KR102227531B1 - X-ray 보안 장치에 대한 이미지 처리 장치 및 방법 - Google Patents

X-ray 보안 장치에 대한 이미지 처리 장치 및 방법 Download PDF

Info

Publication number
KR102227531B1
KR102227531B1 KR1020200113385A KR20200113385A KR102227531B1 KR 102227531 B1 KR102227531 B1 KR 102227531B1 KR 1020200113385 A KR1020200113385 A KR 1020200113385A KR 20200113385 A KR20200113385 A KR 20200113385A KR 102227531 B1 KR102227531 B1 KR 102227531B1
Authority
KR
South Korea
Prior art keywords
image
standard deviation
column
row
still image
Prior art date
Application number
KR1020200113385A
Other languages
English (en)
Inventor
현지훈
최우식
김태규
김재호
강태학
이대경
강지석
Original Assignee
주식회사 딥노이드
한국공항공사
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 주식회사 딥노이드, 한국공항공사 filed Critical 주식회사 딥노이드
Application granted granted Critical
Publication of KR102227531B1 publication Critical patent/KR102227531B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G06K9/2054—
    • G06K9/3233—
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30112—Baggage; Luggage; Suitcase

Abstract

X-ray 보안 장치에 대한 이미지 처리 장치가 제공된다. 상기 이미지 처리 장치는, 검색대를 통과하는 검색 물건에 대한 정지 영상을 캡쳐하는 영상 캡처부와; 상기 정지 영상에 복수의 검색 물건이 포함되는 경우, 상기 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출하는 이미지 추출부와; 상기 오브젝트 영상에 금지 물건이 있는지 여부를 판별하는 이미지 분석부를 포함한다.

