CN111352170B - 一种分段式扫描方法 - Google Patents

一种分段式扫描方法 Download PDF

Info

Publication number
CN111352170B
CN111352170B CN202010155943.7A CN202010155943A CN111352170B CN 111352170 B CN111352170 B CN 111352170B CN 202010155943 A CN202010155943 A CN 202010155943A CN 111352170 B CN111352170 B CN 111352170B
Authority
CN
China
Prior art keywords
image information
scanned
scanning
contraband
neural network
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
CN202010155943.7A
Other languages
English (en)
Other versions
CN111352170A (zh
Inventor
穆宝忠
沈海平
熊凯
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.)
Zhejiang Yuntesen Technology Co ltd
Original Assignee
Zhejiang Yuntesen Technology 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 Zhejiang Yuntesen Technology Co ltd filed Critical Zhejiang Yuntesen Technology Co ltd
Priority to CN202010155943.7A priority Critical patent/CN111352170B/zh
Publication of CN111352170A publication Critical patent/CN111352170A/zh
Application granted granted Critical
Publication of CN111352170B publication Critical patent/CN111352170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00Prospecting or detecting by optical means
    • G01V8/10Detecting, e.g. by using light barriers
    • G01V8/20Detecting, e.g. by using light barriers using multiple transmitters or receivers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/08Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10008Still image; Photographic image from scanner, fax or copier
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging

Abstract

本发明提供了一种分段式扫描方法,通过分段式扫描待扫描客体以获取该待扫描客体的多段图像信息,然后通过多通道数据融合的方式将多段图像信息合并得到该待扫描客体的整体图像信息,将待扫描客体分为多段进行扫描以降低扫描的难度和耗时,从而提高扫描的效率,并且多段图像信息中相邻的图像信息存在重叠部分,利用重叠部分可以实现相邻的图像信息之间的定位,从而提高扫描的准确率。

