CN115471560A - 一种基于主视角和侧视角的切图方法及装置 - Google Patents

一种基于主视角和侧视角的切图方法及装置 Download PDF

Info

Publication number
CN115471560A
CN115471560A CN202211408859.7A CN202211408859A CN115471560A CN 115471560 A CN115471560 A CN 115471560A CN 202211408859 A CN202211408859 A CN 202211408859A CN 115471560 A CN115471560 A CN 115471560A
Authority
CN
China
Prior art keywords
ray image
angle
visual angle
view
detection
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.)
Granted
Application number
CN202211408859.7A
Other languages
English (en)
Other versions
CN115471560B (zh
Inventor
饶龙强
邓秋雄
连天友
蒲磊
姜旭
赵玲
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 CN202211408859.7A priority Critical patent/CN115471560B/zh
Publication of CN115471560A publication Critical patent/CN115471560A/zh
Application granted granted Critical
Publication of CN115471560B publication Critical patent/CN115471560B/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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
    • G01V5/20—Detecting prohibited goods, e.g. weapons, explosives, hazardous substances, contraband or smuggled objects
    • G01V5/22—Active interrogation, i.e. by irradiating objects or goods using external radiation sources, e.g. using gamma rays or cosmic rays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种基于主视角和侧视角的切图方法及装置，具体包括以下步骤：S1、获取第一视角X光图像和第二视角X光图像；S2、确定检测视角X光图像、目标视角X光图像；S3、对检测视角X光图像进行角点检测，分别确定检测视角X光图像中前包裹的角点坐标、后包裹的角点坐标；S4、获得对应的目标视角X光图像中前包裹的角点坐标、后包裹的角点坐标；S5对目标视角X光图像的重叠包裹进行切图。本发明通过重叠判定以及确定检测视角X光图像、目标视角X光图像，从而对检测视角X光图像进行角点检测处理，获得前包裹的角点坐标、后包裹的角点坐标，从而准确对目标视角X光图像中的重叠包裹进行切图。

Description

一种基于主视角和侧视角的切图方法及装置
技术领域
本发明涉及智慧安检技术领域，具体涉及一种基于主视角和侧视角的切图方法及装置。
背景技术
采用双源双视角设备借助另一视角图像可以准确识别，危险品无以遁形；对于一些具有明确目标物的检查，如照相机，手机，爆炸装置等，双视角可以准确判断物体外观判图准确，无需复检，极大提高通过流量，在安检场景，目前是通过对主视图的分析来进行包裹提取的。但是当两个包裹有部分重叠的时候，当前算法不能将两个包裹进行分割，只能通过超长截包的方式来提取包裹，这样将重叠包裹图像输入违禁品识别模型，容易造成降低包裹识别准确率的问题，在后续人包关联的处理中也会出现乘客与包裹不对应的情况，造成关联差错的问题。所以针对有包裹部分重叠的这种情况，本发明提出了一种基于主视角和侧视角的切图方法及装置。
发明内容
本发明的目的在于提供一种基于主视角和侧视角的切图方法及装置，通过重叠判定以及确定检测视角X光图像、目标视角X光图像，从而对检测视角X光图像进行角点检测处理，获得前包裹的角点坐标、后包裹的角点坐标，从而准确对目标视角X光图像中的重叠包裹进行切图。
一种基于主视角和侧视角的切图方法，其具体包括以下步骤：
S1、获取双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像，所述第一视角与第二视角相互正交；
S2、根据所述第一视角X光图像和第二视角X光图像，确定检测视角X光图像、目标视角X光图像；
S3、对检测视角X光图像进行角点检测，分别确定检测视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S4、根据所述前包裹的角点坐标、后包裹的角点坐标，获得对应的目标视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S5、基于所述前包裹的角点坐标、后包裹的角点坐标对目标视角X光图像的重叠包裹进行切图。
进一步地，步骤S2具体包括以下步骤：
根据所述第一视角X光图像和第二视角X光图像，进行重叠包裹判定，所述重叠包裹包括前包裹、后包裹；
若存在重叠包裹，则从所述第一视角X光图像和第二视角X光图像中确定目标视角X光图像、检测视角X光图像。
进一步地，步骤S1还包括重叠包裹判定：
分别获取所述双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像；
将所述第一视角X光图像、第二视角X光图像分别输入对应的预先训练的目标识别模型，获得包裹的沿传送带传送方向的第一视角像素值、第二视角像素值；
判断所述第一视角像素值或第二视角像素值是否超过预设阈值，若是，则判定所述第一视角X光图像或第二视角X光图像中存在重叠包裹。
进一步地，步骤S3具体包括以下步骤：
当第一视角像素值超过预设阈值时，将所述第二视角X光图像确定为检测视角X光图像，第一视角X光图像确定为目标视角X光图像；
当第二视角像素值超过预设阈值时，将所述第一视角X光图像确定为检测视角X光图像，第二视角X光图像确定为目标视角X光图像；
根据所述目标视角X光图像，进行视角关联，确定所述重叠包裹关联的检测视角X光图像。
进一步地，所述角点坐标包括：包裹沿X光机传送带传送方向的两个距离最远的角点的坐标。
进一步地，所述视角关联具体包括以下步骤：
S001、获得所述目标视角X光图像的获取时间点t1；
S002、根据所述获取时间点t1，计算关联时间点t2，根据所述关联时间点t2从所述检测视角数据库中提取一帧包含同一重叠包裹的关联X光图像，确定为重叠包裹的检测视角X光图像，所述检测视角数据库用于存储检测视角X光图像。
进一步地，关联时间点t2，通过以下步骤获得：
获得校正时间差
Figure 100002_DEST_PATH_IMAGE001
；
基于所述校正时间差
Figure 763775DEST_PATH_IMAGE001
以及获取时间点t1，计算关联时间点
Figure DEST_PATH_IMAGE002
。
进一步地，在X光机初始化后，第一次接收所述目标视角X光图像和检测视角X光图像时，计算所述校正时间差
Figure 867866DEST_PATH_IMAGE001
，通过以下步骤得到：
获取所述目标视角X光图像的首帧X光图像的获取时间点
Figure 100002_DEST_PATH_IMAGE003
；
获取所述检测视角X光图像的首帧X光图像的获取时间点
Figure DEST_PATH_IMAGE004
；
所述校正时间差
Figure 975499DEST_PATH_IMAGE001
为接收目标视角X光图像的时刻
Figure 85888DEST_PATH_IMAGE003
与接收检测视角X光图像的时刻
Figure 369102DEST_PATH_IMAGE004
的差值。
进一步地，将获取的检测视角X光图像存入检测视角数据库，并记录每一帧X光图像的获取时间Ti，所述关联X光图像，通过以下步骤得到：
基于所述校正时间差
Figure 660406DEST_PATH_IMAGE001
以及获取时间点
Figure 100002_DEST_PATH_IMAGE005
，获得检测视角数据库定位时间点
Figure DEST_PATH_IMAGE006
，其中
Figure 100002_DEST_PATH_IMAGE007
；
根据所述检测视角数据库定位时间点
Figure 255335DEST_PATH_IMAGE006
，遍历所有X光图像的获取时间Ti，获取与所述检测视角数据库定位时间点
Figure 172345DEST_PATH_IMAGE006
最接近的一个X光图像的获取时间，确定为关联时间点t2；
根据所述关联时间点t2，从所述检测视角数据库中提取所述关联时间点t2对应的一帧X光图像，确定为包含所述同一重叠包裹关联的检测视角X光图像。
一种基于主视角和侧视角的图像处理装置，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所述的一种基于主视角和侧视角的切图方法。
本发明具有的有益效果：
1、双源双视角X光机通过对接收到的双视角X光图像进行不同的处理，对其检测视角X光图像进行角点检测处理，以获得待识别重叠包裹的位置信息：前包裹的角点坐标、后包裹的角点坐标，从而根据前包裹的角点坐标、后包裹的角点坐标对目标视角X光图像的重叠包裹进行切图；
2、对检测视角X光图像进行存储处理，以存储时间点、存储序号以及每帧X光图片的获取时间，根据目标视角X光图像的获取时间，确定检测视角下的包含所述同一包裹的关联X光图片，减少对双视角的X光图像进行目标识别处理过程中遇到重叠包裹无法准确识别的问题，从而提高系统性能。
附图说明
图1为本发明的总体流程示意图；
图2为本发明的主视角图像与侧视角图像示意图；
图3为本发明的双视角安检机示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作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。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
实施例1
如图1所示，一种基于主视角和侧视角的切图方法，其具体包括以下步骤：
S1、获取双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像，所述第一视角与第二视角相互正交；
S2、根据所述第一视角X光图像和第二视角X光图像，确定检测视角X光图像、目标视角X光图像；
S3、对检测视角X光图像进行灰度化处理，获得对应的灰度图片；
S4、根据所述灰度图片提取前包裹边缘、后包裹边缘；
S5、根据所述前包裹边缘、后包裹边缘，进行角点检测，分别确定检测视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S6、根据所述前包裹的角点坐标、后包裹的角点坐标，获得对应的目标视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S7、基于所述前包裹的角点坐标、后包裹的角点坐标对目标视角X光图像的重叠包裹进行切图。
需要说明的是，所谓前包裹、后包裹根据X光机传送带的传送方向进行定义，传送时间在前的为前包裹，传送时间在后的后包裹。
具体地，步骤S2具体包括以下步骤：
根据所述第一视角X光图像和第二视角X光图像，进行重叠包裹判定，所述重叠包裹包括前包裹、后包裹；
若存在重叠包裹，则从所述第一视角X光图像和第二视角X光图像中确定目标视角X光图像、检测视角X光图像。
具体地，步骤S1还包括重叠包裹判定：
分别获取所述双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像；
将所述第一视角X光图像、第二视角X光图像分别输入对应的预先训练的目标识别模型，获得包裹的沿传送带传送方向的第一视角像素值、第二视角像素值；
判断所述第一视角像素值或第二视角像素值是否超过预设阈值，若是，则判定所述第一视角X光图像或第二视角X光图像中存在重叠包裹。
具体地，步骤S3具体包括以下步骤：
当第一视角像素值超过预设阈值时，将所述第二视角X光图像确定为检测视角X光图像，第一视角X光图像确定为目标视角X光图像；
当第二视角像素值超过预设阈值时，将所述第一视角X光图像确定为检测视角X光图像，第二视角X光图像确定为目标视角X光图像；
根据所述目标视角X光图像，进行视角关联，确定所述重叠包裹关联的检测视角X光图像。
需要说明的是，当所述第一视角像素值超过预设阈值时，判断所述第一视角X光图像中存在重叠包裹，此时不适宜对第一视角X光图像进行违禁品识别，因此将第一视角X光图像确定为目标视角X光图像，第二视角X光图像确定为检测视角X光图像，根据所述目标视角X光图像，进行视角关联，确定所述重叠包裹关联的检测视角X光图像。
需要说明的是，需要获得目标视角X光图像获取时间点，通过两视角时间上的关联，完成目标视角X光图像对应的同一包裹的检测视角X光图像。
当获得对应的检测视角X光图像后，通过对检测视角X光图像进行角点检测，完成重叠包裹中前包裹、后包裹的角点坐标。
示例性的，第一视角X光图像存在前包裹与后包裹相互叠放的情况，即后包裹叠放前包裹的部分上，此时从俯视上获得的第一视角X光图像，不能很好的进行包裹剪切处理，因此通过获得对应关联的第二视角X光图像，对第二视角X光图像进行角点检测，获得前包裹的角点坐标、后包裹的角点坐标，进而定位第一视角X光图像中前包裹的角点坐标、后包裹的角点坐标。
具体地，所述角点坐标包括：包裹沿X光机传送带传送方向的两个距离最远的角点的坐标。
具体地，所述视角关联具体包括以下步骤：
S001、获得所述目标视角X光图像的获取时间点t1；
S002、根据所述获取时间点t1，计算关联时间点t2，根据所述关联时间点t2从所述检测视角数据库中提取一帧包含同一重叠包裹的关联X光图像，确定为重叠包裹的检测视角X光图像，所述检测视角数据库用于存储检测视角X光图像。
具体地，关联时间点t2，通过以下步骤获得：
获得校正时间差
Figure 310065DEST_PATH_IMAGE001
；
基于所述校正时间差
Figure 772270DEST_PATH_IMAGE001
以及获取时间点t1，计算关联时间点
Figure 979130DEST_PATH_IMAGE002
。