Description

X-ray 보안 장치에 대한 이미지 처리 장치 및 방법{IMAGE PROCESSING APPARATUS AND METHOD FOR X-RAY SEARCH APPARATUS}
본 발명은 이미지 처리 장치 및 방법에 대한 것으로, 항공보안 등 X-ray 장비를 통한 수하물 검색에서의 이미지 처리 및 이를 위한 장치 및 방법에 관한 것이다.
공항에 수하물 검색에 사용되는 X-ray 보안 장치는 X-ray 보안 장치 내부를 지나는 동안 수하물을 촬영하고, 촬영된 영상을 화면으로 표시하고, 표시된 화면의 영상을 통해 반입금지물품인지 여부를 근무자가 판단하도록 되어있다.
반입금지물품의 포함 여부를 판단하기 위해서는 촬상된 영상에 대한 이미지 처리가 수반되어야 한다. 이를 위하여 수행되었던 기존의 특징 추출 방법론에 기초한 영상 및 이미지 처리 기법은 과도한 하드웨어 리소스를 필요로 하였다.
또한, 기존 방법의 경우 정확도가 떨어져 실시간성이 필요한 장비에서 사용이 용이하지 못하였다.
따라서, X-ray 영상 또는 이미지에 대한 후처리 방법, 예를 들어 실시간으로 여백을 제거하는 방법 등에 대한 방법 모색이 필요하다.
한국특허공개공보 제10-2017-0121088호
본 발명이 해결하고자 하는 과제는, X-ray 영상 또는 이미지에서 실시간으로 여백을 제거할 수 있는 이미지 처리 장치 및 방법을 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는, X-ray 영상 또는 이미지의 후처리를 통하여 효율적으로 저장 공간을 운용할 수 있는 이미지 처리 장치 및 방법을 제공하는 것이다.
본 발명의 실시예에 따르면, X-ray 보안 장치에 대한 이미지 처리 장치가 제공된다. 상기 이미지 처리 장치는, 검색대를 통과하는 검색 물건에 대한 정지 영상을 캡쳐하는 영상 캡처부와; 상기 정지 영상에 복수의 검색 물건이 포함되는 경우, 상기 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출하는 이미지 추출부와; 상기 오브젝트 영상에 금지 물건이 있는지 여부를 판별하는 이미지 분석부를 포함한다.
상기 이미지 추출부는 상기 정지 영상의 픽셀 값에 대한 표준편차를 기반으로 상기 정지 영상 내 오브젝트를 추출하고 여백을 제거할 수 있다.
상기 이미지 추출부는, 상기 정지 영상에 대한 복수의 영상 채널을 그레이 스케일링 하여 단일 채널로 변경하고, 상기 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산할 수 있다.
상기 이미지 추출부는, 상기 열에 대한 표준편차가 기설정된 제1 임계값 이상인 오브젝트 열을 검색하여 오브젝트를 판단하고, 상기 오브젝트 열을 추출할 수 있다.
상기 이미지 추출부는, 상기 행에 대한 표준편차가 기설정된 제2 임계값 이상인 오브젝트 행을 검색하여 오브젝트를 판단하고, 상기 오브젝트 행을 추출할 수 있다.
상기 이미지 추출부는 판단된 상기 오브젝트의 수에 대응하는 상기 오브젝트 영상을 추출할 수 있다.
상기 이미지 추출부는, 상기 행 또는 상기 열에 대한 상기 표준편차를 필터링할 수 있다.
또한, 본 발명의 다른 실시예에 따르면, X-ray 보안 장치에 대한 이미지 처리 방법이 제공된다. 상기 이미지 처리 방법은, 검색대를 통과하는 검색 물건에 대한 정지 영상을 캡쳐하는 단계와; 상기 정지 영상에 복수의 검색 물건이 포함되는 경우, 상기 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출하는 이미지 추출 단계와; 상기 오브젝트 영상에 금지 물건이 있는지 여부를 판별하는 이미지 분석 단계를 포함한다.