Description

一种分段式扫描方法
技术领域
本发明涉及扫描领域,具体涉及一种分段式扫描方法。
背景技术
随着大型公共场所人流量及公共安全需求的急剧增加,人体安检的需求日益增长。但目前在机场、车站等公共场所对人体广泛使用的安全检测手段主要还是金属探测器、离子谱仪和X光检测仪。金属探测器只能检测到人体携带的金属物品,离子谱仪主要用于检测人体是否携带爆炸物,X光检测仪主要用于对随身携带的行李物品等进行检测,无法对人体进行探测。因此,为了保证安检的可靠性,通常都需要对人体和物品分别进行检测,这样就需要每个过安检的人要将其随身携带的行李物品放置在X光检测仪上进行检测,并且由相应的工作人员对其自身进行安检,这样的安检过程较为复杂,其效率也较低,很容易造成人员拥堵,同时由于需要工作人员参与安检,这也会造成较多的人力投入,并且由于长时间的安检工作也会导致工作人员的疲劳操作,从而出现漏检的风险。
随着安检技术的不断发展,太赫兹波技术近年来逐渐成为研究热点,被应用到人体安检领域。太赫兹波本身光子能量低,对人体几乎没有危害,对纺织品、皮革等材料有较好的穿透性,易于得到更高的空间分辨率。太赫兹安检成像系统分为被动式成像和主动式成像,被动式成像依靠人体自身产生的微弱的太赫兹波来进行成像和安检,不需要外加太赫兹辐射源照射人体,但是由于信号太弱,成像速度相对比较慢。主动式成像过程是由安检系统发出的太赫兹辐射照射到目标上,目标把含有自身振幅和相位的太赫兹波信号反射回安检系统,转换为电信号形成目标的太赫兹反射图像,根据图像的形状和灰度值来提取目标的特征信息,但是因为只有单点式的发射器和接收器,每次只能测量目标平面的一个点,要想得到图像必须进行二维机械扫描,结构非常复杂,并且成像时间也较长,难以达到实用。
发明内容
有鉴于此,本发明实施例致力于提供一种分段式扫描方法,通过分段式扫描待扫描客体以获取该待扫描客体的多段图像信息,然后通过多通道数据融合的方式将多段图像信息合并得到该待扫描客体的整体图像信息,将待扫描客体分为多段进行扫描以降低扫描的难度和耗时,从而提高扫描的效率,并且多段图像信息中相邻的图像信息存在重叠部分,利用重叠部分可以实现相邻的图像信息之间的定位,从而提高扫描的准确率。
本发明一实施例提供的一种分段式扫描方法,包括:扫描待扫描客体并获取所述待扫描客体的多段图像信息;以及合并所述多段图像信息,得到所述待扫描客体的整体图像信息;其中,所述多段图像信息中相邻的图像信息存在重叠部分。
在一实施例中,所述扫描待扫描客体并获取所述待扫描客体的多段图像信息包括:发射太赫兹波束扫描所述待扫描客体,并且接收所述待扫描客体反射或散射的太赫兹波束来获取所述待扫描客体的多段图像信息。
在一实施例中,所述发射太赫兹波束扫描所述待扫描客体包括:发射器在进行螺旋运动或圆柱运动的同时发射太赫兹波束扫描所述待扫描客体。
在一实施例中,所述通过多通道数据融合的方式合并所述多段图像信息,得到所述待扫描客体的整体图像信息包括:根据所述多段图像信息中相邻的图像信息之间的重叠部分对所述多段图像信息进行定位,得到定位后的多段图像信息;以及将所述定位后的多段图像信息合并,得到所述待扫描客体的整体图像信息。
在一实施例中,所述将所述定位后的多段图像信息合并包括:将将所述定位后的多段图像信息通过非相干合成法进行合并。
在一实施例中,在所述得到所述待扫描客体的整体图像信息之后,所述分段式扫描方法还包括:识别所述整体图像信息中的违禁品图像信息。
在一实施例中,所述识别所述整体图像信息中的违禁品图像信息包括:将所述整体图像信息输入神经网络模型,通过所述神经网络模型得到所述整体图像信息中的违禁品图像信息。
在一实施例中,所述神经网络模型的训练方法包括:将整体图像样本和所述整体图像样本中所包含的违禁品标准图像作为训练样本,训练所述神经网络模型。
在一实施例中,在所述训练所述神经网络模型之前,该训练方法还包括:将所述训练样本进行旋转或裁剪操作,以获取多个训练样本。
