CN220651291U - 一种安检机辅助装置 - Google Patents
一种安检机辅助装置 Download PDFInfo
- Publication number
- CN220651291U CN220651291U CN202420029348.2U CN202420029348U CN220651291U CN 220651291 U CN220651291 U CN 220651291U CN 202420029348 U CN202420029348 U CN 202420029348U CN 220651291 U CN220651291 U CN 220651291U
- Authority
- CN
- China
- Prior art keywords
- module
- image
- security inspection
- inspection machine
- image processing
- 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
Links
- 238000007689 inspection Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004040 coloring Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本实用新型涉及一种安检机辅助装置，属于图像处理技术领域。包括外壳和安装于外壳内的控制终端、图像处理模块、分析模块、识别模块和存储模块；识别模块用于对安检机拍摄图像进行边缘检测获得图像中的边缘结构；分析模块用于绘制识别模块中边缘结构的直方图和安检机拍摄图像中各物品的直方图；图像处理模块根据分析模块的分析结果将安检机拍摄图像中各物品按照各个包裹进行分层处理；存储模块用于储存图像处理模块的处理结果；控制终端用于输出图像处理模块的分析结果并与存储模块通信连接，本实用新型解决了现有技术不同的安检机型对图像着色算法存在差异导致物品的检测精度无法得到保证的问题。
Description
技术领域
本实用新型属于图像处理技术领域，具体涉及一种安检机辅助装置。
背景技术
X光安检机已被广泛应用于交通、物流等领域，社会的高速发展对安检速度的要求越来越高，而传统的X光图像的筛选一直依赖于人工，效率低、耗时久、工作量大，漏检问题还时有发生。特别在遇到客流高峰时，若X光安检机通道内的包裹有多个且相互堆叠，则产生的X射线图像也是多个包裹堆叠后所形成的混合图像。在判图员发现X光图片中有疑似禁限带物品时，因多个包裹混叠，很难直接根据可见光包裹视频监控找到包裹的主人，只能逐一询问，既浪费时间又可能错过真正目标物品所在的包裹的主人。
因此，在不改变安检设备的前提下，需要通过计算机视觉技术对X光安检机提供的图像进行智能判别，从而减缓安检人员的工作压力，更好地辅助安检人员进行安检工作的开展。而通过对安检机提供的图像进行智能判别时，现有的X光图像检测模型训练的训练集往往由来自众多X光安检机机型的海量X光图像作为训练样本组合形成，这些样本图像由于不同型号的X光安检机具有各异的X光扫描技术、不同的图像采集技术、不同的机身空间结构以及不同的图像着色算法而差异明显，导致相同目标在不同机型上的特征产生差异，因此，相关技术虽然减少了人工检测干预，但是物品检测的准确性仍然无法保证，因此，在进站人流量大的情况下，如果发现，疑似禁限带物品时，因多个包裹混叠，很难对检测的物品位置进行精准的确定。
实用新型内容
为解决现有技术中存在的上述问题，本实用新型提供了一种安检机辅助装置，解决了现有技术中通过计算机视觉技术对X光安检机提供的图像进行智能判别时由于不同的安检机型对图像着色算法存在差异导致物品的检测精度无法得到保证的问题。
本实用新型的目的可以通过以下技术方案实现：一种安检机辅助装置，包括外壳和安装于外壳内的控制终端、图像处理模块、分析模块、识别模块和存储模块；
所述识别模块用于对安检机拍摄图像进行边缘检测获得图像中的边缘结构；
所述分析模块用于绘制识别模块中边缘结构的直方图和安检机拍摄图像中各物品的直方图；
所述图像处理模块根据分析模块的分析结果将安检机拍摄图像中各物品按照各个包裹进行分层处理；
所述存储模块用于储存图像处理模块的处理结果；
所述控制终端用于输出图像处理模块的分析结果并与存储模块通信连接。
作为本实用新型的一种优选技术方案，还包括云平台，所述云平台与存储模块通信连接。
作为本实用新型的一种优选技术方案，所述分析模块用于对拍摄图像进行傅里叶变换获得图像的频谱信息。
作为本实用新型的一种优选技术方案，所述识别模块采用边缘提取算法中的Canny算子分别对图像做边缘检测。
作为本实用新型的一种优选技术方案，所述识别模块采用Canny算子进行计算时利用高斯滤波器平滑图像。
作为本实用新型的一种优选技术方案，还包括信息监测模块，所述信息监测模块与图像处理模块通信连接，所述信息监测模块用于获取每个包裹检测图像对应的物品属性信息以及包裹信息。
本实用新型的有益效果为：
1.通过识别模块对安检机所检测的图像进行识别，获得不同包裹的边框结构，再通过图像处理模块获得包裹的边框结构的直方图和物品图像的直方图，让各物品可以包裹边框结构的直方图数量范围和物品直方图的数值范围来确定各个物品处于那个包裹内并对物品进行分层处理，解决了现有技术中通过计算机视觉技术对X光安检机提供的图像进行智能判别时由于不同的安检机型对图像着色算法存在差异导致物品的检测精度无法得到保证的问题。
2.通过存储模块和云平台对图像处理模块所处理的结果进行储存，让该装置在下次遇到相同的检测数据时可以直接输出处理结果，减少图像检测模块花费的时间，提高检测效率。
附图说明
为了便于本领域技术人员理解，下面结合附图对本实用新型作进一步的说明。