상기 이미지 추출 단계는 상기 정지 영상의 픽셀 값에 대한 표준편차를 기반으로 상기 정지 영상 내 오브젝트를 추출하고 여백을 제거하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, X-ray 영상 또는 이미지에서 실시간으로 여백을 제거할 수 있는 이미지 처리 장치 및 방법이 제공될 수 있다.
또한, 본 발명의 일 실시예에 따르면, X-ray 영상 또는 이미지의 후처리를 통하여 효율적으로 저장 공간을 운용할 수 있는 이미지 처리 장치 및 방법이 제공될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 연산량이 적은 표준편차를 활용하여 X-ray 영상 또는 이미지에서 경계를인식헐할 수 있는 이미지 처리 장치 및 방법이 제공될 수 있다.
이를 통해, X-ray 영상 혹은 이미지를 생성하는 장비 전반에 사용 가능하며 저장 공간을 효율적으로 활용할 수 있고, 후처리 연산 속도를 향상할 수 있는 이미지 처리 장치 및 방법이 제공될 수 있다.
도 1은 본 발명의 일 실시예에 따른 보안 장치에 대한 이미지 처리 장치의 제어 블록도이다.
도 2는 본 발명의 일 실시예에 따른 정지 영상 및 픽셀에 대한 표준편차를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 여백 열을 제거하는 방법을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 여백 행을 제거하는 방법을 설명하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 미지 처리 방법을 설명하기 위한 제어 흐름도이다.
도 6은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.
도 1은 본 발명의 일 실시예에 따른 보안 장치에 대한 이미지 처리 장치의 제어 블록도이다.
도시된 바와 같이, 본 실시예에 따른 이미지 처리 장치는 X-ray 검색대(100), 영상 캡처부(200), 이미지 추출부(300) 및 이미지 분석부(400)를 포함할 수 있다.
또한, 이미지 처리 장치는 상기 각 구성 요소를 제어하는 제어부 및 캡쳐된 이미지 및 정지 이미지에 포함되어 있는 오브젝트를 표시하는 디스플레이부를 더 포함할 수 있다.
X-ray 검색대(100)는 공항에 수하물 검색에 사용되는 X-ray 보안 장치로써, 검색 물건이 X-ray 검색대(100)를 통과하면 검색 물건에 대한 X-ray 이미지가 생성될 수 있다.
일 예로, 처음 검색 물건이 X-ray 검색대(100)의 터널 안으로 들어가면 물체 감지 센서에 의해 감지되고, 이 신호에 의해 X-ray 발생 장치가 켜지게 된다. X-ray 발생장치는 검색 터널 내에 물체가 통과할 때 부채꼴 모양의 Xray를 발생시키고 집광기(Collinmeter)에 의해 이 빔을 얇게 만든다. 이 빔이 물체를 통과하면, 통과된 빔은 최종적으로 검출기 라인에 닿게 된다. 검출기 라인은 9개의 교환 가능한 모듈로 구성되어 있고, 이것에 의해 X-ray 빔의 에너지가 전기적 전압으로 변환된다.
이렇게 변환된 전압값을 통해 여러 가지 X-ray 빔의 흡수율이 측정될 수 있고, 단계적으로 어떤 물체가 컨베이어에 의해서 이동하면 각 부분별로 검색되고 576개의 전압값이 순차적으로 영상처리장치로 전송되어 X-ray 이미지가 생성될 수 있다.
일 예에 따라, 발명의 대상이 되는 분석 장치는 X-ray 검색대(100)를 제외한 데이터 취득 및 분석에 관련된 구성 요소로 한정될 수 있다. 이런 경우, X-ray 검색대(100)는 발명의 구성 요소에서 제외될 수 있다.