在一实施例中,在所述通过所述神经网络模型得到所述整体图像信息中的违禁品图像信息之后,所述分段式扫描方法还包括:对所述违禁品图像信息进行第三方复查,得到复查结果;当复查结果为所述违禁品图像信息为错误信息时,对所述违禁品图像信息进行修正,得到正确的违禁品图像信息;以及将所述整体图像信息和正确的违禁品图像信息作为训练样本再次训练所述神经网络模型。
本发明实施例提供的一种分段式扫描方法,通过分段式扫描待扫描客体以获取该待扫描客体的多段图像信息,然后将多段图像信息合并得到该待扫描客体的整体图像信息,将待扫描客体分为多段进行扫描以降低扫描的难度和耗时,从而提高扫描的效率,并且多段图像信息中相邻的图像信息存在重叠部分,利用重叠部分可以实现相邻的图像信息之间的定位,从而提高扫描的准确率。
附图说明
图1所示为本申请一实施例提供的一种分段式扫描方法的流程图。
图2所示为本申请一实施例提供的一种分段式扫描装置的结构示意图。
图3所示为本申请一实施例提供的一种扫描器件的结构示意图。
图4所示为本申请另一实施例提供的一种分段式扫描方法的流程图。
图5所示为本申请另一实施例提供的一种分段式扫描方法的流程图。
图6所示为本申请另一实施例提供的一种分段式扫描方法的流程图。
图7所示为本申请另一实施例提供的一种分段式扫描方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,在示例性实施例中,因为相同的参考标记表示具有相同结构的相同部件或相同方法的相同步骤,如果示例性地描述了一实施例,则在其他示例性实施例中仅描述与已描述实施例不同的结构或方法。
在整个说明书及权利要求书中,当一个部件描述为“连接”到另一部件,该一个部件可以“直接连接”到另一部件,或者通过第三部件“电连接”到另一部件。此外,除非明确地进行相反的描述,术语“包括”及其相应术语应仅理解为包括所述部件,而不应该理解为排除任何其他部件。
图1所示为本申请一实施例提供的一种分段式扫描方法的流程图。如图1所示,该分段式扫描方法包括如下步骤:
步骤110:扫描待扫描客体并获取待扫描客体的多段图像信息。
为了提高扫描的效率,可以设置多个扫描器件分别获取多段图像信息,如图2所示为本申请一实施例提供的一种分段式扫描装置的结构示意图,该分段式扫描装置包括:扫描平台1、旋转轴2、多个扫描器件3,旋转轴2竖直设置于扫描平台1上,多个扫描器件3沿竖直方向排列设置于旋转轴2上;其中,扫描平台1可以包括封闭结构,待扫描客体置于扫描平台1外,旋转轴2相对扫描平台1做三维旋转运动。扫描平台1设置为封闭结构,当待扫描客体(例如人体以及随身携带的物品)站在扫描平台1外时,扫描器件3随着旋转轴2的旋转运动而实现对待扫描客体多方位的扫描,以实现快速的三维成像。在一实施例中,扫描器件3可以是太赫兹主动成像仪,步骤110具体为:发射太赫兹波束扫描待扫描客体,并且接收该待扫描客体反射或散射的太赫兹波束来获取该待扫描客体的多段图像信息。太赫兹是一种波长介于红外线与微波之间的电磁波,比X射线的光子能量小,对人体不会产生电离损伤,且能很好地穿透硬纸板、塑料、陶瓷、泡沫等非极性材料。因此,太赫兹安检仪是一种新型的安全检察手段,具有较强探测能力,能够检测衣物和行李中或人体内是否隐藏可疑物品,同时还能探测出陶瓷刀具、毒品粉末和炸药等非金属危险物质,因此,不用分别对人体和随身物品进行扫描,从而提高扫描效率。在一实施例中,旋转轴2可以相对扫描平台1做螺旋运动或圆柱运动等。通过旋转轴2相对扫描平台1做螺旋运动或圆柱运动,可以带动位于旋转轴2上的多个扫描器件3对扫描平台1外的待扫描客体进行多方位的扫描,以实现快速的三维成像,应当理解,本申请实施例可以根据实际应用场景的需求而选取旋转轴2的不同运行轨迹,例如阶梯运动等,只要所选取的旋转轴2的运动轨迹能够带动其上多个扫描器件3对待扫描客体的多方位扫描即可,本申请实施例对于旋转轴2的具体运行轨迹不做限定。还应当理解,图2所示为本申请实施例示例性给出的一个可实现的分段式扫描装置的结构,但是本申请实施例并不限定应用该分段式扫描方法的具体装置结构。
在进一步的实施例中,如图2所示,该分段式扫描装置可以包括五个扫描器件3。若扫描器件3的数量过少会导致每个扫描器件3所要扫描的范围较大,从而增加扫描时长、降低扫描效率,若扫描器件3的数量过多又会导致部分扫描器件3在实际工作过程中的作用很小,甚至没有作用,从而造成浪费,因此,本申请实施例通过设置五个扫描器件3,可以在保证扫描的效率且不会因为扫描器件3的数量过多而造成浪费。应当理解,本申请实施例也可以根据实际应用场景的不同而选取扫描器件3的不同数量,只要所选取的扫描器件3的数量能够满足扫描需求即可,本申请实施例对于扫描器件3的具体数量不做限定。
在一实施例中,如图2所示,扫描平台1可以包括:支撑底座11、支撑顶板12、支撑柱13;其中,支撑顶板12与支撑底座11对应设置且位于支撑底座11上方,支撑柱13设置于支撑底座11和支撑顶板12之间并连接支撑顶板12与支撑底座11。通过支撑底座11、支撑顶板12以及支撑柱13形成一个封闭结构,当待扫描客体位于该封闭结构外时,扫描器件3可以对该待扫描客体进行快速扫描成像,并且在完成扫描后,该待扫描客体可以自由远离该封闭结构。在一实施例中,扫描平台1可以包括四根支撑柱13,该四根支撑柱13分别设置于支撑底座11和支撑顶板12的四个角落,以实现稳固支撑底座11和支撑顶板12。应当理解,本申请实施例可以根据实际应用场景的不同而选取支撑柱12的数量和设置位置,只要所选取的支撑柱12的数量和设置位置能够稳固支撑底座11和支撑顶板12且与支撑底座11和支撑顶板12形成封闭结构即可,本申请实施例对于支撑柱12的具体数量和具体设置位置不做限定。
在一实施例中,如图2所示,支撑顶板12上可以设置驱动器件14,驱动器件14与旋转轴2连接,驱动器件14驱动旋转轴2相对扫描平台1做三维旋转运动。通过设置驱动器件14驱动旋转轴2相对扫描平台1做三维旋转运动,继而带动设置于旋转轴2上的扫描器件3做三维旋转运动并且对待扫描客体进行快速扫描成像。在一实施例中,驱动器件14可以为驱动电机等具有驱动能力的部件,但是应当理解,本申请实施例可以根据实际应用场景的不同而选取不同的驱动器件14的具体结构,只要所选取的驱动器件14的具体结构能够驱动旋转轴2相对扫描平台1做三维旋转运动即可,本申请实施例对于驱动器件14的具体结构不做限定。
在一实施例中,如图2所示,驱动器件14与旋转轴2可以通过传动丝杆结构15连接。在支撑顶板12上设置传动丝杆结构15,旋转轴2一端与支撑顶板12通过传动丝杆结构连接,驱动器件14驱动旋转轴2相对扫描平台1做三维旋转运动。在另一实施例中,驱动器件14与旋转轴2可以通过齿轮结构连接。齿轮结构包括齿轮和齿条,齿轮与旋转轴2连接,驱动器件14驱动齿轮沿齿条运动,从而带动旋转轴2相对扫描平台1做三维旋转运动。应当理解,本申请实施例可以根据实际应用场景的不同而选取驱动器件14与旋转轴2的不同连接结构,例如驱动器件14与旋转轴2可以通过凸轮等结构连接,只要所选取的驱动器件14与旋转轴2的连接结构能够实现旋转轴2相对扫描平台1做三维旋转运动即可,本申请实施例对于驱动器件14与旋转轴2的具体连接结构不做限定。
在一实施例中,如图2所示,待扫描客体远离扫描器件3一侧可以设置吸波板4。通过设置吸波板4,可以有效吸收杂散的电磁波,为后续成像提供良好的灰度背景,从而提供成像的质量。在一实施例中,单个扫描器件3可以采用时域后向投影成像算法将扫描获取的原始数据投影到平面上,形成分段图像。通过时域后向投影成像算法获取分段图像,可以避免单个扫描器件3在成像过程中受到其他扫描器件3的干扰。
图3所示为本申请一实施例提供的一种扫描器件的结构示意图。如图3所示,扫描器件3可以包括发射太赫兹波的发射器31、接收太赫兹波的探测器32。通过发射器31主动发射太赫兹波至待扫描客体、探测器32接收由待扫描客体发射或散射回来的太赫兹波信号,从而实现了对待扫描客体的扫描操作。在一实施例中,发射器31可以通过多级倍频的方式获取太赫兹波。利用多级倍频的方式可以获取稳定且可靠的太赫兹波信号,从而保证了发射器31所发射出的太赫兹波的稳定性和可靠性,继而保证了良好的扫描效果。在一实施例中,发射器31可以改变其输出电磁波的频率。通过改变其输出电磁波的频率,例如改变其输出电磁波的频率至该电磁波的波长为毫米级别,从而应用于毫米波成像的领域,提高了该分段式扫描装置的应用领域。
在一实施例中,如图3所示,扫描器件3可以包括多个探测器32,多个探测器32沿竖直方向分别设置于发射器31的两侧。在进一步的实施例中,扫描器件3可以包括四个探测器32,且该四个探测器32分别设置于发射器31的两侧,即沿竖直方向有两个探测器32设置于发射器31的上侧、另外两个探测器32设置于发射器31的下侧。应当理解,本申请实施例可以根据实际应用场景的不同而选取探测器32的不同数量以及设置位置,只要所选取的探测器32的数量以及设置位置能够保证发射器31所发射的电磁波信号被接收即可,本申请实施例对于探测器32的具体数量以及具体设置位置不做限定。还应当理解,本申请实施例也可以根据实际应用场景的不同而选取发射器31的不同数量,只要所选取的发射器31的数量能够满足扫描需求即可,本申请实施例对于发射器31的具体数量不做限定。
步骤120:通过多通道数据融合的方式合并多段图像信息,得到待扫描客体的整体图像信息;其中,多段图像信息中相邻的图像信息存在重叠部分。
通过多通道获取多段图像信息,将获取的多段图像信息通过多通道数据融合的方式合并以得到待扫描客体的整体图像信息,利用化整为零的思想,将待扫描客体的整体图像信息分为多段图像信息获取,从而提高扫描的效率,同时可以减小每段图像信息的获取过程中的计算量,从而降低了对扫描器件的运算能力的要求。并且通过设置相邻的图像信息存在重叠部分,即相邻的扫描器件3的扫描范围存在一定的重叠部分,可以保证后续成像的完整性。同时,由于扫描器件3的扫描范围的边缘部分可能会存在分辨率不高的情况,通过设置重叠部分,可以有效避免分段图像的边缘分辨率不高的问题,从而提高成像的效果。在进一步的实施例中,上述重叠部分沿竖直方向的宽度可以大于或等于合成孔径长度,其中,合成孔径长度=发射器31与待扫描客体的距离*发射器31所发射的电磁波的波束宽度。将重叠部分沿竖直方向的宽度设置为大于或等于合成孔径长度,可以有效避免分段图像的边缘分辨率不高的问题。在进一步实施例中,上述相邻的扫描器件3之间的间隔距离=待扫描客体的高度/(扫描器件的数量+2*合成孔径长度),其中待扫描客体的高度可以根据实际生活中人员的高度设定,例如可以设置为2米,本申请实施例对此不做限定。根据待扫描客体的高度和扫描器件的数量、重叠部分的宽度(与合成孔径长度对应)设定相邻的扫描器件3之间的间隔距离,可以保证待扫描客体成像的完整性和分辨率。
具体的,合并多段图像信息可以在一个与扫描器件3通讯连接的控制器件中实现,通过设置控制器件将多个扫描器件3分别获取的多个部分成像或多个分段式成像进行合成操作,以得到待扫描客体的完整影像,该控制器件还可以控制驱动器件14的运转和扫描器件3的扫描操作。应当理解,本申请实施例中可以将控制驱动器件14的运转和扫描器件3的扫描操作的功能由额外的控制单元完成,例如分别设置于驱动器件14和扫描器件3内部的控制单元,本申请实施例对此不做限定。在进一步的实施例中,控制器件可以通过非相干合成的方式将多个分段式成像合成得到最终的待扫描客体的完整影像,应当理解,本申请实施例也可以根据实际应用场景的需求而选取其他的合成方式,例如相干合成的方式,本申请实施例对此不做限定。
本发明实施例提供的一种分段式扫描方法,通过分段式扫描待扫描客体以获取该待扫描客体的多段图像信息,然后通过多通道数据融合的方式将多段图像信息合并得到该待扫描客体的整体图像信息,将待扫描客体分为多段进行扫描以降低扫描的难度和耗时,从而提高扫描的效率,并且多段图像信息中相邻的图像信息存在重叠部分,利用重叠部分可以实现相邻的图像信息之间的定位,从而提高扫描的准确率。
图4所示为本申请另一实施例提供的一种分段式扫描方法的流程图。如图4所示,步骤120可以包括如下子步骤:
步骤121:根据多段图像信息中相邻的图像信息之间的重叠部分对多段图像信息进行定位,得到定位后的多段图像信息。
可以根据该重叠部分对多段图像信息进行定位合并,即通过重叠部分的覆盖定位实现多段图像的精准对应,从而保证了最终的成像准确性。
步骤122:将定位后的多段图像信息通过多通道数据融合的方式合并,得到待扫描客体的整体图像信息。
将定位完成后的多段图像信息通过多通道数据融合的方式进行合并操作,即将定位后的多段图像进行拼接,以得到待扫描客体的整体图像。
图5所示为本申请另一实施例提供的一种分段式扫描方法的流程图。如图5所示,在步骤120之后,该分段式扫描方法还可以包括:
步骤130:展示整体图像信息。
在合并得到待扫描客体的整体图像信息后,可以通过显示器件来展示该待扫描客体的整体图像,从而根据该整体图像判断待扫描客体是否携带违禁品。在一实施例中,步骤130可以具体包括:分别展示整体图像的全部信息和部分信息,即通过不同的显示屏分别展示全部信息和部分信息。例如显示器件可以包括第一显示屏和第二显示屏,其中第一显示屏用于展示待扫描客体的全部成像信息以供工作人员查看,第二显示屏用于展示待扫描客体的部分信息(不包括个人隐私信息)以公开于公共环境中,其中第二显示屏可以将待扫描客体的头像用卡通形象模拟显示。通过设置两个显示屏,可以在保证检查的准确性的同时也能保护个人隐私。
图6所示为本申请另一实施例提供的一种分段式扫描方法的流程图。如图6所示,在步骤120之后,该分段式扫描方法还可以包括:
步骤140:识别整体图像信息中的违禁品图像信息。
可以通过设置自动识别器件来自动识别待扫描客体中所包含的危险物品,以辅助人工检查。在一实施例中,自动识别器件可以包括神经网络模型,具体的,该神经网络模型可以包括深度学习神经网络模型,步骤140的具体实现方式为:将整体图像信息输入神经网络模型,通过该神经网络模型得到整体图像信息中的违禁品图像信息。在人工查看的同时辅以自动识别,可以进一步提高检查的准确性,并且也能大幅降低人工的工作量。在一实施例中,该神经网络模型的训练方法可以为:将整体图像样本和该整体图像样本中所包含的违禁品标准图像作为训练样本,训练该神经网络模型。通过大量训练样本的训练,可以保证神经网络模型的自动识别精度。在一实施例中,该神经网络模型在训练的过程中,可以对训练样本(包括危险物品的待扫描客体的影像)进行旋转、裁剪等操作,以获取更多的训练样本,并且通过上述操作也能提高训练样本的广泛性,避免实际识别过程中由于部分遮挡或者放置角度的不同而无法识别,从而提高神经网络模型的识别精度。通过深度学习的训练,可以实现神经网络模型自动识别疑似危险物品,并标示出对应的疑似危险物品。
图7所示为本申请另一实施例提供的一种分段式扫描方法的流程图。如图7所示,在步骤140之后,该分段式扫描方法还可以包括:
步骤150:对违禁品图像信息进行第三方复查,得到复查结果。
当神经网络模型识别出存在违禁品图像信息时,特别是该神经网络模型识别初期,其识别精度和可靠性还有待确定,可以对该违禁品图像信息进行第三方复查,例如人工复查,并给出复查结果。
步骤160:当复查结果为违禁品图像信息为错误信息时,对违禁品图像信息进行修正,得到正确的违禁品图像信息。
当复查结果为该违禁品图像信息为错误信息时,由该第三方对错误的违禁品图像信息进行修正,以得到正确的违禁品图像信息,例如当神经网络模型标示出违禁品的位置有偏差时,将违禁品的正确位置标示出,又例如当神经网络模型标示出的违禁品位置不存在违禁品时,可以将对应的标示删除。
步骤170:将整体图像信息和正确的违禁品图像信息作为训练样本再次训练神经网络模型。
将第三方修正后的正确的违禁品图像信息和对应的整体图像信息作为训练样本对该神经网络模型再次训练,以进一步提高该神经网络模型的识别精度。
应当理解,本申请实施例可以根据实际应用场景的需求而选取自动识别的具体方法,例如也可以通过图像识别的方式将需要自动识别的物品提取并与危险品或违禁品的标准图像进行比对,从而获取待扫描客体中的危险品或违禁品,本申请实施例对于自动识别的具体方法不做限定。
本发明实施例还提供的分段式扫描方法及对应给出的扫描装置可以应用于安检设备,通过分段式扫描待扫描客体以获取该待扫描客体的多段图像信息,然后将多段图像信息合并得到该待扫描客体的整体图像信息,将待扫描客体分为多段进行扫描以降低扫描的难度和耗时,从而提高安检的效率,并且多段图像信息中相邻的图像信息存在重叠部分,利用重叠部分可以实现相邻的图像信息之间的定位,从而提高安检的准确率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种分段式扫描方法,其特征在于,包括:
扫描待扫描客体并获取所述待扫描客体的多段图像信息;
通过多通道数据融合的方式合并所述多段图像信息,得到所述待扫描客体的整体图像信息;以及
将所述整体图像信息输入神经网络模型,通过所述神经网络模型得到所述整体图像信息中的违禁品图像信息;
其中,所述多段图像信息中相邻的图像信息存在重叠部分;
所述神经网络模型的训练方法包括:
将整体图像样本和所述整体图像样本中所包含的违禁品标准图像作为训练样本,并将所述训练样本进行旋转或裁剪操作,以获取多个训练样本;以及
根据所述多个训练样本训练所述神经网络模型;
所述扫描待扫描客体并获取所述待扫描客体的多段图像信息的具体实现方式包括:
多个扫描器件在进行螺旋运动或圆柱运动的同时发射太赫兹波束扫描所述待扫描客体,并且接收所述待扫描客体反射或散射的太赫兹波束来获取所述待扫描客体的多段图像信息;
所述扫描器件包括发射太赫兹波的发射器和接收太赫兹波的多个探测器,所述多个探测器沿竖直方向分布设置于所述发射器的两侧;相邻的所述扫描器件的扫描范围存在重叠部分,相邻的所述扫描器件之间的间隔距离=待扫描客体的高度/(扫描器件的数量+2*合成孔径长度),其中所述合成孔径长度=所述发射器与所述待扫描客体的距离*所述发射器所发射的电磁波的波束宽度。
2.根据权利要求1所述的分段式扫描方法,其特征在于,所述通过多通道数据融合的方式合并所述多段图像信息,得到所述待扫描客体的整体图像信息包括:
根据所述多段图像信息中相邻的图像信息之间的重叠部分对所述多段图像信息进行定位,得到定位后的多段图像信息;以及
将所述定位后的多段图像信息合并,得到所述待扫描客体的整体图像信息。
3.根据权利要求2所述的分段式扫描方法,其特征在于,所述将所述定位后的多段图像信息合并包括:
将所述定位后的多段图像信息通过非相干合成法进行合并。
4.根据权利要求1所述的分段式扫描方法,其特征在于,在所述通过所述神经网络模型得到所述整体图像信息中的违禁品图像信息之后,还包括:
对所述违禁品图像信息进行第三方复查,得到复查结果;
当复查结果为所述违禁品图像信息为错误信息时,对所述违禁品图像信息进行修正,得到正确的违禁品图像信息;以及
将所述整体图像信息和正确的违禁品图像信息作为训练样本再次训练所述神经网络模型。
CN202010155943.7A 2020-03-09 2020-03-09 一种分段式扫描方法 Active CN111352170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010155943.7A CN111352170B (zh) 2020-03-09 2020-03-09 一种分段式扫描方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010155943.7A CN111352170B (zh) 2020-03-09 2020-03-09 一种分段式扫描方法

Publications (2)

Publication Number Publication Date
CN111352170A CN111352170A (zh) 2020-06-30
CN111352170B true CN111352170B (zh) 2021-03-23

Family

ID=71192616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010155943.7A Active CN111352170B (zh) 2020-03-09 2020-03-09 一种分段式扫描方法

Country Status (1)

Country Link
CN (1) CN111352170B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859599B (zh) * 2021-01-08 2022-07-19 淮阴工学院 一种物体传递凸轮控制系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106691488A (zh) * 2017-01-25 2017-05-24 重庆大学 螺旋ct扫描成像方法及系统
CN209847189U (zh) * 2018-12-07 2019-12-27 深圳市一体医疗科技有限公司 一种微波螺旋扫描装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7809109B2 (en) * 2004-04-09 2010-10-05 American Science And Engineering, Inc. Multiple image collection and synthesis for personnel screening
EP2378280A4 (en) * 2008-12-22 2013-06-05 Omron Tateisi Electronics Co X-RAY INSPECTION METHOD AND X-RAY INSPECTION APPARATUS
CN103630947B (zh) * 2012-08-21 2016-09-28 同方威视技术股份有限公司 可监测放射性物质的背散射人体安检系统及其扫描方法
CN103901491B (zh) * 2012-12-27 2017-10-17 同方威视技术股份有限公司 人体背散射安检系统
US9036770B2 (en) * 2013-03-07 2015-05-19 Triple Ring Technologies, Inc. System and method for saving time and dose in computed tomography
CN104914478A (zh) * 2015-07-01 2015-09-16 博康智能网络科技股份有限公司 太赫兹人体安检系统及安检方法
CN105158810B (zh) * 2015-07-02 2017-08-25 中国科学院上海微系统与信息技术研究所 一种基于分段算法的毫米波平面扫描成像方法
CN105759269B (zh) * 2016-04-25 2018-06-26 华讯方舟科技有限公司 三维全息成像的安检系统及方法
CN107665486B (zh) * 2017-09-30 2020-04-17 深圳绰曦互动科技有限公司 一种应用于x射线图像的自动拼接方法、装置及终端设备
CN108761552B (zh) * 2018-03-16 2021-03-26 电子科技大学 一种双通道同步检测的主动式毫米波人体安检成像系统
CN109324349A (zh) * 2018-10-25 2019-02-12 河北华讯方舟太赫兹技术有限公司 基于毫米波的分区扫描安检仪系统及其扫描方法
CN209784559U (zh) * 2018-12-29 2019-12-13 同方威视技术股份有限公司 毫米波太赫兹成像设备
CN109975335B (zh) * 2019-03-07 2024-01-12 北京航星机器制造有限公司 一种ct检测方法及装置
CN110716241A (zh) * 2019-11-22 2020-01-21 浙江云特森科技有限公司 单点扫描的毫米波安检系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106691488A (zh) * 2017-01-25 2017-05-24 重庆大学 螺旋ct扫描成像方法及系统
CN209847189U (zh) * 2018-12-07 2019-12-27 深圳市一体医疗科技有限公司 一种微波螺旋扫描装置

Also Published As

Publication number Publication date
CN111352170A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
US9223051B2 (en) X-ray based system and methods for inspecting a person's shoes for aviation security threats
US8199996B2 (en) Systems and methods for improving directed people screening
RU2444723C2 (ru) Устройство и способ досмотра объектов
US9285325B2 (en) Personnel screening system
JP4751332B2 (ja) 隠蔽された物体の検知
US6094472A (en) X-ray backscatter imaging system including moving body tracking assembly
US8995619B2 (en) Personnel screening system
US11525929B2 (en) Pass-through X-ray backscatter personnel scanner
MX2010007176A (es) Sistema de seguridad mejorado para inspeccion personas.
CA2793229A1 (en) Personnel screening system
EP3279701A1 (en) Security inspection apparatus and method
CN202929217U (zh) 可监测人体携带放射性物质的背散射人体安检系统
US20140056410A1 (en) Back-scatter human body security inspection system and scanning method thereof to detect radioactive matter
CN111352170B (zh) 一种分段式扫描方法
CN111272096B (zh) 一种三维扫描装置、安检设备
US20070030955A1 (en) Scatter imaging system
KR102646933B1 (ko) 고품질 영상 판독 기능을 가지는 ai 엑스레이 보안검색 시스템
US20220244377A1 (en) Inspection system and inspection 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
GR01 Patent grant
GR01 Patent grant