WO2011038607A1 - 人体检查图像处理方法和人体检查设备 - Google Patents

人体检查图像处理方法和人体检查设备 Download PDF

Info

Publication number
WO2011038607A1
WO2011038607A1 PCT/CN2010/074898 CN2010074898W WO2011038607A1 WO 2011038607 A1 WO2011038607 A1 WO 2011038607A1 CN 2010074898 W CN2010074898 W CN 2010074898W WO 2011038607 A1 WO2011038607 A1 WO 2011038607A1
Authority
WO
WIPO (PCT)
Prior art keywords
column
row
image
pixel
scale factor
Prior art date
Application number
PCT/CN2010/074898
Other languages
English (en)
French (fr)
Inventor
孙运达
王学武
王涟
易裕民
陈明
Original Assignee
同方威视技术股份有限公司
清华大学
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 同方威视技术股份有限公司, 清华大学 filed Critical 同方威视技术股份有限公司
Priority to CA2775757A priority Critical patent/CA2775757C/en
Priority to US13/499,045 priority patent/US8774460B2/en
Priority to EP10819836.7A priority patent/EP2485041B1/en
Publication of WO2011038607A1 publication Critical patent/WO2011038607A1/zh

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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
    • G06T2207/30196—Human being; Person

Definitions

  • the present invention generally relates to the field of human examination, and more particularly to a method of treating a human body examination image and a human body inspection apparatus. Background technique
  • a human examination image obtained by radiation transmission or scattering contains anatomical features in vivo or on the surface.
  • security personnel use these features to distinguish hidden contraband (such as guns, knives, explosives, drug granules swallowed in the body, etc.) from the image, and on the other hand, to avoid public concern for fear of physical privacy violations.
  • hidden contraband such as guns, knives, explosives, drug granules swallowed in the body, etc.
  • some scanning systems divide the human body inspection image into a foreground/background area or a high scattering/low scattering area, and apply different image processing methods to different areas and then superimpose, for example,
  • the foreground area smoothes the details of the human body based on the results of the database comparison and enhances the inorganic substances such as metals, and enhances the edge detection of the background area, which is obviously more obvious than the traditional practice.
  • the existing artificial intelligence algorithms can not reliably realize the automatic detection of irregular low-contrast contraband, such as drug particles in the human body in low-dose X-ray transmission images, flake explosives hidden in the abdomen, etc.
  • the present invention has been made, thereby providing a human body inspection image processing method and a human body inspection device, which can reliably balance the two aspects of privacy protection and contraband detection, and satisfy the public's need for security.
  • the appeal of the privacy protection of the inspection occasions ensures that the contraband inspection capability is not affected by the privacy of the human examination image.
  • a method for processing a human body inspection image includes: identifying a target area by pattern recognition; and performing privacy protection processing on the identified target area, wherein the target area Includes head and / or ankle.
  • a human body inspection apparatus includes: an image acquisition unit that obtains a human body inspection image by imaging a human body; an image processing unit that processes the obtained human body inspection image; and an output And outputting the image processed by the image processing unit, wherein the image processing unit includes: a pattern recognition unit that recognizes the target area by pattern recognition; and a processing unit that performs privacy protection processing on the identified target area, wherein The target area includes a head and/or a crotch.
  • the torso, the head, and the ankle in the human body examination image are reliably positioned using the pattern recognition technology to perform privacy protection processing on the key privacy parts such as the head and the crotch.
  • This privacy protection process is, for example, smooth blur processing, mosaic processing, or marginal processing. Therefore, the privacy of the examinee is effectively protected, the legal obstacles to the security inspection work are eliminated, and the loss of image information caused by mis-processing of the contradiction or the anatomical features of the human body is avoided, and the scanning system is prohibited.
  • the invention is particularly suitable for privacy protection of low dose X-ray transmission images.
  • FIG. 1A is a block diagram showing a human body inspection apricot device according to an embodiment of the present invention
  • FIG. 1B A block diagram of an image processing section in accordance with one embodiment of the present invention is shown in FIG. 1B;
  • FIG. 2 is a schematic diagram of dividing an original image into a foreground I background region according to an embodiment of the present invention
  • FIG. 3 is a schematic diagram of identifying a body portion according to an embodiment of the present invention
  • FIG. 4 is a schematic diagram of identifying a center position of a cross-section according to an embodiment of the present invention.
  • FIG. 5 is a schematic diagram of privacy-protected image processing of a head and a cross-section according to an embodiment of the present invention. Detailed ways
  • Figure 1 - shows the root; a block diagram of the human body aligning apparatus of the embodiment of the present invention.
  • the human body examination apparatus 10 according to the embodiment of the present invention includes an image acquisition section 101, an image processing section 103, and an output section 105.
  • the image acquisition section 101 images the target object by, for example, a convergence (e.g., X-ray). For example, when examining a human body, a human body image is generated by X-ray scanning.
  • a convergence e.g., X-ray
  • a human body image is generated by X-ray scanning.
  • a plurality of such image acquisition sections are known. All of these image acquisition sections that can be designed in the prior art and which can be acquired in the future can be applied to the wood invention.
  • the image acquisition section 101 transmits the acquired image to the image processing section 103 for further processing; and then the image processing section 103 transmits the processed image to the output section 105 for output to the outside.
  • the output unit 105 is, for example, a display, so that the examiner performs a security check by observing the image outputted from the output unit 105, for example, to find out whether or not the inspected person has a contraband.
  • the image processing unit 103 can identify the target areas, and it is necessary to The identified target area is processed.
  • the image processing unit 103 will be described in more detail.
  • FIG. 1B A block diagram of an image processing section in accordance with one embodiment of the present invention is shown in FIG. 1B.
  • the image processing section 103 includes a pattern recognition unit 1031 and a processing unit 1032.
  • Pattern recognition unit 1031 the image processing section 103 according to this embodiment includes a pattern recognition unit 1031 and a processing unit 1032.
  • processing element 1031 identifies the target area of the image that needs to be processed so that the identified target area is subjected to specific privacy processing by processing element 1032.
  • the term “privacy protection processing” refers to processing the privacy part so that the details of the privacy part are not presented.
  • this privacy protection process includes smoothing the privacy of the privacy part, or adding a mosaic on the privacy part, or marginalizing the privacy part (such as edge detection and thresholding of the privacy part, so as to retain only the privacy part) The edge information), in order to protect the privacy of the inspected, thus avoiding unnecessary troubles.
  • the pattern recognition unit 1031 may include a body recognizing device 1033 for recognizing the body and a head portion for recognizing the head and/or the crotch portion. / or crotch identification device 1035.
  • the head and/or crotch recognition device 1035 recognizes the head and/or Crotch.
  • the torso recognition device 1033 may include a search device 1037 and a torso template storage device 1038.
  • the body-T template storage device 1038 stores the defined body template. This type of torso template can be pre-stored in the storage device at the factory, and the user is customized by the user.
  • the search device 1037 performs template matching in the image based on the torso template stored in the storage device 1038 to search for candidate torso positions in the image.
  • the torso recognition device 1033 can also include an image segmentation device 1039.
  • the image segmentation means 1039 divides the image into a foreground portion and a background region, thereby performing template matching in the foreground portion, which can reduce the amount of calculation.
  • This division of the front/background can be performed, for example, in accordance with the gray level. Specifically, as shown in FIG. 2, for example, an area in which the gray level is smaller than the first threshold ⁇ in the original image may be determined as the foreground area (201), and an area in which the gray level is greater than the first threshold may be determined as the background area (202). ).
  • the first threshold can be determined empirically or by using the histogram statistical method £].
  • the shape a can be utilized to define the torso template. Specifically, for example, an area in the human image in which the (normalized) width is larger than a specific value and (naturalized) 1 degree is larger than a specific value is determined as a body template.
  • the above-described shape-based torso template can be defined as follows, where 'I' involves two scale factors:
  • Scale factor a r.' /max fr,' ⁇ , ⁇ ' is the number of foreground pixels in the ith pixel column, ma) ⁇ ' ⁇ is the maximum value in ⁇ ';
  • the ratio is due to 1 ⁇ : r 2 ' /max ⁇ r 2 ' ⁇ , r is the number of pixels before the jth pixel row, ⁇ is the maximum value in .
  • i and j are indices of pixel columns and pixel rows in the image, respectively.
  • the template of the human body is defined as a continuous factor of a proportional factor a greater than the first threshold and a continuous number of rows having a scale factor b greater than the second threshold.
  • the second threshold and the third threshold may be determined empirically.
  • the search device 1037 may, for example, include a device (not shown) to search for candidate torso modes in the image: a computing device that calculates the ratio for the foreground region, column by column Example: a, and calculate the ratio b row by row; the column boundary determining means, for a plurality of consecutive columns whose scale factor a is greater than the first threshold, the leftmost one of the columns is determined as the left boundary (the first column boundary), The rightmost column determines the 3 ⁇ 4 right boundary (the first column boundary); and the row boundary determining means, for the consecutive thousands of rows whose scale factor b is greater than the third threshold, the uppermost row is determined to be the upper boundary (the first row) Boundary), the bottom row of which is determined as the lower boundary (the second row boundary).
  • the area defined by the upper, lower, left, and right boundaries thus obtained is determined as the candidate body mode.
  • the scale factor a (see the box on the lower left side in Fig. 3) and the scale factor b (see the box on the upper right side in Fig. 3) are respectively calculated for the foreground image.
  • a plurality of consecutive columns 303 having a scale factor a greater than a second threshold, and a continuous thousand rows 304, 305 having a scale factor b greater than a third threshold define two candidate torso modes 301, 302, respectively.
  • the body width can be determined accordingly.
  • the width of the torso in pixels can be equal to the number of columns of pixels between the left and right borders.
  • the calculation is limited to the torso width range, so that the calculation fi can be reduced.
  • the above may be defined as the number of foreground pixels in the range of the trunk width of the jth pixel row.
  • the scale factor shown in Figure 3 is calculated as such.
  • the third threshold should also change accordingly.
  • the search device 1037 may include, for example, a device (not shown): the first computing device calculates a scale factor a of each pixel column; the column boundary determining device, for the scale factor a is greater than the second threshold If there are thousands of consecutive columns, the leftmost column is determined as the left boundary (the first column boundary), and the rightmost column is determined as the right boundary (the second column boundary); the trunk width determining device is determined according to the above a left and right boundary, determining a body width; a second calculating means, calculating a scale factor b of each pixel row, wherein the calculation is limited to a body width range as described above; and a line boundary determining means for the scale factor b being greater than
  • the three thresholds are consecutively thousands of rows, and the uppermost row is determined as the upper boundary (the first row boundary), and the lowermost row is determined as the boundary (the second row boundary). The area defined by the upper, lower, left, and right boundaries thus obtained is determined as the candidate body mode.
  • the upper and lower boundaries may be determined according to the scale factor b, and the trunk length may be determined accordingly.
  • the calculation is limited to the length of the trunk, so that the amount of calculation can be reduced.
  • the above ⁇ ' may be limited to the number of foreground pixels in the range of the trunk length of the i-th pixel column.
  • the second threshold should also change accordingly.
  • a plurality of candidate limbs are determined. As shown in FIG. 3, there are a pair of left and right borders, while there are two pairs of upper and lower boundaries, thus defining a candidate body portion 301 and 302. At this time, select the one with the largest face (301 in Figure 3) as true: i: the body of the body.
  • the trunk recognition device 1033 recognizes the trunk portion in the image, so that the head and/or crotch recognition device S 035 can recognize the head and/or the crotch portion based on the identified body portion.
  • a foreground image above the torso portion in the foreground region may be determined as the head.
  • the head and/or ankle recognition device 1035 includes an ankle determination device as follows: (not shown).
  • the crotch determining means determines in the body portion 401 that the scale factor c (see the rightmost box in FIG. 4) in the pixel row is larger than the fourth The uppermost pixel row (404) of the threshold, wherein the scale factor c is a ratio of the number of pixels in the pixel ⁇ whose gradation is greater than the fifth threshold to the width of the torso portion.
  • the fourth threshold can be determined empirically, and the fifth threshold can be determined empirically or adaptively based on the average gray level of the torso (401).
  • the search range restriction is included in the range of the vertical center of the body (i.e., the center column of the trunk portion 401) (as shown by 402 in Fig. 4) to reduce the amount of calculation.
  • the crotch determination means determines the point of the pixel whose gradation is greater than the fifth threshold in the line closest to the center line of the torso portion as the crotch center 403. Finally, the crotch determining means determines the image in the foreground region with the center of the crotch center 403 as a center and a certain radius as the crotch portion. The radius can be determined empirically or adaptively based on the width of the torso portion.
  • the processing unit 1032 may perform privacy protection processing on the identified head and/or crotch. For example, smooth blurring such as averaging filtering, Gaussian filtering, etc. can be performed to smooth and blur the head and/or the head. The result of the processing is shown in Figure 5.
  • the present invention also provides a method of processing a human body image.
  • the target area to be processed (such as the head and/or the crotch) is identified by pattern recognition; then, the identified target area is subjected to privacy protection processing, for example, smooth blurring is performed. Protect the privacy of the site.
  • This pattern recognition can be done by template matching as described above.
  • the definition of such a template can be based on shape sub-objects as described above.
  • the device of the present invention has been described in detail above and will not be repeated here.
  • the above description is directed to the case of dividing an image into foreground and background regions.
  • This aspect of the invention does not necessarily require the segmentation of such foreground and background regions.
  • combining the above first threshold into the determination of the ratio due to a, b may not require a separate image segmentation process.
  • the above ⁇ ′ may be defined as the number of pixels in which the ith pixel column ⁇ gray level is smaller than the first threshold
  • the above r is defined as the number of pixels in the jth pixel row whose gray level is smaller than the first threshold.
  • the present invention is not limited to first identifying the body portion, and may also recognize the head portion and/or the crotch portion. This identification can also be done by panel matching.
  • head and/or ankle templates can be defined based on physiological characteristics of the human body.
  • the template for tonal pattern recognition is not limited to the above-described shape factor based template.
  • the search device will implement different search operations.
  • the image processing section described in the present invention can be realized by software, hardware, firmware, and/or a combination thereof.
  • the embodiment is not an essential feature of the invention and thus is not limited.
  • each of the modules described above may be implemented by separate physical units, or may be implemented in conjunction with several physical units, or several of them may be integrated into a single physical unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

人体检查图像处理方法和人体检査设备 技术领域
本中请一般地涉及人体检查领域， 更为具体地， 涉及一种对人体检查图像进行处 理的方法以及一种人体检査设备。 背景技术
在人体检査系统 （例如， X射线人体安检系统） 中， 通过射线透射或散射得到的 人体检査图像含有体内或体表的解剖学特征。 安检工作人员一方面利用这些特征从图 像中分辨出藏匿的违禁品 （如枪支、 刀具、 爆炸物、 吞入体内的毒品颗粒等）， 一方 面又要避免公众由于担心身体隐私受到侵犯而对安检工作提出质疑和批评。
通常， 通过调节图像的亮度和对比度可以隐去人体的部分细节， 在保护受检者隐 私的同时也使金属等无机物看上去更加突出。 然而这样会隐去与人体组织对比度低的 爆炸物、 毒品等有机物， 带来重大的安全隐患。 传统的图像处理技术也可以模糊人体 的解剖学细节， 如针对整幅图像的边缘增强和滤波， 但也使安检工作人员更加难以辨 识细小轻薄的可疑物， 降低了违禁品的检出率。
有的扫描系统为了同时提髙隐私保护级别和违禁品检测能力， 将人体检查图像分 割为前景 /背景区域或高散射 /低散射区域， 对不同区域施加不同的图像处理方式后 再叠加， 比如对前景区域基于数据库比对的结果平滑人体细节以及增强金属等无机 物， 对背景区域则进行边缘检测增强， 这显然比传统做法有了明显的进歩。 然而， 现 有人工智能算法还无法可靠的实现不规则低对比度违禁品的自动检测，如低剂量 X射 线透射图像中吞入人体内的毒品颗粒、 藏于腹部的片状爆炸物等， 此类违禁品一旦被 视为人体细节加以、 ·滑， 其效果还不如模糊之前， 这无形中增加了扫描系统的违禁品 检测能力的不确定性。
因此， 需耍这样一种人体检查图像处理方法和人体检査设备， 其能够可靠的平衡 隐私保护和违禁品检测两个方面的需要。 发明内容
鉴于上述问题， 做出了本发叨， 从而提供一种人体检査图像处理方法和人体检査 设备， 能够可靠的平衡隐私保护和违禁品检测两个方面的需要， 既满足了公众对于安 检场合隐私保护的诉求， 又最大限度的保证了违禁品检测能力不会受到人体检查图像 隐私处理的影响。
根据本发明的一个方面， 提供了一种对人体检查图像进行处理的方法， 包括： 通 过模式识别， 对 标区域进行识别； 以及对所识别的目标区域进行隐私保护处理， 其 中， 所述目标区域包括头部和 /或胯部。
根据本发明的另一方面， 提供了一种人体检查设备， 包括： 图像获取部， 通过对 人体进行成像， 而获得人体检查图像； 图像处理部， 对所获得的人体检查图像进行处 理； 以及输出部， 将图像处理部处理后的图像输出， 其中， 该图像处理部包括： 模式 识别单元， 通过模式识别， 对目标区域进行识别； 和处理单元， 对所识别的目标区域 进行隐私保护处理， 其中， 所述 标区域包括头部和 /或胯部。
根据本发明，使用模式识别技术可靠地定位人体检查图像中的躯干、头部和胯部， 以便对头部、 胯部等重点隐私部位进行隐私保护处理。 这种隐私保护处理例如平滑模 糊处理、 加马赛克处理、 或边缘化处理。 因此， 保证了受检者的隐私得到有效保护， 消除了安全检查工作的法律障碍， 避免了智能检测违禁品或人体解剖学特征失败时误 处理所导致的图像信息损失， 并提高了扫描系统违禁品检测能力的稳定性。 本发明特 别适用于低剂量 X射线透射图像的隐私保护。 附图说明
以下结合附图来描述本发明的实施例， 在这些附图中：
图 1A是示出了根据本发明实施例的人体检杏设备的方框图；
图 1B中示出了根据本发明一个实施例的图像处理部的方框图；
图 2是根据本发叨的实施例将原始图像分割为前景 I背景区域的示意图； 图 3是根据本发明的实施例识别躯千部位的示意图；
图 4是根据本发明的实施例识别跨部中心位置的示意图； 以及
图 5是根据本发明的实施例对头部和跨部进行隐私保护图像处理的示意图。 具体实施方式
以下将参照附图对本发明进行详细描述。 在附图中， 示出了本发明的示例性实施 例。 应当指出的是， 在附图中给出这些示例仅仅是为了描述本发明的目的， 而并非是 ¾了限制本发明。 图 l Λ -足示出了根 ;本发明实施例的人体柃齊设备的方框图。 如 1 A所小， 根据 本发明实施例的人体检杳设备 10包括图像获取部 101、 图像处理部 103和输出部 105。
图像获取部 101例如通过辐剁 （如 X射线）， 对目标对象进行成像。 例如， 在对人 体进行检查时， 通过 X射线扫描， 生成人体检 图像。 在现有技术中， 已知多种这样 的图像获取部。 现有技术中以及将来可能设计出的所有这些能够获取目标对象图像的 图像获取部均可应用于木发明中。
图像获取部 101将所获取的图像发送到图像处理部 103以便进行进一步的处理； 然 后图像处理部 103将处理后的图像发送到输出部 105， 以输出到外部。 输出部 105例如 是] ώ示器， 从而检査者通过观察输出部 105上输出的图像， 来进行安全检查， 例如以 便发现被检査者是否夹带了违禁品。
在本发明巾， 为了对图像中的目标区域进行处理， 例如为了对头部和 /或胯部等隐 私部位进行隐私保护处理， 图像处理部 103可以对这些目标区域进行识別， 并桉需对 所识別的 Η标区域进行处理。 以下， 将对该图像处理部 103进行更为详细的描述。
图 1B中示出了根据本发明一个实施例的图像处理部的方框图。如图 1B所示， 根据 该实施例的图像处理部 103包括模式识別单元 1031和处理单元 1032。 模式识别单元
1031对图像中需要进行处理的 Η标区域进行识别， 以便由处理 元 1032对所识别的目 标区域进行特定隐私处理。 在此， 所谓 "隐私保护处理" 是指对隐私部位进行处理， 使得不会呈现隐私部位的细节。 例如， 这种隐私保护处理包括对隐私部位进行平滑模 糊， 或者在隐私部位上加马赛克， 或者对隐私部位进行边缘化处理 （如对隐私部位进 行边缘检测和阈伹化处理， 从而只保留隐私部位的边缘信息）， 以便保护被检査者的 隐私， 从而避免 'j I起不必要的麻烦。
特别是， 在对人体进行检查时， 需要对隐私部位（如头部、 胯部）进行保护处理， 因而模式识别单元 1031可以用来识别头部和 /或胯部。为此，根据本发明的一个实施例， 如图 1B所示，模式识别^元 1031可以包括用于识别躯千的躯十识别装置 1033以及用于 识别头部和 /或胯部的头部和 /或胯部识别装 1035。 根据本发叨的实施例， 在人体图 像中， 以 ώ躯千识別装 H 1033所识别的躯千部位为基础， 来 11 1头部和 /或胯部识别装置 1035识别头部和 /或胯部。
但是， 需要指出的是， 为了识别头部和 /或胯部， 并非一定要先行识别躯干部位。 例如， 本领域技术人员可以设想到， 将整个人体图像最 h部约 1 / 10高度的区域识别为 头部； 按人体牛理比例， 将人体高度特定比例处的区域识别为胯部。 当然， 如下所述， 以躯干部位为基础， I 'J以 ¾£好地识别头部和 /或胯部。
在本发明中， 优选地， 可以利用模板匹配来进行模式识别。 为此， 根据本发明的 一个实施例， 如图 1B所示， 躯干识别装置 1033可以包括搜索装置 1037、 躯干模板存储 装置 1038。 其中， 躯 -T模板存储装置 1038存储定义的躯千模板。 这种躯干模板可以在 出厂时就预先存储在 ¾存储装置屮， 成者 以山用户来自定义。 搜索装置 1037根据存 储装置 1038中存储的躯干模板， 在图像中进行模板匹配， 以便搜索图像中的候选躯干 咅位
有利地， 躯干识别装置 1033还可以包括图像分割装置 1039。 由阁像分割装置 1039 将图像分割为前景部分和背景区域， 从而在前景部分中进行模板匹配， 可以减小计算 量。 这种前¾/背景的分割例如可以按照灰度级来进行。 具体地， 如图 2所示， 例如可 以将原始图像中灰度级小于第一阈伹的区域确定为前景区域 （201 )， 而将灰度级大于 第一阈值的区域确定为背景区域 （202 )。 其中的第一阈值可以通过经验确定或使用直 方图统计方法 £]适应确定。
当然， 这种前景 /背景区域的分割并非一定要按照灰度级来进行。 本领域技术人员 可以想到多种其他分割方法。
对于模式识别中所采用的模板， 本领域技术人员可以想到多种定义方式。 在此， 根据本发明的一个实施例， 可以利用形状 a子来定义躯干模板。 具体地， 例如， 将人 体图像中 （归一化） 宽度大于特定值、 （归 化） 1 度大于特定值的区域确定为躯千 模板。
在由图像分割装置 1039将图像分割为前^部分和背景区域的前提下， 可以如下来 定义上述基于形状^子的躯干模板， 其' I '涉及两个比例因子：
比例因子 a: r.' /max fr,' } , η'是第 i像素列的前景像素数， ma)^' }是 η'中的最大值； 以及
比例因于1^: r2' /max{r2' } , r 是第 j像素行的前 ^像素数，
Figure imgf000006_0001
}是 中的最大 值。
其屮， i、 j分别是图像中像素列和像素行的索引。 人体躯千的模板定义为比例因 子 a大于第一阈值的连续若千列和比例因子 b大于第二阈值的连续若干行。 其中， 第二 阈值、 第三阈值可通过经验确定。
在如上定义的躯干模板下， 搜索装置 1037例如可以包括如下装置 （图屮未示出）， 以在图像中搜索候选的躯干模式： 计算装 ¾， 该计箅装置对于前景区域， 逐列计算比 例冈子 a， 并逐行计算比例 b; 列边界确定装置， 对于比例因子 a大于第一阈值的连续若 干列， 将其中最左侧的一列确定为左边界 （第一列边界）， 将其中最右侧的一列确定 ¾右边界 （第一列边界）； 以及行边界确定装置， 对于比例因子 b大于第三阈值的连续 若千行， 将其中最上侧的一行确定 ¾上边界 (第一行边界）， 将其中最下侧的一行确 定为下边界 （第二行边界）。 如此得到的上、 下、 左、 右边界限定的区域被确定为候 选躯千模式。
在此， 参照图 3， 其中对于前景图像分别计算了比例因子 a (参见图 3中左下侧的 方框） 和比例因子 b (参见图 3中右上侧的 7 -框）。 比例因子 a大于第二阈值的连续若干 列 303、 以及比例因子 b大于第三阈值的连续若千行 304、 305分别限定出两个候选躯干 模式 301、 302。
优选地， 在根据比例因子 a确定了左、 右边界 （图 3中 303的左侧边界和右侧边界） 之后， 可据此确定躯千宽度。 例如， 躯干以像素数为单位的宽度可以等于左右边界之 间的像素列数。 在确定了躯干宽度之后， 在计算比例因子 b时， 将计算限制在躯干宽 度范围内， 从而可以减少计算 fi。 具体地， 可以将上述的 限定为第 j像素行躯干宽 度范围内的前景像素数。 实际上， 附图 3中所示的比例因子就是如此计算的。 当然， 此时第三阈值也应相应地改变。
在这种情况下， 搜索装置 1037例如可以包括如下装置 （图中未示出）： 第一计算 装置， 计算各像素列的比例因子 a; 列边界确定装置， 对于比例因子 a大于第二闺值的 连续若千列， 将其中最左侧的一列确定为左边界 （第一列边界）， 将其中最右侧的一 列确定为右边界 （第二列边界）； 躯干宽度确定装置， 根据以上确定的左、 右边界， 确定躯千宽度； 第二计算装置， 计算各像素行的比例因子 b， 其中如上所述将计算限 制在躯干宽度范围内； 以及行边界确定装置， 对于比例因子 b大于第三阈值的连续若 千行， 将其中最上侧的一行确定为上边界 （第一行边界）， 将其中最下侧的一行确定 ¾卜边界 （第二行边界）。 如此得到的上、 下、 左、 右边界限定的区域被确定为候选 躯千模式。
当然， 可选地， 也可以先根据比例因子 b确定上、 下边界， 并据此确定躯干长度。 在确定了躯干长度之后， 在计算比例因子 a时， 将计算限制在躯干长度范围内， 从而 可以减少计算量。具体地， 可以将上述的 η'限定为第 i像素列躯干长度范围内的前景像 素数。 当然， 此时第二阈值也应相应地改变。
另外， 在搜索过程屮， 可能存在多于 ·对的上 /下边界、 左 /右边界， 从而可能限 定出多个候选躯千部位。 如图 3所示， 存在一对左、 右边界， 而同时存在两对上、 下 边界， 因此限定出 个候选躯千部位 301和 302。 此时， 选择其中面枳最大者 (图 3中 301 ) 为真: i :的躯千部位。
通过上述处理， 躯干识别装置 1033识别出图像中的躯干部位， 从而头部和 /或胯部 识别装 S 035可以根据所识别的躯千部位来识别头部和 /或胯部。
具体地， 可将前景区域中躯干部位以上的前景图像确定为头部。
¾外， 根据本发明的一个实施例， 为了识别胯部， 头部和 /或胯部识别装置 1035 包括如下的胯部确定装： (未示出）。 根据本发明的一个实施例， 如图 4所示， 首先， 该胯部确定装置在躯千部位 401中确定像素行中比例因子 c (参见附图 4中最右侧的方 框） 大于第四阈值的最上侧像素行 （404)， 其中所述比例因子 c为像素 ίΐ中灰度大于 第五阈值的像素数占躯 Τ部位宽度的比例。 其中， 第四阈值可以通过经验确定， 而第 五阈值可以通过经验确定或根据躯干 （401 ) 的平均灰度级自适应确定。 为了确定所 述最上侧像素行， 例如可以在躯干部位 （401 ) 中从上至下逐行搜索， 针对每行计算 比例因子 c；。 优选地， 在搜索过程中， 将搜索范围限制包括躯千竖直中心 （即， 躯干 部位 401的中心列） 在内的范围 （如图 4中 402所示的范围） 内， 以便减少计算量。
然后， 对所确定的最上侧像素行， 胯部确定装置将该行中灰度大于第五阈值的像 素中最接近躯干部位屮心列的点确定为胯部中心 403。 最后， 胯部确定装置将前景区 域中以胯部中心 403为圆心、 一定半径内的图像确定为胯部。 所述半径可以通过经验 确定或根据躯干部位的宽度自适应确定。
在头部和 /或胯部识别装置如上所述识别出头部和 /或胯部之后， 处理单元 1032可 以所识別出的头部和 /或胯部进行隐私保护处理。例如， 可以进行平滑模糊处理如均值 滤波、 高斯滤波等， 以便将头部和 /或胯部进行平滑、 模糊。 处理的结果如图 5所示。
根据以上的描述可知， 本发明也提供了一种对人体检杳图像进行处理的方法。 如 上所述， 在该方法中， 通过模式识别， 对要处理的目标区域（如头部和 /或胯部）进行 识别； 然后， 对所识别的目标区域进行隐私保护处理， 例如进行平滑模糊以便保护隐 私部位。
这种模式识别如上所述可以通过模板匹配来进行。 这种模板的定义可以如上所述 基于形状 子。 对于该方法的进一步细节， 实际上在以上描述本发叨的装置吋已经进 行了详细说明， 在此不再重复。
以上的描述针对的是将图像分割为前景、 背景区域的情况。 但是， 本发明并不局 限于此。 本发明并不一定需要这种前景、 背景区域的分割。 例如， 将上述第一阈值结 合到比例因于 a、 b的确定中， 可以无需单独的图像分割处理。 i¾体来说， 可以将上述 η'定义为第 i像素列屮灰度级小于第一阈值的像素数， 同时将上述 r 定义为第 j像素行 中灰度级小于第一阈值的像素数。
如上所述， 本发明也不局限于先识别躯千部位， 也可以 S接识别头部和 /或胯部。 这种识别也可以通过榄板匹配来进行。 例如， 可以根据人体生理特征， 来定义这种头 部和 /或胯部模板。当然，用于躯干模式识别的模板也不限于上述基于形状因子的模板。 本领域普通技术人员可以想到多种其他模板可以实现本发明的目的。 而且， 根据不同 定义的模板， 搜索装置将实现不同的搜索操作。
另外， 本发明中所述的图像处理部可以通过软件、 硬件、 固件、 和 /或它们的组合 来实现。 其实施方式并非是本发明的本质特征， 因而不受限制。 而且， 以上描述的各 个模块可以分别由单独的物理单元实现， 或者可以 ώ若干个物理单元共同实现， 或者 它们当中的若干个可以集成在单个物理单元中。
上面的描述仅用于说明本发明的实施方式， 而并非要限制本发明的范围。 本领域 的技术人员应该理解， 本发明的范闱由所附权利要求限定。 不脱离本发明的精神和原 理的任何修改或局部替换， 均应落入本发明的范围之内。

Claims

权 利 要 求
1. 一种对人体检査图像进行处理的方法， 包括：
通过模式识别， 对 标区域进行识别； 以及
对所识别的目标区域进行隐私保护处理，
其中， 所述目标区域包括头部和 /或胯部。
2. 如权利要求 1所述的方法， 其中， 对目标区域进行识别的歩骤包括： 识別躯千部位；
根据所识别的躯千部位， 识别头部和 /或胯部。
3. 如权利要求 2所述的方法， 其中， 识别躯干部位的步骤包括： 根据定义的躯千 模板， 进行模板匹配， 以搜索躯千部位。
4. 如权利 ^求 3所述的方法， 其中， 在进行模板匹配之前， 该方法还包括： 将图 像分割为 ϋ景区域和背景区域，
其中， 在前景区域中进行模板匹配。
5. 如权利要求 4所述的方法， 其中， 根据灰度级来分割前景 域和背景区域。
6. 如权利耍求 4所述的方法， 其中， 识别躯干部位的歩骤包括：
对于图像中的像素行和像素列，
( i )识别比例因子 a大于第二阀值的连续列，其中，比例因子 a定义为 r Anax ' }， η '是第 i 像素列的前景区域像素数， ιΏίΙΧ{η' }是各像素列的 η'中的最大值， 所述连续 列的最左侧一列和最 侧一列分别形成第〜列边界和第二列边界； 以及
( ii ) 识别比例因子 b 大于第二阈位的连续行， 其屮， 比例因子 b 定义为 r2' /maX{r }， / 是第 j像素行的前景区域像素数， maX{r2' }是各像素行的 r2'中的最大 位， 所述连续行的 S上侧一行和 S下侧一行分别形成第一行边界和第二行边界， 其中， 由第 ·、 第二列边界以及第 、 第二行边界所限定的区域被确定为躯干部 位。
7. 如权利要求 6所述的方法， 其中，
先执行步骤 （i ), 根据所述第一列边界和第二列边界， 确定躯千宽度； 然后 执行步骤 （ii )， 在执行步骤 （ii ) 时， 将 限定为第 j 像素行躯千宽度范围内的 前景区域像素数。
8. 如权利要求 6或 7所述的方法， 其中， 当搜索到多个候选的躯千部位时， 将其 中而积最大的区域确定为躯千部位。
9. 如权利要求 4所述的方法， 其中， 将前景区域中躯千部位以上的图像识别为头 部。
10. 如权利要求 4所述的方法， 其屮，
在所识别的人体躯千部位中， 确定像素行屮比例因子 c大于第四阈值的最上侧像 素行， 其中所述比例因子 c为像素行中灰度大于第五阈值的像素数占躯千部位宽度的 比例；
对所确定的最上侧像素行， 将该行中灰度大于第五阈值的像素中最接近躯干部位 中心列的点确定为胯部中心； 以及
将前景区域屮以胯部中心为圆心、 一定半径内的图像确定为胯部。
11. 如权利要求 10所述的方法， 其中， 比例因子 c针对像素行中限制在包括躯干 部位中心列的一定范围内的像素来确定。
12. 如权利要求 1所述的方法， 其中， 所述隐私保护处理包括平滑模糊处理、 加 马赛克处理、 边缘化处理中的至少 种。
13. 如权利要求 12所述的方法， 其中， 所述平滑模糊处理包括均值滤波、 高斯滤 波中至少一种。
14. 一种人体检杏设备， 包括：
图像获取部， 通过对人体进行成像， 而获得人体检查图像；
图像处理部， 对所获得的人体检査图像进行处理； 以及
输出部， 将图像处理部处理后的图像输出，
其中， 该图像处理部包括：
模式识别单元， 通过模式识别， 对目标区域进行识别； 和
处理单元， 对所识别的目标区域进行隐私保护处理，
其中， 所述 标区域包括¾部和 /或胯部。
15. 如权利要求 14所述的人体检查设备， 其中， 所述模式识别单元包括： 躯千识别装置， 对人体的躯千部位进行识别； 和
头部和 /或胯部识别装置， 根据躯干识别装置所识别的躯干部位， 识别头部和 /或 胯部。
16. 如权利耍求 15所述的人体检查设备， 其中， 躯干识别装置包括： 模板存储装置， 用于存储定义的躯千模板； 和 搜索装置， 根据所述模板存储装置存储的躯十模板， 在图像中进行模板匹配， 以 搜索躯干部位。
17. 如权利要求 16所述的人体检查设备， 其中， 躯下识别装置还包括： 图像分割 装置， 用于将图像分割为前景区域和背景区域，
其中， 所述搜索装置在前景区域中进行模板匹配。
18. 如权利要求 17所述的人体检查设备， 其中， 图像分割装置根据灰度级来分割 前景区域和背景区域。
19. 如权利要求 17所述的人体检 S设备， 其中， 搜索装置包括：
计算装置， 该计算装置
( i ) 计算图像中各像素列的比例因子 a, 该比例因子 a定义为 r^ /maxW }， η'是第 i像素列的前景区域像素数， max{/ }是各像素列的 η'中的最大值； 以及 ( ii )计算图像屮各像素行的比例因子 b，该比例因子 b定义为 r /max ' }， 是第 j像素行的前景区域像素数， maX{ }是各像素行的 中的最大值； 列边界确定装置， 确定比例因子 a大于第二阈值的连续列， 所述连续列的最左侧 一列和最右侧一列分别形成第一列边界和第二列边界； 以及
行边界确定装置， 确定比例因子 b大于第三阈值的连续行， 所述连续行的最上侧 -行和最下侧一行分别形成第一行边界和第二行边界；
其巾， ill第一、 第二列边界以及第一、 第二行边界所限定的区域被定义为躯千部 位。
20. 如权利耍求 17所述的人体检查设备， 其中， 搜索装 S包括：
第一计算装 S , 计算图像中各像素列的比例因子 a， 该比例因子 a 定义为 r.' /max } , r,'足第 i 像素列的前景区域像素数， max^ }是各像素列的 r,'中的最大 位；
列边界确定装置， 确定比例因子 a大于第二阈值的连续列， 所述连续列的最左侧 -列和最右侧一列分别形成第一列边界和第二列边界；
躯千宽度确定装置， 根据所述第一列边界和第二列边界， 确定躯千宽度； 第二计算装置， 计算图像中各像素行的比例因子 b， 该比例因子 b 定义为 r2'7max{r } , r 是第 j像素行躯干宽度范围内的前景区域像素数， max{r2' }是各像素 行的 r 中的 ig大值； 以及
行边界确定装置， 确定比例因子 b大于第三阈值的连续行， 所述连续行的最上侧 一行和 下侧一行分別形成第 -行边界和第二行边界；
其中， ώ第一、 第二列边界以及第一、 第二行边界所限定的区域被定义为躯千部 位。
21. 如权利要求 19或 20所述的人体检杏设备， 其中， 当搜索装置搜索到多个候 选的躯干部位时， 将其屮面积最大的区域确定为躯千部位。
22. 如权利要求 17所述的人体检查设备， 其中， 头部和 /或胯部识别装置将前景 区域中由搜索装置搜索到的躯千部位以上的图像识别为头部。
23. 如权利要求 17所述的人体检查设备， 其中， 头部和 /或胯部识别装置包括： 胯部确定装置， 该胯部确定装置
在由搜索装置搜索到的躯千部位中，确定像素行屮比例因子 c大于第四阈值 的最上侧像素行，其中所述比例因子 c为像素行中灰度大于第五阈值的像素数占 躯千部位宽度的比例；
对所确定的最上侧像素行，将该行中灰度大于第五阈值的像素中最接近躯干 部位中心列的点确定为胯部中心； 以及
将前景区域中以胯部中心为圆心、 一定半径内的图像确定为胯部。
24. 如权利要求 23所述的人体检査设备， 其中， 比例因子 c针对像素行中限制在 包括躯干部位中心列的 ·定范围内的像素来确定。
25. 如权利要求 14所述的人体检查设备， 其中， 所述隐私保护处理包括平滑模糊 处理、 加马赛克处理、 边缘化处理屮的至少一种。
26. 如权利要求 25所述的人体检查设备，其中，所述平滑模糊处理包括均值滤波、 高斯滤波中 少一种。
PCT/CN2010/074898 2009-09-30 2010-07-02 人体检查图像处理方法和人体检查设备 WO2011038607A1 (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CA2775757A CA2775757C (en) 2009-09-30 2010-07-02 Method of processing body inspection image and body inspection apparatus
US13/499,045 US8774460B2 (en) 2009-09-30 2010-07-02 Method of processing body inspection image and body inspection apparatus
EP10819836.7A EP2485041B1 (en) 2009-09-30 2010-07-02 Method for processing body inspection image and body inspection device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2009102353401A CN102028482B (zh) 2009-09-30 2009-09-30 人体检查图像处理方法和人体检查设备
CN200910235340.1 2009-09-30

Publications (1)

Publication Number Publication Date
WO2011038607A1 true WO2011038607A1 (zh) 2011-04-07

Family

ID=43825527

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2010/074898 WO2011038607A1 (zh) 2009-09-30 2010-07-02 人体检查图像处理方法和人体检查设备

Country Status (5)

Country Link
US (1) US8774460B2 (zh)
EP (1) EP2485041B1 (zh)
CN (1) CN102028482B (zh)
CA (1) CA2775757C (zh)
WO (1) WO2011038607A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102540264A (zh) * 2011-12-30 2012-07-04 北京华航无线电测量研究所 一种人体隐私部位自动检测与遮挡的微波安检系统
CN102608673A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示方法
CN102608672A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示装置
CN102629315A (zh) * 2012-02-29 2012-08-08 北京无线电计量测试研究所 一种隐匿物品的自动检测和识别装置

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567733B (zh) * 2011-12-30 2014-05-07 北京华航无线电测量研究所 一种微波图像非合作情况下人体隐私部位检测与遮挡方法
CN102708372B (zh) * 2012-02-29 2016-02-24 北京无线电计量测试研究所 一种隐匿物品的自动检测和识别方法
CN102708561B (zh) * 2012-02-29 2016-05-18 北京无线电计量测试研究所 一种基于毫米波成像的隐私保护装置
CN102708560B (zh) * 2012-02-29 2015-11-18 北京无线电计量测试研究所 一种基于毫米波成像的隐私保护方法
JP5801237B2 (ja) * 2012-03-29 2015-10-28 パナソニック株式会社 部位推定装置、部位推定方法、および部位推定プログラム
DE102013019488A1 (de) * 2012-11-19 2014-10-09 Mace Wolf Bilderfassung mit schutz der privatsphäre
US9940525B2 (en) 2012-11-19 2018-04-10 Mace Wolf Image capture with privacy protection
CN103903299B (zh) * 2012-12-27 2018-05-22 同方威视技术股份有限公司 背散射人体检查图像的三维增强方法和设备
CN104345350A (zh) * 2013-07-23 2015-02-11 清华大学 人体安全检查方法和人体安全检查系统
US8917925B1 (en) * 2014-03-28 2014-12-23 Heartflow, Inc. Systems and methods for data and model-driven image reconstruction and enhancement
JP6602009B2 (ja) * 2014-12-16 2019-11-06 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN106127732B (zh) * 2016-06-13 2019-01-01 深圳市太赫兹科技创新研究院 微波图像中人体性别检测方法和装置
US10163248B1 (en) * 2017-08-02 2018-12-25 Microtek International Inc. Image processing method and scanning system using the same
CN108038835B (zh) * 2017-11-27 2021-07-13 杭州电子科技大学 显著性驱动的图像重要区域马赛克自动生成方法
CN109886864B (zh) * 2017-12-06 2021-03-09 杭州海康威视数字技术股份有限公司 隐私遮蔽处理方法及装置
CN108549898B (zh) * 2018-03-20 2019-03-12 特斯联（北京）科技有限公司 一种用于安检透视的特定目标识别与增强的方法和系统
CN108648204A (zh) * 2018-04-24 2018-10-12 特斯联（北京）科技有限公司 一种实现人工智能区域屏蔽的人体安检的方法和装置
CN109190519B (zh) * 2018-08-15 2021-07-16 上海师范大学 一种人体图像裆部检测方法
CN113486782A (zh) * 2021-07-02 2021-10-08 苏州雷泰医疗科技有限公司 放射治疗病人隐私保护监控方法、系统和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005086620A2 (en) * 2003-10-10 2005-09-22 L-3 Communications Security And Detection Systems Mmw contraband screening system
CA2514724A1 (en) * 2005-08-22 2007-02-22 Bibhuti Bhusan Bardhan Airport x-ray screening privacy
US7405692B2 (en) * 2001-03-16 2008-07-29 Battelle Memorial Institute Detecting concealed objects at a checkpoint
WO2009082762A1 (en) * 2007-12-25 2009-07-02 Rapiscan Security Products, Inc. Improved security system for screening people
CN101510957A (zh) * 2008-02-15 2009-08-19 索尼株式会社 图像处理设备、方法、程序、摄像机设备、通信系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7082211B2 (en) * 2002-05-31 2006-07-25 Eastman Kodak Company Method and system for enhancing portrait images
US7200266B2 (en) * 2002-08-27 2007-04-03 Princeton University Method and apparatus for automated video activity analysis
US7796733B2 (en) * 2007-02-01 2010-09-14 Rapiscan Systems, Inc. Personnel security screening system with enhanced privacy
US8224021B2 (en) * 2008-03-14 2012-07-17 Millivision Technologies, Inc. Method and system for automatic detection of a class of objects

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7405692B2 (en) * 2001-03-16 2008-07-29 Battelle Memorial Institute Detecting concealed objects at a checkpoint
WO2005086620A2 (en) * 2003-10-10 2005-09-22 L-3 Communications Security And Detection Systems Mmw contraband screening system
CA2514724A1 (en) * 2005-08-22 2007-02-22 Bibhuti Bhusan Bardhan Airport x-ray screening privacy
WO2009082762A1 (en) * 2007-12-25 2009-07-02 Rapiscan Security Products, Inc. Improved security system for screening people
CN101510957A (zh) * 2008-02-15 2009-08-19 索尼株式会社 图像处理设备、方法、程序、摄像机设备、通信系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102540264A (zh) * 2011-12-30 2012-07-04 北京华航无线电测量研究所 一种人体隐私部位自动检测与遮挡的微波安检系统
CN102608673A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示方法
CN102608672A (zh) * 2012-02-29 2012-07-25 北京无线电计量测试研究所 人体安检系统可疑物品图像显示装置
CN102629315A (zh) * 2012-02-29 2012-08-08 北京无线电计量测试研究所 一种隐匿物品的自动检测和识别装置

Also Published As

Publication number Publication date
US20120189165A1 (en) 2012-07-26
CA2775757C (en) 2015-09-22
CA2775757A1 (en) 2011-04-07
CN102028482B (zh) 2012-11-14
US8774460B2 (en) 2014-07-08
EP2485041B1 (en) 2014-11-19
EP2485041A1 (en) 2012-08-08
CN102028482A (zh) 2011-04-27
EP2485041A4 (en) 2013-08-14

Similar Documents

Publication Publication Date Title
WO2011038607A1 (zh) 人体检查图像处理方法和人体检查设备
CN109086718A (zh) 活体检测方法、装置、计算机设备及存储介质
CN104992429B (zh) 一种基于图像局部增强的山体裂缝检测方法
CN104616006B (zh) 一种面向监控视频的胡须人脸检测方法
Timp et al. Interval change analysis to improve computer aided detection in mammography
US11017219B2 (en) Method and apparatus for detecting human body gender in microwave image
CN111754453A (zh) 基于胸透图像的肺结核检测方法、系统和存储介质
US9418422B2 (en) Skin image analysis
US20080118140A1 (en) Computer aided tube and tip detection
CN108108740B (zh) 一种主动毫米波人体图像性别识别方法
US8644608B2 (en) Bone imagery segmentation method and apparatus
Mondal et al. Automatic craniofacial structure detection on cephalometric images
Ma et al. Automatic pulmonary ground‐glass opacity nodules detection and classification based on 3D neural network
US20120163682A1 (en) Method of processing image and image processing apparatus using the method
Pandian et al. CT image for lung cancer identification
Fang et al. A multitarget interested region extraction method for wrist X-ray images based on optimized AlexNet and two-class combined model
Wang et al. A machine learning approach to extract spinal column centerline from three-dimensional CT data
Harshavardhan et al. Analysis of Accuracy in Identification of Bone Fracture using Canny Edge and Prewitt Edge Detection Approach
JP2006175036A (ja) 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム
Karemore et al. Anisotropic diffusion tensor applied to temporal mammograms: an application to breast cancer risk assessment
Supriyanti et al. Consideration of iris characteristic for improving cataract screening techniques based on digital image
Jain et al. A novel strategy for automatic localization of cephalometric landmarks
Lim et al. Identification of spinal vertebrae using mathematical morphology and level set method
Kumar et al. Lung cancer detection from X-Ray image using statistical features
Bhatnagar et al. A Research Paper on Lung Field Segmentation Techniques using Digital Image Processing

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10819836

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2775757

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 13499045

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2010819836

Country of ref document: EP