專利名稱：一種基于毫米波成像的人體檢測裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及安檢領(lǐng)域的檢測技術(shù)，更具體地，本發(fā)明涉及一種基于毫米波成像的人體檢測裝置。
背景技術(shù)：
在安檢領(lǐng)域中，針對人體及其隱匿物品的檢測，有如下多種方式金屬探測器、X光透視、紅外檢測以及毫米波檢測等。金屬探測器是通過電磁感應(yīng)來實現(xiàn)，只能判斷金屬物的有無，不能成像或確定物體位置。X光透視設(shè)備具有很強的穿透性，一般用于針對行李物品的檢測，如直接對人體檢測會對人危險較大，因此安檢中一般很少用于對人體檢測。紅外檢測是利用物體的熱輻射特性來進(jìn)行成像，安檢中可用于對人體的檢測。紅外圖像中的物體的亮度主要取決于物體的溫度和輻射的熱量及物體的表面輻射特性，其特點是沒有顯著的棱角、邊緣信息，其邊緣線條圓滑，灰度變化緩慢，對物體的形狀細(xì)節(jié)和微小的姿態(tài)變化 不敏感。這些特點使得對紅外圖像中的人體進(jìn)行檢測具有一定的困難。毫米波(3GHz_300GHz)是ー種介于光波和無線電波之間的電磁波。毫米波可以穿透所有衣物布料，且人體輻射的毫米波能量較金屬、陶瓷、塑料炸藥、粉狀炸藥及衣物、絕緣材料等要強，利用主/被動毫米波技術(shù)能夠探測出隱藏在人體表面的各種刀具、槍支、爆炸物等違禁物品。由于比金屬探測技術(shù)能力更強，比射線技術(shù)更安全，近10年來人體毫米波安檢技術(shù)得到快速發(fā)展。被動型的焦平面陣列掃描技術(shù)、多波束頻率掃描技術(shù)和主動型的三維全息毫米波技術(shù)相繼得到試驗和應(yīng)用。利用主動毫米波安檢設(shè)備對人體成像后，圖像中可以較清晰的顯示人體特征以及人體攜帯的多種物品。首先，毫米波安檢中，人體圖像的分析是重要組成環(huán)節(jié)。人體毫米波成像以后，如何對人體圖像進(jìn)行檢測分析，是安檢系統(tǒng)實現(xiàn)目標(biāo)檢測自動化的基礎(chǔ)，是后續(xù)處理中對隱匿物品位置在人體上的標(biāo)示以及對人體圖像隱私保護(hù)的基礎(chǔ)。其次，在毫米波成像之后如何對隱匿物品進(jìn)行檢測及在人體上的標(biāo)示，現(xiàn)有技術(shù)中是通過人工分析的方法，其中圖像增強技術(shù)和多幀比較技術(shù)在人工分析中得到應(yīng)用，但需要通過專業(yè)人士的解讀分析，方可實現(xiàn)對隱匿物品的辨識和定位。盡管基于灰度多閾值、邊界提取、邊緣檢測、區(qū)域分割、小波變換、形態(tài)學(xué)、模糊數(shù)學(xué)、遺傳算法、神經(jīng)網(wǎng)絡(luò)、信息熵等方法的圖像分割技術(shù)在隱匿物品的自動檢測中得到嘗試和應(yīng)用，但是由干與人類視覺機理相脫節(jié)，僅利用圖像中的灰度和空間信息對圖像進(jìn)行分割，仍會產(chǎn)生和人類視覺不一致的情況。而基于人體先驗?zāi)Ｐ偷亩ㄎ环治龇椒ǎ谌梭w的運動跟蹤中得到應(yīng)用，降低了跟蹤的復(fù)雜程度，其中主要包括如圖32所示的條帶模型、圖33的棒狀模型等，但是由于條狀模型只包含人體輪廓信息，如結(jié)構(gòu)、形狀、姿態(tài)等，而棒狀模型只包含人體各個關(guān)節(jié)點，都只能限于人體的檢測，尚不能直接解決隱匿物品在人體的自動檢測和識別問題。第三，通過毫米波掃描成像，可以檢測人體上的隱匿物品信息，但同時會造成人體隱私(如面部和隱私部位)的暴露和顯示，毫米波成像后如何對圖像進(jìn)行分析處理，顯示隱匿物品前屏蔽人體的隱私信息也是安檢系統(tǒng)中需要解決的ー項技術(shù)問題。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種基于毫米波成像的人體檢測方法和裝置，實現(xiàn)在毫米波掃描中對人體各部 位的識別和定位。該方法包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；生成人體摸型。進(jìn)ー步地，所述根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位還包括以下子步驟確定人體的豎直中心線；確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；確定人體各部位的寬度和斜率。進(jìn)ー步地，所述生成人體模型包括根據(jù)所述各關(guān)鍵點的坐標(biāo)、所述人體各部位的寬度和斜率，獲得以矩形和/或平行四邊形組成的人體模型。進(jìn)ー步地，所述對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像還包括以下子步驟對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；對所述初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像；對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地，所述對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像進(jìn)ー步包括以下子步驟所述原始圖像與背景圖像灰度值進(jìn)行差值運算；圖像平滑處理；線性灰度變換。進(jìn)ー步地，所述對所述初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像是利用脈沖耦合神經(jīng)網(wǎng)絡(luò)算法以熵最大為準(zhǔn)則選取ニ值化的閾值。進(jìn)ー步地，所述對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像是通過形態(tài)學(xué)濾波。進(jìn)ー步地，所述通過形態(tài)學(xué)濾波包括使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行腐蝕運算消除人體外的明亮噪聲點；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行開運算保持圖像大小的同時消除人體邊緣的孤立區(qū)域和毛刺；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行閉運算保持圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊緣；使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行膨脹運算使圖像恢復(fù)到原大小。進(jìn)ー步地，所述對所述原始圖像進(jìn)行預(yù)處理獲得初步去噪圖像還包括以下子步驟對所述原始圖像進(jìn)行圖像增強。相應(yīng)地，本發(fā)明的基于毫米波成像的人體檢測裝置，包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；人體模型生成模塊，用于生成人體模型。進(jìn)ー步地，所述分割定位模塊還包括以下子模塊豎直中心線模塊，用于確定人體的豎直中心線；坐標(biāo)水平線模塊，用于確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；寬度斜率模塊，用于確定人體各部位的寬度和斜率。進(jìn)ー步地，所述人體模型生成模塊進(jìn)一步用于根據(jù)所述各關(guān)鍵點的坐標(biāo)、所述人體各部位的寬度和斜率，獲得以矩形和/或平行四邊形組成的人體模型。進(jìn)ー步地，所述調(diào)整模塊還包括以下子模塊預(yù)處理模塊，用于對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；ニ值化模塊，用于對所述初步去噪圖像進(jìn)行ニ值化獲得初歩ニ值圖像；再處理模塊，用于對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地,所述預(yù)處理模塊進(jìn)ー步包括以下單元差值運算単元，用于將所述原始圖像與背景圖像灰度值進(jìn)行差值運算；平滑處理単元，用于進(jìn)行圖像平滑處理；線性變化単元，用于進(jìn)行線性灰度變換。進(jìn)ー步地，所述ニ值化模塊進(jìn)一歩利用脈沖耦合神經(jīng)網(wǎng)絡(luò)算法以熵最大為準(zhǔn)則選取ニ值化的閾值。進(jìn)ー步地，所述再處理模塊進(jìn)ー步通過形態(tài)學(xué)濾波進(jìn)行再處理。進(jìn)ー步地，所述通過形態(tài)學(xué)濾波包括使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行腐蝕運算消除人體外的明亮噪聲點；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行開運算保持圖像大小的同時消除人體邊緣的孤立區(qū)域和毛刺；使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行閉運算保持 圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊緣；使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行膨脹運算使圖像恢復(fù)到原大小。進(jìn)ー步地，所述預(yù)處理模塊還包括圖像增強單元，用于對所述原始圖像進(jìn)行圖像增強。通過本發(fā)明的基于毫米波成像的人體檢測方法和裝置，實現(xiàn)了對毫米波圖像中對人體部分的識別和處理，為后續(xù)檢驗隱匿物品及隱私保護(hù)提供了基礎(chǔ)。本發(fā)明目的還在于提供一種隱匿物品的自動檢測和識別方法和裝置實現(xiàn)在毫米波掃描中對隱匿物品在人體上分布的定位和識別由人工變?yōu)樽詣樱档腿藛T的使用要求。所述隱匿物品的自動檢測和識別方法，包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；生成條棒結(jié)合模型；根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。進(jìn)ー步地，所述生成條棒結(jié)合模型包括以下子步驟生成提供人體各關(guān)鍵點的棒狀模型；生成提供人體輪廓信息的條帶模型；結(jié)合所述棒狀模型和所述條帶模型，生成條棒結(jié)合模型。進(jìn)ー步地，所述根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像包括以下子步驟對所述原始圖像進(jìn)行邊緣檢測，初步識別非人體目標(biāo)；通過數(shù)學(xué)形態(tài)學(xué)運算突出顯示非人體目標(biāo)分布區(qū)域；根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形獲得非人體目標(biāo)規(guī)則區(qū)域分布圖；融合所述非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像，獲得所述非人體目標(biāo)原始圖像。進(jìn)ー步地，所述利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上。進(jìn)ー步地，所述對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息包括以下子步驟對人體裸露部位進(jìn)行定位；將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品；剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信
O
相應(yīng)地，本發(fā)明的隱匿物品的自動檢測和識別裝置，包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；條棒結(jié)合模型生成模塊，用于生成條棒結(jié)合模型；非人體目標(biāo)初步檢測模塊，用于根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；非人體目標(biāo)分布模塊，用于利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；類別辨識模塊，用于對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。進(jìn)ー步地，所述條棒結(jié)合模型生成模塊包括以下子模塊棒狀模型生成模塊，用于生成提供人體各關(guān)鍵點的棒狀模型；條帶模型生成模塊，用于生成提供人體輪廓信息的條帶模型；結(jié)合模塊，用于結(jié)合所述棒狀模型和所述條帶模型。
進(jìn)ー步地，所述非人體目標(biāo)初步檢測模塊包括以下子模塊邊緣檢測模塊，用于對所述原始圖像進(jìn)行邊緣檢測，初步識別非人體目標(biāo)；突出顯示模塊，用于通過數(shù)學(xué)形態(tài)學(xué)運算突出顯示非人體目標(biāo)分布區(qū)域；規(guī)則化模塊，用于根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形獲得非人體目標(biāo)規(guī)則區(qū)域分布圖；融合模塊，用于融合所述非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像，獲得所述非人體目標(biāo)原始圖像。進(jìn)ー步地，所述非人體目標(biāo)分布模塊是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上。進(jìn)ー步地，所述類別辨識模塊包括以下子模塊裸露部位定位模塊，用于對人體裸露部位進(jìn)行定位；分類模塊，用于將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品；顯示模塊，用于剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信息。通過本發(fā)明的隱匿物品的自動檢測和識別的方法和裝置，實現(xiàn)了將隱匿物品的檢測和識別從人工變?yōu)樽詣?，降低了人員的使用要求，減小了人為誤差，縮短了檢測判讀時間。本發(fā)明目的還在于提供一種基于毫米波成像的隱私保護(hù)方法和裝置，實現(xiàn)了毫米波掃描中對被檢人員的隱私保護(hù)。本發(fā)明的基于毫米波成像的隱私保護(hù)方法，包括以下步驟對被檢人員進(jìn)行毫米波掃描獲得原始圖像；根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；確定人體的隱私部位；對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。進(jìn)ー步地，所述確定人體的隱私部位包括判斷被檢人員的性別，當(dāng)被檢人員為男性時，頭部區(qū)域和人體腰部向下軀干寬度1/2的區(qū)域確定為隱私部位，當(dāng)被檢人員為女性時，人體頭部區(qū)域、人體腰部向下軀干寬度1/2的區(qū)域以及人體軀干從軀干上端向下至軀干高度1/2的區(qū)域為隱私部位。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括在所述原始圖像上對隱私部位進(jìn)行模糊化處理形成部分模糊化原始圖像；在所述部分模糊化原始圖像上將所述隱匿物品用標(biāo)示框劃出。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括選擇所述人體檢測中的目的圖像；判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述目的圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述目的圖像上。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括在所述原始圖像上對人體進(jìn)行全部模糊化處理形成全部模糊化原始圖像；判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述全部模糊化原始圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述全部模糊化原始圖像上。進(jìn)ー步地，所述對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息包括選擇所述人體檢測中的人體模型；使用與人體模型顔色不同的色彩塊表示隱匿物品井在所述人體模型上標(biāo)示。相應(yīng)地，本發(fā)明的基于毫米波成像的隱私保護(hù)裝置包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；檢測裝置，用于根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；隱私部位確定模塊，用于確定人體的隱私部位；隱私屏蔽模塊，用于對人體的隱 私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。進(jìn)ー步地，所述隱私部位確定模塊進(jìn)ー步用于判斷被檢人員的性別，當(dāng)被檢人員為男性時，頭部區(qū)域和人體腰部向下軀干寬度1/2的區(qū)域確定為隱私部位，當(dāng)被檢人員為女性時，人體頭部區(qū)域、人體腰部向下軀干寬度1/2的區(qū)域以及人體軀干從軀干上端向下至軀干高度1/2的區(qū)域為隱私部位。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括以下子模塊部分模糊化模塊，用于在所述原始圖像上對隱私部位進(jìn)行模糊化處理形成部分模糊化原始圖像；第一標(biāo)示模塊，用于在所述部分模糊化原始圖像上將所述隱匿物品用標(biāo)示框劃出。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括選擇目的圖像模塊，用于選擇所述人體檢測中的目的圖像；第二標(biāo)示模塊，用于判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述目的圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述目的圖像上。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括全部模糊化模塊，用于在所述原始圖像上對人體進(jìn)行全部模糊化處理形成全部模糊化原始圖像；第三標(biāo)示模塊，用于判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述全部模糊化原始圖像上標(biāo)示；如果否，則將隱匿物品的原始圖像顯示在所述全部模糊化原始圖像上。進(jìn)ー步地，所述隱私屏蔽模塊進(jìn)一歩包括選擇模型模塊，用于選擇所述人體檢測中的人體模型；第四標(biāo)示模塊，用于使用與人體模型顔色不同的色彩塊表示隱匿物品并在所述人體模型上標(biāo)示。通過本發(fā)明的基于毫米波成像的隱私保護(hù)方法和裝置，避免了檢測隱匿物品時對人體隱私的暴露，實現(xiàn)了對人體隱私部位的有效保護(hù)。


下面將參照附圖并結(jié)合實施例對本發(fā)明進(jìn)行具體說明。圖I為基于毫米波成像的人體檢測方法基本流程圖；圖2為基于毫米波成像的人體檢測裝置基本結(jié)構(gòu)圖3為原始圖像；圖4為初步去噪圖像；圖5為初步ニ值圖像；圖6為基于毫米波成像的人體檢測方法中步驟S2的流程圖；圖7為基于毫米波成像的人體檢測裝置中調(diào)整模塊的結(jié)構(gòu)示意圖；圖8為目的圖像；圖9為人體骨干圖；圖10為人體分割效果圖；圖11為基于毫米波成像的人體檢測方法中步驟S3的流程圖；圖12為基于毫米波成像的人體檢測裝置中分割定位模塊的結(jié)構(gòu)示意圖；圖13為基于毫米波成像的人體檢測方法和裝置中獲得的人體模型圖；圖14為人體模型圖與原始圖像的對應(yīng)效果圖；圖15為隱匿物品的自動檢測和識別方法的基本流程圖；圖16為隱匿物品的自動檢測和識別方法中步驟S5的流程圖；圖17為條棒結(jié)合模型圖；圖18為隱匿物品的自動檢測和識別方法中步驟S6的流程圖；圖19為初步識別非人體目標(biāo)圖像；圖20為非人體目標(biāo)分布區(qū)域圖；圖21為非人體目標(biāo)規(guī)則區(qū)域分布圖；圖22為非人體目標(biāo)原始圖像；
圖23為非人體目標(biāo)原始圖像在條棒結(jié)合模型上的分布圖；圖24為隱匿物品原始圖像在條棒結(jié)合模型上的分布圖；圖25為隱匿物品的自動檢測和識別方法中步驟S8的流程圖；圖26為基于毫米波成像的隱私保護(hù)方法的基本流程圖；圖27為基于毫米波成像的隱私保護(hù)裝置的結(jié)構(gòu)示意圖；圖28為隱私屏蔽的第一種實施方式的效果圖；圖29為隱私屏蔽的第二種實施方式的效果圖；圖30為隱私屏蔽的第三種實施方式的效果圖；圖31為隱私屏蔽的第四種實施方式的效果圖；圖32為背景技術(shù)中的條帶模型示意圖；圖33為背景技術(shù)中的棒狀模型示意圖。
具體實施例方式下面參照附圖并借助本發(fā)明的實施例，對本發(fā)明的技術(shù)方案做詳細(xì)描述。本發(fā)明中的一種基于毫米波成像的人體檢測方法，包括以下步驟SI、對被檢人員進(jìn)行毫米波掃描獲得原始圖像；S2、對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；S3、根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；S4、生成人體模型。如圖I所示。相應(yīng)地，如圖2所示，本發(fā)明還提供一種基于毫米波成像的人體檢測裝置，包括掃描裝置1，用于執(zhí)行步驟SI，對被檢人員進(jìn)行毫米波掃描獲得原始圖像；
調(diào)整模塊2，用于執(zhí)行步驟S2，對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊3，用于執(zhí)行步驟S3，根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；人體模型生成模塊4，用于執(zhí)行步驟S4,生成人體模型。在步驟SI中，要求被檢人員進(jìn)入毫米波掃描檢測區(qū)，通過掃描裝置I毫米波主動/被動的方式進(jìn)行掃描檢測后得到原始圖像如圖3所示。掃描后的原始圖像一般具有如下特點圖像整體不夠清晰，包含大量噪聲。因此需要調(diào)整模塊2進(jìn)行步驟S2，對原始圖像進(jìn)行調(diào)整從而獲得適于進(jìn)行圖像運算和分割的目標(biāo)圖像，如圖6，步驟S2包括以下子步驟S21、對原始圖像進(jìn)行預(yù)處理獲得初步去噪圖像；S22、對初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像；S23、對初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。
相應(yīng)地，如圖7，調(diào)整模塊2還包括以下子模塊預(yù)處理模塊21，用于執(zhí)行步驟S21，對所述原始圖像進(jìn)行預(yù)處理獲得初歩去噪圖像；ニ值化模塊22，用于執(zhí)行步驟S22，對所述初步去噪圖像進(jìn)行ニ值化獲得初歩ニ值圖像；再處理模塊23，用于執(zhí)行步驟S23，對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。進(jìn)ー步地，預(yù)處理模塊21還包括圖像增強單元、差值運算単元、平滑處理單元、線性變化單元。預(yù)處理模塊21執(zhí)行步驟S21需要進(jìn)行以下幾個子步驟圖像增強單元用于對原始圖像進(jìn)行圖像增強使原始圖像中人體區(qū)域與背景區(qū)域的對比度増加，改善圖像視覺效果。差值運算単元用于通過原始圖像與空背景圖像的灰度值進(jìn)行差值運算或者說原始圖像與空背景圖像的灰度值相減，從而消除系統(tǒng)噪聲?？毡尘皥D像就是毫米波掃描檢測區(qū)內(nèi)沒有被檢人員時進(jìn)行掃描所形成的圖像。平滑處理單元用于進(jìn)行圖像的平滑處理來去除圖像中的隨機噪聲，本単元中通過 [I I Γ
使用i I 2 I算子對圖像進(jìn)行低通濾波實現(xiàn)平滑操作。
レI I線性變化単元用于對圖像進(jìn)行灰度拉伸或稱分區(qū)線性變換，對圖像中不感興趣的背景區(qū)域的灰度范圍進(jìn)行壓縮，人體區(qū)域灰度范圍進(jìn)行擴(kuò)展，從而突出人體部分，使人體部分整體清晰，最終獲得了初歩去噪圖像，如圖4所示。進(jìn)ー步地，ニ值化模塊22所執(zhí)行的步驟S22、對初步去噪圖像進(jìn)行ニ值化獲得初步ニ值圖像是利用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)算法以熵最大為準(zhǔn)則選取ニ值化的閾值，利用該閾值將初步去噪圖像的灰度圖轉(zhuǎn)換為ニ值化的圖像，從而實現(xiàn)圖像中人體區(qū)域與背景區(qū)域的分割。如何準(zhǔn)確的通過選取閾值來將人體與背景較完整的進(jìn)行分割是問題的關(guān)鍵，這里使用較為成熟的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)技術(shù)，PCNN是90年代Eckhorn等基于貓等哺乳動物的視覺特性研究提出的基于脈沖耦合神經(jīng)網(wǎng)絡(luò)模型，該模型用于圖像的閾值選取的迭代過程，迭代公式如下巧)マ—U—υ+ 匕!^’Μ’ΛΤ) + ん攻卜ぺ疒+m苫:TUさ=Flfd + β ^)Tff = e—aT す1) + VrYZf剛かinF就是第i、j個神經(jīng)元的η次反饋輸入Fi, j [η]，Ii, j [η]為輸入刺激信號(這里為圖像像素構(gòu)成的矩陣中第i、j個像素的灰度值)、β為連接系數(shù)、Li,Jn]是連接項、Un]為動態(tài)門限，即本發(fā)明中所要求解的閾值、Yi, j [η]是PCNN脈沖輸出值、Ui, j [η]為內(nèi)部活動項。其中內(nèi)部連接矩陣M、W(—般W = M)的Mi,仏いい分別為Fm [n]、Ly [η]中Yi,j [η]的加權(quán)系數(shù)，aF> aL> a τ分別為FiJn]、LiJn] JiJn]的衰減時間常數(shù)，VF、Vt分 別為Fi,j[n] ,Lijj[η]、[η]中的固有電勢。熵是圖像統(tǒng)計特性的一種表現(xiàn)形式，反映了圖像包含信息量的大小。對于圖像來說，一般分割后圖像熵值越大，說明分割后從原圖得到信息量越大，分割圖像細(xì)節(jié)越豐富，因而總體分割效果也應(yīng)越好。本專利使用熵最大為準(zhǔn)則作為PCNN迭代結(jié)束的準(zhǔn)則。熵的計算公式為H1(P) = -P1Xlog2P1-P0Xlog2P0O其中，PpPtl分別表不脈沖輸出值Υ[η]為I、為O的概率。本發(fā)明通過設(shè)定ー個很大的迭代次數(shù)η，如η = 100，使用PCNN算法進(jìn)行迭代運算，毎次運算結(jié)束后求出對應(yīng)的熵H1 (P)，然后比較η次運算得到的熵值，取得其中熵最大的值HlmaJP)時的迭代次數(shù)Nmax。迭代次數(shù)為Nmax時獲得了閾值T [NmaJ，此時PCNN輸出的Y [NmaJ構(gòu)成了在PCNN其他各項參數(shù)一定情況下，總體分割效果最佳的ニ值圖像。其中Y[Nmax]為I的部分為背景部分，YtNfflaJ為O的部分為人體部分。適應(yīng)于上述計算過程的PCNN公式中各參數(shù)的取值范圍為
a Fa La TVfVlVtβ
O. I O. 6 I 10 O. I O. 6 O. I O. 5 O. I O. 5 2 10 O. I O. 6W、M兩個算子可使用Ι/r或Ι/r2的元素形式構(gòu)成的矩陣，!■表示算子的矩陣邊長。優(yōu)選地,本發(fā)明可以取以下參數(shù)值a F = O. 2, αし=2, α τ = O. I, Vf = O. I, Vl =
"1/81/51/4 1/51/8"
1/51/2 I1/21/5
O. 5,Vt = 20, β =0.5,^r = M= 1/4I II1/4，進(jìn)行計算,獲得的最佳效果的
1/51/2 I1/21/5
1/81/51/4 1/51/8
初步ニ值圖像如圖5所示。
進(jìn)ー步地，再處理模塊23所執(zhí)行的步驟S23、對所述初步ニ值圖像進(jìn)行再處理獲得所述目標(biāo)圖像，是通過形態(tài)學(xué)濾波。由于閾值分割會造成圖像噪聲，該噪聲主要是人體部分外的孤立明亮噪聲點或是人體內(nèi)的孤立暗噪聲點。為了去除這些噪聲，本發(fā)明用到的方法是對初步ニ值圖像應(yīng)用數(shù)學(xué)形態(tài)學(xué)運算方法進(jìn)行濾波和變換，得到ー個具有清晰平滑輪廓的ニ值化的圖像即 所述目標(biāo)圖像，如圖8所示，從而利于后續(xù)的處理。數(shù)學(xué)形態(tài)學(xué)運算方法主要包括腐蝕運算、膨脹運算、開運算和閉運算。腐蝕運算可以減弱甚至消除小于結(jié)構(gòu)元素明亮區(qū)域，從而可以用來有效地去除孤立噪聲點邊界上不平滑的凸出部分。膨脹運算是將與目標(biāo)物體接觸的所有背景點合到物體中的過程，可填補空洞和形成連同域以及平圖像邊界上不平滑的凹陷部分。開運算是先對圖像進(jìn)行腐蝕運算再進(jìn)行膨脹運算，能去除掉圖像中的孤立區(qū)域和毛刺，利用可以消除形狀小于結(jié)構(gòu)元素的噪聲點，根據(jù)目標(biāo)噪聲的特點，選擇合適的結(jié)構(gòu)元素，就能剔除目標(biāo)噪聲，而將背景保留下來。閉運算是先對圖像進(jìn)行膨脹運算再進(jìn)行腐蝕運算，可以填充物體內(nèi)的細(xì)小空洞，連接鄰近物和平滑物體邊界。其中，結(jié)構(gòu)元素是數(shù)學(xué)形態(tài)學(xué)運算的基本算子，選擇使用的結(jié)構(gòu)元素主要在于結(jié)構(gòu)元素的形狀和尺寸。優(yōu)選地，本方法所使用的形態(tài)學(xué)運算可以是以下處理過程(I)使用邊長為5的正方形結(jié)構(gòu)元素對圖像進(jìn)行腐蝕運算消除圖像中人體外的明亮噪聲點；(2)使用邊長為4的正方形結(jié)構(gòu)元素對圖像進(jìn)行開運算，保持圖像大小同時消除人體邊緣的孤立區(qū)域和毛刺；
(3)使用邊長為4的正方形結(jié)構(gòu)元素對圖像進(jìn)行閉運算，保持圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊界；(4)使用邊長為5的正方形結(jié)構(gòu)元素對圖像進(jìn)行膨脹操作使圖像恢復(fù)到原大小。通過該過程可以去除長和寬均小于5的噪聲，填補人體上長和寬均小于5的空洞，處理完成后形成的目標(biāo)圖像中包含ー個近似完整的人體部分，使人體特征更加明顯。另外，如果圖像中還有面積較大沒有被消除的白色干擾區(qū)域，可以通過計算圖像中各連通區(qū)域的面積，去掉面積較小的區(qū)域。進(jìn)ー步地，如圖11，步驟S3、根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位還包括以下子步驟S31、確定人體的豎直中心線；S32、確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；S33、確定人體各部位的寬度和斜率。相應(yīng)地，如圖12所示，分割定位模塊3還包括以下子模塊豎直中心線模塊31，用于執(zhí)行步驟31、確定人體的豎直中心線；坐標(biāo)水平線模塊32，用于執(zhí)行步驟32、確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線；寬度斜率模塊33，用于執(zhí)行步驟33、確定人體各部位的寬度和斜率。在豎直中心線模塊31執(zhí)行步驟S31中確定人的豎直中心線的位置時，由于目標(biāo)圖像中的人體區(qū)域具有左右対稱性，因此計算該人體區(qū)域的圖像總的像素和，如用Stl表示，然后從人體區(qū)域左側(cè)邊緣開始按圖像的列從左向右計算人體部分圖像的像素和，如用S1表示，當(dāng)S1為Stl的1/2吋，當(dāng)前列即為人體的豎直中心線。
在坐標(biāo)水平線模塊32執(zhí)行步驟S32中，人體各關(guān)鍵點的坐標(biāo)就是人體各部位的位置坐標(biāo),如邊緣端點坐標(biāo)、中心點的坐標(biāo)等,人體部位包括頭頂、腳底、脖子、軀干上端、軀干下端(腰部)、襠部、膝蓋、手指尖以及肘部。人體各關(guān)鍵點的坐標(biāo)以及各部位之間的水平分割線是相互推算的過程，具體如下沿人體的豎直中心線從圖像頂部向下，找到的第一個人體區(qū)域邊界點，判斷從該點繼續(xù)向下若具有連續(xù)且長度不小于圖像高度的1/10同灰度值，則確定該點為人體的頭頂中心點，該點所處的水平線為人體的頭頂水平線H2。而人體腳的位置在圖像中是固定的位置，因此可以確定腳底坐標(biāo)以及所處的水平線為H9。因為成像時人所站的位置是固定的，用頭頂?shù)目v坐標(biāo)減去腳底的縱坐標(biāo)可以得到人的身高H。根據(jù)人體解剖學(xué)判斷，人頭部約占身高的15%，可以確定脖子上端的坐標(biāo)以及所處的水平線H4。脖子的高度約占頭部高度的45%，故可以確定軀干上端的邊緣端點的坐標(biāo)以及所處的水平線H5。對圖8的所表示目標(biāo)圖像進(jìn)行細(xì)化還可以得到人體骨干圖，如圖9所示。在圖9人體骨干圖中，軀干與兩腿的交叉點作為人體軀干下端的位置，其所在水平線作為腰線H6，沿這條線到腳水平線的距離定義為腿長Hleg。根據(jù)人體解剖學(xué)判斷，人體小腿與大腿的比例約為I : I. 2，故可以確定膝蓋的水平位置為從腳向上HlegX5/ll的位置，因此獲得膝蓋水平線HS。在圖8所示的目標(biāo)圖像上，從圖像底部沿豎直中心線向上，與人體圖像的第一個交點位置作為襠部，從而獲得人體襠部水平線H7。以豎直中心線為分割線將人體區(qū)域的圖像分為左右兩半，左半邊的最高點即左手指尖的位置，右側(cè)圖像上人體的最高點就是右手指尖的位置，從而獲得手指尖水平線HO。本發(fā)明中對兩個手指尖之間的高度差忽略不計。由于在對被檢人員進(jìn)行掃描前，要求其兩臂向外張開，因此目標(biāo)圖像上兩肘間的寬度是人體最寬的位置，因此找到人體區(qū)域最左側(cè)的位置就是身體的左肘，最右側(cè)就是身體的右肘，從而獲得肘水平線H3。本發(fā)明中對兩個肘之間的高度差忽略不計。根據(jù)人體解剖學(xué)理論，一般人體手與上臂的長度比為7 9，故根據(jù)手尖與肘的位置可以確定手腕的位置，從而也獲得了手腕水平線H1。人體分割效果圖如圖10所示。寬度斜率模塊33所執(zhí)行的步驟S33中，根據(jù)圖8的目標(biāo)圖像中人體各部位與各水平分割線相交確定人體各部位的寬度，再利用人體各部位的關(guān)鍵點(如某部位的上下兩端的兩個中心點)坐標(biāo)計算得到該部位的斜率。進(jìn)ー步地，人體模型生成模塊4所執(zhí)行的步驟S4生成人體模型包括分別根據(jù)各 部位關(guān)鍵點的坐標(biāo)、寬度和斜率，用矩形或平行四邊形表示各部位，將所有的部位連結(jié)在一起，即獲得ー個用矩形和/或平行四邊形組成的人體模型，如圖13所示。該人體可以與原始圖像中的人體區(qū)域進(jìn)行成比例對應(yīng)，效果如圖14所示。需要注意的是，本方法的描述中所生成的人體模型是以條帶模型為例進(jìn)行的說明。根據(jù)目標(biāo)圖像進(jìn)行人體部位的分割和定位后還可以生成棒狀模型。并且，條帶模型和棒狀模型都會在下述的ー種隱匿物品的自動檢測和識別方法中得到應(yīng)用。
另ー方面，本發(fā)明還提供一種隱匿物品的自動檢測和識別方法和一種隱匿物品的自動檢測和識別裝置，ー是對人體特征進(jìn)行提取和定位，ニ是對非人體目標(biāo)進(jìn)行識別。其中對人體特征進(jìn)行提取和定位的過程主要以前述的于毫米波成像的人體檢測方法和裝置為基礎(chǔ)但不限于該人體檢測方法和裝置。因此，如圖15，一種隱匿物品的自動檢測和識別方法包括以下步驟S1、對被檢人員進(jìn)行毫米波掃描獲得原始圖像；S2、對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；S3、根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；S5、生成條棒結(jié)合模型；S6、根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；S7、利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；S8、對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。 相應(yīng)地，一種隱匿物品的自動檢測和識別裝置，包括掃描裝置1，用于執(zhí)行步驟SI，對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊2，用于執(zhí)行步驟S2，對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊3，用于執(zhí)行步驟S3，根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；條棒結(jié)合模型生成模塊，用于執(zhí)行步驟S5，生成條棒結(jié)合模型；非人體目標(biāo)初步檢測模塊，用于執(zhí)行步驟S6，根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像；非人體目標(biāo)分布模塊，用于執(zhí)行步驟S7，利用所述條棒結(jié)合模型獲得所述非人體目標(biāo)分布原始圖像相對于人體的位置分布信息；類別辨識模塊，用于執(zhí)行步驟S8，對所述非人體目標(biāo)進(jìn)行類別辨識并顯示隱匿物品相對于人體的位置分布信息。其中步驟SI、S2和S3在一種基于毫米波成像的人體檢測方法中，掃描裝置I、調(diào)整模塊2、分割定位模塊3在一種基于毫米波成像的人體檢測裝置中已經(jīng)進(jìn)行說明，此處不再贅述。根據(jù)圖16，步驟S5進(jìn)ー步包括以下子步驟S51、生成提供人體各關(guān)鍵點的棒狀模型；S52、生成提供人體輪廓信息的條帶模型；S53、結(jié)合所述棒狀模型和所述條帶模型，從而生成條棒結(jié)合模型。相應(yīng)地，執(zhí)行步驟S5的條棒結(jié)合模型生成模塊包括以下子模塊棒狀模型生成模塊，用于執(zhí)行步驟S51，生成提供人體各關(guān)鍵點的棒狀模型；條帶模型生成模塊，用于執(zhí)行步驟S52，生成提供人體輪廓信息的條帶模型；結(jié)合模塊，用于執(zhí)行步驟S53，結(jié)合所述棒狀模型和所述條帶模型。其中，棒狀模型生成模塊所執(zhí)行的步驟S51是通過一種基于毫米波成像的人體檢測方法的步驟S32、確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間的水平分割線的步驟，利用其中的人體各關(guān)鍵點獲得構(gòu)建棒狀模型的各關(guān)節(jié)點，再用直線連接各關(guān)節(jié)點就可以生成棒狀模型。條帶模型生成模塊所執(zhí)行的步驟S52中生成條帶模型的過程與在ー種基于毫米波成像的人體檢測方法中S4生成人體模型的過程相同。結(jié)合模塊所執(zhí)行的步驟S53結(jié)合所述棒狀模型和所述條帶模型，生成如圖17所示的條棒結(jié)合模型，從而完成了本方法中人體特征的提取和定位，圖17中的圓形節(jié)點表示人體特征提取時的關(guān)節(jié)點，還可以在這些關(guān)節(jié)點中添加數(shù)字代表了各個關(guān)節(jié)點的提取順序。進(jìn)ー步地，執(zhí)行的步驟S6的非人體目標(biāo)初步檢測模塊還包括邊緣檢測模塊、突出顯示模塊、規(guī)則化模塊和融合模塊。相應(yīng)地，如圖18所示，步驟S6、根據(jù)所述原始圖像對非人體目標(biāo)進(jìn)行檢測，獲得非人體目標(biāo)分布原始圖像還包括以下子步驟S61、邊緣檢測模塊對所述原始圖像進(jìn)行邊緣檢測，例如利用了索貝爾(Sobel)算子進(jìn)行邊緣檢測，初步識別出非人體目標(biāo)，如圖19所示；S62、突出顯示模塊通過數(shù)學(xué)形態(tài)學(xué)運算突出顯示非人體目標(biāo)分布區(qū)域，比如，對圖19首先進(jìn)行腐蝕運算，然后進(jìn)行膨脹運算。其中腐蝕、膨脹運算分別使用邊長為2和4的方形結(jié)構(gòu)元素，從而突出顯示的非人體目標(biāo)分布區(qū)域圖，如圖20 ；S63、規(guī)則化模塊根據(jù)所述非人體目標(biāo)分布區(qū)域的邊界選取最小外切矩形，使圖20 中的不規(guī)則的區(qū)域轉(zhuǎn)化為圖21中的非人體目標(biāo)規(guī)則區(qū)域分布圖；S64、模塊融合圖21融合非人體目標(biāo)規(guī)則區(qū)域分布圖和所述原始圖像圖3，獲得圖22的非人體目標(biāo)原始圖像，當(dāng)然該圖像也顯示出了非人體目標(biāo)所在位置的人體部分。由于條狀模型只包含人體輪廓信息，沒有具體的關(guān)節(jié)點信息，棒狀模型只包含關(guān)節(jié)點信息，掩蓋了非人體目標(biāo)在人體輪廓上的位置，所以進(jìn)ー步地，非人體目標(biāo)分布模塊所執(zhí)行的步驟S7是通過將所述非人體目標(biāo)分布原始圖像輸入到所述條棒結(jié)合模型上，這樣既可以利用條棒結(jié)合模型中條帶模型給出的人體輪廓信息獲得非人體目標(biāo)在人體輪廓邊緣內(nèi)的分布，更進(jìn)一歩地利用條棒結(jié)合模型中棒狀模型給出的人體關(guān)節(jié)點位置信息獲得非人體目標(biāo)與關(guān)節(jié)點之間的相對位置關(guān)系，因此利用條棒結(jié)合模型，使非人體目標(biāo)在人體這一參照物上具有了更加精確的定位，如圖23非人體目標(biāo)原始圖像在條棒結(jié)合模型上的分布圖。進(jìn)ー步地，類別辨識模塊包括以下子模塊裸露部位定位模塊、分類模塊和顯示模塊。分別用于執(zhí)行步驟S8對所述非人體目標(biāo)進(jìn)行危險類別辨識并顯示隱匿物品相對于人體的位置分布信息中的各個子步驟，如圖25 S81、裸露部位定位模塊對人體裸露部位進(jìn)行定位，如頭部、腕部、手掌等，可以在前述的人體部位的分割和定位中進(jìn)行這樣更有針對性的部位定位；S82、分類模塊對非人體目標(biāo)進(jìn)行分類，將分布在人體裸露部位上的非人體目標(biāo)確定為非隱匿物品，如眼鏡、紐扣、手表、戒指等；由于有衣物遮蓋，人體裸露部位之外的非人體目標(biāo)通過安檢人員無法直接查看，將分布在人體裸露部位之外的非人體目標(biāo)確定為隱匿物品，因此需要重點關(guān)注；S83、顯示模塊剔除所述非隱匿物品的原始圖像并顯示隱匿物品原始圖像在所述條棒結(jié)合模型上的分布信息，如圖24是剔除了圖23中腕部的手表的原始圖像后再顯示的效果圖。通過本發(fā)明的隱匿物品的自動檢測和識別方法和裝置，可以降低人員的使用要求，減小人為誤差，縮短人體隱匿危險品檢查的判讀時間。另ー方面，人體毫米波成像以后，由于原始圖像比較清晰，通過前述的基于毫米波成像的人體檢測方法及隱匿物品的自動檢測和識別方法，可以識別并顯示人體和/或人體上的隱匿物品，但會同時造成人體隱私部位的暴露。
為了保護(hù)隱私，本發(fā)明還提供一種基于毫米波成像的隱私保護(hù)方法，如圖26，包括si、對被檢人員進(jìn)行毫米波掃描獲得原始圖像；A、根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；B、確定人體的隱私部位；C、對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。相應(yīng)地，如圖27所 示，本發(fā)明還提供一種基于毫米波成像的隱私保護(hù)裝置，包括掃描裝置1，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；檢測裝置，用于執(zhí)行步驟A，根據(jù)所述原始圖像進(jìn)行人體檢測和隱匿物品檢測；隱私部位確定模塊，用于執(zhí)行步驟B，確定人體的隱私部位；隱私屏蔽模塊，用于執(zhí)行步驟C，對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息。其中步驟A可以通過前述的基于毫米波成像的人體檢測方法及隱匿物品的自動檢測和識別方法進(jìn)行，相應(yīng)地，檢測裝置可以包括基于毫米波成像的人體檢測裝置和隱匿物品的自動檢測和識別裝置。執(zhí)行步驟B的隱私部位確定模塊確定人體的隱私部位同樣根據(jù)前述人體部位的分割和定位以及人體解剖學(xué)對隱私部位進(jìn)行確定和定位，包括判斷被檢人員的性別，當(dāng)被檢人員為男性時，將人體頭部區(qū)域和人體腰部中心向下軀干寬度1/2的區(qū)域確定為隱私部位，當(dāng)被檢人員為女性時，將人體頭部區(qū)域和人體腰部中心向下軀干寬度1/2的區(qū)域以及人體軀干從軀干上端向下至軀干高度1/2的區(qū)域為隱私部位。本發(fā)明中將以男性被檢人員的毫米波成像為例進(jìn)行說明。執(zhí)行步驟C、對人體的隱私部位進(jìn)行屏蔽并標(biāo)示出人體上的隱匿物品信息的隱私屏蔽模塊可以采用以下幾種具體實施方式