图1为本实用新型的结构框图；
主要元件符号说明
图中：1、外壳；2、控制终端；3、图像处理模块；4、分析模块；5、识别模块；6、存储模块；7、云平台；8、信息监测模块。
具体实施方式
为更进一步阐述本实用新型为实现预定实用新型目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本实用新型的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，本实施例提供了一种安检机辅助装置，包括外壳1和安装于外壳1内的控制终端2、图像处理模块3、分析模块4、识别模块5和存储模块6；识别模块5用于对安检机拍摄图像进行边缘检测获得图像中的边缘结构；分析模块4用于绘制识别模块5中边缘结构的直方图和安检机拍摄图像中各物品的直方图；图像处理模块3根据分析模块4的分析结果将安检机拍摄图像中各物品按照各个包裹进行分层处理；存储模块6用于储存图像处理模块3的处理结果；控制终端2用于输出图像处理模块3的分析结果并与存储模块6通信连接，由于现有的安检机在进行检测时才采用的X射线来完成，而由于不同型号的安检机中对于经过X射线检测所获得的图像进行着色的算法存在着差异，因此，不同安检机对于相同的物品进行检测时所展示的图像存在差异，而且在安检机进行检测的过程中不同高度的物品所展示出来的图像同样存在着不同的差异，具体表现为对比度和清晰度上，物品与X射线源距离较近时，X射线束的强度相对较高，可以更容易地穿透物体并与物体内部相互作用。这可以提高图像的对比度，使物体的边缘和细节更加清晰可见。当物品离X射线源较近时，X射线束的散射和衍射效应相对较小，因此图像的分辨率更高。细小的细节和结构可以更准确地被捕捉和显示。所以计算机在通过视觉技术来对图像中的特征进行识别和分析时，由于不同的对比度和分辨率导致计算机通过计算图像的像素值范围或直方图来评估图像的对比度时会存在的不同的数值范围。
所以，在安检机将所检测的图像传输至本装置后，识别模块5对所检测的图像进行边缘检测后获得各个包裹的轮廓结构，然后识别模块5对各个包裹的边缘结构绘制直方图来获得该包裹轮廓的直方图数值范围，根据包裹四周轮廓的直方图数值范围来确定一个包裹所占据的位置，同时绘制各个物品的直方图，然后图像处理模块3根据各个物品直方图数值范围与包裹四周轮廓的直方图数值范围来对各个物品处于那个包裹内进行分层处理，然后控制终端2根据图像处理模块3的处理结果来输出各个包裹中各物品的存在情况，从而保证对物品检测的精准性，避免了在不同型号安检机采用不同的着色算法时无法保证对物品进行检测的精准性。
而在安检机对包裹进行检测时，其通常包括着行李箱，特别是在车站之类的安检口中，而目前现有的行李箱的尺寸大小存在着标准的尺寸范围，其误差通常较小，因此，在安检机进行检测的过程中，不同规格的行李箱会出现多次进行安检的情况，而由于不同规格的行李箱的尺寸为标准值，因此，其所检测的轮廓直方图范围在相同规格下所展示的范围一致，因此，为了减少图像处理模块3的处理时间，当控制终端2将物品的位置进行输出确定后，存储模块6会将图像处理模块3的处理结果进行储存，方便下次遇到相同的情况时可以直接输出包裹直方图的数值范围，减少图像处理模块3的处理时间，提高工作效率。
为了减少存储模块6的存储压力，提高存储空间，本实施例中，还包括云平台7，云平台7与存储模块6通信连接，云平台7可以将识别模块5的识别结果和分析模块4的分析结果存储至云平台7中，同时也可以对图像处理模块3的处理结果进行存储，当需要进行输出时可以直接通过输出存储模块6再通过控制终端2来进行输出，或者直接通过云平台7输出至控制终端2来完成输出，通过云平台7来减少存储模块6存储数据的压力，避免由于存储模块6的存储空间不足而导致无法对新的处理数据进行储存的问题出现。
为了更好的对物品的位置进行确定，在一实施例中，分析模块4用于对拍摄图像进行傅里叶变换获得图像的频谱信息，分析模块4也可以通过对图像进行傅里叶变换获得图像的频谱信息来根据图像的频谱信息来对物品的位置进行确定，以此来提高对物品进行检测时的精度，保证对物品进行检测时的精确性。
为了更好的包裹的轮廓进行确定，在一实施例中，识别模块5采用边缘提取算法中的Canny算子分别对图像做边缘检测，Canny算子可以计算图像中每个像素的梯度强度和方向，而由于X射线所检测的图像因为检测距离的因素同样会存在着图像的像素出现强度梯度，因此通过Canny算子对包裹的轮廓进行精准的检测。
为了减少识别误差，提高识别精度，在一实施例中，识别模块5采用Canny算子进行计算时利用高斯滤波器平滑图像，通过高斯滤波可以降低图像噪声的影响，使图像更加的清晰，避免了因为图像模糊而导致包裹的轮廓不清晰而导致对物品的位置出现检测误差的情况发生。
为了进一步的确定物品的位置，在一实施例中，还包括信息监测模块8，信息监测模块8与图像处理模块3通信连接，信息监测模块8用于获取每个包裹检测图像对应的物品属性信息以及包裹信息，通过对每个包裹中各个物品属性信息进行确定，让确定物品信息时即使疑似禁限带物品的位置不够精准也可以通过其相邻的物品信息来确定其位置，避免出现误判的情况发生。
以上所述，仅是本实用新型的较佳实施例而已，并非对本实用新型作任何形式上的限制，虽然本实用新型已以较佳实施例揭示如上，然而并非用以限定本实用新型，任何本领域技术人员，在不脱离本实用新型技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本实用新型技术方案内容，依据本实用新型的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本实用新型技术方案的范围内。
Claims (6)
1.一种安检机辅助装置，其特征在于：包括外壳和安装于外壳内的控制终端、图像处理模块、分析模块、识别模块和存储模块；
所述识别模块用于对安检机拍摄图像进行边缘检测获得图像中的边缘结构；
所述分析模块用于绘制识别模块中边缘结构的直方图和安检机拍摄图像中各物品的直方图；
所述图像处理模块根据分析模块的分析结果将安检机拍摄图像中各物品按照各个包裹进行分层处理；
所述存储模块用于储存图像处理模块的处理结果；
所述控制终端用于输出图像处理模块的分析结果并与存储模块通信连接。
2.根据权利要求1所述的一种安检机辅助装置，其特征在于：还包括云平台，所述云平台与存储模块通信连接。
3.根据权利要求1所述的一种安检机辅助装置，其特征在于：所述分析模块用于对拍摄图像进行傅里叶变换获得图像的频谱信息。
4.根据权利要求1所述的一种安检机辅助装置，其特征在于：所述识别模块采用边缘提取算法中的Canny算子分别对图像做边缘检测。
5.根据权利要求4所述的一种安检机辅助装置，其特征在于：所述识别模块采用Canny算子进行计算时利用高斯滤波器平滑图像。
6.根据权利要求1所述的一种安检机辅助装置，其特征在于：还包括信息监测模块，所述信息监测模块与图像处理模块通信连接，所述信息监测模块用于获取每个包裹检测图像对应的物品属性信息以及包裹信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202420029348.2U CN220651291U (zh) | 2024-01-05 | 2024-01-05 | 一种安检机辅助装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202420029348.2U CN220651291U (zh) | 2024-01-05 | 2024-01-05 | 一种安检机辅助装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN220651291U true CN220651291U (zh) | 2024-03-22 |
Family
ID=90294067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202420029348.2U Active CN220651291U (zh) | 2024-01-05 | 2024-01-05 | 一种安检机辅助装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN220651291U (zh) |
-
2024
- 2024-01-05 CN CN202420029348.2U patent/CN220651291U/zh active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106296666B (zh) | 一种彩色图像去阴影方法和应用 | |
| CN105447512B (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
| CN110322522B (zh) | 一种基于目标识别区域截取的车辆颜色识别方法 | |
| CN109447068A (zh) | 一种从图像中分离印章并校准印章的方法 | |
| CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
| CN112465706A (zh) | 一种闸口集装箱自动验残方法 | |
| CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
| CN115330802B (zh) | 一种碳纤维复合材料气瓶x射线图像脱粘缺陷提取方法 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
| CN112330598A (zh) | 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 | |
| Zhou et al. | UAV vision detection method for crane surface cracks based on Faster R-CNN and image segmentation | |
| CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
| CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
| CN103699876B (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
| CN116071315A (zh) | 一种基于机器视觉的产品可视缺陷检测方法及系统 | |
| CN112927223A (zh) | 一种基于红外热成像仪的玻璃幕墙检测方法 | |
| CN107545565B (zh) | 一种太阳能网版检测方法 | |
| CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
| CN220651291U (zh) | 一种安检机辅助装置 | |
| CN117079286A (zh) | 一种指针仪表的识别方法和识别系统 | |
| CN116577363A (zh) | 基于机器视觉的黄金多点位x荧光检测方法 | |
| CN114332069B (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
| CN110969135A (zh) | 自然场景中的车标识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |