CN114140461B - 基于边缘识图盒子的切图方法、电子设备及介质 - Google Patents

基于边缘识图盒子的切图方法、电子设备及介质 Download PDF

Info

Publication number
CN114140461B
CN114140461B CN202111501960.2A CN202111501960A CN114140461B CN 114140461 B CN114140461 B CN 114140461B CN 202111501960 A CN202111501960 A CN 202111501960A CN 114140461 B CN114140461 B CN 114140461B
Authority
CN
China
Prior art keywords
picture
video
video picture
ray
characteristic value
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
CN202111501960.2A
Other languages
English (en)
Other versions
CN114140461A (zh
Inventor
姜旭
连天友
胡靖�
邓波
拜正斌
饶龙强
李阳
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.)
Chengdu Zhiyuanhui Information Technology Co Ltd
Original Assignee
Chengdu Zhiyuanhui Information 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 Chengdu Zhiyuanhui Information Technology Co Ltd filed Critical Chengdu Zhiyuanhui Information Technology Co Ltd
Priority to CN202111501960.2A priority Critical patent/CN114140461B/zh
Publication of CN114140461A publication Critical patent/CN114140461A/zh
Application granted granted Critical
Publication of CN114140461B publication Critical patent/CN114140461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于边缘识图盒子的切图方法、电子设备及介质，包括：S1、获取X光机发送的视频流；S2、根据所述视频流截取每一帧视频图片，获得视频图片序列；S3、根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，进行剪切对比，将所述匹配的视频图片保存至X光图片集合，并循环步骤S3；S4、根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。本发明通过使用X光图片承载包裹信息，相比于用视频，能够提高海量X光成像视频的效率，充分体现挖掘X光成像视频中的关键包裹信息，同时占用更低的系统内存，降低系统的内存占用率。

Description

基于边缘识图盒子的切图方法、电子设备及介质
技术领域
本发明涉及图像处理领域，具体涉及基于边缘识图盒子的切图方法、电子设备及介质。
背景技术
在地铁、机场等进入其设施的入口等场景中，常常会有配备X光机的安检点，乘客将包裹等随身携带物品通过使用传送带传送到X光射线的照射范围，X光机内的X光射线对包裹进行照射，生成X光成像视频，然后通过DVI，HDMI,DF等接口形式发送至判图终端。因此在X光成像视频的画面中，包裹是随着传送带在进行水平运动的，从左至右或者从右至左，包裹一个接着一个在视频画面中出现。
在现有技术中，包裹等随身物品在安检场景下，通常使用含有包裹的X光成像视频承载包裹信息，但存在以下缺点：一个视频包括一个或多个包裹信息对于一张或多张图片，无法快速直观地建立人-包裹的映射关系，当方便安检员需要回溯历史信息时，加大了安检人员追踪的难度；视频占用存储空间大，不便于保存，视频占用存储空间巨大，而且在网络上传输时占用带宽，同时，相邻多帧之间会有大量的冗余信息；当需要对接AI智能识图系统，视频对于AI智能识图系统算力资源的消耗量大。
发明内容
本发明的目的在于提供一种基于边缘识图盒子的切图方法、电子设备及介质，在安检场景中，把X光机视频信号转换成图片，通过对视频进行连续的切图对比，使得进入安检机的物品的X光机成像图片能够不重复，无遗漏的切割下来，用以解决现有的X光成像视频占用存储空间巨大、占用更多宽带的问题。
基于边缘识图盒子的切图方法，具体包括以下步骤：
S1、获取X光机发送的视频流；
S2、根据所述视频流截取每一帧视频图片，获得视频图片序列；
S3、根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环步骤S3；
S4、根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。
进一步地，所述步骤S3具体包括如下步骤：
S301、根据所述视频图片序列获得待剪切对比的视频图片Fm；
S302、根据第一预设区域对所述视频图片Fm进行剪切，获得像素矩阵S，并计算像素矩阵S的特征值Ωs；
S303、依次遍历视频图片Fm之后的每一张视频图片,每遍历一张视频图片时，根据第二预设区域对当前遍历的视频图片进行剪切，获得与所述当前遍历的视频图片对应的像素矩阵E；
S304、计算所述对应的像素矩阵E的特征值Ωe；
S305、判断所述特征值Ωs与特征值Ωe是否匹配，若匹配，则转步骤S306；若不相等，则转步骤S307；
S306、遍历结束，将所述特征值Ωe对应的视频图片保存至X光图片集合中,并获取下一包裹进入X光机时的视频图片对视频图片Fm进行更新，循环步骤S302-S305；
S307、继续遍历下一帧视频图片，并计算其对应的特征值Ωe，直至找到其对应的特征值Ωe与所述特征值Ωs相等的视频图片。
进一步地，所述第一预设区域与第二预设区域根据X光机传送带的方向进行设置，且基于所述视频图片Fm的中心线对称。
进一步地，所述当X光机传送带传送的方向为从右至左进行时，设置视频图片Fm中最左上角的坐标为(0,0)，所述第一预设区域为左上角坐标为(w,h)，宽为c像素，高为r像素的矩形区域，所述w、h、c、r满足：w+c＝当前帧视频图片Fm的横向像素，c+r＝当前帧视频图片Fm的纵向像素。
进一步地，所述特征值为感知哈希值，具体计算步骤如下：
S(1)将宽度为c高度为r的像素矩阵转换为灰度图片；
S(2)将灰度图像转换为二值图片；
S(3)将二值图片的像素按顺序排列，得到比特序列,所述比特序列为图片的感知哈希值。
进一步地，所述步骤S305中的所述匹配的判断依据为：计算像素矩阵S与像素矩阵E的感知哈希值中不同的比特数目，当不同的比特数目小于规定的阈值时，则判定为匹配，否则判定为不匹配。
进一步地，所述步骤S4预设规则为：提取所述X光图片集合中的所有视频图片对应的像素信息，将所述像素信息进行合并处理，获得所述视频流中所有包裹的信息。
进一步地，所述步骤S4预设规则为：
从最先保存至所述X光图片集合中的视频图片开始遍历，依次提取一张视频图片以及与其相邻的后一张视频图片；
根据所述相邻的两张视频图片，提取前一张视频图片的第一预设区域的像素信息与后一张视频图片的第二预设区域的像素信息；
将所述第二预设区域的像素信息与第一预设区域的像素信息进行区域图像融合，生成融合包裹信息；
将所有融合包裹信息与最先保存至所述X光图片集合中的视频图片对应的第二预设区域的像素信息，进行合成处理，获得所述视频流中所有包裹的信息。
进一步地，基于边缘识图盒子的切图电子设备，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至8中任意一项所述的基于边缘识图盒子的切图方法，所述一个或多个程序包括：
采集模块，用于获取X光机发送的视频流；
图片序列模块，用于根据所述视频流截取每一帧视频图片，获得视频图片序列；
剪切对比模块，用于根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环；
合并模块，用于根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。
一种计算机可读存储介质，其上存储有计算机程序，其所述计算机程序被处理器执行时能实现所述的基于边缘识图盒子的切图方法。
本发明具有的有益效果：
1、根据X光机的工作原理，通过预设区域的剪切与特征值对比，获得包含所有包裹信息的X光图片集合，减少了多余图片的重复冗余信息，同时避免包裹信息的遗漏；
2、使用X光的图片更加直观，一个包裹对于一张或多张图片，便于建立人-图片-包裹的映射关系，建立人包关联，方便进行人员追踪，而一个视屏承载了大量的包裹，无法建立映射关系，方便安检员回溯历史信息；
3、用X光图片承载包裹信息相比于用视频，能够提高海量X光成像视频的效率，充分挖掘X光成像视频中的关键包裹信息，使用X光图片相比X光成像视频，占用系统的存储空间更小，便于保存，而视频占用存储空间巨大，而且在网络上传输时占用带宽，同时，相邻多帧之间会有大量的冗余信息。
附图说明
图1为本发明的切图方法流程示意图；
图2为本发明的切图电子设备结构示意图；
图3为本发明的实施例1的Fm帧视频图片剪切对比示意图；
图4为本发明的实施例1的Fm+1帧视频图片剪切对比示意图；
图5为本发明的实施例1的Fm+n-1帧视频图片剪切对比示意图；
图6为本发明的实施例1的Fm+n帧视频图片剪切对比示意图；
图7为本发明的切图方法数据流程图；
具体实施方式
下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖向”、“纵向”、“侧向”、“水平”、“内”、“外”、“前”、“后”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“开有”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例的目的在于提供一种基于边缘识图盒子的切图方法，具体包括以下步骤：
S1、获取X光机发送的视频流；
S2、根据所述视频流截取每一帧视频图片，获得视频图片序列；
S3、根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环步骤S3；
具体地，所述步骤S3具体包括如下步骤：
S301、根据所述视频图片序列获得待剪切对比的视频图片Fm；
S302、根据第一预设区域对所述视频图片Fm进行剪切，获得像素矩阵S，并计算像素矩阵S的特征值Ωs；
S303、依次遍历视频图片Fm之后的每一张视频图片,每遍历一张视频图片时，根据第二预设区域对当前遍历的视频图片进行剪切，获得与所述当前遍历的视频图片对应的像素矩阵E；
S304、计算所述对应的像素矩阵E的特征值Ωe；
S305、判断所述特征值Ωs与特征值Ωe是否匹配，若匹配，则转步骤S306；若不相等，则转步骤S307；
S306、遍历结束，将所述特征值Ωe对应的视频图片保存至X光图片集合中,并获取下一包裹进入X光机时的视频图片对视频图片Fm进行更新，循环步骤S302-S305。
S307、继续遍历下一帧视频图片，并计算其对应的特征值Ωe，直至找到其对应的特征值Ωe与所述特征值Ωs相等的视频图片。
具体地，在一种光机场景中，X光视频中的包裹等物品是从右向左跟着传送带运动的，我们可以从视频中取出一帧信号Fm(整个视频的第m帧信号，当前帧视频图片Fm为待检测包裹完全进入X光机时的视频图片)，在帧所对应的RGB24像素中，从最右边截取一个像素矩阵，矩阵的列，也就是矩阵在视频中的宽，记为c，起始左位在整帧中是从左往右第w位，矩阵的行，也就是矩阵在视频中的高，记为r，起始高位在整帧中是从上往下第h位，矩阵本身记为S，记帧中最左上角的位置为(0,0)，那么矩阵中拥有的像素个数为r*c，矩阵对应的四边形左上角位置为(w,h)。
在Fm帧中截取最右边的像素矩阵之后，在Fm帧之后的帧Fm+1,Fm+2,Fm+3......Fm+n中，从和矩阵S对称的最左边位置截取一个同样大小的矩阵，记为E。
将S和E两个像素矩阵的特征值Ω进行对比，通过选取合适的r值和c值，使得在有限范围的像素集合中(一个X光视频中的物品从右边移动到左边的过程中)，非同一个信息矩阵拥有同样的Ω在统计学中是不可能事件，当Fm+n帧中的E的Ωe等于Fm帧中的S的Ωs，则此时Fm帧中最右边的像素矩阵S在Fm+n帧中已经移动到了最左边，帧中的信息已经全部替换为新的信息。从逻辑上理解，我们可以认为，旧的包裹物品已经从最左边出去，新的包裹物品已经从最左边进来占据了整个画面。
若Fm+n中的Ωe不等于Fm中的Ωs，则继续剪切对比第Fm+n+1帧视频图片，直到找到为止。
当在Fm+n帧，Ωe＝Ωs时，我们选取Fm+n整帧作为一张X光图片，记为P1，加入X光图片集合之中，同时，我们将包含下一个包裹信息的帧视频图片为新的待剪切对比帧Fm，将其对应的最右边像素框中记录下一个新的Ωs，继续往下寻找，从Fm+1，Fm+2，Fm+3中获取到新的Ωe，并判断Ωe是否等于Ωs，直到找到为止，把找到Ωe＝Ωs的Fm+k帧作为第二张图片给截取下来，记为P2。
将P1和P2两种图片视为连续的两张视频图片，两张图片含有以什么位置进行粘连的这种像胶水一样的特殊功能(胶水信息：拥有相同特征值Ω的像素矩阵S和像素矩阵E)。
按照如此方法，继续切下P3,P4,P5......Pn图片，那么所有图片组成一个图片集合。
X光机的工作原理为：当被检物品进入检查通道，将遮住包裹检测传感器(光障),检测信号被送到控制单元，产生X射线触发信号，触发X射线发射源发射X射线，X射线经过准直器形成非常薄的扇形X射线束，穿过被检物品后到达探测器。探测器把X射线的光信号转换为电信号，然后通过图像处理软件再现包裹内物品的轮廓、构成及材料属性。当被检物品通过检测区域后，射线发生器会停止产生射线。
当物品被检查时，非常薄的扇形X射线束会一层一层地扫过被检物，相当于对被检物进行切片，图像采集系统收集并存储每一层扫描线的图像信息，当传送带将被检物品输送通过检测区域后，将得到被检物品的整个图像信息，包括被检物品进入的时间戳信息，因此根据被检物品进入的时间戳信息获得视频中对应的时间的帧视频图片。
S4、根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。
在图片集合中，所有图片的像素信息并集，P1∪P2∪P3∪P4......∪Pn，就是整个视频的所有信息，没有信息的遗漏。
而在图片集合中，所有的像素信息的两两交集的并集的集合P＝(P1∩P2)U(P2∩P3)U(P3∩P4)......∪(Pn-1∩Pn)，P为该视频流中所有包裹信息的集合E1,E2,E3......En,也就是说，该集合P没有多余的重复冗余包裹信息。
实施例2
本实施例的目的在于提供一种基于边缘识图盒子的切图电子设备，包括：
基于边缘识图盒子的切图电子设备，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至8中任意一项所述的基于边缘识图盒子的切图方法，所述一个或多个程序包括：
采集模块，用于获取X光机发送的视频流；
图片序列模块，用于根据所述视频流截取每一帧视频图片，获得视频图片序列；
剪切对比模块，用于根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环；
合并模块，用于根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。
实施例3，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时能实现所述的基于边缘识图盒子的切图方法。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (9)

1.基于边缘识图盒子的切图方法，其特征在于，具体包括以下步骤：
S1、获取X光机发送的视频流；
S2、根据所述视频流截取每一帧视频图片，获得视频图片序列；
S3、根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环步骤S3；
S4、根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息；
所述步骤S3具体包括如下步骤：
S301、根据所述视频图片序列获得待剪切对比的视频图片Fm；
S302、根据第一预设区域对所述视频图片Fm进行剪切，获得像素矩阵S，并计算像素矩阵S的特征值Ωs；
S303、依次遍历视频图片Fm之后的每一张视频图片,每遍历一张视频图片时，根据第二预设区域对当前遍历的视频图片进行剪切，获得与所述当前遍历的视频图片对应的像素矩阵E；
S304、计算所述对应的像素矩阵E的特征值Ωe；
S305、判断所述特征值Ωs与特征值Ωe是否匹配，若匹配，则转步骤S306；若不相等，则转步骤S307；
S306、遍历结束，将所述特征值Ωe对应的视频图片保存至X光图片集合中,并获取下一包裹进入X光机时的视频图片对视频图片Fm进行更新，循环步骤S302-S305；
S307、继续遍历下一帧视频图片，并计算其对应的特征值Ωe，直至找到其对应的特征值Ωe与所述特征值Ωs相等的视频图片；
在视频图片Fm中，将最右边的像素矩阵S对应的区域设为第一预设区域，在视频图片Fm之后的图片中，将与像素矩阵S对称的最左边的且大小相同的像素矩阵E对应的区域设为第二预设区域。
2.根据权利要求1所述的基于边缘识图盒子的切图方法，其特征在于，所述第一预设区域与第二预设区域还可以根据X光机传送带的方向进行设置，且基于所述视频图片Fm的中心线对称。
3.根据权利要求2所述的基于边缘识图盒子的切图方法，其特征在于，当X光机传送带传送的方向为从右至左进行时，设置视频图片Fm中最左上角的坐标为(0，0)，所述第一预设区域为左上角坐标为(w,h)，宽为c像素，高为r像素的矩形区域，所述w、h、c、r满足：w+c＝当前帧视频图片Fm的横向像素，c+r＝当前帧视频图片Fm的纵向像素。
4.根据权利要求2所述的基于边缘识图盒子的切图方法，其特征在于，所述特征值为感知哈希值，具体计算步骤如下：
S(1)将宽度为c高度为r的像素矩阵转换为灰度图片；
S(2)将灰度图像转换为二值图片；
S(3)将二值图片的像素按顺序排列，得到比特序列,所述比特序列为图片的感知哈希值。
5.根据权利要求2所述的基于边缘识图盒子的切图方法，其特征在于，所述步骤S305中的所述匹配的判断依据为：计算像素矩阵S与像素矩阵E的感知哈希值中不同的比特数目，当不同的比特数目小于规定的阈值时，则判定为匹配，否则判定为不匹配。
6.根据权利要求1所述的基于边缘识图盒子的切图方法，其特征在于，所述步骤S4预设规则为：提取所述X光图片集合中的所有视频图片对应的像素信息，将所述像素信息进行合并处理，获得所述视频流中所有包裹的信息。
7.根据权利要求1所述的基于边缘识图盒子的切图方法，其特征在于，所述步骤S4预设规则为：
从最先保存至所述X光图片集合中的视频图片开始遍历，依次提取一张视频图片以及与其相邻的后一张视频图片；
根据所述相邻的两张视频图片，提取前一张视频图片的第一预设区域的像素信息与后一张视频图片的第二预设区域的像素信息；
将所述第二预设区域的像素信息与第一预设区域的像素信息进行区域图像融合，生成融合包裹信息；
将所有融合包裹信息与最先保存至所述X光图片集合中的视频图片对应的第二预设区域的像素信息，进行合成处理，获得所述视频流中所有包裹的信息。
8.基于边缘识图盒子的切图电子设备，其特征在于，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至7中任意一项所述的基于边缘识图盒子的切图方法，所述一个或多个程序包括：
采集模块，用于获取X光机发送的视频流；
图片序列模块，用于根据所述视频流截取每一帧视频图片，获得视频图片序列；
剪切对比模块，用于根据包裹进入X光机的时间先后顺序，依次从所述视频图片序列中调取与时间对应的视频图片，以所述视频图片为基准，遍历所述基准的视频图片之后的每一张视频图片，进行剪切对比，直到遍历的视频图片的特征值与所述基准的视频图片的特征值相匹配时，将所述匹配的视频图片保存至X光图片集合，并循环；
合并模块，用于根据预设规则，将所述X光图片集合中的视频图片进行合并，获得所述视频流中所有包裹的信息。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能实现根据权利要求1至7中任意一项所述的基于边缘识图盒子的切图方法。
CN202111501960.2A 2021-12-09 2021-12-09 基于边缘识图盒子的切图方法、电子设备及介质 Active CN114140461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111501960.2A CN114140461B (zh) 2021-12-09 2021-12-09 基于边缘识图盒子的切图方法、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111501960.2A CN114140461B (zh) 2021-12-09 2021-12-09 基于边缘识图盒子的切图方法、电子设备及介质

Publications (2)

Publication Number Publication Date
CN114140461A CN114140461A (zh) 2022-03-04
CN114140461B true CN114140461B (zh) 2023-02-14

Family

ID=80385502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111501960.2A Active CN114140461B (zh) 2021-12-09 2021-12-09 基于边缘识图盒子的切图方法、电子设备及介质

Country Status (1)

Country Link
CN (1) CN114140461B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114697751B (zh) * 2022-03-23 2023-05-09 成都智元汇信息技术股份有限公司 一种视频倒放防重切的方法及系统
CN114660097B (zh) * 2022-03-23 2023-06-02 成都智元汇信息技术股份有限公司 一种基于双源双视角的同步校正方法及系统
CN114693700A (zh) * 2022-03-23 2022-07-01 成都智元汇信息技术股份有限公司 一种基于多源列数据的调度分配方法、智能识图盒子
CN114694064B (zh) * 2022-03-23 2023-05-02 成都智元汇信息技术股份有限公司 一种基于目标识别的切图方法与系统
CN115494556B (zh) * 2022-08-18 2023-09-12 成都智元汇信息技术股份有限公司 一种基于段落法模糊匹配的包包关联方法
CN115345862B (zh) * 2022-08-23 2023-03-10 成都智元汇信息技术股份有限公司 基于列数据的仿x光机扫描成像的方法及装置和显示器
CN116543187A (zh) * 2023-07-04 2023-08-04 合肥吉麦智能装备有限公司 一种面向双模g型臂x光机的图像匹配方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204518A (zh) * 2015-05-08 2016-12-07 无锡天脉聚源传媒科技有限公司 一种镜头切分方法和装置
CN107222795A (zh) * 2017-06-23 2017-09-29 南京理工大学 一种多特征融合的视频摘要生成方法
CN112184676A (zh) * 2020-09-30 2021-01-05 中云智慧（北京）科技有限公司 一种从x光机视频流中获取包裹图像的方法
WO2021003825A1 (zh) * 2019-07-11 2021-01-14 平安科技（深圳）有限公司 视频镜头剪切的方法、装置及计算机设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161544A1 (zh) * 2016-03-25 2017-09-28 深圳大学 一种基于单摄像头视频序列匹配的车辆测速方法及其系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204518A (zh) * 2015-05-08 2016-12-07 无锡天脉聚源传媒科技有限公司 一种镜头切分方法和装置
CN107222795A (zh) * 2017-06-23 2017-09-29 南京理工大学 一种多特征融合的视频摘要生成方法
WO2021003825A1 (zh) * 2019-07-11 2021-01-14 平安科技（深圳）有限公司 视频镜头剪切的方法、装置及计算机设备
CN112184676A (zh) * 2020-09-30 2021-01-05 中云智慧（北京）科技有限公司 一种从x光机视频流中获取包裹图像的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Automatic and Robust Object Detection in X-Ray Baggage Inspection Using Deep Convolutional Neural Networks;Bangzhong Gu et al.;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20211031;第68卷(第10期);第10248-10257页 *
基于视频的唇部定位和序列切分算法的研究;姚文娟;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215;第I138-846页 *

Also Published As

Publication number Publication date
CN114140461A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN114140461B (zh) 基于边缘识图盒子的切图方法、电子设备及介质
US6816184B1 (en) Method and apparatus for mapping a location from a video image to a map
WO2020179065A1 (ja) 画像処理装置、画像処理方法及び記録媒体
US10777076B2 (en) License plate recognition system and license plate recognition method
AU2022202588B2 (en) Item identification and tracking system
US10958854B2 (en) Computer-implemented method for generating an output video from multiple video sources
CN114155473B (zh) 基于帧补偿的切图方法、电子设备及介质
CN114155254B (zh) 基于图像校正的切图方法、电子设备及介质
EP0866606B1 (en) Method for temporally and spatially integrating and managing a plurality of videos, device used for the same, and recording medium storing program of the method
CN104144334B (zh) 用于立体视频内容的字幕检测
US20220301317A1 (en) Method and device for constructing object motion trajectory, and computer storage medium
CN105225248B (zh) 识别物体的运动方向的方法和设备
CN114624263A (zh) 一种双源双视角基于目标识别的切图方法及系统
CN114660097B (zh) 一种基于双源双视角的同步校正方法及系统
CN114422720B (zh) 视频浓缩方法、系统、装置和存储介质
KR101230567B1 (ko) 객체 검출 및 추적장치와 방법, 및 그것을 사용하는 지능형 감시 시스템
CN114140542B (zh) 基于色彩补偿的切图方法、电子设备及介质
US7826667B2 (en) Apparatus for monitor, storage and back editing, retrieving of digitally stored surveillance images
JP3227179B2 (ja) 動物体検出および追跡処理方式
CN114113172B (zh) 一种ct安检方法
WO2022022809A1 (en) Masking device
CN110765919A (zh) 一种基于人脸检测的参访图像展示系统和方法
US7162006B2 (en) Method for de-skewing an X-ray picture of an item of luggage
CN115578681B (zh) 一种基于列数据行进包裹识别的方法与系统
KR102515050B1 (ko) 터널 관제영상 보정장치 및 그 장치의 구동방법

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