進(jìn)行隱私的保護(hù)(I)隱私屏蔽模塊包括部分模糊化模塊和第一標(biāo)示模塊，部分模糊化模塊在所述原始圖像上對隱私部位進(jìn)行模糊化處理形成部分模糊化原始圖像，模糊化可以使用形態(tài)學(xué)運算，使用邊長一定的馬賽克區(qū)域，或者可以直接使用單ー顏色的矩形塊對隱私部位進(jìn)行覆蓋；第一標(biāo)示模塊在所述部分模糊化原始圖像上將所述隱匿物品用標(biāo)示框劃出，比如高亮顏色的邊框，如圖28所示。這種方式適應(yīng)于隱匿物品自動檢測和人工檢測相結(jié)合的情況。或者，(2)隱私屏蔽模塊包括選擇目的圖像模塊和第二標(biāo)示模塊，因為清晰完整的ニ值化的圖像可以掩蓋掉被檢人員的隱私部位的像素信息，所以本實施方式利用選擇目的圖像模塊選擇目的圖像表示人體部分，該目的圖像通過所述的基于毫米波成像的人體檢測方法獲得，如圖8 ;在該目的圖像上顯示隱匿物品信息之前，第二標(biāo)示模塊先判斷隱匿物品是否處于人體的隱私部位，如果是，則使用與人體顔色不同的色彩塊表示隱匿物品并在所述目的圖像上標(biāo)示，如使用一定灰度值，如128的灰色矩形塊來標(biāo)示；如果否，則直接將隱匿物品的原始圖像顯示在所述目的圖像上。這樣完全屏蔽了原始圖像中人體的完整信息，又達(dá)到隱私保護(hù)的目的，效果如圖29所示。這種方法僅適用于隱匿物品自動檢測方式下，不需要顯示完整人體圖像的情況。或者，(3)隱私屏蔽模塊包括全部模糊化模塊和第三標(biāo)示模塊。全部模糊化模塊在所述原始圖像上對人體進(jìn)行全部模糊化處理形成全部模糊化原始圖像，模糊化的方法可以與具體實施方式
(I)相同，本實施方式中模糊化使用了算子
權(quán)利要求
1.一種基于毫米波成像的人體檢測裝置，其特征在于，包括 掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像； 調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像； 分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位； 人體模型生成模塊，用于生成人體模型。
2.根據(jù)權(quán)利要求I所述的基于毫米波成像的人體檢測裝置，其特征在于，所述分割定位模塊還包括以下子模塊 豎直中心線模塊，用于確定人體的豎直中心線； 坐標(biāo)水平線模塊，用于確定所述目標(biāo)圖像人體各關(guān)鍵點的坐標(biāo)并獲得人體各部位之間 的水平分割線； 寬度斜率模塊，用于確定人體各部位的寬度和斜率。
3.根據(jù)權(quán)利要求2所述的基于毫米波成像的人體檢測裝置，其特征在于，所述人體模型生成模塊進(jìn)一步用于根據(jù)所述各關(guān)鍵點的坐標(biāo)、所述人體各部位的寬度和斜率，獲得以矩形和/或平行四邊形組成的人體模型。
4.根據(jù)權(quán)利要求I所述的基于毫米波成像的人體檢測裝置，其特征在于，所述調(diào)整模塊還包括以下子模塊 預(yù)處理模塊，用于對所述原始圖像進(jìn)行預(yù)處理獲得初步去噪圖像； 二值化模塊，用于對所述初步去噪圖像進(jìn)行二值化獲得初步二值圖像； 再處理模塊，用于對所述初步二值圖像進(jìn)行再處理獲得所述目標(biāo)圖像。
5.根據(jù)權(quán)利要求4所述的基于毫米波成像的人體檢測裝置，其特征在于，所述預(yù)處理模塊進(jìn)一步包括以下單元 差值運算單元，用于將所述原始圖像與背景圖像灰度值進(jìn)行差值運算； 平滑處理單元，用于進(jìn)行圖像平滑處理； 線性變化單元，用于進(jìn)行線性灰度變換。
6.根據(jù)權(quán)利要求4所述的基于毫米波成像的人體檢測裝置，其特征在于，所述二值化模塊進(jìn)一步利用脈沖耦合神經(jīng)網(wǎng)絡(luò)算法以熵最大為準(zhǔn)則選取二值化的閾值。
7.根據(jù)權(quán)利要求4所述的基于毫米波成像的人體檢測裝置，其特征在于， 所述再處理模塊進(jìn)一步通過形態(tài)學(xué)濾波進(jìn)行再處理。
8.根據(jù)權(quán)利要求7所述的基于毫米波成像的人體檢測裝置，其特征在于，所述通過形態(tài)學(xué)濾波包括 使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行腐蝕運算消除人體外的明亮噪聲點； 使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行開運算保持圖像大小的同時消除人體邊緣的孤立區(qū)域和毛刺； 使用邊長為4的正方形結(jié)構(gòu)元素進(jìn)行閉運算保持圖像大小的同時填充人體內(nèi)的細(xì)小空洞，并且平滑人體的邊緣； 使用邊長為5的正方形結(jié)構(gòu)元素進(jìn)行膨脹運算使圖像恢復(fù)到原大小。
9.根據(jù)權(quán)利要求4所述的基于毫米波成像的人體檢測裝置，其特征在于，所述預(yù)處理模塊還包括 圖像增強單元，用于對所述原始圖像進(jìn)行圖像增強。
全文摘要
本發(fā)明公開了一種基于毫米波成像的人體檢測裝置，包括掃描裝置，用于對被檢人員進(jìn)行毫米波掃描獲得原始圖像；調(diào)整模塊，用于對所述原始圖像進(jìn)行調(diào)整獲得目標(biāo)圖像；分割定位模塊，用于根據(jù)所述目標(biāo)圖像進(jìn)行人體部位的分割和定位；人體模型生成模塊，用于生成人體模型。通過本發(fā)明的基于毫米波成像的人體檢測方法，實現(xiàn)了對毫米波圖像中對人體部分的識別和處理，為檢驗隱匿物品及隱私保護(hù)技術(shù)提供了基礎(chǔ)。
文檔編號G01V3/12GK102707322SQ20121005029
公開日2012年10月3日 申請日期2012年2月29日 優(yōu)先權(quán)日2012年2月29日
發(fā)明者年豐, 方維海, 溫鑫, 王凱讓, 王威 申請人:北京無線電計量測試研究所