专利名称：一种隐匿物品的自动检测和识别方法
技术领域：
本发明涉及安检领域的检测技术，更具体地，本发明涉及基于毫米波成像的ー种隐匿物品的自动检测和识别方法。
背景技术：
在安检领域中，针对人体及其隐匿物品的检测，有如下多种方式金属探測器、X光透视、红外检测以及毫米波检测等。金属探测器是通过电磁感应来实现，只能判断金属物的有无，不能成像或确定物体位置。X光透视设备具有很强的穿透性，一般用于针对行李物品的检测，如直接对人体检测会对人危险较大，因此安检中一般很少用于对人体检测。红外检测是利用物体的热辐射特性来进行成像，安检中可用于对人体的检测。红外图像中的物体的亮度主要取决于物体的温度和辐射的热量及物体的表面辐射特性，其特点是没有显著的棱角、边缘信息，其边缘线条圆滑，灰度变化缓慢，对物体的形状细节和微小的姿态变化 不敏感。这些特点使得对红外图像中的人体进行检测具有一定的困难。毫米波(3GHz_300GHz)是ー种介于光波和无线电波之间的电磁波。毫米波可以穿透所有衣物布料，且人体辐射的毫米波能量较金属、陶瓷、塑料炸药、粉状炸药及衣物、绝缘材料等要强，利用主/被动毫米波技术能够探測出隐藏在人体表面的各种刀具、枪支、爆炸物等违禁物品。由于比金属探测技术能力更强，比射线技术更安全，近10年来人体毫米波安检技术得到快速发展。被动型的焦平面阵列扫描技术、多波束频率扫描技术和主动型的三维全息毫米波技术相继得到试验和应用。利用主动毫米波安检设备对人体成像后，图像中可以较清晰的显示人体特征以及人体携帯的多种物品。首先，毫米波安检中，人体图像的分析是重要组成环节。人体毫米波成像以后，如何对人体图像进行检测分析，是安检系统实现目标检测自动化的基础，是后续处理中对隐匿物品位置在人体上的标示以及对人体图像隐私保护的基础。其次，在毫米波成像之后如何对隐匿物品进行检测及在人体上的标示，现有技术中是通过人工分析的方法，其中图像增强技术和多帧比较技术在人工分析中得到应用，但需要通过专业人士的解读分析，方可实现对隐匿物品的辨识和定位。尽管基于灰度多阈值、边界提取、边缘检测、区域分割、小波变换、形态学、模糊数学、遗传算法、神经网络、信息熵等方法的图像分割技术在隐匿物品的自动检测中得到尝试和应用，但是由干与人类视觉机理相脱节，仅利用图像中的灰度和空间信息对图像进行分割，仍会产生和人类视觉不一致的情況。而基于人体先验模型的定位分析方法，在人体的运动跟踪中得到应用，降低了跟踪的复杂程度，其中主要包括如图32所示的条带模型、图33的棒状模型等，但是由于条状模型只包含人体轮廓信息，如结构、形状、姿态等，而棒状模型只包含人体各个关节点，都只能限于人体的检测，尚不能直接解决隐匿物品在人体的自动检测和识别问题。第三，通过毫米波扫描成像，可以检测人体上的隐匿物品信息，但同时会造成人体隐私(如面部和隐私部位)的暴露和显示，毫米波成像后如何对图像进行分析处理，显示隐匿物品前屏蔽人体的隐私信息也是安检系统中需要解决的ー项技术问题。
发明内容
本发明目的在于提供一种基于毫米波成像的人体检测方法和装置，实现在毫米波扫描中对人体各部位的识别和定位。该方法包括以下步骤对被检人员进行毫米波扫描获得原始图像；对所述原始图像进行调整获得目标图像；根据所述目标图像进行人体部位的分割和定位；生成人体摸型。进ー步地，所述根据所述目标图像进行人体部位的分割和定位还包括以下子步骤确定人体的竖直中心线；确定所述目标图像人体各关键点的坐标并获得人体各部位之间的水平分割线；确定人体各部位的宽度和斜率。进ー步地，所述生成人体模型包括根据所述各关键点的坐标、所述人体各部位的宽度和斜率，获得以矩形和/或平行四边形组成的人体模型。 进ー步地，所述对所述原始图像进行调整获得目标图像还包括以下子步骤对所述原始图像进行预处理获得初歩去噪图像；对所述初步去噪图像进行ニ值化获得初步ニ值图像；对所述初步ニ值图像进行再处理获得所述目标图像。进ー步地，所述对所述原始图像进行预处理获得初歩去噪图像进ー步包括以下子步骤所述原始图像与背景图像灰度值进行差值运算；图像平滑处理；线性灰度变换。进ー步地，所述对所述初步去噪图像进行ニ值化获得初步ニ值图像是利用脉冲耦合神经网络算法以熵最大为准则选取ニ值化的阈值。进ー步地，所述对所述初步ニ值图像进行再处理获得所述目标图像是通过形态学滤波。进ー步地，所述通过形态学滤波包括使用边长为5的正方形结构元素进行腐蚀运算消除人体外的明亮噪声点；使用边长为4的正方形结构元素进行开运算保持图像大小的同时消除人体边缘的孤立区域和毛刺；使用边长为4的正方形结构元素进行闭运算保持图像大小的同时填充人体内的细小空洞，并且平滑人体的边缘；使用边长为5的正方形结构元素进行膨胀运算使图像恢复到原大小。进ー步地，所述对所述原始图像进行预处理获得初步去噪图像还包括以下子步骤对所述原始图像进行图像增強。相应地，本发明的基于毫米波成像的人体检测装置，包括扫描装置，用于对被检人员进行毫米波扫描获得原始图像；调整模块，用于对所述原始图像进行调整获得目标图像；分割定位模块，用于根据所述目标图像进行人体部位的分割和定位；人体模型生成模块，用于生成人体模型。进ー步地，所述分割定位模块还包括以下子模块竖直中心线模块，用于确定人体的竖直中心线；坐标水平线模块，用于确定所述目标图像人体各关键点的坐标并获得人体各部位之间的水平分割线；宽度斜率模块，用于确定人体各部位的宽度和斜率。进ー步地，所述人体模型生成模块进一步用于根据所述各关键点的坐标、所述人体各部位的宽度和斜率，获得以矩形和/或平行四边形组成的人体模型。进ー步地，所述调整模块还包括以下子模块预处理模块，用于对所述原始图像进行预处理获得初歩去噪图像；ニ值化模块，用于对所述初步去噪图像进行ニ值化获得初歩ニ值图像；再处理模块，用于对所述初步ニ值图像进行再处理获得所述目标图像。进ー步地,所述预处理模块进ー步包括以下单元差值运算単元，用于将所述原始图像与背景图像灰度值进行差值运算；平滑处理単元，用于进行图像平滑处理；线性变化単元，用于进行线性灰度变换。进ー步地，所述ニ值化模块进一歩利用脉冲耦合神经网络算法以熵最大为准则选取ニ值化的阈值。进ー步地，所述再处理模块进ー步通过形态学滤波进行再处理。进ー步地，所述通过形态学滤波包括使用边长为5的正方形结构元素进行腐蚀运算消除人体外的明亮噪声点；使用边长为4的正方形结构元素进行开运算保持图像大小的同时消除人体边缘的孤立区域和毛刺；使用边长为4的正方形结构元素进行闭运算保持 图像大小的同时填充人体内的细小空洞，并且平滑人体的边缘；使用边长为5的正方形结构元素进行膨胀运算使图像恢复到原大小。进ー步地，所述预处理模块还包括图像增强单元，用于对所述原始图像进行图像增强。通过本发明的基于毫米波成像的人体检测方法和装置，实现了对毫米波图像中对人体部分的识别和处理，为后续检验隐匿物品及隐私保护提供了基础。本发明目的还在于提供一种隐匿物品的自动检测和识别方法和装置实现在毫米波扫描中对隐匿物品在人体上分布的定位和识别由人工变为自动，降低人员的使用要求。所述隐匿物品的自动检测和识别方法，包括以下步骤对被检人员进行毫米波扫描获得原始图像；对所述原始图像进行调整获得目标图像；根据所述目标图像进行人体部位的分割和定位；生成条棒结合模型；根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像；利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息；对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息。进ー步地，所述生成条棒结合模型包括以下子步骤生成提供人体各关键点的棒状模型；生成提供人体轮廓信息的条带模型；结合所述棒状模型和所述条带模型，生成条棒结合模型。进ー步地，所述根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像包括以下子步骤对所述原始图像进行边缘检测，初步识别非人体目标；通过数学形态学运算突出显示非人体目标分布区域；根据所述非人体目标分布区域的边界选取最小外切矩形获得非人体目标规则区域分布图；融合所述非人体目标规则区域分布图和所述原始图像，获得所述非人体目标原始图像。进ー步地，所述利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息是通过将所述非人体目标分布原始图像输入到所述条棒结合模型上。进ー步地，所述对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息包括以下子步骤对人体裸露部位进行定位；将分布在人体裸露部位上的非人体目标确定为非隐匿物品，将分布在人体裸露部位之外的非人体目标确定为隐匿物品；剔除所述非隐匿物品的原始图像并显示隐匿物品原始图像在所述条棒结合模型上的分布信
O
相应地，本发明的隐匿物品的自动检测和识别装置，包括扫描装置，用于对被检人员进行毫米波扫描获得原始图像；调整模块，用于对所述原始图像进行调整获得目标图像；分割定位模块，用于根据所述目标图像进行人体部位的分割和定位；条棒结合模型生成模块，用于生成条棒结合模型；非人体目标初步检测模块，用于根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像；非人体目标分布模块，用于利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息；类别辨识模块，用于对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息。进ー步地，所述条棒结合模型生成模块包括以下子模块棒状模型生成模块，用于生成提供人体各关键点的棒状模型；条带模型生成模块，用于生成提供人体轮廓信息的条带模型；结合模块，用于结合所述棒状模型和所述条带模型。 进ー步地，所述非人体目标初步检测模块包括以下子模块边缘检测模块，用于对所述原始图像进行边缘检测，初步识别非人体目标；突出显示模块，用于通过数学形态学运算突出显示非人体目标分布区域；规则化模块，用于根据所述非人体目标分布区域的边界选取最小外切矩形获得非人体目标规则区域分布图；融合模块，用于融合所述非人体目标规则区域分布图和所述原始图像，获得所述非人体目标原始图像。进ー步地，所述非人体目标分布模块是通过将所述非人体目标分布原始图像输入到所述条棒结合模型上。进ー步地，所述类别辨识模块包括以下子模块裸露部位定位模块，用于对人体裸露部位进行定位；分类模块，用于将分布在人体裸露部位上的非人体目标确定为非隐匿物品，将分布在人体裸露部位之外的非人体目标确定为隐匿物品；显示模块，用于剔除所述非隐匿物品的原始图像并显示隐匿物品原始图像在所述条棒结合模型上的分布信息。通过本发明的隐匿物品的自动检测和识别的方法和装置，实现了将隐匿物品的检测和识别从人工变为自动，降低了人员的使用要求，减小了人为误差，缩短了检测判读时间。本发明目的还在于提供一种基于毫米波成像的隐私保护方法和装置，实现了毫米波扫描中对被检人员的隐私保护。本发明的基于毫米波成像的隐私保护方法，包括以下步骤对被检人员进行毫米波扫描获得原始图像；根据所述原始图像进行人体检测和隐匿物品检测；确定人体的隐私部位；对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息。进ー步地，所述确定人体的隐私部位包括判断被检人员的性別，当被检人员为男性时，头部区域和人体腰部向下躯干宽度1/2的区域确定为隐私部位，当被检人员为女性时，人体头部区域、人体腰部向下躯干宽度1/2的区域以及人体躯干从躯干上端向下至躯干高度1/2的区域为隐私部位。进ー步地，所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包括在所述原始图像上对隐私部位进行模糊化处理形成部分模糊化原始图像；在所述部分模糊化原始图像上将所述隐匿物品用标示框划出。进ー步地，所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包括选择所述人体检测中的目的图像；判断隐匿物品是否处于人体的隐私部位，如果是，则使用与人体顔色不同的色彩块表示隐匿物品并在所述目的图像上标示；如果否，则将隐匿物品的原始图像显示在所述目的图像上。进ー步地，所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包括在所述原始图像上对人体进行全部模糊化处理形成全部模糊化原始图像；判断隐匿物品是否处于人体的隐私部位，如果是，则使用与人体顔色不同的色彩块表示隐匿物品并在所述全部模糊化原始图像上标示；如果否，则将隐匿物品的原始图像显示在所述全部模糊化原始图像上。进ー步地，所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包括选择所述人体检测中的人体模型；使用与人体模型顔色不同的色彩块表示隐匿物品井在所述人体模型上标示。相应地，本发明的基于毫米波成像的隐私保护装置包括扫描装置，用于对被检人员进行毫米波扫描获得原始图像；检测装置，用于根据所述原始图像进行人体检测和隐匿物品检测；隐私部位确定模块，用于确定人体的隐私部位；隐私屏蔽模块，用于对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息。 进ー步地，所述隐私部位确定模块进ー步用于判断被检人员的性別，当被检人员为男性时，头部区域和人体腰部向下躯干宽度1/2的区域确定为隐私部位，当被检人员为女性时，人体头部区域、人体腰部向下躯干宽度1/2的区域以及人体躯干从躯干上端向下至躯干高度1/2的区域为隐私部位。进ー步地，所述隐私屏蔽模块进一歩包括以下子模块部分模糊化模块，用于在所述原始图像上对隐私部位进行模糊化处理形成部分模糊化原始图像；第一标示模块，用于在所述部分模糊化原始图像上将所述隐匿物品用标示框划出。进ー步地，所述隐私屏蔽模块进一歩包括选择目的图像模块，用于选择所述人体检测中的目的图像；第二标示模块，用于判断隐匿物品是否处于人体的隐私部位，如果是，则使用与人体顔色不同的色彩块表示隐匿物品并在所述目的图像上标示；如果否，则将隐匿物品的原始图像显示在所述目的图像上。进ー步地，所述隐私屏蔽模块进一歩包括全部模糊化模块，用于在所述原始图像上对人体进行全部模糊化处理形成全部模糊化原始图像；第三标示模块，用于判断隐匿物品是否处于人体的隐私部位，如果是，则使用与人体顔色不同的色彩块表示隐匿物品并在所述全部模糊化原始图像上标示；如果否，则将隐匿物品的原始图像显示在所述全部模糊化原始图像上。进ー步地，所述隐私屏蔽模块进一歩包括选择模型模块，用于选择所述人体检测中的人体模型；第四标示模块，用于使用与人体模型顔色不同的色彩块表示隐匿物品并在所述人体模型上标示。通过本发明的基于毫米波成像的隐私保护方法和装置，避免了检测隐匿物品时对人体隐私的暴露，实现了对人体隐私部位的有效保护。
下面将參照附图并结合实施例对本发明进行具体说明。图I为基于毫米波成像的人体检测方法基本流程图；图2为基于毫米波成像的人体检测装置基本结构图3为原始图像；图4为初步去噪图像；图5为初步ニ值图像；图6为基于毫米波成像的人体检测方法中步骤S2的流程图；图7为基于毫米波成像的人体检测装置中调整模块的结构示意图；
图8为目的图像；图9为人体骨干图；图10为人体分割效果图；图11为基于毫米波成像的人体检测方法中步骤S3的流程图；图12为基于毫米波成像的人体检测装置中分割定位模块的结构示意图；图13为基于毫米波成像的人体检测方法和装置中获得的人体模型图；图14为人体模型图与原始图像的对应效果图；图15为隐匿物品的自动检测和识别方法的基本流程图；图16为隐匿物品的自动检测和识别方法中步骤S5的流程图；图17为条棒结合模型图；图18为隐匿物品的自动检测和识别方法中步骤S6的流程图；图19为初步识别非人体目标图像；图20为非人体目标分布区域图；图21为非人体目标规则区域分布图；图22为非人体目标原始图像；图23为非人体目标原始图像在条棒结合模型上的分布图；图24为隐匿物品原始图像在条棒结合模型上的分布图；图25为隐匿物品的自动检测和识别方法中步骤S8的流程图；图26为基于毫米波成像的隐私保护方法的基本流程图；图27为基于毫米波成像的隐私保护装置的结构示意图；图28为隐私屏蔽的第一种实施方式的效果图；图29为隐私屏蔽的第二种实施方式的效果图；图30为隐私屏蔽的第三种实施方式的效果图；图31为隐私屏蔽的第四种实施方式的效果图；图32为背景技术中的条带模型示意图；图33为背景技术中的棒状模型示意图。
具体实施例方式下面參照附图并借助本发明的实施例，对本发明的技术方案做详细描述。本发明中的一种基于毫米波成像的人体检测方法，包括以下步骤SI、对被检人员进行毫米波扫描获得原始图像；S2、对所述原始图像进行调整获得目标图像；S3、根据所述目标图像进行人体部位的分割和定位；S4、生成人体模型。如图I所示。相应地，如图2所示，本发明还提供一种基于毫米波成像的人体检测装置，包括扫描装置1，用于执行步骤SI，对被检人员进行毫米波扫描获得原始图像；
调整模块2，用于执行步骤S2，对所述原始图像进行调整获得目标图像；分割定位模块3，用于执行步骤S3，根据所述目标图像进行人体部位的分割和定位；人体模型生成模块4，用于执行步骤S4,生成人体模型。在步骤SI中，要求被检人员进入毫米波扫描检测区，通过扫描装置I毫米波主动/被动的方式进行扫描检测后得到原始图像如图3所示。扫描后的原始图像一般具有如下特点图像整体不够清晰，包含大量噪声。因此需要调整模块2进行步骤S2，对原始图像进行调整从而获得适于进行图像运算和分割的目标图像，如图6，步骤S2包括以下子步骤S21、对原始图像进行预处理获得初步去噪图像；S22、对初步去噪图像进行ニ值化获得初步ニ值图像；S23、对初步ニ值图像进行再处理获得所述目标图像。
相应地，如图7，调整模块2还包括以下子模块预处理模块21，用于执行步骤S21，对所述原始图像进行预处理获得初歩去噪图像；ニ值化模块22，用于执行步骤S22，对所述初步去噪图像进行ニ值化获得初歩ニ值图像；再处理模块23，用于执行步骤S23，对所述初步ニ值图像进行再处理获得所述目标图像。进ー步地，预处理模块21还包括图像增强单元、差值运算単元、平滑处理单元、线性变化单元。预处理模块21执行步骤S21需要进行以下几个子步骤图像增强单元用于对原始图像进行图像增强使原始图像中人体区域与背景区域的对比度増加，改善图像视觉效果。差值运算単元用于通过原始图像与空背景图像的灰度值进行差值运算或者说原始图像与空背景图像的灰度值相减，从而消除系统噪声。空背景图像就是毫米波扫描检测区内没有被检人员时进行扫描所形成的图像。平滑处理单元用于进行图像的平滑处理来去除图像中的随机噪声，本単元中通过 [I I Γ
使用i I 2 I算子对图像进行低通滤波实现平滑操作。
レI I线性变化単元用于对图像进行灰度拉伸或称分区线性变换，对图像中不感兴趣的背景区域的灰度范围进行压缩，人体区域灰度范围进行扩展，从而突出人体部分，使人体部分整体清晰，最終获得了初歩去噪图像，如图4所示。进ー步地，ニ值化模块22所执行的步骤S22、对初步去噪图像进行ニ值化获得初步ニ值图像是利用脉冲耦合神经网络(PCNN)算法以熵最大为准则选取ニ值化的阈值，利用该阈值将初步去噪图像的灰度图转换为ニ值化的图像，从而实现图像中人体区域与背景区域的分割。如何准确的通过选取阈值来将人体与背景较完整的进行分割是问题的关键，这里使用较为成熟的脉冲耦合神经网络(PCNN)技术，PCNN是90年代Eckhorn等基于猫等哺乳动物的视觉特性研究提出的基于脉冲耦合神经网络模型，该模型用于图像的阈值选取的迭代过程，迭代公式如下
权利要求
1.一种隐匿物品的自动检测和识别方法，其特征在于，包括以下步骤 对被检人员进行毫米波扫描获得原始图像； 对所述原始图像进行调整获得目标图像； 根据所述目标图像进行人体部位的分割和定位； 生成条棒结合模型； 根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像； 利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息； 对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息。
2.根据权利要求I所述的隐匿物品的自动检测和识别方法，其特征在于，所述生成条棒结合模型包括以下子步骤 生成提供人体各关键点的棒状模型； 生成提供人体轮廓信息的条带模型； 结合所述棒状模型和所述条带模型，生成条棒结合模型。
3.根据权利要求2所述的隐匿物品的自动检测和识别方法，其特征在于，所述根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像包括以下子步骤 对所述原始图像进行边缘检测，初步识别非人体目标； 通过数学形态学运算突出显示非人体目标分布区域； 根据所述非人体目标分布区域的边界选取最小外切矩形获得非人体目标规则区域分布图； 融合所述非人体目标规则区域分布图和所述原始图像，获得所述非人体目标原始图像。
4.根据权利要求3所述的隐匿物品的自动检测和识别方法，其特征在于，所述利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息是通过将所述非人体目标分布原始图像输入到所述条棒结合模型上。
5.根据权利要求4所述的隐匿物品的自动检测和识别方法，其特征在于，所述对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息包括以下子步骤 对人体裸露部位进行定位； 将分布在人体裸露部位上的非人体目标确定为非隐匿物品，将分布在人体裸露部位之外的非人体目标确定为隐匿物品； 剔除所述非隐匿物品的原始图像并显示隐匿物品原始图像在所述条棒结合模型上的分布信息。
全文摘要
本发明公开了一种隐匿物品的自动检测和识别方法，包括以下步骤对被检人员进行毫米波扫描获得原始图像；对所述原始图像进行调整获得目标图像；根据所述目标图像进行人体部位的分割和定位；生成条棒结合模型；根据所述原始图像对非人体目标进行检测，获得非人体目标分布原始图像；利用所述条棒结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息；对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息。通过本发明的隐匿物品的自动检测和识别的方法，实现了将隐匿物品的检测和识别从人工变为自动，降低了人员的使用要求，减小了人为误差，缩短了检测判读时间。
文档编号G06K9/60GK102708372SQ201210050270
公开日2012年10月3日 申请日期2012年2月29日 优先权日2012年2月29日
发明者年丰, 方维海, 温鑫, 王凯让, 王威 申请人:北京无线电计量测试研究所