영상 캡처부(200)는 X-ray 검색대(100)를 통과하는 검색 물건에 대한 정지 영상을 캡처한다.
일 예에 따라, X-ray 이미지는 동영상을 촬영된 후, 촬영된 동영상으로 캡쳐된 정지 영상일 수 있다. 이 경우, 검색 환경에 영향을 받을 수 있는 X-ray 이미지가 아닌 촬영된 동영상으로부터 정지 영상이 캡쳐될 수 있으며, 이를 통하여 압축되지 않은 고화질의 영상을 획득할 수 있다.
검색 물건에 반입이 불가능한 물건이 포함되어 있는지 여부는 동영상으로 분석이 불가능하며 검색 물건에 대한 정지 영상이 필요하다. 따라서, 압축되지 않은 고화질의 영상을 획득하는 것은 영상 데이터 판독에 가장 큰 영향을 미치는 중요한 요소이다.
이미지 추출부(300)는 캡쳐된 정지 영상에 복수의 검색 물건이 포함되는 경우, 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출할 수 있다. 즉, 이미지 추출부(300)는 정지 영상에 복수의 검색 물건, 오브젝트가 포함되어 있는 경우, 이를 판단하여 하나의 오브젝트를 포함하는 오브젝트 영상을 추출할 수 있다.
예를 들어, 하나의 정지 영상에는 X-ray 검색대(100)를 통과하는 복수의 오브젝트가 포함될 수 있다. 그 중 오브젝트가 정지 영상의 좌측 또는 우측에서 잘리지 않은 하나의 오브젝트를 포함하는 경우도 있고, 하나의 정지 영상에 잘리지 않은 완전한 복수의 오브젝트를 포함할 수도 있다. 이미지 추출부(300)는 전자이 경우 하나의 오브젝트 영상을 추출하고, 후자의 경우 완전한 형태의 오브젝트를 포함하는 복수의 오브젝트 영상을 추출할 수 있다.
이를 위하여 이미지 추출부(300)는 정지 영상의 픽셀 값에 대한 표준편차를 기반으로 기 정지 영상 내 오브젝트를 추출하고 여백을 제거할 수 있다. 이미지 추출부(300)에 의한 이미지 추출 방법은 도 2 내지 4를 참조하여 이하 상세히 기술된다.
이미지 분석부(400)는 오브젝트 영상을 기반으로 검색 물건을 판별한다. 본 실시예에 따른 이미지 분석부(400)는 인공 지능 또는 러닝 기법을 사용하여 오브젝트 영상에 금지 물건이 포함되어 있는지 여부를 판단할 수 있고, 그 결과를 디스플레이부(미도시)에 출력할 수 있다.
오브젝트에 대한 정지 영상의 화질이 양호할수록 인공 지능 및 러닝 기법을 적용하여 비반입 물건을 판별하는 정확도가 향상될 수 있다. 물건의 외형, 색깔, 질감 등에 대한 다양한 영상 데이터가 활용될 수 있으며, 이를 위한 데이터 베이스가 구비될 수 있다. 또한, 비반입 물건에 대한 통계 분석 자료 역시 계속 업데이트 되고, 검색 물건 판독에 활용될 수 있다.
이러한 이미지 분석부(400)는 많은 양의 빅데이터를 이용하여 러닝 작업을 하고, 이를 근거로 다양한 판단을 수행할 수 있는 알고리즘을 구현할 수 있으며, 이를 수행할 수 있는 어플리케이션으로 구현될 수 있다.
도 2는 본 발명의 일 실시예에 따른 정지 영상 및 픽셀에 대한 표준편차를 나타낸 도면이다.
도 2의 (a)는 영상 캡처부(200)에서 생성된 정지 영상을 도시한 것이고, 도 2의 (b)는 정지 영상에 대한 표준편차를 나타낸 것이다.
우선, 이미지 추출부(300)는 정지 영상에 대한 복수의 영상 채널을 그레이 스케일링 하여 단일 채널로 변경하고, 단일 채널로 변경된 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산할 수 있다.
컬러를 갖는 영상이 그레이 스케일링 되면 휘도를 갖는 하나의 채널로 변경될 수있고, 컬러가 존재한 부분에 대한 표준편차는 컬러가 존재하지 않는 여백 부분과 비교될 수 있다.
도 2의 (a)의 정지 영상은 좌측이 잘린 불완전한 오브젝트에 대한 제1 영역(Ⅰ)과 완전한 오브젝트를 포함하는 제3 영역(Ⅲ)을 포함한다. 또한, 정지 영상은 제1 영역(Ⅰ)과 제3 영역(Ⅲ) 사이의 여백인 제2 영역(Ⅱ)과 제3 영역(Ⅲ)의 오른 쪽 여백에 대한 제4 영역(Ⅳ)을 포함한다.
이미지 추출부(300)는 이러한 정지 영상(a)에 대한 행 또는 열에 대한 표준편차를 연산할 수 있으며, 도 2의 (b)는 열에 대한 표준편차(standard deviation)를 나타내고 있다. (b)에 나타난 바와 같이, 이미지가 존재하는 제1 영역(Ⅰ)과 제3 영역(Ⅲ)의 표준편차는 최소 50 이상의 표준편차 값을 가지지만, 여백에 해당하는 제2 영역(Ⅱ)과 제4 영역(Ⅳ)은 0에 가까운 표준편차 값을 갖는다. 이와 같은 표준편차 값의 차이를 이용하여 여백 및 오브젝트를 구별하게 되고, 이미지 추출부(300)는 오브젝트 영상을 추출할 수 있게 된다.
또한, 일 예에 따라 이미지 추출부(300)는 연산된 표준편차를 필터링하여 스무딩할 수 있다. 이는 개략적인 표준편차를 유도하여 여백을 제거하기 쉽게 하기 위함이다.
도 3은 본 발명의 일 실시예에 따른 여백 열을 제거하는 방법을 설명하는 도면이다.
도 3의 (a)는 제1 임계값(Th1) 이하의 표준편차를 열을 나타내고, 도 3의 (b)는 제1 임계값(Th1) 이상의 열을 추출했을 때의 정지 영상을 나타낸다.
이와 같이, 이미지 추출부(300)는 열에 대한 표준편차가 기설정된 제1 임계값(Th1) 이상인 여백 열을 검색하여 오브젝트를 판단하고, 오브젝트 열을 추출하여 오브젝트 영상을 획득할 수 있다.
예를 들어, 이미지 추출부(300)는 제1 임계값(Th1) 이하의 표준편차 값을 갖는 열, 즉 도 3의 (b)에서 제2 영역(Ⅱ)을 지나 제1 임계값(Th1) 이상의 표준편차 값을 갖는 열을 오브젝트의 왼쪽 경계의 열로 간주할 수 있고, 다시 제1 임계값(Th1) 이하의 값을 갖는 열이 시작되는 부분(제4 영역(Ⅳ))을 통해 오브젝트의 오른쪽 경계를 파악할 수 있다. 즉, 이미지 추출부(300)는 제1 임계값(Th1) 이하의 여백 열을 파악하여 오브젝트가 존재하는 열(제3 영역(Ⅲ))을 파악할 수 있고, 오브젝트를 포함하는 열에 일정한 여백을 포함하여 오브젝트 영상을 추출할 수 있다.
만약, 하나의 정지 영상에 복수의 오브젝트가 포함되어 있으면, 이미지 추출부(300)는 여백 열을 고려하여 오브젝트의 수에 대응하는 오브젝트 영상을 추출할 수 있다.
도 4는 본 발명의 일 실시예에 따른 여백 행을 제거하는 방법을 설명하는 도면이다.
도 4의 (a)는 도 3의 (b)와 같이 열이 추출된 영상의 행에 대한 표준편차를 나타낸 그래프이고, 도 4의 (b)는 제2 임계값(Th2) 이상의 행을 추출했을 때의 정지 영상, 즉 오브젝트 영상을 나타낸다.
도 4의 (a)와 같이, 오브젝트 열이 추출된 영상은 표준편차 이상의 값을 갖는 제6 영역(Ⅵ)과, 제6 영역(Ⅵ)의 상단 및 하단의 여백 영역(제5 영역(Ⅴ)과 제7 영역(Ⅶ))을 포함할 수 있다.
열에 적용했던 것과 유사하게, 이미지 추출부(300)는 행에 대한 표준편차가 기설정된 제2 임계값(Th2) 이상인 여백 행을 검색하여 오브젝트를 판단하고, 오브젝트 행을 추출하여 오브젝트 영상을 획득할 수 있다. 즉, 이미지 추출부(300)는 제2 임계값(Th2) 이하의 여백 열을 파악하여 오브젝트가 존재하는 행(제6 영역(Ⅵ))을 파악할 수 있고, 오브젝트를 포함하는 행에 일정한 여백을 포함하여 오브젝트 영상을 추출할 수 있다.
또는 이미지 추출부(300)는 제2 임계값(Th2) 이상의 표준편차를 갖는 행에서 최소 또는 최대 값 범위 사이의 행을 추출하여 오브젝트 영상을 생성할 수도 있다.
도 5는 본 발명의 일 실시예에 따른 이미지 처리 방법을 설명하기 위한 제어 흐름도이다. 도 5를 참조하여 본 실시예예 따른 이미지 처리 방법을 정리하면 다음과 같다.
우선, X-ray 검색대(100)를 통과하는 검색 물건에 대한 X-ray 이미지를 정지 영상캡쳐한다(S510).
상술된 바와 같이, X-ray 이미지는 압축되지 않은 동영상으로 촬영될 수 있고, 동영상으로부터 정지 영상이 캡처될 수 있다.
그런 후, 이미지 추출부(300)는 정지 영상에 복수의 검색 물건이 포함되는 경우, 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출할 수 있다(S520).
오브젝트 영상을 추출하기 위하여, 이미지 추출부(300)는 정지 영상에 대한 복수의 영상 채널을 그레이 스케일링 하여 단일 채널로 변경하고(S521), 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산할 수 있다(S523).
다른 실시예에 따르면, 정지 영상에 대한 행 또는 열에 대한 표준편차를 계산하기 위하여 그레이 스케일링 하지 않고 컬러 성분 RGB 값에 대한 표준편차을 연산할 수도 있다. 이 경우, R,G,B 각 채널에 대한 표준편차를 연산할 수 있고, 세 개의 표준편차를 기반으로 오브젝트의 경계 또는 외곽을 인식할 수도 있다.
이렇게 정지 영상의 행 또는 열에 대한 표준 편차가 연산되면, 도 3의 (a) 또는 도 4의 (a)와 같은 그래프를 얻을 수 있다.
이미지 추출부(300)는 열에 대한 표준편차가 기설정된 제1 임계값(Th1) 이상인 오브젝트 열을 검색하여 오브젝트를 판단한 뒤, 오브젝트 열을 추출하고(S525), 행에 대한 표준편차가 기설정된 제2 임계값(Th2) 이상인 여백 행을 검색하여 오브젝트를 판단하고, 오브젝트 행을 추출할 수 있다(S527).
본 실시예와 같이, 표준편차를 이용하여 오브젝트의 경계 또는 외관을 파악하는 경우, 특징점을 추출하여 영상을 처리하는 이미지 처리보다 연산량이 감소하고 신속하게 이미지를 파악할 수 있다.
이렇게 오브젝트 영상이 추출되면, 이미지 분석부(400)는 오브젝트 영상을 기반으로 검색 물건을 판별할 수 있으며, 보다 구체적으로 인공 지능 또는 러닝 기법을 사용하여 오브젝트 영상에 금지 물건이 포함되어 있는지 여부를 판단할 수 있다(S530).
이렇게 분석이 완료된 오브젝트 영상, 촬영된 동영상 및 캡쳐된 정지 영상은 디스플레이부(미도시)에 표시될 수 있다.
상기와 같이 본 발명에 따른 이미지 처리 장치 및 처리 방법은 X-ray 영상 혹은 이미지를 생성하는 장비 전반에 사용 가능하며 저장 공간을 효율적으로 활용할 수 있고, 후처리 연산 속도를 향상할 수 있다.
또한, 본 발명에 따르면, 다른 특징 추출 알고리즘에 비해 연산량이 적은 표준편차를 이용하여 영상 또는 이미지의 복잡도를 계산하고, 기준값을 통한 경계를 인식할 수 있는 이미지 처리 장치 및 방법이 제공된다.
도 6은 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다. 도 6의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치(예, 이미지 처리 장치 등) 일 수 있다.
도 6의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (10)

