具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2,本实施例的一种用于公交车上的安检***,包括隐匿物品检测装置1、微处理器2、易燃易爆气体监测仪3、报警器4,所述微处理器2分别和所述隐匿物品检测装置1、所述易燃易爆气体监测仪3、所述报警器4相连接;所述隐匿物品检测装置1用于检测公交车上车人员是否藏匿有危险物品。
优选的,所述微处理器2设置于公交车的操作台上。
优选的,所述报警器4设置于公交车车箱内顶部,其复位按键设置在公交车的操作台上。
本发明上述实施例可以对每位上公交车的乘客进行随身物品的检测,同时监测公交车厢内的气体状况,一旦检测到有危险物体,则微处理器会发出控制信号使报警器工作;具有自动监测和节约时间等优点。
所述隐匿物品检测装置1包括:
(1)扫描模块11,用于对被检人员进行毫米波扫描获得原始被动毫米波图像;
(2)图像处理模块12,用于对所述原始被动毫米波图像进行处理获得目标图像;
(3)人体区域检测模块14,用于基于所述目标图像,通过对人体是否存在的预判断,进行人体区域检测,获取人体区域;
(4)隐匿物品检测模块15,用于在所述人体区域内,采用Canny边缘算子和置信区间结合的混合分割的方法,对隐匿物品进行检测,并对检测到的隐匿物品区域进行标记;
(5)隐匿物品识别模块,用于对隐匿物品进行识别。
本优选实施例设计了隐匿物品检测装置1的模块架构,实现了隐匿物品检测装置1对危险物品的检测。
优选地,所述图像处理模块12包括:
(1)二值化单元,用于对所述原始被动毫米波图像进行二值化获得二值化图像,包括:将所述原始被动毫米波图像进行平滑区P1、过渡区P2和边缘区P3的区域划分,其采用平方奇异值作为区域能量的衡量,并定义区域划分公式为:
其中,v(i)为原始被动毫米波图像中像素点i处的观测值,Q(i)为对应原始被动毫米波图像中像素点i处的平方奇异值,为平方奇异值的均值;
对于平滑区P1,设定阈值T1,T1为平滑区P1所有像素灰度值的平均值,将平滑区P1的每个像素灰度值与阈值T1进行比较,若大于T1,则取值为255,否则取值为0;对于过渡区P2和边缘区P3,过渡区P2和边缘区P3中每个像素点i为中心的(2a+1)x(2a+1)窗口,a∈[1,3],各像素点阈值T2(i)定义为该像素窗口内最大灰度值与最小灰度值和的一半,将过渡区P2和边缘区P3的每个像素灰度值和相应阈值T2(i)比较,若大于T2(i),则取值为255,否则取值为0;
(2)预处理单元,用于对二值化图像进行稳像以及去噪处理以获得初步去噪图像,包括:
a、图像稳像子单元,用于消除人在运动时造成的图像抖动,包括:
(1)对被检对象进行毫米波扫描时,选定第一帧图像作为参考帧,将参考帧划分为互不重叠三个区域1、2、3,K表示图像宽度,G表示图像高度,从图像左上开始按照顺时针方向依次为区域1、2、3,区域1、2的大小为0.5K×0.5G,区域3的大小为K×0.5G;
(2)在下一帧扫描到的图像中心位置选定区域A0,A0的大小选定为0.5K×0.5G,按照step1的方法将A0划分为三个图像子块A1、A2、A3,A1和A2用于估算垂直方向上的局部运动向量,A3用于估算水平方向上的局部运动向量,令A1、A2、A3分别在1、2、3三个区域内搜寻最佳匹配,从而估计出图像序列的全局运动矢量,然后进行反向运动补偿,消除图像模糊;
b、分区去噪子单元,用于对平滑区P1、过渡区P2和边缘区P3分别进行去噪处理,设平滑区P1、过渡区P2和边缘区P3的去噪估计分别为G1(i)、G2(i)和G3(i),各区域的去噪估计的计算公式分别为:
式中,N1为平滑区的像素总数量,V(j)为平滑区P1在点j处的灰度值,s1v(i)为通过均值滤波器处理后提取出的像素点i处的平滑区均值,s1v(j)为通过均值滤波器处理后提取出的像素点j处的平滑区均值;v(j)表示边缘区P3中所有的像素点,为归一化常数,d为边缘区P3中像素点i和像素点j的环形特征向量的高斯加权欧氏距离,γ为高斯核函数的标准差,μ为边缘区P3中噪声的标准差,且
c、再次去噪子单元,连接分区去噪子单元,用于采用基于***Bregman迭代的全变分去噪算法对由分区去噪子单元处理后的被动毫米波图像进行进一步去噪,从而进一步去除被动毫米波图像中的高斯白噪声。
本优选实施例设置图像稳像子单元,能够消除人在运动时造成的图像抖动;二值化单元中,采用全局阈值二值化和局部阈值二值化结合的方法,在保证速度的前提下取得了良好的效果;被动毫米波图像由少量近似分块平滑的图像块组成,包含有大量的冗余信息,根据这一特点,设置预处理单元,采用奇异值分解将被动毫米波图像划分为平滑区、过渡区和边缘区,并根据这三类区域各自的特征设置分区去噪子单元,用于对平滑区、过渡区和边缘区分别进行去噪处理,与目前较为主流的集中图像去噪算法相比,能够获得较高的BRISQUE,提高了计算的速度,且能够明显抑制扫描线噪声以及高斯白噪声的影响;采用再次去噪子单元,结合分区去噪子单元,进一步去除被动毫米波图像中的高斯白噪声,提高去噪效果。
优选的,所述隐匿物品检测模块15在进行混合分割时,选用合适的阈值Ty对所述目标图像进行阈值处理,所述置信区间表示隐匿物品边缘分布的灰度范围,其中包含目标图像所有边缘的全局置信区间为[int((Vl+Vh)/2),Vh1,其中int()为取整算子,Vl为整个目标图像的边缘点的最小灰度值的下界,Vh为整个目标图像的边缘点的最大灰度值的上界;计算每一个隐匿物品的置信区间时,使用从Vl+1开始逐点增加的阈值Tg对目标图像进行分割,直至阈值Tg=Vh-1时停止分割,当前景中出现了一个新的独立区域时,定义对应位置有另一个隐匿物品,隐匿物品的置信区间定义为:Pz=[(Tg+Vh)/2,Vh],采用边缘算子提取隐匿物品的置信区间中的边缘曲线,定义边缘曲线内所包含的区域为Pc,最终得到的隐匿物品的精确分割区域Py为:
式中,为由较小的阈值Ty=(Tg+Vh)/2对目标图像进行分割得到的区域。
本优选实施例采用Canny边缘算子和置信区间结合的混合分割的方法实现了对隐匿物品的分割,提高了分割的速度和精度。
优选地,所述人体区域检测模块14能够对人体隐私部位进行屏蔽,具体包括:
(1)通过脸部识别对人员的性别进行判断,根据性别不同确定不同的隐私部位,划定隐私区域;
(2)对确定的隐私区域进行模糊处理,图像模糊采用如下方法:
对于隐私区域任一点(x,y),采用函数确定(x,y)的5×5邻域点的取值权重,对该点进行邻域加权平均,得到该点的模糊值,从而达到模糊效果。
本优选实施例使得检测更加人性化。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。