CN114255344A - 安检图像切分方法、装置、电子设备及计算机可读介质 - Google Patents
安检图像切分方法、装置、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114255344A CN114255344A CN202010953071.9A CN202010953071A CN114255344A CN 114255344 A CN114255344 A CN 114255344A CN 202010953071 A CN202010953071 A CN 202010953071A CN 114255344 A CN114255344 A CN 114255344A
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- target
- security check
- security
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开涉及一种安检图像切分方法、装置、电子设备及计算机可读介质。该方法包括:获取安检图像,所述安检图像包括至少一个物品对象;对安检图像进行识别获得空白间隙的位置信息,以根据空白间隙的位置信息对安检图像进行切分,获得包括物品对象的目标切分图像;若获得空白间隙的位置信息失败,则对安检图像进行边缘查找,获得边缘位置;根据所述边缘位置对所述安检图像进行切分,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像。本公开涉及的安检图像切分方法、装置、电子设备及计算机可读介质,能够实现对安检图像的智能切分,减少因长图切分带来行李物品以及嫌疑物的不确定性,提升上层业务的质量和效率。
Description
技术领域
本公开涉及图像处理技术领域,具体而言,涉及一种安检图像切分方法、装置、电子设备及计算机可读介质。
背景技术
在轨道交通、物流、大型活动等弱控制安检业务场景中,扫描图像中经常会出现连包的长图像,而由于图像大小、业务需求等原因,超过一定长度的图像将不再适合作为行李物品所对应的扫描透视图供上层业务***进行业务处理。目前对于这类图像可以通过强制切分的方式,以一定的图像宽度为标准将连包的扫描图像适时地切断,形成多个独立的适长图像,再将对应的图像数据传输到上层业务***中。譬如,集中判图***中的判图任务对应的图像即为切分后的适长图像。然而,现有的长图切分是根据一定的图像宽度和范围进行切分的,并未考虑实际行李物品的边缘和边界,导致上层业务***收到的图像内,行李物品大多都是不完整的,而若行李物品内有具有嫌疑的危险品,则图像内很可能也只是包含了危险品的一部分。这类情况的出现直接加大了相关判别嫌疑物业务的难度和判断结论的不准确性,增加出现安全漏洞和风险的概率。
因此,需要一种新的安检图像切分方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的相关技术的信息。
发明内容
有鉴于此,本公开实施例提供一种安检图像切分方法、装置、电子设备及计算机可读介质,能够在一定程度上避免相关技术中无法根据行李位置对图像进行切分导致的安检误判等现象的发生。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种安检图像切分方法,该方法包括:获取安检图像,所述安检图像包括至少一个物品对象;对所述安检图像进行识别获得空白间隙的位置信息,以根据所述空白间隙的位置信息对所述安检图像进行切分,获得包括所述物品对象的目标切分图像;若获得所述空白间隙的位置信息失败,则对所述安检图像进行边缘查找,获得边缘位置;根据所述边缘位置对所述安检图像进行切分,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像。
在本公开的一种示例性实施例中,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像包括:若根据所述边缘位置对所述安检图像进行切分失败或所述第一切分图像的图像宽度大于切分宽度阈值,则确定所述第一切分图像中黑色像素与所述第一切分图像的总像素的像素比值;根据所述像素比值确定图像腐蚀次数;按照所述图像腐蚀次数对所述第一切分图像进行至少一次图像腐蚀,获得腐蚀图像;根据所述腐蚀图像和所述第一切分图像确定所述第一切分图像中每列的黑色像素增量;将所述黑色像素增量小于增量阈值的所述列确定为分割位置;根据所述分割位置对所述第一切分图像进行切分,将切分获得的第二切分图像确定为所述目标切分图像。
在本公开的一种示例性实施例中,将所述黑色像素增量小于增量阈值的所述列确定为分割位置包括:若所述第一切分图像中每列的所述黑色像素增量均大于或等于增量阈值,则对所述第一切分图像进行图像膨胀处理,获得膨胀图像;通过预设检测矩形对所述膨胀图像进行错位分析,将分析获得的错位点形成的线条确定为分割位置。
在本公开的一种示例性实施例中,将切分获得的第二切分图像确定为所述目标切分图像包括:通过轮廓算法对所述第二切分图像进行处理,获得所述物品对象的轮廓边界框;根据所述轮廓边界框对所述第二切分图像进行切分,获得目标切分图像。
在本公开的一种示例性实施例中,获得目标切分图像包括:根据所述轮廓边界框在所述第一切分图像中的坐标值对所述目标切分图像进行排序;将排序后的所述目标切分图像发送至上层***。
在本公开的一种示例性实施例中,所述方法还包括:将图像宽度小于切分宽度阈值的所述目标切分图像剔除;将图像高度小于切分高度阈值的所述目标切分图像剔除。
在本公开的一种示例性实施例中,所述方法还包括:接收上层***的图像获取请求;获取所述安检图像的图像列数据;根据所述目标切分图像的切分情况将所述图像列数据关联至所述目标切分图像;响应于所述图像获取请求,将所述目标切分图像和所述目标切分图像关联的所述图像列数据发送至所述上层***。
在本公开的一种示例性实施例中,对所述安检图像进行识别获得空白间隙的位置信息包括:检测获得所述安检图像的白色像素;根据所述白色像素的位置确定所述空白间隙的位置信息。
根据本公开的一方面,提出一种安检图像切分装置,该装置包括:图像获取模块,配置为获取安检图像,所述安检图像包括至少一个物品对象;第一切分模块,配置为对所述安检图像进行识别获得空白间隙的位置信息,以根据所述空白间隙的位置信息对所述安检图像进行切分,获得包括所述物品对象的目标切分图像;边缘查找模块,配置为若获得所述空白间隙的位置信息失败,则对所述安检图像进行边缘查找,获得边缘位置;第二切分模块,配置为根据所述边缘位置对所述安检图像进行切分,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文中所述的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中所述的方法。
根据本公开一些实施例提供的安检图像切分方法、装置、电子设备及计算机可读介质,通过识别获得安检图像中的空白间隙,以根据空白间隙对安检图像进行切分,能够实现对安检连包生成的超长的安检图像的智能分图。在获得空白间隙失败时,通过对安检图像进行边缘查找,根据边缘查找获得的边缘位置对安检图像进行切分,能够避免切分获得的目标切分图像中存在不完整的物品对象,实现对安检图像的智能切分,减少因长图切分带来行李物品以及嫌疑物的不确定性,提升上层业务的质量和效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种安检图像切分方法的流程图;
图2是根据一示例性实施例示出的一种安检图像切分方法的流程图;
图3是根据一示例性实施例示出的一种安检图像切分方法的流程图;
图4是根据一示例性实施例示出的一种安检图像切分方法的流程图;
图5示意性示出了根据本公开实施例的安检图像的示意图;
图6示意性示出了根据本公开实施例的安检图像的示意图;
图7示意性示出了根据本公开实施例的安检图像的示意图;
图8是根据图7所示示意图获得的腐蚀图像的示意图;
图9示意性示出了根据本公开实施例的安检图像的示意图;
图10示意性示出了根据本公开实施例的安检图像的示意图;
图11示意性示出了根据本公开实施例的适长图像的示意图;
图12A、12B示意性示出了根据本公开实施例的适长图像的示意图;
图13示意性示出了根据本公开实施例的适长图像拼接后的示意图;
图14是根据一示例性实施例示出的一种安检图像切分装置的框图;
图15示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
相关技术中的安检图像切分场景中,为实现对安检图像的智能切分,将上一幅切分图像的一部分片段叠加到下一幅图像中,倘若上一幅图像边缘位置出现难以判别的物品,下一幅图像能够包含该物品更加完整信息的概率大幅增加,对于该物品的处理也将延后到下一幅图像中进行。然而该方案仍然无法保障行李物品在图像中的信息完整性和一致性,且对于图像后半段的物品处理很可能会出现延后的情况,例如图6、图7、图9所示,分别描述了物品对象见间隙过小(610与620之间)、物品对象之间非接触式交错连接(710与720之间)、物品对象之间存在轻微粘连(910与920之间)的情况,相关技术中在对上述情况的图像进行切分时,其效果并不尽如人意。
目前,没有可以应对上述缺陷的技术方案。
有鉴于相关技术中的缺陷,本申请提出了一种安检图像切分方法、装置、电子设备及计算机可读介质。
图1是根据一示例性实施例示出的一种安检图像切分方法的流程图。本公开实施例提供的安检图像切分方法可以由任意具备计算处理能力的电子设备执行,例如用户终端和/或服务器,在下面的实施例中,以服务器执行所述方法为例进行举例说明,但本公开并不限定于此。本公开实施例提供的安检图像切分方法可以包括步骤S102至S108。
如图1所示,在步骤S102中,获取安检图像,安检图像包括至少一个物品对象。
本公开实施例中,安检图像可例如由安检设备实时检测生成。物品对象可为行李物品。
在步骤S104中,对安检图像进行识别获得空白间隙的位置信息,以根据空白间隙的位置信息对安检图像进行切分,获得包括物品对象的目标切分图像。
本公开实施例中,可例如通过光眼通断及延迟获得空白间隙。在对物品对象进行扫描时,对物品对象所在位置扫描获得的为黑色像素,对空气扫描获得的为白色像素。
在示例性实施例中,可检测获得安检图像的白色像素;根据白色像素的位置确定空白间隙的位置信息。可根据白色像素之间的位置关系确定相邻的白色像素,以根据相邻的白色像素确定空白间隙的位置信息。其中,还可通过对物品对象(黑色像素)和白色像素的判断,生成物品对象的目标切分图像,避免图像中出现大量空白区域。图5示意性示出了根据本公开实施例的安检图像的示意图。如图5所示,安检图像中,物品对象510、520之间存在空白间隙,可根据空白间隙的位置信息对安检图像进行分割,获得包括物品对象510的目标切分图像和包括物品对象520的目标切分图像。
在步骤S106中,若获得空白间隙的位置信息失败,则对安检图像进行边缘查找,获得边缘位置。
本公开实施例中,边缘查找是图像处理方法之一,其用于提取图像中的物体边缘。例如,可按最左搜索进行,即:先找到物体的一个边缘点,然后按顺时针方向搜索它的8个邻点得到下一个边缘点,如此搜索下去,得到一个闭合的点序列,即物体的边缘。在搜索的过程中,还要判断一个前景颜色的点是物体的边缘点还是内点,这可以通过分析边缘点的特征来实现。
在示例性实施例中,还可对安检图像进行裁剪、模糊等图像预处理后,再对预处理后的安检图像进行边缘查找。
在步骤S108中,根据边缘位置对安检图像进行切分,将切分获得的包括物品对象的第一切分图像确定为目标切分图像。
本公开实施例中,可尝试按照边缘位置对安检图像进行切分,可将物品对象之间间隙过小的安检图像切分开。图6示意性示出了根据本公开实施例的安检图像的示意图。如图6所示,物品对象610和物品对象620之间间隙过小,通过边缘位置对安检图像进行分区,能够确定切分线630,以根据切分线630对安检图像切分获得分别包括物品对象610和物品对象620的第一切分图像,即目标切分图像。
根据本公开实施方式提供的安检图像切分方法,通过识别获得安检图像中的空白间隙,以根据空白间隙对安检图像进行切分,能够实现对安检连包生成的超长的安检图像的智能分图。在获得空白间隙失败时,通过对安检图像进行边缘查找,根据边缘查找获得的边缘位置对安检图像进行切分,能够避免切分获得的目标切分图像中存在不完整的物品对象,实现对安检图像的智能切分,减少因长图切分带来行李物品以及嫌疑物的不确定性,提升上层业务的质量和效率。
在示例性实施例中,还可将图像宽度小于切分宽度阈值的目标切分图像剔除;以及将图像高度小于切分高度阈值的目标切分图像剔除。由于脏图通常包括非常小的杂点或细线,该实施例能够将杂点或细线剔除。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图2是根据一示例性实施例示出的一种安检图像切分方法的流程图。
如图2所示,本发明实施例中,上述步骤S108可以进一步包括以下步骤。
在步骤S202中,若根据边缘位置对安检图像进行切分失败或第一切分图像的图像宽度大于切分宽度阈值,则确定第一切分图像中黑色像素与第一切分图像的总像素的像素比值。
本公开实施例中,当不同的物品对象的边缘位置之间有交叉部分时,可能导致根据边缘位置对安检图像进行切分失败。
在步骤S204中,根据像素比值确定图像腐蚀次数。
本公开实施例中,像素比值与图像腐蚀次数可成反比例关系。当像素比值越小,则图像腐蚀次数越多。
在步骤S206中,按照图像腐蚀次数对第一切分图像进行至少一次图像腐蚀,获得腐蚀图像。
本公开实施例中,当图像腐蚀次数为n时,可对第一切分图像进行n此图像腐蚀操作,n为大于0的整数。图像腐蚀是基本的形态学运算,主要用来寻找极小领域。图像腐蚀类似于“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。
在步骤S208中,根据腐蚀图像和第一切分图像确定第一切分图像中每列的黑色像素增量。
本公开实施例中,可将腐蚀图像中每列的黑色像素量与第一切分图像中每列的黑色像素量进行差值运算,获得第一切分图像中每列的黑色像素增量。例如,腐蚀图像中某一列的黑色像素量为a,第一切分图像中每列的黑色像素量为b,则第一切分图像中该列的黑色像素增量为a-b。
在步骤S210中,将黑色像素增量小于增量阈值的列确定为分割位置。
本公开实施例中,增量阈值可根据实验数据获得。
图7示意性示出了根据本公开实施例的安检图像的示意图。图8是根据图7所示示意图获得的腐蚀图像的示意图。如图7所示的安检图像,物品对象710、720为间的位置关系为非接触式交错连接。图8中灰黑色蒙版区域表示腐蚀后的黑色像素增量,从图8中可知物品对象710、720之间的区域的黑色像素增量最少,在该区域的黑色像素增量小于增量阈值时,则可确定为分割位置。
在步骤S212中,根据分割位置对第一切分图像进行切分,将切分获得的第二切分图像确定为目标切分图像。
在该实施例中,根据黑色像素的像素比值判断安检图像是否发生行李错位,进而根据行李错位程度确定图像腐蚀次数,依次获得腐蚀图像和黑色像素增量。当第一切分图像中存在黑色像素增量小于增量阈值的列时,说明该列大概率下为空气所在位置,进而确定该列不是行李物品所在的列,能够作为分割位置进行切分,实现对案件图像的智能检测,根据检测结果确定分割位置,实现对图像的智能切分,减少因长图切分带来行李物品以及嫌疑物的不确定性,保证每个目标切分图像(本实施例中的第二切分图像)只包含一个物品对象,提升上层业务的质量和效率。
图3是根据一示例性实施例示出的一种安检图像切分方法的流程图。
如图3所示,本发明实施例中,上述步骤S210还可以包括以下步骤。
在步骤S302中,若第一切分图像中每列的黑色像素增量均大于或等于增量阈值,则对第一切分图像进行图像膨胀处理,获得膨胀图像。
本公开实施例中,图像膨胀基本的形态学运算,主要用来寻找图像中的极大区域。图像膨胀类似于“领域扩张”,将图像中的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大。
在步骤S304中,通过预设检测矩形对膨胀图像进行错位分析,将分析获得的错位点形成的线条确定为分割位置。
本公开实施例中,可通过预设检测矩形进行像素增量式的错位分析,即从图像中指定像素所在位置开始移动检测矩形不断获得错位点,由错位点形成一条连接线或一段连接区域。错位分析用于检测图像中指定像素所在位置是否满足形成错位点的条件,形成错位点的条件即为像素所在位置为高亮区域,而非黑色像素。一般错位分析的起始位置为步骤S302中黑色像素增量(大于或等于增量阈值)中增量值最小的一列的高亮位置。
在该实施例中,通过对第一切分图像进行图像膨胀处理,使获得的膨胀图像中包含更多高亮像素区域,能够便于错位分析时更加容易地确定物品对象之间的错位点,进而根据错位点确定分割位置。
图4是根据一示例性实施例示出的一种安检图像切分方法的流程图。
如图4所示,本发明实施例中,上述步骤S212可以包括以下步骤。
在步骤S402中,通过轮廓算法对第二切分图像进行处理,获得物品对象的轮廓边界框。
本公开实施例中,轮廓算法用于检测图像中有效像素的边缘轮廓。在该实施例中,第二切分图像是对安检图像中错位的物品对象间的粗略切分,通过检测获得每个物品对象的轮廓边界点,有助于根据物品对象的分布进一步准确切分图像。
在步骤S404中,根据轮廓边界框对第二切分图像进行切分,获得目标切分图像。
本公开实施例中,可按照轮廓边界框对第二切分图像进一步进行切分,获得目标切分图像。基于对第一切分图像进行切分时所应用的切分分割线(即分割位置),能够有助于轮廓算法寻找物品对象的边缘轮廓。
在该实施例中,由于第二切分图像通常是斜面切分获得的,无法形成一个完整的矩形图像,通过轮廓算法能够获得物品对象的轮廓边界框,在根据轮廓边界框对第二切分图像进行切分时,可根据轮廓边界框的最小正外接矩形对第二切分图像进行切分,获得目标切分图像,使得目标切分图像为完整的矩形图像。在根据轮廓边界框的最小正外界矩形进行切分时,能够通过白色空气像素填充斜切面(即分割位置)与轮廓边界框的最小外接矩形之间的区域,并去除第二切分图像中不必要的空白区域。基于第二切分图像执行轮廓算法,根据获得的轮廓边界框对第二切分图像进行切分,由于每个第二切分图像中只包含一个物品对象,能够排除掉无需计算的其他无关的物品对象,避免其他无关的物品对象对轮廓算法的干扰,降低轮廓算法的执行难度,并使获得的每个目标切分图像仅包括一个物品对象的像素数据。在该实施例中,在根据轮廓边界框对第二切分图像进行切分时,还可利用空白像素(即空气像素)补足斜面切分所带来的无像素部分,并去除不必要的空白区域,不必要的空白区域可例如图7中分割线左边的物品对象710下方的空白区域。
在示例性实施例中,在步骤S404中,可根据轮廓边界框在第一切分图像中的坐标值对目标切分图像进行排序;将排序后的目标切分图像发送至上层***。
图4是根据一示例性实施例示出的一种安检图像切分方法的流程图。
如图4所示,本发明实施例中,基于上述实施例的安检图像切分方法还可以包括以下步骤。
在步骤S402中,接收上层***的图像获取请求。
在步骤S404中,获取安检图像的图像列数据。
在步骤S406中,根据目标切分图像的切分情况将图像列数据关联至目标切分图像。
在步骤S408中,响应于图像获取请求,将目标切分图像和目标切分图像关联的图像列数据发送至上层***。
在该实施例中,当遇到非接触式交错连接的场景时,根据轮廓算法获得的轮廓边界框生成外接矩形,将轮廓边界框与外接矩形间的空白区域填入白色像素(即空气)生成一幅完整的图像。切分过程中的有所重叠的图像列部分,同样将分别纳入切分后的两个目标切分图像中进行图像列传输。但不同的是,属于第一幅目标切分图像的物品对象像素不会出现在第二幅目标切分图像中,而是被空气填充,反之亦然。图10示意性示出了根据本公开实施例的安检图像的示意图。如图10所示,虚线框1010内的区域即为重叠部分,实线多边形框体1020、1030对应的即为切分图像保留的物品对象的像素。
在示例性实施例中,在安检图像中没有任何形式的缝隙和空间供***进行切分操作时(例如上述图1、图2、图3、图4所示实施例中的切分过程均失败时),可对安检图像进行强制切分,形成适长图像。适长图像为图像宽度小于或等于图像宽度阈值且图像高度小于或等于图像高度阈值的图像。如图11、图12B所示。在上层业务***需要时,可以将被强制割断的行李进行拼接复原,如图13所示。譬如,图11为连包的安检图像被强制切分后的第一幅适长图像,而图12A为切分之后,后续的扫描图像数据,图12A中的后半段(左边)出现正常的空白间隙,可被正常切分为图12B。图11与图12B均属于长度较短的图像,拼接在一起也可视作适长图像,那么其拼接需求也就顺理成章,呈现给上层业务***的将是带有更加完整行李物品的图像。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图14是根据一示例性实施例示出的一种安检图像切分装置的框图。本公开实施例提供的安检图像切分装置1400可以包括:图像获取模块1402、第一切分模块1404、边缘查找模块1406和第二切分模块1408。
图像获取模块1402可配置为获取安检图像,安检图像包括至少一个物品对象。
第一切分模块1404可配置为对安检图像进行识别获得空白间隙的位置信息,以根据空白间隙的位置信息对安检图像进行切分,获得包括物品对象的目标切分图像。
边缘查找模块1406可配置为若获得空白间隙的位置信息失败,则对安检图像进行边缘查找,获得边缘位置。
第二切分模块1408可配置为根据边缘位置对安检图像进行切分,将切分获得的包括物品对象的第一切分图像确定为目标切分图像。
根据本公开实施方式提供的安检图像切分装置,通过识别获得安检图像中的空白间隙,以根据空白间隙对安检图像进行切分,能够实现对安检连包生成的超长的安检图像的智能分图。在获得空白间隙失败时,通过对安检图像进行边缘查找,根据边缘查找获得的边缘位置对安检图像进行切分,能够避免切分获得的目标切分图像中存在不完整的物品对象,实现对安检图像的智能切分,减少因长图切分带来行李物品以及嫌疑物的不确定性,提升上层业务的质量和效率。
在示例性实施例中,第二切分模块1408可包括像素比值子模块、腐蚀次数子模块、图像腐蚀子模块、像素增量子模块、分割位置子模块和第二切分子模块。其中,像素比值子模块可配置为若根据边缘位置对安检图像进行切分失败或第一切分图像的图像宽度大于切分宽度阈值,则确定第一切分图像中黑色像素与第一切分图像的总像素的像素比值。腐蚀次数子模块可配置为根据像素比值确定图像腐蚀次数。图像腐蚀子模块可配置为按照图像腐蚀次数对第一切分图像进行至少一次图像腐蚀,获得腐蚀图像。像素增量子模块可配置为根据腐蚀图像和第一切分图像确定第一切分图像中每列的黑色像素增量。分割位置子模块可配置为将黑色像素增量小于增量阈值的列确定为分割位置。第二切分子模块可配置为根据分割位置对第一切分图像进行切分,将切分获得的第二切分图像确定为目标切分图像。
在示例性实施例中,分割位置子模块可包括图像膨胀单元、错位分析单元。其中,图像膨胀单元可配置为若第一切分图像中每列的黑色像素增量均大于或等于增量阈值,则对第一切分图像进行图像膨胀处理,获得膨胀图像。错位分析单元可配置为通过预设检测矩形对膨胀图像进行错位分析,将分析获得的错位点形成的线条确定为分割位置。
在示例性实施例中,第二切分子模块可包括轮廓获取单元和第三切分单元。其中,轮廓获取单元可配置为通过轮廓算法对第二切分图像进行处理,获得物品对象的轮廓边界框。第三切分单元可配置为根据轮廓边界框对第二切分图像进行切分,获得目标切分图像。
在示例性实施例中,第三切分单元可包括图像排序子单元和图像发送单元。其中,图像排序子单元可配置为根据轮廓边界框在第一切分图像中的坐标值对目标切分图像进行排序。图像发送单元可配置为将排序后的目标切分图像发送至上层***。
在示例性实施例中,安检图像切分装置140还可包括图像剔除模块,配置为将图像宽度小于切分宽度阈值的目标切分图像剔除;以及将图像高度小于切分高度阈值的目标切分图像剔除。
在示例性实施例中,安检图像切分装置140还可包括请求获取模块、列数据模块、图像关联模块和请求响应模块。其中,请求获取模块可配置为接收上层***的图像获取请求。列数据模块可配置为获取安检图像的图像列数据。图像关联模块可配置为根据目标切分图像的切分情况将图像列数据关联至目标切分图像。请求响应模块可配置为响应于图像获取请求,将目标切分图像和目标切分图像关联的图像列数据发送至上层***。
在示例性实施例中,第一切分模块1404可包括白色像素单元和间隙确定单元。其中,白色像素单元可配置为检测获得安检图像的白色像素。间隙确定单元可配置为根据白色像素的位置确定空白间隙的位置信息。
图15示出了适于用来实现本公开实施例的电子设备的结构示意图。需要说明的是,图15示出的电子设备1500仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图15所示,电子设备1500包括中央处理单元(CPU)1501,其可以根据存储在只读存储器(ROM)1502中的程序或者从储存部分1508加载到随机访问存储器(RAM)1503中的程序而执行各种适当的动作和处理。在RAM 1503中,还存储有***操作所需的各种程序和数据。CPU 1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
以下部件连接至I/O接口1505:包括键盘、鼠标等的输入部分1506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1507;包括硬盘等的储存部分1508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1509。通信部分1509经由诸如因特网的网络执行通信处理。驱动器1510也根据需要连接至I/O接口1505。可拆卸介质1511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1510上,以便于从其上读出的计算机程序根据需要被安装入储存部分1508。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1509从网络上被下载和安装,和/或从可拆卸介质1511被安装。在该计算机程序被中央处理单元(CPU)1501执行时,执行本申请的***中限定的各种功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有至少一个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含至少一个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块和\或子模块和\或单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块和\或子模块和\或单元也可以设置在处理器中。其中,这些模块和\或子模块和\或单元的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图1或图2或图3或图4所示的各个步骤。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块和\或子模块和\或单元的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块和\或子模块和\或单元的特征和功能可以进一步划分为由多个模块和\或子模块和\或单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种安检图像切分方法,其特征在于,包括:
获取安检图像,所述安检图像包括至少一个物品对象;
对所述安检图像进行识别获得空白间隙的位置信息,以根据所述空白间隙的位置信息对所述安检图像进行切分,获得包括所述物品对象的目标切分图像;
若获得所述空白间隙的位置信息失败,则对所述安检图像进行边缘查找,获得边缘位置;
根据所述边缘位置对所述安检图像进行切分,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像。
2.如权利要求1所述的方法,其特征在于,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像包括:
若根据所述边缘位置对所述安检图像进行切分失败或所述第一切分图像的图像宽度大于切分宽度阈值,则确定所述第一切分图像中黑色像素与所述第一切分图像的总像素的像素比值;
根据所述像素比值确定图像腐蚀次数;
按照所述图像腐蚀次数对所述第一切分图像进行至少一次图像腐蚀,获得腐蚀图像;
根据所述腐蚀图像和所述第一切分图像确定所述第一切分图像中每个列的黑色像素增量;
将所述黑色像素增量小于增量阈值的所述列确定为分割位置;
根据所述分割位置对所述第一切分图像进行切分,将切分获得的第二切分图像确定为所述目标切分图像。
3.如权利要求2所述的方法,其特征在于,将所述黑色像素增量小于增量阈值的所述列确定为分割位置包括:
若所述第一切分图像中每列的所述黑色像素增量均大于或等于增量阈值,则对所述第一切分图像进行图像膨胀处理,获得膨胀图像;
通过预设检测矩形对所述膨胀图像进行错位分析,将分析获得的错位点形成的线条确定为分割位置。
4.如权利要求2或3所述的方法,其特征在于,将切分获得的第二切分图像确定为所述目标切分图像包括:
通过轮廓算法对所述第二切分图像进行处理,获得所述物品对象的轮廓边界框;
根据所述轮廓边界框对所述第二切分图像进行切分,获得目标切分图像。
5.如权利要求4所述的方法,其特征在于,获得目标切分图像包括:
根据所述轮廓边界框在所述第一切分图像中的坐标值对所述目标切分图像进行排序;
将排序后的所述目标切分图像发送至上层***。
6.如权利要求1所述的方法,其特征在于,还包括:
将图像宽度小于切分宽度阈值的所述目标切分图像剔除;
将图像高度小于切分高度阈值的所述目标切分图像剔除。
7.如权利要求1所述的方法,其特征在于,还包括:
接收上层***的图像获取请求;
获取所述安检图像的图像列数据;
根据所述目标切分图像的切分情况将所述图像列数据关联至所述目标切分图像;
响应于所述图像获取请求,将所述目标切分图像和所述目标切分图像关联的所述图像列数据发送至所述上层***。
8.如权利要求1所述方法,其特征在于,对所述安检图像进行识别获得空白间隙的位置信息包括:
检测获得所述安检图像的白色像素;
根据所述白色像素的位置确定所述空白间隙的位置信息。
9.一种安检图像切分装置,其特征在于,包括:
图像获取模块,配置为获取安检图像,所述安检图像包括至少一个物品对象;
第一切分模块,配置为对所述安检图像进行识别获得空白间隙的位置信息,以根据所述空白间隙的位置信息对所述安检图像进行切分,获得包括所述物品对象的目标切分图像;
边缘查找模块,配置为若获得所述空白间隙的位置信息失败,则对所述安检图像进行边缘查找,获得边缘位置;
第二切分模块,配置为根据所述边缘位置对所述安检图像进行切分,将切分获得的包括所述物品对象的第一切分图像确定为所述目标切分图像。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010953071.9A CN114255344A (zh) | 2020-09-11 | 2020-09-11 | 安检图像切分方法、装置、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010953071.9A CN114255344A (zh) | 2020-09-11 | 2020-09-11 | 安检图像切分方法、装置、电子设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114255344A true CN114255344A (zh) | 2022-03-29 |
Family
ID=80788048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010953071.9A Pending CN114255344A (zh) | 2020-09-11 | 2020-09-11 | 安检图像切分方法、装置、电子设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255344A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496914A (zh) * | 2022-08-18 | 2022-12-20 | 成都智元汇信息技术股份有限公司 | 一种基于列数据的最大轮廓的包裹提取方法及装置 |
-
2020
- 2020-09-11 CN CN202010953071.9A patent/CN114255344A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115496914A (zh) * | 2022-08-18 | 2022-12-20 | 成都智元汇信息技术股份有限公司 | 一种基于列数据的最大轮廓的包裹提取方法及装置 |
CN115496914B (zh) * | 2022-08-18 | 2023-05-02 | 成都智元汇信息技术股份有限公司 | 一种基于列数据的最大轮廓的包裹提取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Image segmentation based on 2D Otsu method with histogram analysis | |
US6973213B2 (en) | Background-based image segmentation | |
CN108805128B (zh) | 一种字符分割方法和装置 | |
US20170124418A1 (en) | System and a method for the detection of multiple number-plates of moving cars in a series of 2-d images | |
US9965695B1 (en) | Document image binarization method based on content type separation | |
CN113962274B (zh) | 一种异常识别方法、装置、电子设备及存储介质 | |
EP3073443B1 (en) | 3d saliency map | |
Mukherjee et al. | Enhancement of image resolution by binarization | |
CN115660520B (zh) | 一种基于交通运输物流的数据分析方法及*** | |
Medvedeva et al. | Image segmentation based on two-dimensional Markov chains | |
CN114897806A (zh) | 缺陷检测方法、电子设备及计算机可读存储介质 | |
Gilly et al. | A survey on license plate recognition systems | |
CN113139950A (zh) | 一种目标对象识别的方法及装置 | |
Mohammadi et al. | 2D/3D information fusion for building extraction from high-resolution satellite stereo images using kernel graph cuts | |
US9167129B1 (en) | Method and apparatus for segmenting image into halftone and non-halftone regions | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN112668379A (zh) | 一种物件定位***及方法 | |
CN114255344A (zh) | 安检图像切分方法、装置、电子设备及计算机可读介质 | |
Sharma et al. | Automatic vehicle detection using spatial time frame and object based classification | |
Fang et al. | 1-D barcode localization in complex background | |
Siddique et al. | Development of an automatic vehicle license plate detection and recognition system for Bangladesh | |
KR20060007901A (ko) | 영상으로부터의 중요 객체 추출 장치 및 방법 | |
CN113538500B (zh) | 图像分割方法、装置、电子设备和存储介质 | |
CN114897801A (zh) | Aoi缺陷检测方法、装置和设备及计算机介质 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 |
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 |