CN117495861A - 安检图像查验方法和装置 - Google Patents
安检图像查验方法和装置 Download PDFInfo
- Publication number
- CN117495861A CN117495861A CN202410001649.9A CN202410001649A CN117495861A CN 117495861 A CN117495861 A CN 117495861A CN 202410001649 A CN202410001649 A CN 202410001649A CN 117495861 A CN117495861 A CN 117495861A
- Authority
- CN
- China
- Prior art keywords
- data
- security inspection
- security
- inspection image
- image data
- 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 83
- 238000007689 inspection Methods 0.000 claims abstract description 271
- 230000011218 segmentation Effects 0.000 claims description 78
- 230000008569 process Effects 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000004438 eyesight Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- UCTWMZQNUQWSLP-VIFPVBQESA-N Adrenalin Natural products CNC[C@H](O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-VIFPVBQESA-N 0.000 description 1
- UCTWMZQNUQWSLP-UHFFFAOYSA-N Adrenaline Natural products CNCC(O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 229940102884 adrenalin Drugs 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
Abstract
本申请涉及一种安检图像查验方法和装置,该方法包括:获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;将安检图像数据分割为多个分割数据;以及将所述多个分割数据分发给多个移动设备。在本申请中,通过将一个安检对象的安检图像数据分割为多个分割数据,分别分发给多个移动设备,能够实现由多个安检员协同查验该安检对象。
Description
技术领域
本申请属于利用射线的安检检测技术领域,尤其是,涉及安检图像查验方法和装置。
背景技术
随着集装箱、航空箱的运输业务的快速发展,在海关、机场等设施中,对集装箱、航空箱的箱体进行安全检查的安检设备的应用场景当中,为了提高安检效率,需要对安检设备采集并经计算机重建后的箱体的三维图像进行整箱查验,以便查验是否存在违禁品。
由于这些箱体的尺寸庞大(例如,航空箱的尺寸为,Q6:3.18*2.44*2.44米,Q7:3.18*2.44*2.99米,集装箱的尺寸为,45HQ:13.716*2.438*2.89米),重建后的三维图像的数据量也很庞大,需要利用高性能的图像处理服务器来显示三维图像,以便安检员进行查验。
在目前的整箱安检业务流程中,在检查室内,配置有高性能的图像处理服务器以便安检员在检查室进行图像的查验,若箱体存在嫌疑物,安检员需要在检查室外对箱体进行开箱检查。
发明内容
由于箱体的尺寸庞大,在对箱体进行开箱检查时,为了提高查验效率,希望能由多名安检员同时进行操作,但是目前由于多名安检员无法实时查看同一箱体的图像,从而无法实现协同查验。
另外,在目前安检员开箱检查的过程中,无法实时查看箱体的三维图像,且无法通过查验三维图像精确定位嫌疑物的具体位置。
另外,由于成本、空间、业务利用率的限制,检查室内无法配置多台图像查验用的高性能的图像处理服务器,计算资源有限,如何利用有限的计算资源,实现安检图像的协同查验,是亟待解决的问题之一。
本申请提供一种能够实现多个安检员的协同查验的安检图像查验方法和装置。
本申请的第一方式提供一种安检图像查验方法,该方法包括:获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;将安检图像数据分割为多个分割数据;以及将所述多个分割数据分发给多个移动设备。通过将一个安检对象的安检图像数据分割为多个分割数据,分别分发给多个移动设备,能够实现由多个安检员协同查验该安检对象。
另外,由于将一个的安检图像数据分割成多个分割数据,分别分发给多个安检员的移动设备,使得多个安检员能够在对箱体进行开箱检查时分别对该安检对象的一部分数据进行显示并查验,从而能够实现多个安检员的协同查验,提高安检效率。
另外,由于分割数据相对于整个安检对象的安检图像数据来说尺寸较小,在每个安检员在自身的移动设备上仅接收和显示分发给他的分割数据即可,在移动设备的较小的屏幕上进行旋转、放大、标记等处理时,比较方便,能够提高查验效率及精度。
在上述的安检图像查验方法中,当将安检图像数据分割为多个分割数据时,根据分割算法自动地进行分割。通过分割算法自动地进行分割,相比于人工分割,能够提高数据分割效率,从而提高安检查验效率。
在上述的安检图像查验方法中,所述分割算法将所述安检图像数据平均分割为多个平均分割数据。
在上述的安检图像查验方法中,所述分割算法根据嫌疑物识别的结果和/或分割过程的判断,剔除不含有嫌疑物部分的数据。通过剔除不含有嫌疑物部分的数据,能够减少数据处理量。
在上述的安检图像查验方法中,所述分割算法包括:将安检图像数据平均分割为预定数量的子图像数据;剔除不包含嫌疑物的子图像数据;以及将剩下的存在嫌疑物的子图像数据再次平均分割,直至所述子图像数据达到预定大小,获得所述平均分割数据。通过在平均分割的过程中,剔除不包含嫌疑物的子图像数据,重复平均分割和和剔除过程,能够及时减少数据量,并且使得分割后的数据包含嫌疑物,提高后续工作效率,从而提高安检查验效率。
在上述的安检图像查验方法中,所述分割算法包括:针对已有的包含嫌疑物的空间数据,若所述空间数据中的嫌疑物的空间尺寸小于预设的最小尺寸,则对嫌疑物数据进行空间的区域生长,所述嫌疑物数据是表示所述空间数据中的各嫌疑物的空间位置的数据。通过区域生长处理,能够使得区域生长后的嫌疑物数据均不小于最小尺寸,能够避免尺寸过小、不包含嫌疑物、或者仅包含一部分嫌疑物的生长分割数据被分发给一个安检员的情况。
