像。

本发明利用安检图像的物品一一排列，背景均为白色的特性，通过角点检测和灰度投影图像进行分析，从二维图像降到一维坐标，能够检测算法对于安检机中很多空白部分图像的无效计算，避免传统方法在滑窗搜索或者检测全图的特征的时间复杂度。同时利用投影的一维数据的波谷检测，能够有效的实时检测图片中物体个数及位置，避免了物体跟踪的复杂算法，从而实现不重复的抛出安检图像中出现的新物体，最终能够实现实时抛出每一个通过安检机的物体图片。通过只保存抛出的物体图片，节省了保存整个安检视频的存储空间，为实现物体和人一一对应，历史查询物体安检图像提供了可能性。

Claims (3)

1.一种基于角点检测和灰度投影的安检图像截取方法，其特征在于：

步骤(1)：通过图像采集卡，将安检机输出信号转换为数字图像信号，获取安检机当前输出画面的数字图像P0；

步骤(2)：将获取的数字图像P0，通过转换函数将彩色数字图像P0转换为灰度图P1，降低后续计算量；将灰度图P1送入到检测算法中，检测安检灰度图P1中的工作人员操作界面的边缘以及灰度图P1的左右边缘，去掉边缘上的噪点，防止影响检测物体，得到去掉操作界面以及噪声边缘的安检图像P2，其宽度为w，高度为h；

步骤(3)：将得到的安检图像P2送入到update_hist检测算法中实时检测安检图像P2中的包裹横向坐标，其中update_hist检测算法是针对安检机图像物体横向排列特性的算法，通过update_hist检测算法，能够得到安检图像P2中的所有物体的横向坐标，即得到每个物体的横向上的坐标add_peaks((s1，e1)，(s2，e2)，......(si，ei)......(sn，en))，si和ei分别表示第i个物体的横向起止坐标；

步骤(4)：对add_peaks序列进行实时跟踪，当add_peaks中出现新的物体时，立抛出新物体信号，并且记录新的物体的横向坐标(s，e)；

步骤(5)：根据新的物体的横向坐标(s，e)截取安检图像P2中第s到e列的图像P4，然后将图像P4的灰度值投影在纵轴方向上，根据投影得到物体在纵向上的坐标(t，b)，最终获得物体的坐标，截取图像中的物体，获得物体的图像。

2.一种如权利要求1所述的基于角点检测和灰度投影的安检图像截取方法，其特征在于：所述步骤(2)中的转换函数是opencv的cvtColor函数。

3.一种如权利要求1所述的基于角点检测和灰度投影的安检图像截取方法，其特征在于：所述步骤(3)中的update_hist检测算法步骤如下：

步骤(3.1)：计算安检图像P2在横向上的灰度值投影之和hist，并且从安检图像P2中进入新物体的一侧开始，统计w/2宽度范围内的hist的中值mid，根据中值大小判断图像是否需要增强，如果中值不大于理论指标值，则进行图像增强，计算新图像的灰度投影，得到新的图像P3，如果中值大于理论指标值，则不需要进行图像增强处理，直接得到新的图像P3；

步骤(3.2)：将图像P3进行角点检测，在横向上统计个数之和harris，将hist和harris降到统一数量级，然后求和，得到相应投影在横向方向上的和值add_hr_hs；

步骤(3.3)：将和值add_hr_hs送入到波谷检测算法，检测出一组波谷peaks，相邻两个波谷之间的add_hr_hs超过阈值即为一个物体，最后可以得到每个物体的横向上的坐标add_peaks((s1，e1)，(s2，e2)，......(si，ei)......(sn，en))，si和ei分别表示第i个物体的横向起止坐标。

Images