具体地，在X光机初始化后，第一次接收所述目标视角X光图像和检测视角X光图像时，计算所述校正时间差
Figure 515809DEST_PATH_IMAGE001
，通过以下步骤得到：
获取所述目标视角X光图像的首帧X光图像的获取时间点
Figure 773615DEST_PATH_IMAGE003
；
获取所述检测视角X光图像的首帧X光图像的获取时间点
Figure 921568DEST_PATH_IMAGE004
；
所述校正时间差
Figure 632035DEST_PATH_IMAGE001
为接收目标视角X光图像的时刻
Figure 376000DEST_PATH_IMAGE003
与接收检测视角X光图像的时刻
Figure 488313DEST_PATH_IMAGE004
的差值。
具体地，将获取的检测视角X光图像存入检测视角数据库，并记录每一帧X光图像的获取时间Ti，所述关联X光图像，通过以下步骤得到：
基于所述校正时间差
Figure 541588DEST_PATH_IMAGE001
以及获取时间点
Figure 739352DEST_PATH_IMAGE005
，获得检测视角数据库定位时间点
Figure 287008DEST_PATH_IMAGE006
，其中
Figure 253827DEST_PATH_IMAGE007
；
根据所述检测视角数据库定位时间点
Figure 478003DEST_PATH_IMAGE006
，遍历所有X光图像的获取时间Ti，获取与所述检测视角数据库定位时间点
Figure 163063DEST_PATH_IMAGE006
最接近的一个X光图像的获取时间，确定为关联时间点t2；
根据所述关联时间点t2，从所述检测视角数据库中提取所述关联时间点t2对应的一帧X光图像，确定为包含所述同一重叠包裹关联的检测视角X光图像。
在小尺度下追踪候选角点集中的每一像素点，精确定位角点的位置，提高角点的定位准确度。
在标记出的T型角点附近搜索是否存在定位到的CSS角点，若存在，则将该T型角点删除。其余的角点则为最终提取的角点集。
需要说明的是，本申请的去重叠考虑的是两个包裹叠加在一起的重叠区域。
对于包裹层面的视角间协同，过去只是在显示数据上进行了视角之间的对齐，但是现在还需要考虑在包裹层面上进行视角间对齐。首先在包裹剪切处理时，两个视角的分包结果要基本一致、互相对应；其次在执行探测时，有些功能需要同一包裹的多个视角的图像协同使用，才能进行探测，典型如液体探测功能。
在本实施例中，通过多套探测装置采集到行包的不同角度的多个X光图像并进行显示，从而避免出现探测装置漏检过包行李中的物品特别是危险物品(如小的危险物品因其旁边的大物品的遮挡而不能被检出，或因为行李放置在探测装置的辐射死角而漏检等)，且安检工作人员通过对同一危险物品的不同角度的视图可以快速的判断出该危险物品的结构，因而更加容易对该危险物品进行定位和识别，进而及时采取相关的有效措施，提高了安检的工作效率。更优的是，由于是多套探测装置，因此这些个探测装置的安装面之间的角度关系按预设值进行设置，从而尽量避免出现安检死角的出现。本安检系统实用性强，符合我国国情，具有良好的市场前景。
在本实施例中，处理器和安检机连接，从而实现处理器启闭安检机或安检机启闭处理器，从而实现本系统的全自动化和智能化。
如图3所示，在本实施例中，所述第一视角为主视角（俯视角），第二视角为侧视角；所述两个视角由2组X射线源和探测器组成，每组X射线源和探测器组成一个视角的成像系统，所述的两个视角为围绕X光安检机输送通道设置的第一视角、第二视角；所述第一视角包括第一X射线源和第一探测器；所述第二视角包括第二X射线源和第二探测器；所述第一X射线源位于输送通道正上方，所述第二X射线源位于输送通道一个侧面。
在系统初始化时，通过对主视角和侧视角的图像进行校正获得校正时间差
Figure 248830DEST_PATH_IMAGE001
，获取主视角和侧视角提供的视频帧，主视角和侧视角视频帧中包裹的长是相同的，即w0=w1。记主视角和俯视角校正时的校正时间差
Figure 70156DEST_PATH_IMAGE001
：获取所述第一视角X光图像的首帧X光图片的获取时间点t0；获取所述第二视角X光图像的首帧X光图片的获取时间点t0'，则
Figure DEST_PATH_IMAGE008
；
本领域技术人员可以理解的是，由于两套探测装置扫描出来的X光图像可能不是同步产生的，因此需要确定系统分别接收两套探测装置扫描出来的X光图像，以进行相同包裹的两个视角的X光图像之间的关联。因此如何获得两套探测装置之间的时间差是解决关联问题的关键点。本申请还可以采用以下步骤：
如图2所示，所述第一视角为主视角（俯视角），第二视角为侧视角，包裹在主视角下识别为重叠包裹，此种根据现有的识图切图技术，无法很好的将两个重叠包裹完整截取出来。
获取大量的双视角安检机扫描的包裹第一视角X光图像和第二视角X光图像，确定为实验数据，所述第一视角与第二视角相互正交；
将所述第一视角X光图像输入至目标识别模型，获取包裹的便签、包裹的宽度Wi以及获取时间Ti；
将所述第二视角X光图像输入至目标识别模型，获取包裹的便签、包裹的宽度Wj以及获取时间Tj；
确定需要关联的目标包裹的宽度W1及获取时间T1，根据所述宽度W1，遍历所有第二视角X光图像的包裹的宽度Wj，找出所有与宽度W1相等的第二视角X光图像的包裹，再进行获取时间的比对，根据获取时间T1，遍历所有与宽度W1相等的第二视角X光图像的包裹的获取时间，找到与所述获取时间T1最接近的一个获取时间，确定获取时间对应的帧视频图片为该目标包裹关联的第二视角X帧视频图片。
找出所有实验数据的第一视角X光图像和第二视角X光图像的同一包裹的双视角关联图片，计算关联图片之间获取时间的差值tti，将所有差值tti求平均值处理，获得校正时间差
Figure 993463DEST_PATH_IMAGE001
。
主视角和侧视角校正后，每隔△t则缓存一次第二视角X光图像，记为qi={△ti，Ii}，i表示第i次缓存，i=1，2，3…n，△ti表示缓存图片时间点与获取时间点t0'的时间差，记缓存图片时间点为ti''，△ti=ti''-t0'=△t* i，Ii表示第i次缓存的图片。
对主视图的某一视频帧采用目标识别的方式，识别出包裹的位置，视频帧的时间为t1，包裹A在主视图中的左边缘的Y轴坐标。计算主视角该视频帧的时间t1相对于校正时间差
Figure 900239DEST_PATH_IMAGE001
的差值
Figure DEST_PATH_IMAGE009
，然后找出步骤五中
Figure DEST_PATH_IMAGE010
的侧视角图片Ii。
即根据主视角该视频的时间与校正时间差
Figure 711069DEST_PATH_IMAGE001
，确定第二视角X光图像缓存的模糊定位时间点
Figure DEST_PATH_IMAGE011
，获得所述模糊定位时间点
Figure 918059DEST_PATH_IMAGE011
与缓存图片时间点ti''的差值，提取最小的差值该缓存时间点下的第二视角X光图像，实现同一包裹的主视角和俯视角图像的关联。
基于上述去重叠处理，获得重叠区域的左边缘的Y轴坐标、右边缘的Y轴坐标；
基于包裹A在主视图中的左边缘的Y轴坐标，以及重叠区域的右边缘的Y轴坐标，获得去重叠后的包裹A在主视图中的左边缘的Y轴坐标、右边缘的Y轴坐标，基于所述左边缘的Y轴坐标、右边缘的Y轴坐标进行切图获得包裹主视角切图。
因为主视角和侧视角的视频帧具有相同的长度，所以侧视图中同一包裹A的左边缘的Y轴坐标、右边缘的Y轴坐标，可从侧视图中切出包裹图片。
通过以上步骤则切出了双源双视角的两个视角的去重叠区域的包裹图片。
示例性的，所述角点检测具体包括以下步骤：
利用canny边缘检测算子提取图像中的边缘轮廓，填充二值化边缘轮廓中的细微缺口，并标记边缘轮廓中出现的T型角点。
利用大尺度的高斯滤波函数平滑曲线，并计算边缘上像素点的曲率，如果某点的曲率值超过给定的曲率阈值，且在一定的局部相邻范围内，该曲率绝对值极大，则将该点判定为候选角点。
实施例2
一种基于主视角和侧视角的切图装置
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所述的一种基于主视角和侧视角的切图方法。
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一种基于主视角和侧视角的切图方法。
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 (10)

1.一种基于主视角和侧视角的切图方法，其特征在于，具体包括以下步骤：
S1、获取双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像，所述第一视角与第二视角相互正交；
S2、根据所述第一视角X光图像和第二视角X光图像，确定检测视角X光图像、目标视角X光图像；
S3、对检测视角X光图像进行角点检测，分别确定检测视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S4、根据所述前包裹的角点坐标、后包裹的角点坐标，获得对应的目标视角X光图像中前包裹的角点坐标、后包裹的角点坐标；
S5、基于所述前包裹的角点坐标、后包裹的角点坐标对目标视角X光图像的重叠包裹进行切图。
2.根据权利要求1所述的一种基于主视角和侧视角的切图方法，其特征在于，步骤S2具体包括以下步骤：
根据所述第一视角X光图像和第二视角X光图像，进行重叠包裹判定，所述重叠包裹包括前包裹、后包裹；
若存在重叠包裹，则从所述第一视角X光图像和第二视角X光图像中确定目标视角X光图像、检测视角X光图像。
3.根据权利要求2所述的一种基于主视角和侧视角的切图方法，其特征在于，步骤S1还包括重叠包裹判定：
分别获取所述双视角安检机扫描包裹的第一视角X光图像和第二视角X光图像；
将所述第一视角X光图像、第二视角X光图像分别输入对应的预先训练的目标识别模型，获得包裹的沿传送带传送方向的第一视角像素值、第二视角像素值；
判断所述第一视角像素值或第二视角像素值是否超过预设阈值，若是，则判定所述第一视角X光图像或第二视角X光图像中存在重叠包裹。
4.根据权利要求3所述的一种基于主视角和侧视角的切图方法，其特征在于，步骤S3具体包括以下步骤：
当第一视角像素值超过预设阈值时，将所述第二视角X光图像确定为检测视角X光图像，第一视角X光图像确定为目标视角X光图像；
当第二视角像素值超过预设阈值时，将所述第一视角X光图像确定为检测视角X光图像，第二视角X光图像确定为目标视角X光图像；
根据所述目标视角X光图像，进行视角关联，确定所述重叠包裹关联的检测视角X光图像。
5.根据权利要求1所述的一种基于主视角和侧视角的切图方法，其特征在于，所述角点坐标包括：包裹沿X光机传送带传送方向的两个距离最远的角点的坐标。
6.根据权利要求4所述的一种基于主视角和侧视角的切图方法，其特征在于，所述视角关联具体包括以下步骤：
S001、获得所述目标视角X光图像的获取时间点t1；
S002、根据所述获取时间点t1，计算关联时间点t2，根据所述关联时间点t2从所述检测视角数据库中提取一帧包含同一重叠包裹的关联X光图像，确定为重叠包裹的检测视角X光图像，所述检测视角数据库用于存储检测视角X光图像。
7.根据权利要求6所述的一种基于主视角和侧视角的切图方法，其特征在于，关联时间点t2，通过以下步骤获得：
获得校正时间差
Figure DEST_PATH_IMAGE001
；
基于所述校正时间差
Figure 638483DEST_PATH_IMAGE001
以及获取时间点t1，计算关联时间点
Figure 519851DEST_PATH_IMAGE002
。
8.根据权利要求7所述的基于主视角和侧视角的切图方法，其特征在于，在X光机初始化后，第一次接收所述目标视角X光图像和检测视角X光图像时，计算所述校正时间差
Figure 813429DEST_PATH_IMAGE001
，通过以下步骤得到：
获取所述目标视角X光图像的首帧X光图像的获取时间点
Figure DEST_PATH_IMAGE003
；
获取所述检测视角X光图像的首帧X光图像的获取时间点
Figure 463853DEST_PATH_IMAGE004
；
所述校正时间差
Figure 856789DEST_PATH_IMAGE001
为接收目标视角X光图像的时刻
Figure 225453DEST_PATH_IMAGE003
与接收检测视角X光图像的时刻
Figure 57143DEST_PATH_IMAGE004
的差值。
9.根据权利要求8所述的一种基于主视角和侧视角的切图方法，其特征在于，将获取的检测视角X光图像存入检测视角数据库，并记录每一帧X光图像的获取时间Ti，所述关联X光图像，通过以下步骤得到：
基于所述校正时间差
Figure 562073DEST_PATH_IMAGE001
以及获取时间点t1，获得检测视角数据库定位时间点
Figure DEST_PATH_IMAGE005
，其中
Figure 391489DEST_PATH_IMAGE006
；
根据所述检测视角数据库定位时间点
Figure 247450DEST_PATH_IMAGE005
，遍历所有X光图像的获取时间Ti，获取与所述检测视角数据库定位时间点
Figure 882830DEST_PATH_IMAGE005
最接近的一个X光图像的获取时间，确定为关联时间点
Figure DEST_PATH_IMAGE007
；
根据所述关联时间点
Figure 242268DEST_PATH_IMAGE007
，从所述检测视角数据库中提取所述关联时间点
Figure 242585DEST_PATH_IMAGE007
对应的一帧X光图像，确定为包含所述同一重叠包裹关联的检测视角X光图像。
10.一种基于主视角和侧视角的图像处理装置，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9中任意一项所述的一种基于主视角和侧视角的切图方法。
CN202211408859.7A 2022-11-11 2022-11-11 一种基于主视角和侧视角的切图方法及装置 Active CN115471560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211408859.7A CN115471560B (zh) 2022-11-11 2022-11-11 一种基于主视角和侧视角的切图方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211408859.7A CN115471560B (zh) 2022-11-11 2022-11-11 一种基于主视角和侧视角的切图方法及装置

Publications (2)

Publication Number Publication Date
CN115471560A true CN115471560A (zh) 2022-12-13
CN115471560B CN115471560B (zh) 2023-02-14

Family

ID=84338162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211408859.7A Active CN115471560B (zh) 2022-11-11 2022-11-11 一种基于主视角和侧视角的切图方法及装置

Country Status (1)

Country Link
CN (1) CN115471560B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101358936A (zh) * 2007-08-02 2009-02-04 同方威视技术股份有限公司 一种利用双视角多能量透射图像进行材料识别的方法及系统
EP2226812A1 (en) * 2009-03-05 2010-09-08 Morpho Detection, Inc. X-Ray diffraction device, object imaging system and method for operating a security system
CN102253064A (zh) * 2011-03-30 2011-11-23 上海高晶金属探测设备有限公司 X射线检测装置
JP2013064619A (ja) * 2011-09-16 2013-04-11 Ihi Inspection & Instrumentation Co Ltd 貨物多視角検査装置と方法
US20170103513A1 (en) * 2014-03-24 2017-04-13 Smiths Heimann Gmbh Detection of items in an object
JP6537008B1 (ja) * 2018-02-14 2019-07-03 株式会社イシダ 検査装置
CN110197170A (zh) * 2019-06-05 2019-09-03 北京科技大学 基于目标检测的钢卷卷形缺陷检测识别方法
CN113468918A (zh) * 2020-03-31 2021-10-01 顺丰科技有限公司 包裹检测方法、装置、设备及存储介质
CN114624263A (zh) * 2022-03-23 2022-06-14 成都智元汇信息技术股份有限公司 一种双源双视角基于目标识别的切图方法及系统
CN114693691A (zh) * 2022-03-23 2022-07-01 成都智元汇信息技术股份有限公司 一种双源双视角基于坐标映射的切图方法
CN114898044A (zh) * 2022-05-19 2022-08-12 同方威视技术股份有限公司 检测对象成像方法、装置、设备及介质
CN115272652A (zh) * 2022-07-29 2022-11-01 东南大学 基于多元回归和自适应焦点损失的密集物体图像检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101358936A (zh) * 2007-08-02 2009-02-04 同方威视技术股份有限公司 一种利用双视角多能量透射图像进行材料识别的方法及系统
EP2226812A1 (en) * 2009-03-05 2010-09-08 Morpho Detection, Inc. X-Ray diffraction device, object imaging system and method for operating a security system
CN102253064A (zh) * 2011-03-30 2011-11-23 上海高晶金属探测设备有限公司 X射线检测装置
JP2013064619A (ja) * 2011-09-16 2013-04-11 Ihi Inspection & Instrumentation Co Ltd 貨物多視角検査装置と方法
US20170103513A1 (en) * 2014-03-24 2017-04-13 Smiths Heimann Gmbh Detection of items in an object
JP6537008B1 (ja) * 2018-02-14 2019-07-03 株式会社イシダ 検査装置
CN110197170A (zh) * 2019-06-05 2019-09-03 北京科技大学 基于目标检测的钢卷卷形缺陷检测识别方法
CN113468918A (zh) * 2020-03-31 2021-10-01 顺丰科技有限公司 包裹检测方法、装置、设备及存储介质
CN114624263A (zh) * 2022-03-23 2022-06-14 成都智元汇信息技术股份有限公司 一种双源双视角基于目标识别的切图方法及系统
CN114693691A (zh) * 2022-03-23 2022-07-01 成都智元汇信息技术股份有限公司 一种双源双视角基于坐标映射的切图方法
CN114898044A (zh) * 2022-05-19 2022-08-12 同方威视技术股份有限公司 检测对象成像方法、装置、设备及介质
CN115272652A (zh) * 2022-07-29 2022-11-01 东南大学 基于多元回归和自适应焦点损失的密集物体图像检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LING-LING WANG 等: "ARG-based segmentation of overlapping objects in multi-energy x-ray image of passenger accompanied baggage", 《MIPPR 2005: IMAGE ANALYSIS TECHNIQUES》 *
MUHAMMET BAS¸TAN: "Multi-view object detection in dual-energy X-ray images", 《MACHINE VISION AND APPLICATIONS》 *
乔梁 等: "X射线包裹图像颗粒状物品纹理分割", 《核电子学与探测技术》 *
宋修竹: "X光安检图像处理方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
董浩: "基于多视角的X射线图像分析方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN115471560B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
EP2426642B1 (en) Method, device and system for motion detection
US10512941B2 (en) Projection instruction device, parcel sorting system, and projection instruction method
CN114624263B (zh) 一种双源双视角基于目标识别的切图方法及系统
US20050259847A1 (en) System and method for tracking parcels on a planar surface
WO2012023593A1 (en) Position and orientation measurement apparatus, position and orientation measurement method, and storage medium
CN107392958A (zh) 一种基于双目立体摄像机确定物体体积的方法及装置
CN110428442B (zh) 目标确定方法、目标确定系统和监控安防系统
US10675659B2 (en) Instruction projecting device, package sorting system and instruction projecting method
CN112734652B (zh) 一种基于双目视觉的近红外血管图像投影校正方法
CN113313097B (zh) 人脸识别方法、终端及计算机可读存储介质
CN110189347B (zh) 一种测量物体体积的方法及终端
CN114660097B (zh) 一种基于双源双视角的同步校正方法及系统
CN112991159B (zh) 人脸光照质量评估方法、系统、服务器与计算机可读介质
CN115471560B (zh) 一种基于主视角和侧视角的切图方法及装置
CN114119644A (zh) 一种基于边缘特征的模板匹配方法
CN111383255A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
Harvent et al. Shape measurement using a new multi-step stereo-DIC algorithm that preserves sharp edges
CN115424200B (zh) 一种基于动态更新的人包关联方法及装置
CN115564656A (zh) 一种基于调度的多图合并识图方法及装置
CN116311085B (zh) 一种图像处理方法、系统、装置及电子设备
CN117611524B (zh) 基于多源图像的快件安检方法
CN115422391B (zh) 一种基于以图搜图的人包关联方法及装置
CN115457455B (zh) 一种基于判定更新的人包关联方法及装置
US20190099784A1 (en) Projection instruction device, parcel sorting system, and projection instruction method
CN118015435B (zh) 基于移动计算平台的实时人脸抓拍方法及系统

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