在上述的安检图像查验方法中,所述分割算法包括:针对已有的空间数据,判断是否有嫌疑物,并获取一个嫌疑物的空间尺寸以及嫌疑物数据,所述嫌疑物数据是表示所述空间数据中的各嫌疑物的空间位置的数据;判断所述空间尺寸是否小于预设的最小尺寸,所述预设的最小尺寸是根据嫌疑物的尺寸和/箱体的类型预先设定的尺寸;若不小于预设的最小尺寸,则将所述嫌疑物数据作为一个生长分割数据而切割;若小于预设的最小尺寸,则对所述嫌疑物数据进行一次区域生长,每当区域生长一次,则判断一次空间尺寸,直到所述嫌疑物数据不小于预设的最小尺寸为止。通过区域生长处理,能够使得区域生长后的嫌疑物数据均不小于根据嫌疑物的尺寸和/箱体的类型预先设定的最小尺寸,能够避免尺寸过小、不包含嫌疑物、或者仅包含一部分嫌疑物的生长分割数据被分发给一个安检员的情况。
在上述的安检图像查验方法中,所述预设的最小尺寸包括三维最小尺寸和一维最小尺寸,所述分割算法包括:先根据三维最小尺寸,进行三维区域生长后,若所述嫌疑物的空间尺寸虽然不小于三维最小尺寸、但某方向的尺寸小于一维最小尺寸,则针对该方向再进行一维区域生长,直至每一方向的空间尺寸均不小于预设的一维最小尺寸。通过将三维区域生长和一维区域生长相结合,能够针对三维尺寸不同的物体,生成更为贴近嫌疑物的空间尺寸的分割数据,能够提高查验效率以及准确度。
在上述的安检图像查验方法中,当将所述多个分割数据分发给多个移动设备时,根据是否为特定移动设备来进行分发,其中,所述特定移动设备是根据安检员信息和嫌疑物信息来确定的。通过根据安检员信息和嫌疑物信息来确定特定移动设备,向特定移动设备分发对应的分割数据,能够将分割数据分发给更加适合该分割数据的查验子任务的安检员,从而能够改善查验效果。
在上述的安检图像查验方法中,将所述多个分割数据分发给多个移动设备包括:根据所述多个分割数据中的每一个,生成用于进行安检查验的子任务;判断多个移动设备的空闲状态;若存在空闲状态的移动设备,向空闲状态的移动设备分发所述子任务;若不存在处于空闲状态的移动设备,判断是否存在特定移动设备;若存在所述特定移动设备,则将该子任务分发给所述特定移动设备;以及若不存在所述特定移动设备,则根据所述移动设备的繁忙程度分发所述子任务。通过先判断是否存在空闲状态的移动设备,优先分发给空闲状态的移动设备,当不存在空闲状态的移动设备时,再判断是否有特定移动设备,根据特定移动设备进行分发,若没有特定移动设备,则按照移动设备的繁忙程度进行分发,由此,能够更加合理地分发任务,改善查验效果,提高查验效率。
在上述的安检图像查验方法中,当接收到子任务的移动设备拒绝该子任务时,将所述子任务通过串流通信转发给其他移动设备。由此,能够实现子任务的再分配,使得子任务分配更为合理,移动设备之间的通信更为顺畅,改善查验效果。
在上述的安检图像查验方法中,还包括:根据来自所述多个移动设备的查验结果,汇总生成综合查验结果。由此,能够实现多个安检员的协同查验,提高安检效率。
在上述的安检图像查验方法中,在进行分发的步骤和进行汇总的步骤中的至少一个中,通过串流方式与所述移动设备进行通信。由于通过串流(streaming)方式传输数据流或视频流,可以边传输边显示,在多人协作的安检图像查验时,能够实现延迟小、分辨率高、数据量大的通信,从而能够提高安检图像的查验效率和准确度。
本申请的第二方式提供一种安检图像查验装置,该装置包括:获取模块,获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;分割模块,将安检图像数据分割为多个分割数据;以及分发模块,将所述多个分割数据分发给多个移动设备。
本申请的第三方式提供一种服务器,执行第一方式的安检图像查验方法,或者设置有第二方式的安检图像查验装置。
本申请的第四方式提供一种计算机可读存储介质,存储有程序,所述程序使得计算机执行如下处理:获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;将安检图像数据分割为多个分割数据;以及将所述多个分割数据分发给多个移动设备。
第二、第三、第四实施方式也能够获得与第一实施方式相同的技术效果。
附图说明
图1是示出本申请的安检场景的示意图;
图2是示出第一实施方式所涉及的安检图像查验方法的一个实施例的流程图;
图3是示出进行平均分割的分割算法的一个实施例的示意图;
图4是示出进行区域生长的分割算法的一个实施例的流程图;
图5是示出进行区域生长的分割算法的另一个实施例的流程图;
图6是示出安检图像数据查验方法中的分发步骤的一个示例的流程图;
图7是示出第一实施方式所涉及的安检图像查验方法的另一个实施例的流程图;
图8是示出第二实施方式所涉及的安检图像查验装置的一个实施例的示意图;
图9是示出安检图像查验装置中的分发模块的一个实施例的示意图;
图10是示出第三实施方式所涉及的电子设备的硬件构成的示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性的实施方式或实施例。虽然附图中显示了本申请的示例性的实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施方式或实施例所限制。相反,提供这些实施方式或实施例是为了能够更清楚地理解本申请。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施方式或实施例能够以除了图示或描述的以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备,不限于清楚地列出的步骤或单元,而是可以包括没有清楚地列出的其它步骤或单元。文中的相同或相似的标号表示具有相同或相似的功能的构成要素。
在说明本申请的安检图像查验方法和装置之前,先介绍该安检图像查验方法和装置可以适用的安检场景的一个示例。图1是示出本申请的安检场景的示意图。
如图1所示,作为一个示例,本申请的安检场景可以是:
利用安检设备102对安检对象101进行扫描,获取安检数据,通过网络将数据信息发送到服务器104中。
在服务器104中,可以对安检数据进行图像重建和嫌疑物识别,获得安检图像数据以及嫌疑物识别信息。安检图像数据中也可以包含有嫌疑物识别信息,即,可以通过图像重建、嫌疑物识别来获得包含嫌疑物识别信息的安检图像数据。
信息采集装置103采集安检对象101的外观信息,该外观信息也被发送到服务器104中。
另外,安检员也可以经由输入装置向服务器104输入安检对象信息。
服务器104可以根据输入的嫌疑物识别信息、安检对象信息、外观信息等中的至少一部分以及预定的算法,将安检图像数据分割为多个分割数据,分发给位于开箱检查现场的多个安检员分别所持的多个移动设备105-1~105-n(n为大于1的整数)以下,有时也将多个移动设备105-1~105-n统称为移动设备105。
位于开箱检查现场的安检员利用各自的移动设备实时查看分发给自己的分割数据,参考与其对应的各种信息,对安检对象内的嫌疑物进行现场查验。在现场查验过程中,安检员还可以在移动设备中显示的与分割数据对应的图像中标记嫌疑物。
其中,安检对象信息可以包括:班次信息、货物信息等;安检对象101是大型箱体,例如,集装箱、航空箱等;
安检图像数据可以是二维图像数据、也可以是三维图像数据。图像可以是静态图像也可以是动态图像。当安检图像数据为动态图像时,分割数据也可以是视频。
在本申请中,安检设备102可以是:例如,X射线断层(X-CT)扫描设备、多视角X射线扫描设备。安检设备102所获取的安检数据可以是二维、三维扫描数据。例如,包括X射线断层(X-CT)扫描数据、多视角X射线扫描数据中至少之一。
服务器104通常是高性能服务器,通过通讯接口与多个移动设备105-1~105-n连接(n为大于1的整数)。
<第一实施方式>
本申请的第一实施方式提供一种安检图像查验方法,该安检图像查验方法可以应用于上述的应用场景中的服务器中。通过将同一安检对象的安检图像数据进行分割,分发给多个移动设备,以实现多个安检员的协同查验。
如图2所示,本申请的安检图像查验方法可以包括步骤S10~S30。
在步骤S10中,获取安检图像数据。
在这里,安检图像数据是由安检设备102对一个大型安检对象101进行扫描之后,在服务器104或者其他的信息处理设备中进行图像重建、嫌疑物识别来获得的。
换言之,安检图像数据是对CT扫描数据等的安检数据进行了图像重建的二维图像数据或三维图像数据。
在步骤S20中,将安检图像数据分割为多个分割数据。
由于安检图像数据为二维图像数据或三维图像数据,因此,与此对应地,分割数据也可以是二维图像数据或三维图像数据。当图像为动态图像时,分割数据也可以是视频。
在一些实施例中,可以根据服务器104中设定的配置文件来分割安检图像数据。例如,可以根据配置文件中的坐标参数以任意角度分割三维图像,将图像分割为能够单独显示的内容。也可以将分割后的坐标同步到二维图像中。
在另一些实施例中,根据分割算法自动实现分割。在这里,可以采用多种分割算法。
在一些实施例中,作为一个示例,分割算法可以是进行平均分割的分割算法。
其中,由于经由图像重建、嫌疑物识别来生成安检图像数据的目的在于对嫌疑物进行查验,因此,优选的是,分割算法根据嫌疑物识别的结果,主要对安检图像数据中的含有嫌疑物部分的数据进行分割。换言之,分割算法根据嫌疑物识别的结果,剔除不含有嫌疑物部分的数据,并且在分割过程中,若是判断为不包含嫌疑物的数据,则剔除。通过剔除不含有嫌疑物部分的数据,能够减少数据处理量。
作为一个示例,进行平均分割的分割算法包括:将安检图像数据平均分割为预定数量的子图像数据,剔除不包含嫌疑物的子图像数据,将剩下的存在嫌疑物的子图像数据再次平均分割,直至所述子图像数据达到预定大小,获得所述分割数据。例如,当预定数量为4时,将三维图像平均分为4块;剔除4块中不带嫌疑物的图像;将剩下存在嫌疑物的每块图像再平均分为4块;若此时子图像数据已达到预定大小,则停止分割,如此,被分割且被保留的子图像数据最多有16块,最少有0块,若为0块,则代表在安检图像数据中没有嫌疑物。
图3是示出本申请的进行平均分割的分割算法的一个实施例的示意图。
在图3所示的实施例中,首先会将安检图像数据(以下,也称为“安检图像”)分割为401、402、403、404四个部分。
根据嫌疑物识别的结果,剔除401、402、403、404中不包括嫌疑物405的部分。在图3所示的实施例中,401不包含嫌疑物信息,故将401排除。
将剩下包括嫌疑物405的部分402、403、404分别分割为四个部分。即,将402、403、404再次分割为402-1、402-2、402-3、402-4,403-1、403-2、403-3、403-4,404-1、404-2、404-3、404-4共12个部分。
剔除上述12个部分中不包含嫌疑物的部分,保留包含嫌疑物405的部分402-1、402-2、402-4,403-1、403-4,404-3共6个部分。
将每一个保留部分转化为能够分发的分割数据,在后续的步骤中分发给多个移动设备。
通过在平均分割的过程中,剔除不包含嫌疑物的子图像数据,能够及时减少数据量,并且使得分割后的数据包含嫌疑物,提高后续工作效率,从而提高安检查验效率。
在一些实施例中,分割算法可以是进行区域生长的分割算法。即,在分割算法中,进行区域生长处理。
在一些实施例中,可以针对已有的包含嫌疑物的空间数据,判断该空间数据中的嫌疑物的空间尺寸,小于预设的最小尺寸,则对嫌疑物数据进行空间的区域生长。
在这里,已有的空间数据包含有嫌疑物,因此,这里的已有的空间数据可以是经过平均分割后的平均分割数据、或者是进行平均分割的过程中的存在嫌疑物的子图像数据、也可以是从安检图像数据中通过嫌疑物识别标记出来的嫌疑物的空间数据。其中,嫌疑物数据是表示该空间数据中的各嫌疑物的空间位置的数据。
作为一个示例,如图4所示,进行区域生长的分割算法可以包括S210~S240步骤。
在S210步骤中,针对已有的空间数据,判断是否有嫌疑物,并获取一个嫌疑物的空间尺寸。
已有的空间数据中所含有的嫌疑物是通过嫌疑物识别来获取的,而嫌疑物识别可以标记出安检图像数据中的嫌疑物的空间位置。被嫌疑物识别算法标记的嫌疑物是一个三维空间的物体,存在xyz三维空间的坐标,嫌疑物的空间位置可以由xyz三维空间的坐标示出。基于这样标记的空间位置,可以从存在嫌疑物的各种空间数据中,获取各嫌疑物的空间尺寸。
由于随着生长分割数据的切割,已有的空间数据会从原始数据逐渐变化为切割后的数据,因此,在S210步骤中,重新判断剩余的空间数据中是否还包含嫌疑物。
具体来说,判断该空间数据中是否包含有嫌疑物,若有,则获取其中一个嫌疑物的空间尺寸;若没有则不再进行区域生长处理,而丢弃掉该空间数据。
在S220步骤中,判断该空间尺寸是否小于预设的最小尺寸。预设的最小尺寸是系统中根据嫌疑物的尺寸和/箱体的类型预先设定的尺寸。
若在S220步骤中判断为空间尺寸不小于预设的最小尺寸,则进入S240步骤,将该嫌疑物的嫌疑物数据作为一个生长分割数据而切割。即,满足空间尺度条件的部分被单独作为一个生长分割数据而切割出来。在这里,嫌疑物数据可以是在该空间数据中被识别算法标记的嫌疑物的三维图像数据。
然后,返回S210步骤,继续针对下一个嫌疑物进行处理。此时,在S210步骤中,空间数据中的嫌疑物是从空间数据中切割掉生长分割数据之后的剩余的部分所包含的嫌疑物。
若在S220步骤中判断为空间尺寸小于预设的最小尺寸,则进入S230步骤,对该嫌疑物数据进行一次区域生长。
在S230步骤中进行一次区域生长之后,再次返回S220步骤中,进行判断。即,每当区域生长一次,则判断一次空间尺寸,直到该嫌疑物的空间尺寸不小于预设的最小尺寸为止。
在这里,可以针对三维坐标,设定一个三维的最小尺寸,一起进行是否小于该三维最小尺寸的判断、一起进行三维的区域生长;也可以对三维坐标中的每一个,分别设定一维的最小尺寸,分别进行判断,分别进行一维区域生长。
当针对某一嫌疑物数据在三维方向中进行一次三维方向的生长时,以原有嫌疑物数据为中心,在xyz三个轴的正负方向上、共六个方向上分别进行一次扩展,每个方向的零点为该嫌疑物数据的中心点。
如果在生成过程中超出箱体三维图像的边界,则在该方向上停止生成。在这里,边界也包含之前的S240步骤中生长分割数据被切割后的新生成的边界。
通过区域生长处理,能够使得区域生长后的嫌疑物数据均不小于最小尺寸,能够避免尺寸过小、不包含嫌疑物,尽量至少包含一个嫌疑物,从而能够避免出现不包含嫌疑物、或者仅包含一部分嫌疑物的生长分割数据被分发给一个安检员的情况。另外,也可以使得嫌疑物位于生长分割数据的中心,从而在安检员现场查验时,如果想要将生长分割数据进行立体图旋转来进行观察,则能够方便地以嫌疑物为中心,进行旋转后查验时,提高方便性。
在区域生长过程中,其他的嫌疑物也可能会被包含到该生长后的区域中,而被作为一个分割数据而切割掉,因此,在S210步骤中,针对切割后剩余的空间数据,嫌疑物数量可能会发生变化,此时,排除被切割的空间区域,统计被切割后其余部分的嫌疑物数量,并针对这些剩余的嫌疑物来进行后续的处理。由此,在小体积的嫌疑物比较集中的情况下,可以将周围的嫌疑物包含在一个分割数据中,发给同一个安检员,从而能够提高协同查验效率,改善查验效果。
在一些实施例中,也可以将上述两种方式相结合。即,上述的预设的最小尺寸包括三维的最小尺寸和一维最小尺寸,先根据三维的最小尺寸,进行三维的区域生长后,虽然不小于三维的最小尺寸、但某方向的尺寸小于一维的最小尺寸,则针对该方向再进行一维的区域生长,直至每一方向的空间尺寸均不小于预设的一维最小尺寸。
作为示例,图5示出结合三维区域生长和一维区域生长的一个具体实施例的流程图。
在S220’步骤中,判断该空间尺寸是否小于预设的三维最小尺寸。
若在S220’步骤中判断为空间尺寸小于预设的三维最小尺寸,则在S230’步骤中,对该空间数据进行一次三维区域生长。
若在S220’步骤中判断为空间尺寸不小于预设的三维最小尺寸,则在S250步骤中,进一步判断每一方向的空间尺寸是否均不小于预设的一维最小尺寸。
若某方向的尺寸小于其一维的最小尺寸,则在S260步骤中,针对小于一维最小尺寸的方向进行一次一维区域生长,然后返回S250步骤继续进行判断。在这里,一维生长可以是以原有数据为零点,在正负两个方向上生长。
如此,在S250步骤中,判断为每一方向的空间尺寸均不小于预设的一维最小尺寸,则进入S240’步骤,在作为一个分割数据而切割。
在图5所示的示例中,S210’~S240’步骤的细节可以分别参考图4所示的示例中的S210~S240步骤,因此,省略重复说明。
通过将三维区域生长和一维区域生长相结合,能够针对三维尺寸不同的物体,生成更为贴近嫌疑物的空间尺寸的分割数据,能够提高查验效率以及准确度。
在上述的进行区域生长的分割算法的示例中,以已有的空间数据为三维数据的情况为例进行了说明,然而,在已有的空间数据为二维数据的情况,也同样成立。此时,也可以采用二维区域生长和一维区域生长相结合的方式。此时,也同样具有上述的技术效果。
接下来,返回图2,对S30步骤进行说明。
在S30步骤中,将S20步骤中生成的分割数据分别分发给多个移动设备。通过将分割数据分别分发给多个移动设备,能够使得分别持有多个移动设备的多个安检员能够对该安检对象中的一部分分别进行查验,从而实现对该安检对象的协同查验。
在一些实施例中,在S30步骤中,判断是否为特定移动设备,对特定移动设备分发基于与其对应的分割数据生成的子任务。换言之,在这些实施例中,根据安检员信息和嫌疑物信息的匹配关系,分发该嫌疑物所在的分割数据。
在这里,特定移动设备是指特定的安检员所持有的移动设备。特定移动设备可以根据安检员信息和嫌疑物信息来确定。
其中,安检员信息是表示安检员的工作经验和/或个人信息,例如,包括安检员的工作经验信息、安检员的个人信息等中的至少一个。
工作经验信息可以表示安检员对某一种类的嫌疑物进行过查验的经验。作为一个示例,子任务可以根据安检员的工作经验信息,优先分发给对该种类的嫌疑物的查验经验丰富的安检员。例如,若某一安检员检查不明液体类嫌疑物的经验丰富,含有不明液体类嫌疑物的安检子任务会优先分发给该安检员。
安检员的个人信息可以表示安检员的身体条件的信息,例如表示身高、性别、年龄、视力等中的至少一种的信息。作为一个示例,子任务可以根据安检员的身高,针对嫌疑物位置在箱体中的较高的查验任务,优先分发给身高较高的安检员。作为一个示例,子任务可以根据安检员的年龄,针对嫌疑物位置在箱体中被其他物品包围而需要搬动较多物品的查验任务,优先分发给较为年轻的安检员、或者男性安检员。作为一个示例,子任务可以根据安检员的视力,针对嫌疑物位置在箱体中位于距离进出口远的位置、或光线暗的位置的查验任务,优先分发给视力较好的安检员。
其中,嫌疑物信息是表示与嫌疑物相关的信息,例如,包括嫌疑物的种类信息、嫌疑物的位置信息、嫌疑物的形状等。其中,嫌疑物的位置信息可以包括:嫌疑物、箱体边框、以及嫌疑物周边物体的坐标等。从而可以基于嫌疑物的位置信息,可以得到上述各示例中的嫌疑物的高度、是否是在箱体中被其他物品包围而需要搬动较多物品的位置、是否是在箱体中位于距离进出口远的位置、或光线暗的位置等等。由此,嫌疑物信息与安检员信息配合来确定特定移动设备。
以上,虽然给出了一些安检员信息和嫌疑物信息的示例,然而,本申请对其不作特殊限定,只要是能够安检员信息和嫌疑物信息存在匹配关系即可。
在这些实施例中,通过根据安检员信息和嫌疑物信息来确定特定移动设备,向特定移动设备分发对应的分割数据,能够将分割数据分发给更加适合该分割数据的查验子任务的安检员,从而能够改善查验效果。
图6是示出安检图像数据查验方法中的分发步骤的一个示例的流程图。在图6所示的示例中,S30步骤包括S310步骤~S360步骤。
在S310步骤中,根据所述多个分割数据中的每一个,生成用于进行安检查验的子任务。
在S320步骤中,判断多个移动设备的空闲状态。即,判断是否存在空闲状态的移动设备。
若在S320步骤中判断为存在空闲状态的移动设备,则在S330步骤中,向空闲状态的移动设备分发子任务。
在S330步骤中分发子任务之后,还可以在S370步骤中,判断是否还存在未分发的子任务,若存在未分发的子任务,则返回S320步骤,继续进行空闲状态的移动设备的判断,并存在空闲状态的移动设备时,进入S330步骤,继续向该空闲状态的移动设备分发子任务,直到不存在空闲状态的移动设备。