  1. X-ray 보안 장치에 대한 이미지 처리 장치에 있어서,
    검색대를 통과하는 검색 물건에 대한 정지 영상을 캡쳐하는 영상 캡처부와;
    상기 정지 영상에 복수의 검색 물건이 포함되는 경우, 상기 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출하는 이미지 추출부와;
    상기 오브젝트 영상에 금지 물건이 있는지 여부를 판별하는 이미지 분석부를 포함하고,
    상기 이미지 추출부는 상기 정지 영상의 픽셀 값에 대한 표준편차를 기반으로 상기 정지 영상 내 오브젝트를 추출하고 여백을 제거하되,
    상기 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산하고,
    상기 열에 대한 표준편차가 기설정된 제1 임계값 이상인 오브젝트 열을 검색하여 오브젝트를 판단하고,
    상기 오브젝트 열을 추출하고,
    상기 행에 대한 표준편차가 기설정된 제2 임계값 이상인 오브젝트 행을 검색하여 오브젝트를 판단하고,
    상기 오브젝트 행을 추출하고,
    상기 오브젝트 열 및 상기 오브젝트 행을 제외한 나머지 부분을 여백으로 제거하는 것을 특징으로 하는 이미지 처리 장치.
  2. 제1항에 있어서,
    상기 이미지 추출부는,
    상기 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산하기 전,
    상기 정지 영상에 대한 복수의 영상 채널을 그레이 스케일링 하여 단일 채널로 변경하는 것
    을 특징으로 하는 이미지 처리 장치.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 이미지 추출부는 판단된 상기 오브젝트의 수에 대응하는 상기 오브젝트 영상을 추출하는 것을 특징으로 하는 이미지 처리 장치.
  6. 제2항에 있어서,
    상기 이미지 추출부는,
    상기 행 또는 상기 열에 대한 상기 표준편차를 필터링 하는 것을 특징으로 하는 이미지 처리 장치.
  7. X-ray 보안 장치에 대한 이미지 처리 방법에 있어서,
    검색대를 통과하는 검색 물건에 대한 정지 영상을 캡쳐하는 단계와;
    상기 정지 영상에 복수의 검색 물건이 포함되는 경우, 상기 정지 영상에 포함되어 있는 복수의 검색 물건 중 어느 하나에 대한 오브젝트 영상을 추출하는 이미지 추출 단계와;
    상기 오브젝트 영상에 금지 물건이 있는지 여부를 판별하는 이미지 분석 단계를 포함하고,
    상기 이미지 추출 단계는
    상기 정지 영상의 행 또는 열 별로 픽셀에 대한 표준편차를 연산하는 단계;
    상기 열에 대한 표준편차가 기설정된 제1 임계값 이상인 오브젝트 열을 검색하여 오브젝트를 판단하는 단계;
    상기 오브젝트 열을 추출하는 단계;
    상기 행에 대한 표준편차가 기설정된 제2 임계값 이상인 여백 행을 검색하여 오브젝트를 판단하는 단계; 오브젝트 행을 추출하는 단계; 및
    상기 오브젝트 열 및 상기 오브젝트 행을 제외한 나머지 부분을 여백으로 제거하는 단계;
    를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  8. 제7항에 있어서,
    상기 이미지 추출 단계는,
    상기 표준편차를 연산하는 단계 전,
    상기 정지 영상에 대한 복수의 영상 채널을 그레이 스케일링 하여 단일 채널로 변경하는 단계;
    를 더 포함하는 것을 특징으로 하는 이미지 처리 방법.
  9. 삭제
  10. 제8항에 있어서,
    상기 이미지 추출 단계는,
    상기 표준편차를 필터링 하는 단계를 더 포함하는 것을 특징으로 하는 이미지 처리 방법.
KR1020200113385A 2020-07-06 2020-09-04 X-ray 보안 장치에 대한 이미지 처리 장치 및 방법 KR102227531B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200083132 2020-07-06
KR1020200083132 2020-07-06

Publications (1)

Publication Number Publication Date
KR102227531B1 true KR102227531B1 (ko) 2021-03-15

Family

ID=75134394

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200113385A KR102227531B1 (ko) 2020-07-06 2020-09-04 X-ray 보안 장치에 대한 이미지 처리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102227531B1 (ko)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996022575A1 (en) * 1995-01-17 1996-07-25 Intertech Ventures, Ltd. Control systems based on simulated virtual models
EP0812505A2 (en) * 1995-03-02 1997-12-17 Hewlett-Packard Company Image scanning device and method
KR20110010162A (ko) * 2009-07-24 2011-02-01 (주)임베디드비전 임베디드 지능 영상 감시를 위한 적응 혼합 가우시안 모델링의 실시간 구현 방법
US20120038553A1 (en) * 2007-08-01 2012-02-16 Ming-Yen Lin Three-dimensional virtual input and simulation apparatus
KR20160050721A (ko) * 2014-10-30 2016-05-11 에스케이텔레콤 주식회사 영상 인식 기반의 영상 검색 방법 및 이를 적용한 영상 검색 장치
KR20160132096A (ko) * 2014-06-25 2016-11-16 눅테크 컴퍼니 리미티드 보안 검사 ct 시스템 및 그 방법
KR20170121088A (ko) 2017-09-15 2017-11-01 김동수 타겟물 자동 판독이 가능한 X-ray검색시스템
KR20190120645A (ko) * 2018-04-16 2019-10-24 주식회사 아임클라우드 빅 데이터 기반 이미지 및 영상 특징을 이용한 검색 시스템
KR102063859B1 (ko) * 2019-07-05 2020-02-11 주식회사 딥노이드 Ai 및 딥러닝 기반의 공항 보안 검색 시스템 및 방법
KR20200027468A (ko) * 2017-05-19 2020-03-12 더 락커펠러 유니버시티 영상 신호 추출 장치 및 이의 사용 방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996022575A1 (en) * 1995-01-17 1996-07-25 Intertech Ventures, Ltd. Control systems based on simulated virtual models
EP0812505A2 (en) * 1995-03-02 1997-12-17 Hewlett-Packard Company Image scanning device and method
US20120038553A1 (en) * 2007-08-01 2012-02-16 Ming-Yen Lin Three-dimensional virtual input and simulation apparatus
KR20110010162A (ko) * 2009-07-24 2011-02-01 (주)임베디드비전 임베디드 지능 영상 감시를 위한 적응 혼합 가우시안 모델링의 실시간 구현 방법
KR20160132096A (ko) * 2014-06-25 2016-11-16 눅테크 컴퍼니 리미티드 보안 검사 ct 시스템 및 그 방법
KR20160050721A (ko) * 2014-10-30 2016-05-11 에스케이텔레콤 주식회사 영상 인식 기반의 영상 검색 방법 및 이를 적용한 영상 검색 장치
KR20200027468A (ko) * 2017-05-19 2020-03-12 더 락커펠러 유니버시티 영상 신호 추출 장치 및 이의 사용 방법
KR20170121088A (ko) 2017-09-15 2017-11-01 김동수 타겟물 자동 판독이 가능한 X-ray검색시스템
KR20190120645A (ko) * 2018-04-16 2019-10-24 주식회사 아임클라우드 빅 데이터 기반 이미지 및 영상 특징을 이용한 검색 시스템
KR102063859B1 (ko) * 2019-07-05 2020-02-11 주식회사 딥노이드 Ai 및 딥러닝 기반의 공항 보안 검색 시스템 및 방법

Similar Documents

Publication Publication Date Title
CN102201146B (zh) 基于主动红外视频的零照度环境火灾烟雾识别方法
CN109636795B (zh) 实时无跟踪的监控视频遗留物检测方法
KR100474848B1 (ko) 영상시각 정보를 결합하여 실시간으로 복수의 얼굴을검출하고 추적하는 얼굴 검출 및 추적 시스템 및 방법
CN108596102B (zh) 基于rgb-d的室内场景物体分割分类器构造方法
CN106570510B (zh) 一种超市商品识别方法
JP2001216515A (ja) 人物の顔の検出方法およびその装置
CN106778488B (zh) 基于图像相关性的低照度烟雾视频检测方法
CN105513053A (zh) 一种用于视频分析中背景建模方法
Rao et al. Object tracking system using approximate median filter, Kalman filter and dynamic template matching
CN104966054A (zh) 无人机可见光图像中的弱小目标检测方法
CN106570885A (zh) 基于亮度和纹理融合阈值的背景建模方法
Ballotta et al. Fully convolutional network for head detection with depth images
Gal Automatic obstacle detection for USV’s navigation using vision sensors
KR102227531B1 (ko) X-ray 보안 장치에 대한 이미지 처리 장치 및 방법
Chen et al. Fresh tea sprouts detection via image enhancement and fusion SSD
CN112487926A (zh) 一种基于时空图卷积网络的景区投喂行为识别方法
Fei et al. Long short-term memory network based fatigue detection with sequential mouth feature
Li et al. Complete video-level representations for action recognition
Collazos et al. Abandoned object detection on controlled scenes using kinect
Miry Face detection based on multi facial feature using fuzzy logic
KR102085070B1 (ko) 딥러닝 기반 영상 정합 장치 및 방법
CN114926764A (zh) 一种工业场景下的遗留物检测方法和系统
Lyu et al. Gesture motion detection algorithm based on optical flow method
Guangjing et al. Research on static image recognition of sports based on machine learning
CN114387670A (zh) 基于时空特征融合的步态识别方法、装置及存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant