CN112364903A - 基于x光机的物品分析及多维图像关联方法与系统 - Google Patents
基于x光机的物品分析及多维图像关联方法与系统 Download PDFInfo
- Publication number
- CN112364903A CN112364903A CN202011188667.0A CN202011188667A CN112364903A CN 112364903 A CN112364903 A CN 112364903A CN 202011188667 A CN202011188667 A CN 202011188667A CN 112364903 A CN112364903 A CN 112364903A
- Authority
- CN
- China
- Prior art keywords
- image
- article
- suspicious
- ray machine
- computer
- 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 38
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000013136 deep learning model Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims 3
- 238000013135 deep learning Methods 0.000 claims 2
- 238000003384 imaging method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G01V5/22—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Abstract
本发明公开一种基于X光机的物品分析及多维图像关联方法与系统,该系统包括物品检查通道、传送带以及用于图像识别的计算机,物品检查通道上设有分离设置的X光机以及图像抓拍模块;图像抓拍模块包括支架以及位于支架上的摄像机;图像抓拍模块支持在不同角度架设摄像机,从而获取物品的多视角RGB可见光图像;X光机以及摄像机的输出端均通过电缆与计算机连接;计算机获得X光机拍摄的X光图像并解析,将解析结果与已经预设的违禁或可疑物品类型表比对,若有比对结果,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块对该可疑物品进行抓拍。本发明将摄像机架设在X光机外部,不受X光线影响,从而实现可疑物品的拍照取证。
Description
技术领域
本发明属于物品检测技术领域,特别涉及一种基于X光机的物品分析及多维图像关联方法与系统。
背景技术
目前,X光机广泛应用于安检与安防领域。得益于X光的强穿透性,该类机器能够获取待检物品的透视图,便于识别存有违禁物品的物品(后文统称为“可疑物品”),在安全防范中发挥了重要作用。但目前安检过程中缺少可疑物品拍照取证环节,具有如下缺陷:
A、目前安检过程中缺少可疑物品拍照取证环节,不利于证据线索收集以及由可疑物品为线索的可疑人员追踪等后续案件侦破工作的开展。
B、如果将拍摄物品可见光图像的摄像机(后文统称为“摄像机”)安装在X光机内部,则因其感光元件容易受到X光干扰而影响成像质量。
因此,目前亟需要解决将拍摄图像功能集中到物品安检系统中的难题,为后续拍照取证环节提供技术支持。
发明内容
在下文中给出了关于本发明实施例的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,以下概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
根据本申请的一个方面,提供一种基于X光机的物品分析及多维图像关联系统,包括物品检查通道、运送物品穿过物品检查通道的传送带以及用于图像识别的计算机,物品检查通道上设有分离设置的X光机以及图像抓拍模块,X光机内部具有X射线阵列探测器;所述图像抓拍模块包括支架以及位于支架上的摄像机;X光机以及摄像机的输出端均通过电缆与计算机连接。
根据本申请的另一方面,提供一种基于X光机的物品分析及多维图像关联方法,应用于上述可疑物品图像获取系统中,其包括如下过程:
所述计算机获得X光机拍摄的X光图像并解析,将解析结果与预设的正常阈值进行对比,如果超出正常阈值,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块的摄像机对该可疑物品进行抓拍。
其中,所述X光机拍摄的X光图像包括:物品的俯视图和物品的侧视图。
计算机对X光图像获取并解析,具体包括:利用深度学习模型对X光图像中物品内容进行检测和识别,该过程包括提取物品图像的深层次特征,预测目标在图像中的位置坐标和目标类。在使用深度学习模型之前,所需要进行的工作还包括:确定目标类型,获取并标注X光图像,训练并优化深度学习模型等工作。
将解析结果与预设的正常阈值进行对比以判定物品是否可疑,具体包括:根据人工或深度学习模型识别的目标类型,结合违禁或可疑物品类型表,确定当前目标是否为可疑目标。其中违禁物品列表可根据实际业务自定义,在安检场景中的一种应用实例是:枪支、刀具、手雷、打火机、锤子、冲击钻等。
具体的,计算机控制摄像机获取解析物品的X光图像后,判定该物品为可疑物品时,会为该物品对应的X光图像进行标记,通过该标记表明该物品为识别出的可疑物品,该标记可以是由人工标记,或者是通过预设的计算机图像标记算法自动标记。
计算机控制摄像机对该可疑物品进行抓拍具体包括:计算机根据传送带的传送速度以及X光机与图像抓拍模块之间的距离计算可疑物品到达摄像机的图像拍摄区域所需的时间T,计算机通知相应摄像机在时间T到达时实施抓拍。
作为一种可行的方案,计算机控制摄像机对该可疑物品进行抓拍,具体是:根据X光机长度l1、X光机到图像拍摄区域的距离s和图像拍摄区域长度l2以及传送带的运行速度v计算当前可疑物品箱到达拍摄区域中心所需的时间t1:t1=(0.5(l1+l2)+s)/v;然后给当前可疑物品生成唯一的标识符ID,将时间t1和ID发送给图像抓拍模块。
所述物品图像抓拍模块执行抓拍的方法是:获取传送带暂停时间t0,计算物品到达抓拍中心区域的总时间t(t=t1+t0),图像抓拍模块从接收到物品ID和经时间t1信息后,等待经时间t后触发所有摄像机曝光;存储抓拍图像,并将物品ID赋予当前时刻抓拍的所有图像。其中,触发所有摄像机曝光是通过多个摄像机多角度同时拍摄。
本申请中,与现有技术不同的是,本申请对图像抓拍区域相机架设的方位和角度不做限定,保证能够拍摄物品的多视角图像,增加证据线索。在判断物品是否为同一物品时,物品的匹配算法受物品成像角度影响比较大(同一个目标,在不同的角度拍摄的图像很有可能不被匹配成同一个目标),所以X光机位置能够在多个角度拍摄图像,必然能够提高物品匹配率。
另外,此处的多个相机需要提前设置好抓拍参数以保证成像质量。成像时,需要在同一时刻触发所有相机抓拍以保证让计算机知道这多个角度的图像是同一个物品的图像。
本发明通过上述方案实现了一种基于X光机的物品分析及多维图像关联方法及系统,将摄像机架设在X光机外部,不受X光线影响。同时,可自定义图像拍摄区域,利用X光机传送带的速度和X光机与图像拍摄区域的距离计算经物品达到图像拍摄区域所需的时间,进而实现物品图像自动抓拍。本申请不仅增设了可疑物品拍照取证环节,有利于证据线索收集以及由可疑物品为线索的可疑人员追踪等后续案件侦破工作的开展,同时,还对摄像机进行了特定的设置,使其达到最优化拍摄的目的,提高了成像质量,为后续拍照取证环节提供了强有力的技术支持。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附
图中:
图1为本发明的基于X光机的物品分析及多维图像关联方法示意图;
图2为本发明的基于X光机的物品分析及多维图像关联流程示意图。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
作为一个具体的实施例,参见图1和图2,本发明的基于X光机的物品分析及多维图像关联系统,包括物品检查通道、运送物品穿过物品检查通道的传送带以及用于图像识别的计算机,物品检查通道上设有分离设置的X光机以及图像抓拍模块,X光机内部具有X射线阵列探测器;图像抓拍模块包括支架以及位于支架上的摄像机;X光机以及摄像机的输出端均通过电缆与计算机连接。
参见图1,本发明的一种基于X光机的物品分析及多维图像关联方法,包括:首先通过X光机获取物品的X光图像;再通过人工或自动化的方式对X光图像进行识别,判定物品是否可疑;如果物品可疑,则将该物品要到达抓拍区域的时间通知物品图像抓拍模块以实施抓拍。
其中,物品的X光图像包括:物品的俯视图和物品的侧视图。
本实施例中,自动化的方式对X光图像进行识别,具体是指:利用深度学习模型对X图像中物品内容进行检测和识别,该过程包括提取物品图像的深层次特征,预测目标在图像中的位置坐标和目标类。在使用深度学习模型之前,所需要进行的工作还包括:确定目标类型,获取并标注X光图像,训练并优化深度学习模型等工作。
判定物品是否可疑包括:根据人工或深度学习模型识别的目标类型,结合违禁或可疑物品类型表,确定当前目标是否为可疑目标。其中违禁物品列表可根据实际业务自定义,在安检场景中的一种应用实例是:枪支、刀具、手雷、打火机、锤子、冲击钻等。
参见图2,判定物品可疑完毕后,还需进行:根据X光机长度l1、X光机到图像拍摄区域的距离s和图像拍摄区域长度l2以及传送带的运行速度v计算当前可疑物品箱到达拍摄区域中心所需的时间t1,如公式1:
t1=(0.5(l1+l2)+s)/v 公式1
然后给当前物品生成唯一的标识符ID,将时间t1和ID发送给图像抓拍模块。
物品图像抓拍模块执行抓拍的方法是:获取传送带暂停时间t0,计算物品到达抓拍中心区域的总时间t(t=t1+t0)。抓拍模块从接收到物品ID和经时间t1信息后,等待经时间t后触发所有摄像机曝光。存储抓拍图像,并将物品ID赋予当前时刻抓拍的所有图像。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
此外,本发明的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露,但是,应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
Claims (8)
1.一种基于X光机的物品分析及多维图像关联系统,其特征在于:包括物品检查通道、运送物品穿过物品检查通道的传送带以及用于图像识别的计算机,物品检查通道上设有分离设置的X光机以及图像抓拍模块,X光机内部具有X射线阵列探测器;所述图像抓拍模块包括支架以及位于支架上的摄像机;所述图像抓拍模块的摄像机拍摄的图像是物品的RGB可见光图像;X光机以及摄像机的输出端均通过电缆与计算机连接;
其中,所述计算机获得X光机拍摄的X光图像并解析,将解析结果与已经预设的违禁或可疑物品类型表比对,若有比对结果,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块对该可疑物品进行抓拍。
2.一种基于X光机的物品分析及多维图像关联方法,其特征在于:应用于权利要求1所述的可疑物品图像获取系统中,其包括如下过程:
所述计算机获得X光机拍摄的X光图像并解析,将解析结果与预设的正常阈值进行对比,如果超出正常阈值,则认为该物品为可疑物品,计算机控制传送带暂停传送,并通知图像抓拍模块对该可疑物品进行抓拍。
3.根据权利要求2所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍之前还包括对X光图像中物品所属可疑物品类型进行标记的步骤:对物品所属可疑物品类型进行标记可以通过人工方式实现,也可以通过计算机程序和算法自动实现或二者相互辅助的方式实现。
4.根据权利要求2或3所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍具体包括:计算机根据传送带的传送速度以及X光机与图像抓拍模块之间的距离计算可疑物品到达摄像机的图像拍摄区域所需的时间T,计算机通知相应摄像机在时间T到达时实施抓拍。
5.根据权利要求4所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机控制摄像机对该可疑物品进行抓拍,具体是:根据X光机长度l1、X光机到图像拍摄区域的距离s和图像拍摄区域长度l2以及传送带的运行速度v计算当前可疑物品箱到达拍摄区域中心所需的时间t1:t1=(0.5(l1+l2)+s)/v;然后给当前可疑物品生成唯一的标识符ID,将时间t1和ID发送给图像抓拍模块。
6.根据权利要求5所述的基于X光机的物品分析及多维图像关联方法,其特征在于:所述物品图像抓拍模块执行抓拍的方法是:获取传送带暂停时间t0,计算物品到达抓拍中心区域的总时间t(t=t1+t0),图像抓拍模块从接收到物品ID和经时间t1信息后,等待经时间t后触发所有摄像机曝光;存储抓拍图像,并将物品ID赋予当前时刻抓拍的所有图像。
7.根据权利要求2-6任一所述的基于X光机的物品分析及多维图像关联方法,其特征在于:计算机对X光图像获取并解析,具体包括:确定目标类型,获取并标注X光图像,训练并优化深度学习模型;利用深度学习模型对X光图像中物品内容进行检测和识别,该过程包括提取物品图像的深层次特征,预测目标在图像中的位置坐标、所述可疑物品类型以及置信度。
8.根据权利要求7所述的基于X光机的物品分析及多维图像关联方法,其特征在于:将解析结果与已经预设的违禁或可疑物品类型表比对以判定物品是否可疑,具体包括:如果有人工参与物品的可疑性类别判定,则用人工判定的物品类型与已经预设的违禁或可疑物品类型表比对,若有比对结果,则确定当前目标为违禁或可疑物品;如果只通过计算机程序和算法模型对物品的可疑性类别进行判定,则包括:利用深度学习算法模型计算物品所属可疑性类别和置信度,判断置信度是否超过预设的正常阈值,如果超过阈值,则用深度学习算法模型输出的可疑性类别与已经预设的违禁或可疑物品类型表比对,若有结果,则确定目标为违禁或可疑物品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011188667.0A CN112364903A (zh) | 2020-10-30 | 2020-10-30 | 基于x光机的物品分析及多维图像关联方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011188667.0A CN112364903A (zh) | 2020-10-30 | 2020-10-30 | 基于x光机的物品分析及多维图像关联方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112364903A true CN112364903A (zh) | 2021-02-12 |
Family
ID=74513868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011188667.0A Pending CN112364903A (zh) | 2020-10-30 | 2020-10-30 | 基于x光机的物品分析及多维图像关联方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364903A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435543A (zh) * | 2021-07-22 | 2021-09-24 | 北京博睿视科技有限责任公司 | 一种基于传送带标识的可见光和x光图像匹配方法及装置 |
CN113759431A (zh) * | 2021-06-09 | 2021-12-07 | 同方威视技术股份有限公司 | 安检数据关联方法和装置、以及x射线安检系统 |
CN114882446A (zh) * | 2022-07-08 | 2022-08-09 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548106A (zh) * | 2015-09-16 | 2017-03-29 | 江苏省紫光智能系统有限公司 | 国际航班可疑行李电子追踪系统 |
US20170178312A1 (en) * | 2015-12-16 | 2017-06-22 | Tsinghua University | Methods, systems, and apparatuses for inspecting goods |
CN109978827A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于人工智能的违禁物识别方法、装置、设备和存储介质 |
CN110738691A (zh) * | 2018-07-19 | 2020-01-31 | 大连因特视智能传感科技有限公司 | 基于在线智能视觉网络的行李跟踪系统 |
CN111126238A (zh) * | 2019-12-19 | 2020-05-08 | 华南理工大学 | 一种基于卷积神经网络的x光安检系统及方法 |
CN111401192A (zh) * | 2020-03-10 | 2020-07-10 | 深圳市腾讯计算机系统有限公司 | 基于人工智能的模型训练方法和相关装置 |
WO2020187077A1 (zh) * | 2019-03-21 | 2020-09-24 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
-
2020
- 2020-10-30 CN CN202011188667.0A patent/CN112364903A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548106A (zh) * | 2015-09-16 | 2017-03-29 | 江苏省紫光智能系统有限公司 | 国际航班可疑行李电子追踪系统 |
US20170178312A1 (en) * | 2015-12-16 | 2017-06-22 | Tsinghua University | Methods, systems, and apparatuses for inspecting goods |
CN110738691A (zh) * | 2018-07-19 | 2020-01-31 | 大连因特视智能传感科技有限公司 | 基于在线智能视觉网络的行李跟踪系统 |
CN109978827A (zh) * | 2019-02-25 | 2019-07-05 | 平安科技(深圳)有限公司 | 基于人工智能的违禁物识别方法、装置、设备和存储介质 |
WO2020187077A1 (zh) * | 2019-03-21 | 2020-09-24 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN111126238A (zh) * | 2019-12-19 | 2020-05-08 | 华南理工大学 | 一种基于卷积神经网络的x光安检系统及方法 |
CN111401192A (zh) * | 2020-03-10 | 2020-07-10 | 深圳市腾讯计算机系统有限公司 | 基于人工智能的模型训练方法和相关装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759431A (zh) * | 2021-06-09 | 2021-12-07 | 同方威视技术股份有限公司 | 安检数据关联方法和装置、以及x射线安检系统 |
CN113759431B (zh) * | 2021-06-09 | 2023-08-11 | 同方威视技术股份有限公司 | 安检数据关联方法和装置、以及x射线安检系统 |
CN113435543A (zh) * | 2021-07-22 | 2021-09-24 | 北京博睿视科技有限责任公司 | 一种基于传送带标识的可见光和x光图像匹配方法及装置 |
CN113435543B (zh) * | 2021-07-22 | 2024-04-09 | 湖南声迅科技有限公司 | 一种基于传送带标识的可见光和x光图像匹配方法及装置 |
CN114882446A (zh) * | 2022-07-08 | 2022-08-09 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
CN114882446B (zh) * | 2022-07-08 | 2022-10-04 | 安徽启新明智科技有限公司 | 图像关联方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364903A (zh) | 基于x光机的物品分析及多维图像关联方法与系统 | |
CN109948565B (zh) | 一种用于邮政业的违禁品不开箱检测方法 | |
CN107305627B (zh) | 一种车辆视频监控方法、服务器及系统 | |
CN101512549B (zh) | 数字图像采集装置中的实时人脸追踪 | |
WO2017030259A1 (ko) | 자동추적 기능을 갖는 무인항공기 및 그 제어방법 | |
US10635936B2 (en) | Method and system for training a neural network to classify objects or events | |
CN103226694B (zh) | 一种实时人像获取比对和预警布控系统及其使用方法 | |
KR101717768B1 (ko) | 부품 결함 검사 방법 및 그 장치 | |
US20090310955A1 (en) | Exposure control method | |
KR101874427B1 (ko) | 차량번호 인식방법 | |
CN105872363A (zh) | 人脸对焦清晰度的调整方法及调整装置 | |
CN102823233A (zh) | 图像处理方法和热成像仪 | |
CN114019572A (zh) | 一种基于多摄像机融合的x光安检方法及安检装置 | |
CN109905641A (zh) | 一种目标监控方法、装置、设备及系统 | |
CN111582118A (zh) | 一种人脸识别方法及装置 | |
CN109982051B (zh) | 具有动物识别功能的监控摄像方法、监控相机和存储介质 | |
CN111832345A (zh) | 集装箱监控方法、装置及设备、存储介质 | |
CN111062313A (zh) | 一种图像识别方法、装置、监控系统及存储介质 | |
KR102347854B1 (ko) | 마커를 이용한 영상 인식 기반의 용접 상태 분류 장치 및 방법 | |
CN112132011B (zh) | 一种面部识别方法、装置、设备及存储介质 | |
KR20220064104A (ko) | 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법 | |
CN110874906B (zh) | 开启布防功能的方法和装置 | |
CN114167508A (zh) | 一种安检装置及方法 | |
CN111368608B (zh) | 一种人脸识别方法、装置及系统 | |
JP2013003751A (ja) | 顔照合システム及び顔照合方法 |
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 |