若在S320步骤中判断为不存在处于空闲状态的移动设备,则在S340步骤中判断是否存在特定移动设备。
若在S340步骤中判断为存在特定移动设备,则在S350步骤中,将该子任务分发给特定移动设备。
若在S340步骤中判断为不存在所述特定移动设备,则在S360步骤中,根据移动设备的繁忙程度分发子任务。繁忙程度是根据已分配的子任务的数量判断的,子任务数量越少,繁忙程度越低,任务分发优先级高;反之,子任务数量越多,繁忙程度越高,任务分发优先级低。
在S350步骤和S360步骤中完成了该子任务的分发之后,可以进入S380步骤中,判断是否还存在未分发的子任务,若存在,则返回S340步骤中;若不存在则结束分发步骤。
在分发的过程中,也可以将嫌疑物识别信息、安检对象信息、外观信息等与分割数据一起分发给移动设备,以供安检员参考。
在图6所示的实施例中,通过先判断是否存在空闲状态的移动设备,优先分发给空闲状态的移动设备,当不存在空闲状态的移动设备时,再判断是否有特定移动设备,根据特定移动设备进行分发,若没有特定移动设备,则按照移动设备的繁忙程度进行分发,由此,能够更加合理地分发任务,改善查验效果,提高查验效率。
在上述的S30的分发步骤中,服务器104需要与移动设备105-1~105-n进行通信。
所述通信可以通过远程桌面方式、共享网络链接的方式等进行。然而,远程桌面的方式虽然可以通过多个移动设备105访问服务器104上的远程桌面来实现分发,但是实现多人协作时仍然存在限制,且远程桌面的延迟高、分辨率低。另外,共享网络链接的方式虽然也可以通过在移动设备105打开共享链接的方式实现分发,但是这种方式能够共享的数据量有限,难以适用于三维数据,也难以精确定位嫌疑物的位置。
在本申请中,考虑上述通信方式中存在的问题,进一步提出通过串流(streaming)方式进行服务器104与多个移动设备105之间的通信。
在一些实施例中,通过串流方式从服务器104向多个移动设备105分发分割数据。当通过串流方式向各移动设备分发分割数据时,形成静态图像流、或视频流。这样的静态图像流或视频流可以直接利用服务器的显卡发送给移动设备。由于是以串流方式传输,移动设备105可以对分割数据边接收边显示,因此,在实现多人协作的安检图像查验时,延迟小、分辨率高。
在分发过程中使用串流方式的情况下,作为一个示例,服务器104打开串流功能(Stream功能),安检员可以在自己的移动设备105登录自己的账号,账号中包括个人信息,账号登录后,移动设备105自动启动数据流接受软件、或者由安检员启动数据流接受软件,与服务器104建立串流连接,移动设备105通过串流网络模块告知服务器104登录该移动设备105的安检员及该安检员的安检员信息,服务器104检测到安检员在移动设备105中登录,通过服务器104的串流功能将数据信息串流到移动设备105中,使安检员在移动端设备105中完成相应的查验任务。
在这里,服务器104的串流功能可以是通过如下方式打开:打开显卡的设置软件,例如,英伟达显卡的GeForce Experience,AMD显卡的AMD Radeon Software Adrenalin等软件,在软件设置中打开Stream功能。
通过串流方式进行分割数据的分发,由于能够实现延迟小、分辨率高的通信,从而能够提高安检图像的查验效率和准确度。
可选地,在接收到子任务的移动设备之间,也可以通过串流的网络功能进行查验子任务的转发。例如:A安检员可以将当前或等待中的子任务通过串流方式传递给B安检员,B安检员可选择接受或拒绝该子任务,若接受,则该子任务被转发给B安检员,若拒绝,则该任务回退给A安检员。由此,能够实现子任务的再分配,使得子任务分配更为合理,移动设备之间的通信更为顺畅,改善查验效果。
上述串流的网络模块可以为同一个局域网内,也可为公网穿透,可以是有线连接,也可以为无线连接。利用串流方式进行通信的移动端设备可以为1台,也可以为多台。
可选地,在移动设备接收数据时,不仅接收上述的分割数据的静态图像流或视频流,还可以接收整个安检图像数据的静态图像流或视频流,以方便观察分割数据相对于整个安检图像数据的相对位置。由此,利用移动设备的每个安检员都可以掌握自己查验的部分的分割数据在整个安检图像数据中的相对位置,能够做出更加正确的判断,从而提高安检查验的准确度。
可选地,通过串流方式进行通信时,不仅在分割数据的分发中使用串流方式,也可以通过串流方式收发用于安检查验的辅助信息,这些辅助信息可以包括上述的安检员信息、安检对象信息、嫌疑物信息、外观信息等。即,可以传输这些辅助信息的数据流。由此与一次性传输这些辅助信息的情况相比,能够进一步减少延时,提高安检查验效率。
另外,在上述的内容中,对分割数据、安检图像数据、辅助信息等信息,以串流方式传输其数据流、静态图像流或视频流的例子进行了说明,然而,在本申请中,对通过串流方式收发的数据不做限定,对于服务器和移动设备之间收发的数据均可以采用串流方式。
如图7所示,本申请的安检图像查验方法还可以包括:S40步骤,在该S40步骤中,根据来自多个移动设备的查验结果,汇总生成综合查验结果。
在各移动设备105-1~105-n分别对完成查验子任务之后,可以将各自的查验结果发送给服务器104,由服务器104对各移动设备105-1~105-n的查验结果进行汇总,生成综合查验结果,根据该综合查验结果决定是否对该安检对象101放行。
具体来说,每个子任务在相应的移动端设备被操作完成后,其查验结果回传到高性能的图像处理服务器104,服务器104根据每个子任务的结果判断该箱体整体的综合查验结果,当所有子任务的查验结果为放行时,该安检对象101的综合查验结果为放行,当子任务的查验结果存在一个或多个拒绝放行的时候,该安检对象101的综合查验结果为拒绝放行。
在S40的汇总步骤中,也可以与S30步骤同样地通过串流方式实现移动设备105和服务器104之间的通信,从而实现延迟小、分辨率高、数据量大的通信。
在本申请中,由于将一个安检对象101的安检图像数据分割成多个分割数据,分别分发给多个安检员的移动设备,使得多个安检员能够分别对该安检对象101的一部分数据进行显示并查验,从而能够实现多个安检员的协同查验,提高安检效率。
另外,由于分割数据相对于整个安检对象101的安检图像数据来说尺寸较小,在移动设备的较小的屏幕上进行旋转、放大、标记等处理时,比较方便,能够提高查验效率及精度。
在一些实施例中,在S40步骤中,接收来自多个移动设备的查验结果时,也可以通过串流方式接收查验结果。即,传输查验结果的数据流。从而,能够进一步减少延迟、提高作出最终综合查验结果的效率。
<第二实施方式>
本申请的第二实施方式提供一种安检图像查验装置100,该安检图像查验装置100可以设置在服务器104中。图8示出本申请的第二实施方式所涉及的安检图像查验装置100的示意图。
