[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111553310A - 基于毫米波雷达的安检图像获取方法、系统及安检设备 - Google Patents

基于毫米波雷达的安检图像获取方法、系统及安检设备 Download PDF

Info

Publication number
CN111553310A
CN111553310A CN202010394789.9A CN202010394789A CN111553310A CN 111553310 A CN111553310 A CN 111553310A CN 202010394789 A CN202010394789 A CN 202010394789A CN 111553310 A CN111553310 A CN 111553310A
Authority
CN
China
Prior art keywords
image
gray
security inspection
millimeter wave
wave radar
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.)
Granted
Application number
CN202010394789.9A
Other languages
English (en)
Other versions
CN111553310B (zh
Inventor
夏勇
陈帅
田西兰
蔡红军
王曙光
夏鹏
张江辉
刘丽莎
王斌
吴颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 38 Research Institute
Original Assignee
CETC 38 Research Institute
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 CETC 38 Research Institute filed Critical CETC 38 Research Institute
Priority to CN202010394789.9A priority Critical patent/CN111553310B/zh
Publication of CN111553310A publication Critical patent/CN111553310A/zh
Application granted granted Critical
Publication of CN111553310B publication Critical patent/CN111553310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V40/107—Static hand or arm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了基于毫米波雷达的安检图像获取方法，对原始图像进行有无人识别，然后对有人图像进行去噪处理，并基于灰度直方图统计得到灰度阈值，基于灰度阈值对图像进行归一化处理，通过前期训练的模型获得图像的清晰度，从而得到成像质量；本发明还提供了基于毫米波雷达的安检图像获取系统以及安检设备；本发明提供的基于毫米波雷达的安检图像获取方法、系统及安检设备的优点在于：基于灰度值和判断是否有人，运算规则简单，准确度高；选择高N位数据进行去噪，保持数据完整性的情况下，有效的去除噪声；基于灰度直方图统计确定灰度阈值，提高图像的对比度，方便后续的图像处理和识别。

Description

基于毫米波雷达的安检图像获取方法、系统及安检设备
技术领域
本发明涉及图像处理技术领域，尤其涉及基于毫米波雷达的安检图像获取方法、系统及安检设备。
背景技术
近年来，毫米波雷达成像技术越来越多的应用到公共场所的安检设备中，随着对安检通行效率和准确度的要求越来越高，而毫米波成像的质量直接影响安检效率，目前主要使用自动检测技术对符合质量要求的图像自动检测是否包括违禁物品，这就要求传输给系统的图像是符合要求的，毫米波成像的质量评估成为亟待解决的问题。
由于毫米波回波数据极差大，分布广，现有技术在将其转换为图像的时候，极易造成图像对比度差。图像清晰度是毫米波设备数据质量的一个重要评价因素，当前存在的方法主要是手工设计诸如SIFT等描述子作为清晰度评价特征，利用SVM进行清晰度判别，但是这些描述子极易受到噪声的影响，难以快速、有效对模糊图像进行剔除报警。
目标的姿态也决定着数据质量，当前姿态评估方法主要分为两种：第一种是基于传统算法提取HOG特征，然后训练SVM进行评估，但是该方法需要大量数据，且准确性较低；另一种方法是基于深度学习，如Open-Pose网络，但该网络需要对人体大量位置标定特征点，工作量巨大，网络庞大，影响运行效率。
发明内容
本发明所要解决的技术问题在于提供一种能够快速的对毫米波图像进行处理并判断图像质量是否符合要求，从而得到符合要求的安检图像的方法。
本发明是通过以下技术方案解决上述技术问题的：基于毫米波雷达的安检图像获取方法包括
步骤A：在线获取毫米波雷达扫描得到的目标图像的原始数据；
步骤B：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如果有人则跳转步骤C；
步骤C：对有人图像进行预处理，形成灰度图；
所述预处理包括：
步骤i：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后映射到原始数据中进行去噪；
步骤ii：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到所述灰度图；
步骤D：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像。
优选的，步骤B所述的判断目标图像是否有人的方法为：离线调取一定数量的有人图像和无人图像统计图像中所有像素点的灰度值并求和，基于统计值确定无人图像的灰度值和的阈值Tp，计算得到当前目标图像的灰度值和Tall，如果Tall≤Tp，则当前扫描区域无人，系统发出无人提示信息，如果Tall＞Tp，则当前扫描区域有人。
优选的，步骤i所述的对人体掩膜平滑处理的方法为基于腐蚀膨胀算法处理人体掩膜，将膨胀后的人体掩膜映射到原始数据中，保留膨胀后的人体掩膜区域内的原始数据，去除其他噪声。
优选的，步骤ii中对去噪后的原始数据进行灰度直方图统计，将占比超过P％的灰度值设置为灰度阈值Th，更新像素点的灰度值Tdata，方法为
Figure BDA0002482497550000021
即将灰度值大于灰度阈值Th的像素点灰度值置为Th；
然后对数据进行归一化处理，方法为
Figure BDA0002482497550000022
其中，Tmax和Tmin分别表示像素点灰度值的最大值和最小值。
优选的，步骤D中使用的二分类卷积神经网络分类器的训练方法为：收集经过步骤A-C处理后的清晰图像和模糊图像构建训练集，训练集内清晰图像的数量大于模糊图像的数量，将训练集输入卷积神经网络中，经过五折交叉验证并调整模型参数，得到所述二分类卷积神经网络分类器。
优选的，还包括基于头手相对位置判定清晰图像内的被检测者姿态是否正确的步骤，以及对符合要求的图像中被检测者的头部增加马赛克处理的步骤。
优选的，所述判断被检测者姿态是否正确的方法包括以下步骤：
步骤I：收集一定数量的清晰图像，标记图像中的头部和手部位置，得到训练集；
步骤II：将训练集输入到检测网络中进行训练，得到头手位置检测模型；
步骤III：将步骤D中得到的清晰图像输入到头手位置检测模型中，得到图像中的头手位置及中心点坐标；如果识别结果为一个头、两只手，且中心点坐标满足|yhand1-yhead|＞X，|yhand2-yhead|＞X，|yhand1-yhand2|＜Y，S＜|xhand1-xhand2|＜T，则姿态符合要求，否则姿态不符合要求，系统发出姿态错误的提示；
其中，两只手和头部的中心点坐标分别为(xhand1,yhand1)，(xhand2,yhand2)，(xhead,yhead)；X，Y，S，T为距离阈值。
本发明还提供了基于毫米波雷达的安检图像获取系统，包括
图像采集模块：在线获取毫米波雷达扫描得到的目标图像的原始数据；
人体识别模块：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如果有人则传送到下一模块；
去噪处理模块：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后映射到原始数据中进行去噪；
归一化处理模块：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到灰度图；
清晰度识别模块：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像。
优选的，还包括判断清晰图像内的被检测者姿态是否正确的姿态检测模块和对符合要求的图像中被检测者的头部增加马赛克处理隐私保护模块。
本发明还提供了一种使用所述基于毫米波雷达的安检图像获取方法的安检设备。
本发明提供的基于毫米波雷达的安检图像获取方法、系统及安检设备的优点在于：基于原始图像的灰度值和判断是否有人，运算规则简单，算法响应速度快，准确度高；选择高N位数据对原始数据进行去噪，保持数据完整性的情况下，有效的去除噪声；基于灰度直方图统计确定灰度阈值，提高图像的对比度，方便后续的图像处理和识别；通过对卷积神经网络进行训练识别图像的清晰度，与使用SVM分类器的现有技术相比，算法复杂度显著降低，结果更加准确高效，减轻了人工提取特征的困难；基于头手位置监测识别人体姿态是否符合要求，识别规则简单，算法运行速度快，结果准确，且能够直接确定修正方向，使用方便；并对最终成像结果马赛克处理，注重用户隐私。
附图说明
图1为本发明的实施例提供的基于毫米波雷达的安检图像获取方法的流程图；
图2为本发明的实施例提供的有人情况和无人情况的图像对比；
图3为本发明的实施例提供的去噪过程图像状态变化情况；
图4为本发明的实施例提供的清晰图像和模糊图像的示意图；
图5为本发明的实施例提供的头手检测的示意图；
图6为本发明的实施例提供的最终马赛克处理后的清晰图像结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
如图1所示，本实施例提供了基于毫米波雷达的安检图像获取方法，包括
步骤A：在线获取毫米波雷达扫描得到的目标图像的原始数据，其中提取的原始数据共M位，本实施例使用的毫米波雷达成像数据为16位；
步骤B：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，此时可通过工作人员确认检测区域是否有人，如果无人可提示下一个检测者进入检测区域；如果有人则跳转步骤C；
参考图2，离线调取一定数量的有人图像和无人图像统计图像中所有像素点的灰度值并求和，基于统计值确定无人图像的灰度值和的阈值Tp，安检过程中在线计算得到当前目标图像的灰度值和Tall，如果Tall≤Tp，则当前扫描区域无人，发出无人提示信息，如果Tall＞Tp，则当前扫描区域有人，继续执行后续步骤。
步骤C：对有人图像进行预处理，得到灰度图；具体包括以下步骤；
步骤i：参考图3，针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后对原始数据进行去噪；
平滑处理的方法为基于现有技术中的腐蚀膨胀算法处理人体掩膜，将膨胀后的人体掩膜映射到原始数据中，保留膨胀后的人体掩膜区域内的原始数据，去除其他噪声数据；其中N应不大于M，本实施例令N＝8，即取前8位数据进行处理；
步骤ii：对去噪后的原始数据进行灰度直方图统计，将占比超过P％的灰度值设置为灰度阈值Th，其中P为经验值，本领域技术人员可以根据基于经验或实验确定P值对图像质量的影响，并确定具体的数值；更新像素点的灰度值Tdata，方法为
Figure BDA0002482497550000051
即将灰度值大于灰度阈值Th的像素点灰度值置为Th；
然后对数据进行归一化处理，方法为
Figure BDA0002482497550000052
其中，Tmax和Tmin分别表示像素点灰度值的最大值和最小值。
步骤D：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像；其中清晰度的预设阈值为经验值，根据经验或实验确定。
训练得到二分类卷积神经网络分类器的方法为：收集经过步骤A-C处理后的清晰图像和模糊图像构建训练集，其中训练集内清晰图像的数量大于模糊图像的数量，本实施例中清晰图像与模糊图像的比例为2:1，参考图4，主要使用清晰图像进行模型训练，模糊图像是训练模型对典型模糊情况的识别处理；在训练过程中通过五折交叉法验证训练结果并调整算法参数，训练得到用于识别图像清晰度的二分类卷积神经网络分类器。
得到清晰图像后即可对目标图像进行进一步处理，检测是否携带违规物体，但成像质量好并不意味着就能适用于违规物品的识别，一般情况下还需要被检测者保持一定的姿态，因此本实施例还包括基于头手相对位置判定清晰图像内的被检测者姿态是否正确的步骤，具体包括以下步骤：
步骤I：收集一定数量的清晰图像，标记图像中的头部和手部位置，得到训练集；
步骤II：将训练集输入到检测网络中进行训练，得到头手位置检测模型；
步骤III：将步骤D中得到的清晰图像输入到头手位置检测模型中，参考图5，得到图像中的头手位置及中心点坐标；如果识别结果为一个头、两只手，且中心点坐标满足|yhand1-yhead|＞X，|yhand2-yhead|＞X，|yhand1-yhand2|＜Y，S＜|xhand1-xhand2|＜T，则姿态符合要求，可以用于后续的安检，否则姿态不符合要求，系统发出姿态错误提示，被检测者调整姿态后重新获取图像并返回步骤A进行处理；
其中，两只手和头部的中心点坐标分别为(xhand1,yhand1)，(xhand2,yhand2)，(xhead,yhead)；X，Y，S，T为距离阈值，是工作人员在前期预设的规则。
在有效识别被检测者的头部和手部位置后，为了保护隐私，还可以对被检测者头部增加马赛克处理，最终得到如图6所示的成像结果。
本实施例还提供了一种基于毫米波雷达的安检图像获取系统，包括
图像采集模块：在线获取毫米波雷达扫描得到的目标图像的原始数据；
人体识别模块：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如果有人则传送到下一模块；
去噪处理模块：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后映射到原始数据中进行去噪；
归一化处理模块：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到灰度图；
清晰度识别模块：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像。
所述基于毫米波雷达的安检图像获取系统还包括判断清晰图像内的被检测者姿态是否正确的姿态检测模块和对符合要求的图像中被检测者的头部增加马赛克处理隐私保护模块。
本实施例还进一步提供了一种安检设备，包括毫米波雷达，可以在普通安检设备基础上直接增加毫米波雷达；并基于本实施例提供的基于毫米波雷达的安检图像获取方法获取符合要求的毫米波图像；参考图1，可以通过为该设备配置显控分系统展示成像情况，显示系统发出的提示信息，针对用户姿态给出意见，辅助修正人物姿态，得到满足要求的毫米波图像。

Claims (10)

1.基于毫米波雷达的安检图像获取方法，其特征在于：包括
步骤A：在线获取毫米波雷达扫描得到的目标图像的原始数据；
步骤B：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如果有人则跳转步骤C；
步骤C：对有人图像进行预处理，形成灰度图；
所述预处理包括：
步骤i：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后映射到原始数据中进行去噪；
步骤ii：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到所述灰度图；
步骤D：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像。
2.根据权利要求1所述的基于毫米波雷达的安检图像获取方法，其特征在于：步骤B所述的判断目标图像是否有人的方法为：离线调取一定数量的有人图像和无人图像统计图像中所有像素点的灰度值并求和，基于统计值确定无人图像的灰度值和的阈值Tp，计算得到当前目标图像的灰度值和Tall，如果Tall≤Tp，则当前扫描区域无人，系统发出无人提示信息，如果Tall＞Tp，则当前扫描区域有人。
3.根据权利要求2所述的基于毫米波雷达的安检图像获取方法，其特征在于：步骤i所述的对人体掩膜平滑处理的方法为基于腐蚀膨胀算法处理人体掩膜，将膨胀后的人体掩膜映射到原始数据中，保留膨胀后的人体掩膜区域内的原始数据，去除其他噪声。
4.根据权利要求3所述的基于毫米波雷达的安检图像获取方法，其特征在于：步骤ii中对去噪后的原始数据进行灰度直方图统计，将占比超过P％的灰度值设置为灰度阈值Th，更新像素点的灰度值Tdata，方法为
Figure FDA0002482497540000011
即将灰度值大于灰度阈值Th的像素点灰度值置为Th；
然后对数据进行归一化处理，方法为
Figure FDA0002482497540000021
其中，Tmax和Tmin分别表示像素点灰度值的最大值和最小值。
5.根据权利要求4所述的基于毫米波雷达的安检图像获取方法，其特征在于：步骤D中使用的二分类卷积神经网络分类器的训练方法为：收集经过步骤A-C处理后的清晰图像和模糊图像构建训练集，训练集内清晰图像的数量大于模糊图像的数量，将训练集输入卷积神经网络中，经过五折交叉验证并调整模型参数，得到所述二分类卷积神经网络分类器。
6.根据权利要求1所述的基于毫米波雷达的安检图像获取方法，其特征在于：还包括基于头手相对位置判定清晰图像内的被检测者姿态是否正确的步骤，以及对符合要求的图像中被检测者的头部增加马赛克处理的步骤。
7.根据权利要求1所述的基于毫米波雷达的安检图像获取方法，其特征在于：所述判断被检测者姿态是否正确的方法包括以下步骤：
步骤I：收集一定数量的清晰图像，标记图像中的头部和手部位置，得到训练集；
步骤II：将训练集输入到检测网络中进行训练，得到头手位置检测模型；
步骤III：将步骤D中得到的清晰图像输入到头手位置检测模型中，得到图像中的头手位置及中心点坐标；如果识别结果为一个头、两只手，且中心点坐标满足|yhand1-yhead|＞X，|yhand2-yhead|＞X，|yhand1-yhand2|＜Y，S＜|xhand1-xhand2|＜T，则姿态符合要求，否则姿态不符合要求，系统发出姿态错误的提示；
其中，两只手和头部的中心点坐标分别为(xhand1,yhand1)，(xhand2,yhand2)，(xhead,yhead)；X，Y，S，T为距离阈值。
8.基于毫米波雷达的安检图像获取系统，其特征在于：包括
图像采集模块：在线获取毫米波雷达扫描得到的目标图像的原始数据；
人体识别模块：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如果有人则传送到下一模块；
去噪处理模块：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处理后映射到原始数据中进行去噪；
归一化处理模块：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到灰度图；
清晰度识别模块：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预设阈值，则得到符合要求的安检图像。
9.根据权利要求8所述的基于毫米波雷达的安检图像获取系统，其特征在于：还包括判断清晰图像内的被检测者姿态是否正确的姿态检测模块和对符合要求的图像中被检测者的头部增加马赛克处理隐私保护模块。
10.一种安检设备，其特征在于：使用权利要求1-7任一项所述的基于毫米波雷达的安检图像获取方法。
CN202010394789.9A 2020-05-08 2020-05-08 基于毫米波雷达的安检图像获取方法、系统及安检设备 Active CN111553310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010394789.9A CN111553310B (zh) 2020-05-08 2020-05-08 基于毫米波雷达的安检图像获取方法、系统及安检设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010394789.9A CN111553310B (zh) 2020-05-08 2020-05-08 基于毫米波雷达的安检图像获取方法、系统及安检设备

Publications (2)

Publication Number Publication Date
CN111553310A true CN111553310A (zh) 2020-08-18
CN111553310B CN111553310B (zh) 2023-04-07

Family

ID=72008046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010394789.9A Active CN111553310B (zh) 2020-05-08 2020-05-08 基于毫米波雷达的安检图像获取方法、系统及安检设备

Country Status (1)

Country Link
CN (1) CN111553310B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099001A (zh) * 2020-09-18 2020-12-18 欧必翼太赫兹科技(北京)有限公司 三维异形平面孔径全息成像安检雷达的控制方法
CN112733722A (zh) * 2021-01-11 2021-04-30 深圳力维智联技术有限公司 姿态识别方法、装置、系统及计算机可读存储介质
CN112861608A (zh) * 2020-12-30 2021-05-28 浙江万里学院 一种分心驾驶行为的检测方法及系统
WO2022121695A1 (zh) * 2020-12-09 2022-06-16 同方威视技术股份有限公司 三维成像方法和装置、以及三维成像设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105513035A (zh) * 2014-09-22 2016-04-20 北京计算机技术及应用研究所 一种被动毫米波图像中人体隐匿物品的检测方法及其系统
US20180329053A1 (en) * 2016-08-25 2018-11-15 Shenzhen Cct Thz Technology Co., Ltd. Human-body foreign-matter detection method and system based on millimetre-wave image
CN109543582A (zh) * 2018-11-15 2019-03-29 杭州芯影科技有限公司 基于毫米波图像的人体异物检测方法
CN109711331A (zh) * 2018-12-25 2019-05-03 山东雷诚电子科技有限公司 一种毫米波雷达安检仪异物检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105513035A (zh) * 2014-09-22 2016-04-20 北京计算机技术及应用研究所 一种被动毫米波图像中人体隐匿物品的检测方法及其系统
US20180329053A1 (en) * 2016-08-25 2018-11-15 Shenzhen Cct Thz Technology Co., Ltd. Human-body foreign-matter detection method and system based on millimetre-wave image
CN109543582A (zh) * 2018-11-15 2019-03-29 杭州芯影科技有限公司 基于毫米波图像的人体异物检测方法
CN109711331A (zh) * 2018-12-25 2019-05-03 山东雷诚电子科技有限公司 一种毫米波雷达安检仪异物检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
穆森;单海婧;周锦源;邱桂苹;: "一种被动毫米波图像中人体隐匿物品的检测方法" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099001A (zh) * 2020-09-18 2020-12-18 欧必翼太赫兹科技(北京)有限公司 三维异形平面孔径全息成像安检雷达的控制方法
CN112099001B (zh) * 2020-09-18 2021-09-03 欧必翼太赫兹科技(北京)有限公司 三维异形平面孔径全息成像安检雷达的控制方法
WO2022121695A1 (zh) * 2020-12-09 2022-06-16 同方威视技术股份有限公司 三维成像方法和装置、以及三维成像设备
GB2616181A (en) * 2020-12-09 2023-08-30 Nuctech Co Ltd Three-dimensional imaging method and apparatus, and three-dimensional imaging device
CN112861608A (zh) * 2020-12-30 2021-05-28 浙江万里学院 一种分心驾驶行为的检测方法及系统
CN112733722A (zh) * 2021-01-11 2021-04-30 深圳力维智联技术有限公司 姿态识别方法、装置、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN111553310B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111553310B (zh) 基于毫米波雷达的安检图像获取方法、系统及安检设备
JP7113657B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN106778586B (zh) 离线手写签名鉴别方法及系统
CN112819772B (zh) 一种高精度快速图形检测识别方法
WO2018216629A1 (ja) 情報処理装置、情報処理方法、及びプログラム
CN106934795B (zh) 一种混凝土桥梁裂缝的自动检测方法和预测方法
CN111784747B (zh) 一种基于关键点检测和校正的车辆多目标跟踪系统及方法
CN112446896B (zh) 一种基于图像识别的输送物料掉落监控方法、装置及系统
CN111564015B (zh) 一种轨道交通周界入侵的监测方法及装置
US8090151B2 (en) Face feature point detection apparatus and method of the same
CN112419298B (zh) 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质
CN109389105B (zh) 一种基于多任务的虹膜检测和视角分类方法
JP4858612B2 (ja) 物体認識システム、物体認識方法および物体認識用プログラム
CN111340041B (zh) 一种基于深度学习的车牌识别方法及装置
CN111611907A (zh) 一种图像增强的红外目标检测方法
CN109255336A (zh) 基于巡检机器人的避雷器识别方法
CN116311079A (zh) 基于计算机视觉的民用安防工程监测方法
KR20080079798A (ko) 얼굴 검출 및 인식을 위한 방법
CN114972871A (zh) 基于图像配准的少样本图像异常检测方法及系统
CN117115415B (zh) 基于大数据分析的图像标记处理方法和系统
JP5080416B2 (ja) 入力画像から検出対象物の像を検出する画像処理装置
CN111553437A (zh) 一种基于神经网络图像分类方法
CN117623031A (zh) 一种电梯无感控制系统及方法
CN116912945A (zh) 姿态识别方法、装置、设备及计算机程序产品
CN112329796A (zh) 基于视觉显著性的红外成像卷云检测方法和装置

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
GR01 Patent grant
GR01 Patent grant