安检图像查验装置100包括获取模块10、分割模块20、分发模块30。
其中,获取模块10用于获取安检图像数据;分割模块20用于将安检图像数据分割为多个分割数据;分发模块30用于将多个分割数据分发给多个移动设备。
可选地,分割模块20可以根据分割算法自动实现分割。其中,可以使用的分割算法与第一实施方式相同,因此,省略重复说明。
可选地,分发模块30用于判断是否为特定移动设备,对特定移动设备分发基于与其对应的分割数据生成的子任务。其中,特定移动设备是根据安检员信息和嫌疑物信息来确定的。
可选地,如图9所示,分发模块30可以包括:子任务生成单元310、空闲状态判断单元320、子任务分发单元330、特定移动设备判断单元340、繁忙程度判断单元350。
子任务生成单元310用于根据多个分割数据中的每一个,生成用于进行安检查验的子任务。
空闲状态判断单元320用于判断多个移动设备的空闲状态。
特定移动设备判断单元340用于判断是否存在特定移动设备。
繁忙程度判断单元350用于判断移动设备的繁忙程度。
子任务分发单元330用于当根据空闲状态判断单元320的判断结果,存在空闲状态的移动设备时,将子任务分发给空闲状态的移动设备;当不存在空闲状态的移动设备时,根据特定移动设备判断单元340的判断结果,将子任务分发给特定移动设备;当不存在特定移动设备时,根据繁忙程度判断单元350的判断结果,根据繁忙程度分发子任务。
以上所述,第二实施方式是与第一实施方式对应的装置,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置、模块和单元的具体工作过程、以及各参数的定义,可以参考前述方法实施例中的对应内容,在此不再赘述。
第二实施方式也能够获得与第一实施方式同样的技术效果。
<第三实施方式>
本申请还可以提供一种电子设备。
图10示出本申请的第三实施方式提供的一种电子设备的结构示意图。如图10所示,电子设备可以包括处理器1001以及存储有计算机程序或指令的存储器1002。在上述的实施方式中,作为电子设备的一个示例示出了服务器104,然而本申请的电子设备不限于服务器104。
具体地,上述处理器1001可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1002可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1002可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1002可在综合网关容灾设备的内部或外部。在特定实施例中,存储器1002是非易失性固态存储器。在特定实施例中,存储器1002包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1001通过读取并执行存储器1002中存储的计算机程序指令,以实现上述实施例中的任意一种安检图像查验方法。
在一个示例中,电子设备还可包括通信接口1003和总线1010。其中,如图10所示,处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。
通信接口1003,主要用于实现本申请实施例中各模块、设备、单元和/或设备之间的通信。
总线1010包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1010可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请的第一实施方式中的安检图像查验方法,从而实现第二实施方式所描述的安检图像查验置。
另外,结合上述实施例中的安检图像查验方法,本申请还可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有程序指令;该程序指令被处理器执行时实现上述实施例中的任意一种安检图像查验方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在计算机可读存储介质中。计算机可读存储介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或装置。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (16)
1.一种安检图像查验方法,其特征在于,包括:
获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;
将安检图像数据分割为多个分割数据;以及
将所述多个分割数据分发给多个移动设备。
2.根据权利要求1所述的安检图像查验方法,其特征在于,
当将安检图像数据分割为多个分割数据时,根据分割算法自动地进行分割。
3.根据权利要求2所述的安检图像查验方法,其特征在于,
所述分割算法将所述安检图像数据平均分割为多个平均分割数据。
4.根据权利要求3所述的安检图像查验方法,其特征在于,
所述分割算法根据嫌疑物识别的结果和/或分割过程的判断,剔除不含有嫌疑物部分的数据。
5.根据权利要求4所述的安检图像查验方法,其特征在于,
所述分割算法包括:
将安检图像数据平均分割为预定数量的子图像数据;
剔除不包含嫌疑物的子图像数据;以及
将剩下的存在嫌疑物的子图像数据再次平均分割,直至所述子图像数据达到预定大小,获得所述平均分割数据。
6.根据权利要求2至5中的任一项所述的安检图像查验方法,其特征在于,
所述分割算法包括:
针对已有的包含嫌疑物的空间数据,若所述空间数据中的嫌疑物的空间尺寸小于预设的最小尺寸,则对嫌疑物数据进行空间的区域生长,
所述嫌疑物数据是表示所述空间数据中的各嫌疑物的空间位置的数据。
7.根据权利要求6所述的安检图像查验方法,其特征在于,
所述分割算法包括:
针对已有的空间数据,判断是否有嫌疑物,并获取一个嫌疑物的空间尺寸以及嫌疑物数据,所述嫌疑物数据是表示所述空间数据中的各嫌疑物的空间位置的数据;
判断所述空间尺寸是否小于预设的最小尺寸,所述预设的最小尺寸是根据嫌疑物的尺寸和/箱体的类型预先设定的尺寸;
若不小于预设的最小尺寸,则将所述嫌疑物数据作为一个生长分割数据而切割;
若小于预设的最小尺寸,则对所述嫌疑物数据进行一次区域生长,
每当区域生长一次,则判断一次空间尺寸,直到所述嫌疑物数据不小于预设的最小尺寸为止。
8.根据权利要求7所述的安检图像查验方法,其特征在于,
所述预设的最小尺寸包括三维最小尺寸和一维最小尺寸,
所述分割算法包括:
先根据三维最小尺寸,进行三维区域生长后,若所述嫌疑物的空间尺寸虽然不小于三维最小尺寸、但某方向的尺寸小于一维最小尺寸,则针对该方向再进行一维区域生长,直至每一方向的空间尺寸均不小于预设的一维最小尺寸。
9.根据权利要求1所述的安检图像查验方法,其特征在于,
当将所述多个分割数据分发给多个移动设备时,根据是否为特定移动设备来进行分发,
其中,所述特定移动设备是根据安检员信息和嫌疑物信息来确定的。
10.根据权利要求9所述的安检图像查验方法,其特征在于,
将所述多个分割数据分发给多个移动设备包括:
根据所述多个分割数据中的每一个,生成用于进行安检查验的子任务;
判断多个移动设备的空闲状态;
若存在空闲状态的移动设备,向空闲状态的移动设备分发所述子任务;
若不存在处于空闲状态的移动设备,判断是否存在特定移动设备;
若存在所述特定移动设备,则将该子任务分发给所述特定移动设备;以及
若不存在所述特定移动设备,则根据所述移动设备的繁忙程度分发所述子任务。
11.根据权利要求10所述的安检图像查验方法,其特征在于,
当接收到子任务的移动设备拒绝该子任务时,将所述子任务通过串流通信转发给其他移动设备。
12.根据权利要求1所述的安检图像查验方法,其特征在于,还包括:
根据来自所述多个移动设备的查验结果,汇总生成综合查验结果。
13.根据权利要求12所述的安检图像查验方法,其特征在于,
在进行分发的步骤和进行汇总的步骤中的至少一个中,通过串流方式与所述移动设备进行通信。
14.一种安检图像查验装置,其特征在于,包括:
获取模块,获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;
分割模块,将安检图像数据分割为多个分割数据;以及
分发模块,将所述多个分割数据分发给多个移动设备。
15.一种服务器,其特征在于,执行权利要求1至13所述的安检图像查验方法,或者设置有权利要求14所述的安检图像查验装置。
16.一种计算机可读存储介质,存储有程序,其特征在于,所述程序使得计算机执行如下处理:
获取安检图像数据,所述安检图像数据是由安检设备对一个安检对象进行扫描之后、进行图像重建、嫌疑物识别来获得的;
将安检图像数据分割为多个分割数据;以及
将所述多个分割数据分发给多个移动设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001649.9A CN117495861A (zh) | 2024-01-02 | 2024-01-02 | 安检图像查验方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001649.9A CN117495861A (zh) | 2024-01-02 | 2024-01-02 | 安检图像查验方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117495861A true CN117495861A (zh) | 2024-02-02 |
Family
ID=89674781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410001649.9A Pending CN117495861A (zh) | 2024-01-02 | 2024-01-02 | 安检图像查验方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495861A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071110A (zh) * | 2006-05-08 | 2007-11-14 | 清华大学 | 一种基于螺旋扫描立体成像的货物安全检查方法 |
US7596275B1 (en) * | 2004-03-01 | 2009-09-29 | Science Applications International Corporation | Methods and systems for imaging and classifying targets as empty or non-empty |
US20100239182A1 (en) * | 2009-03-23 | 2010-09-23 | Basu Samit K | Method and system for inspection of containers |
CN106373223A (zh) * | 2016-08-22 | 2017-02-01 | 合肥若涵信智能工程有限公司 | 基于网络的安检智能物联网管理系统 |
CN106503121A (zh) * | 2016-10-19 | 2017-03-15 | 公安部第三研究所 | 一种x光安检图像的结构化描述方法及系统 |
US20170140526A1 (en) * | 2015-11-18 | 2017-05-18 | Nuctech Company Limited | Methods and systems for inspecting goods |
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
US20170242148A1 (en) * | 2016-02-22 | 2017-08-24 | Rapiscan Systems, Inc. | Systems and Methods for Detecting Threats and Contraband in Cargo |
WO2019096181A1 (zh) * | 2017-11-14 | 2019-05-23 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
CN110133741A (zh) * | 2019-05-08 | 2019-08-16 | 常州大学 | 一种多视角匹配和跟踪的自动安检方法 |
CN110378912A (zh) * | 2019-07-12 | 2019-10-25 | 深圳码隆科技有限公司 | 包裹检测方法、装置、计算机可读存储介质和计算机设备 |
CN113945990A (zh) * | 2021-10-13 | 2022-01-18 | 同方威视科技江苏有限公司 | 一种乘用车的安检方法、装置以及系统 |
CN114723724A (zh) * | 2022-04-19 | 2022-07-08 | 深圳市方吉无限科技有限公司 | 基于人工智能的危险品识别方法、装置、设备及存储介质 |
CN117233851A (zh) * | 2022-06-07 | 2023-12-15 | 同方威视技术股份有限公司 | Ct安检设备 |
-
2024
- 2024-01-02 CN CN202410001649.9A patent/CN117495861A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7596275B1 (en) * | 2004-03-01 | 2009-09-29 | Science Applications International Corporation | Methods and systems for imaging and classifying targets as empty or non-empty |
CN101071110A (zh) * | 2006-05-08 | 2007-11-14 | 清华大学 | 一种基于螺旋扫描立体成像的货物安全检查方法 |
US20100239182A1 (en) * | 2009-03-23 | 2010-09-23 | Basu Samit K | Method and system for inspection of containers |
US20170140526A1 (en) * | 2015-11-18 | 2017-05-18 | Nuctech Company Limited | Methods and systems for inspecting goods |
US20170242148A1 (en) * | 2016-02-22 | 2017-08-24 | Rapiscan Systems, Inc. | Systems and Methods for Detecting Threats and Contraband in Cargo |
CN106373223A (zh) * | 2016-08-22 | 2017-02-01 | 合肥若涵信智能工程有限公司 | 基于网络的安检智能物联网管理系统 |
CN106503121A (zh) * | 2016-10-19 | 2017-03-15 | 公安部第三研究所 | 一种x光安检图像的结构化描述方法及系统 |
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
WO2019096181A1 (zh) * | 2017-11-14 | 2019-05-23 | 深圳码隆科技有限公司 | 安检检测方法、装置、系统及电子设备 |
CN110133741A (zh) * | 2019-05-08 | 2019-08-16 | 常州大学 | 一种多视角匹配和跟踪的自动安检方法 |
CN110378912A (zh) * | 2019-07-12 | 2019-10-25 | 深圳码隆科技有限公司 | 包裹检测方法、装置、计算机可读存储介质和计算机设备 |
CN113945990A (zh) * | 2021-10-13 | 2022-01-18 | 同方威视科技江苏有限公司 | 一种乘用车的安检方法、装置以及系统 |
CN114723724A (zh) * | 2022-04-19 | 2022-07-08 | 深圳市方吉无限科技有限公司 | 基于人工智能的危险品识别方法、装置、设备及存储介质 |
CN117233851A (zh) * | 2022-06-07 | 2023-12-15 | 同方威视技术股份有限公司 | Ct安检设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733723B2 (en) | Methods and system for improved quality inspection | |
US10706525B2 (en) | Methods and systems for improved quality inspection | |
US20220036533A1 (en) | Image defect detection method and apparatus, electronic device, storage medium and product | |
US10373380B2 (en) | 3-dimensional scene analysis for augmented reality operations | |
WO2019104780A1 (zh) | 激光雷达点云数据分类方法、装置、设备及存储介质 | |
US20130230220A1 (en) | Automatic image alignment | |
CN109767497B (zh) | 一种自动检测航空叶片表面质量的检测方法 | |
CN113962274A (zh) | 一种异常识别方法、装置、电子设备及存储介质 | |
CN110992337A (zh) | 一种集装箱残损检测方法及系统 | |
US20220222928A1 (en) | Learning method, learning program, and learning device | |
CN109949414A (zh) | 室内地图的构建方法及装置 | |
CN115115611B (zh) | 车辆损伤识别方法、装置、电子设备和存储介质 | |
CN112364843A (zh) | 插拔式航拍图像目标定位检测方法、系统、设备 | |
CN114627021A (zh) | 基于点云与深度学习的缺陷检测方法和系统 | |
CN117495861A (zh) | 安检图像查验方法和装置 | |
CN112198483A (zh) | 卫星反演雷达的数据处理方法、装置、设备及存储介质 | |
CN112749746A (zh) | 一种缺陷样本迭代更新方法、系统及装置 | |
US11810282B2 (en) | System and method for quantitative image quality assessment for photogrammetry | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
US20230375709A1 (en) | Detection device, determination method, and non-transitory computer-readable medium | |
CN111383325B (zh) | 车厢三维图像生成方法及装置 | |
CN110926431B (zh) | 海洋环境监测方法、系统、设备和计算机可读存储介质 | |
KR102015620B1 (ko) | 금속입자 검출 시스템 및 방법 | |
CN114170318A (zh) | 图像处理方法、装置、系统、介质及电子设备 | |
CN205643198U (zh) | 基于x射线的工业部件缺陷的无损检测系统 |
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 |