CN111861992A - 安检图像的处理方法、安检系统和计算机可读存储介质 - Google Patents
安检图像的处理方法、安检系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111861992A CN111861992A CN202010534166.7A CN202010534166A CN111861992A CN 111861992 A CN111861992 A CN 111861992A CN 202010534166 A CN202010534166 A CN 202010534166A CN 111861992 A CN111861992 A CN 111861992A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- region
- interest
- scanning
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000007689 inspection Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000003062 neural network model Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 239000013056 hazardous product Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种安检图像的处理方法、安检系统和计算机可读存储介质，其中，该安检图像的处理方法包括：获取安检机输出的第一扫描图像，其中，第一扫描图像至少包括感兴趣区域和非感兴趣区域；对第一扫描图像进行颜色处理，以使得感兴趣区域为彩色图像，以及非感兴趣区域为灰度图像；显示对第一扫描图像进行颜色处理后得到的第二扫描图像。通过本申请，解决了相关技术中安检图像的处理方法不利于监视判断的问题，实现了安检图像的处理方法有利于监视判断的有益效果。
Description
技术领域
本申请涉及安检技术领域，特别是涉及一种安检图像的处理方法、安检系统和计算机可读存储介质。
背景技术
随着公共安全防范需求的日益提升，安检技术在各类大型安保、反恐维稳等方面承担着越来越重要的任务。目前，安检X光机作为常见的安检设备，应用于各种安检场景，比如地铁站、动车站、飞机场等公共场合。
相关技术中的安检X光机在检查物体的过程中，借助于输送带将被检查物体送入X射线检查通道而完成检查，安检X光机能根据物体对X射线的吸收程度，在显示器上呈现不同颜色的影像。比如，将食品、塑料等有机物设置成橙色，将书本、陶瓷设置成绿色，将金属设置成蓝色。安检员通过快速查看X射线扫描的透视图像，凭借丰富的经验判断被检查物体中是否存在危险物品。然而，该安检X光机并不存在自动识别危险物品的功能，正逐渐被能够自动识别危险物品的智能安检机所取代。
相关技术中的智能安检机通过智能算法，自动识别危险物品，并在显示器上展示危险物品的信息。在一些相关技术中，智能识别功能作为独立的系统与安检机之间通过网络连接。安检机扫描包裹后，智能识别系统以安检机实时扫描得到的原始数据为基础，处理得到包裹中含有危险物品的相关信息。其显示的方式有以下两种：一种是通过增加一台显示器，即在智能识别系统所属的显示器中显示识别后的图像，这种方式仅能显示识别结果，不能显示安检机实时扫描到的滚动安检图像，导致安检员需同时关注安检机的显示器和智能识别系统的显示器，不利于监视判断。另一种是将危险物品的相关信息叠加在滚动显示的扫描图像上，以保证智能识别系统在进行图像识别的同时，滚动显示扫描图像及危险物品信息，比如，在原有的扫描图像上叠框和叠文字，安检员通过查看框图和文字信息判断是否存在危险物品。然而，标注信息易对原始扫描图像产生遮挡，在人流量或者物流量较大的情况下，大量标注信息的扫描图像会对安检员的判断造成挑战，易使安检员产生视觉疲劳，不利于监视判断。
目前，针对相关技术中安检图像的处理方法不利于监视判断的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种安检图像的处理方法、安检系统和计算机可读存储介质，以至少解决相关技术中安检图像的处理方法不利于监视判断的问题。
第一方面，本申请实施例提供了一种安检图像的处理方法，包括：
获取安检机输出的第一扫描图像，其中，所述第一扫描图像至少包括感兴趣区域和非感兴趣区域；
对所述第一扫描图像进行颜色处理，以使得所述感兴趣区域为彩色图像，以及所述非感兴趣区域为灰度图像；
显示对所述第一扫描图像进行颜色处理后得到的第二扫描图像。
在其中一些实施例中，在对所述第一扫描图像进行颜色处理之前，所述方法还包括：
使用已训练的神经网络模型处理所述第一扫描图像，得到所述感兴趣区域的第一位置信息和所述非感兴趣区域的第二位置信息。
在其中一些实施例中，所述第一扫描图像为彩色图像；对所述第一扫描图像进行颜色处理包括：
从所述第一扫描图像中与所述第一位置信息对应的图像区域获取感兴趣区域彩色图像；
对所述第一扫描图像进行灰度处理，得到第一扫描图像的灰度图像；
将所述感兴趣区域彩色图像拷贝至所述第一扫描图像的灰度图像中与所述第一位置信息对应的图像区域，得到所述第二扫描图像。
在其中一些实施例中，所述第一扫描图像为彩色图像；对所述第一扫描图像进行颜色处理包括：
根据所述第二位置信息，对所述第一扫描图像中所述非感兴趣区域的图像进行灰度处理，得到所述第二扫描图像。
在其中一些实施例中，所述第一扫描图像为灰度图像；对所述第一扫描图像进行颜色处理包括：
根据所述第一位置信息，对所述第一扫描图像中所述感兴趣区域的图像进行伪彩色处理，得到包括所述感兴趣区域的伪彩色图像的所述第二扫描图像。
在其中一些实施例中，对所述第一扫描图像进行颜色处理包括：
利用所述神经网络模型从所述第一扫描图像中获取所述感兴趣区域的置信度；
根据所述置信度，对所述感兴趣区域进行分类，生成包括多个不同的感兴趣区域的所述第二扫描图像。
在其中一些实施例中，根据所述置信度，对所述感兴趣区域进行分类，生成包括多个不同的感兴趣区域的所述第二扫描图像包括：
根据所述多个不同的感兴趣区域的置信度，对所述多个不同的感兴趣区域进行透明化处理，其中，所述感兴趣区域的置信度越大，分配至对应的所述感兴趣区域的透明度值越大。
在其中一些实施例中，所述感兴趣区域包括危险物品的区域和疑似危险物品的区域，利用所述神经网络模型从所述第一扫描图像中获取所述感兴趣区域的置信度包括：
获取所述危险物品的置信度和所述疑似危险物品的置信度。
第二方面，本申请实施例提供了一种安检系统，包括：安检X光机、智能识别系统，其中，所述安检X光机包括扫描设备和显示设备，所述智能识别系统与所述扫描设备耦接，所述智能识别系统用于识别从所述扫描设备生成的扫描图像；所述安检系统还包括：安检图像的处理装置，用于获取经所述智能识别系统识别后的所述扫描图像，执行如上述第一方面所述的安检图像的处理方法，并将执行得到的结果显示于所述显示设备上。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的安检图像的处理方法。
相比于相关技术，本申请实施例提供的安检图像的处理方法、安检系统和计算机可读存储介质，通过获取安检机输出的第一扫描图像，其中，第一扫描图像至少包括感兴趣区域和非感兴趣区域；对第一扫描图像进行颜色处理，以使得感兴趣区域为彩色图像，以及非感兴趣区域为灰度图像；显示对第一扫描图像进行颜色处理后得到的第二扫描图像，解决了相关技术中安检图像的处理方法不利于监视判断的问题，实现了安检图像的处理方法有利于监视判断的有益效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种安检图像的处理方法的流程图；
图2是根据本申请优选实施例的一种安检图像的处理方法流程图；
图3是根据本申请实施例的一种安检系统的结构框图；
图4是根据本申请实施例的安检图像的处理装置集成于安检X光机的示意图；
图5是根据本申请实施例的安检图像的处理装置集成于智能识别系统的示意图；
图6是根据本申请实施例的一种安检图像的处理装置的结构框图；
图7是根据本申请实施例的一种计算机设备的硬件结构示意图。
附图说明：
31、安检X光机；311、扫描设备；312、显示设备；
32、智能识别系统；
33、安检图像的处理装置；331、获取模块；332、颜色处理模块；333、显示模块；
70、总线；71、处理器；72、存储器；73、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所做出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请中描述的各种技术可用于各种基于X射线安全检查设备，例如单能安检X光机、双能安检X光机，又例如工业X光机、公共安检X光机。
以下将以安检图像的处理方法为例，对本申请的实施例进行介绍。
本实施例提供了一种安检图像的处理方法。图1是根据本申请实施例的一种安检图像的处理方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取安检机输出的第一扫描图像，其中，第一扫描图像至少包括感兴趣区域和非感兴趣区域。
在本实施例中，可以根据预设帧数，读取安检机所属的显示器中滚动显示的扫描图像帧，获取第一扫描图像。其中，感兴趣区域指安检员在监视扫描图像的过程中需要关注的区域，通常，安检员所关注的是被检查物体中的危险物品和疑似危险物品，因此，在其中一些实施例中，感兴趣区域对应着危险物品和疑似危险物品。
步骤S102，对第一扫描图像进行颜色处理，以使得感兴趣区域为彩色图像，以及非感兴趣区域为灰度图像。
其中，颜色处理是指将非感兴趣区域进行灰度处理，保留感兴趣区域的色彩信息，处理得到的结果是将感兴趣区域和非感兴趣区域在色彩上进行二维划分。
步骤S103，显示对第一扫描图像进行颜色处理后得到的第二扫描图像。
与相关技术相比，本实施例无需在原有的扫描图像上叠框和叠文字，不会对安检员造成视觉障碍。在安检员监视第二扫描图像的过程中，只需接收感兴趣区域和非感兴趣区域的色彩信息，使得安检员能够在短时间内对感兴趣区域和非感兴趣区进行二维划分，减少决策环节，提升对被检查物体的判断速度。另外，第二扫描图像可以在安检机所属的显示器上进行显示，无需额外增添显示器来显示识别结果，不会增加安检员监视扫描图像的工作难度。
通过上述步骤，解决了相关技术中安检图像的处理方法不利于监视判断的问题，实现了安检图像的处理方法有利于监视判断的有益效果，提升了安检工作的效率。
在步骤S102之前，通过以下方式识别感兴趣区域和非感兴趣区域：使用已训练的神经网络模型处理第一扫描图像，得到感兴趣区域的第一位置信息和非感兴趣区域的第二位置信息。
其中，神经网络模型可以包括特征提取网络和目标检测网络。在将第一扫描图像输入特征提取网络前，先对第一扫描图像进行预处理，创建第一扫描图像的副本图像，将副本图像进行灰度处理，得到灰度副本图像；将灰度副本图像输入特征提取网络，得到输出的灰度图的图像特征；将图像特征输入目标检测网络，得到输出的感兴趣区域的第一位置信息以及非感兴趣区域的第二位置信息。
在步骤S102中，第一扫描图像可以是彩色图像，也可以是灰度图像，以下将给出三种实施例，对第一扫描图像进行颜色处理。
(1)在第一扫描图像是彩色图像的情况下，从第一扫描图像中与第一位置信息对应的图像区域获取感兴趣区域彩色图像。对第一扫描图像进行灰度处理，得到第一扫描图像的灰度图像。将感兴趣区域彩色图像拷贝至第一扫描图像的灰度图像中与第一位置信息对应的图像区域，得到第二扫描图像。
(2)在第一扫描图像是彩色图像的情况下，根据第二位置信息，对第一扫描图像中非感兴趣区域的图像进行灰度处理，即保留感兴趣区域彩色图像，得到第二扫描图像。
在上述两个实施例中，在第一扫描图像为彩色图像的情况下，都需要对第一扫描图像进行不同程度的灰度处理，复制感兴趣区域彩色图像或者保留感兴趣区域彩色图像，从而得到第二扫描图像。
(3)在第一扫描图像是灰度图像的情况下，由于人眼对彩色变化远比对灰度变化敏感，在对第一扫描图像进行颜色处理的过程中，可以根据第一位置信息，对第一扫描图像中感兴趣区域的图像进行伪彩色处理，得到包括感兴趣区域的伪彩色图像的第二扫描图像。具体地，可以建立第一扫描图像的灰度值与R、G、B三个通道之间的映射关系，以将第一扫描图像映射到彩色空间，突出感兴趣区域，获得感兴趣区域伪彩色图像。在监视扫描图像的过程中，伪彩色图像有助于安检员直观地观察和分析。
在使用已训练的神经网络模型处理第一扫描图像的过程中，往往是将第一扫描图像作为待检测样本，利用神经网络模型的总体样本对待检测样本作出估计。由于待检测样本存在随机性，训练经网络模型的总体样本不足以完全覆盖待检测样本，处理得到的结果往往存在着不确定性。针对该问题，在其中一些实施例中，对第一扫描图像进行颜色处理包括：利用神经网络模型从第一扫描图像中获取感兴趣区域的置信度；根据置信度，对感兴趣区域进行分类，生成包括多个不同的感兴趣区域的第二扫描图像。
在本实施例中，感兴趣区域的置信度可以用于衡量被检查物体被识别为目标物体的准确度，即感兴趣区域的置信度越大，代表该区域被识别为目标物体的准确度越高。可以根据感兴趣区域的置信度，将感兴趣区域按照目标物体、疑似目标物体的类别进行划分。比如，当感兴趣区域的置信度大于第一预设阈值时，代表该感兴趣区域对应的目标物体已经达到疑似目标物体的条件，当感兴趣区域的置信度大于第二预设阈值时，代表该感兴趣区域对应的目标物体已经达到目标物体的条件，其中，第一预设阈值小于第二预设阈值。通过本实施例，可以准确、稳定地识别目标物体。
在其中一些实施例中，可以根据以下方式对感兴趣区域进行分类。
根据多个不同的感兴趣区域的置信度，对多个不同的感兴趣区域进行透明化处理，其中，感兴趣区域的置信度越大，分配至对应的感兴趣区域的透明度值越大。
其中，透明度值代表扫描图像中α通道(Alpha Channel，阿尔法通道)的值。透明度值越大，代表感兴趣区域的图像的透明化程度越低；透明度值越小，代表感兴趣区域的图像的透明化程度越高。在本实施例中，感兴趣区域的透明度值可以和置信度成正相关，即感兴趣区域的置信度越大，分配至对应的感兴趣区域的透明度值越大。通过本实施例，可以增强被识别为目标物体的感兴趣区域，弱化被识别为疑似目标物体的感兴趣区域，有助于安检员判断。
在其中一些实施例中，感兴趣区域包括危险物品的区域和疑似危险物品的区域，利用神经网络模型从第一扫描图像中获取感兴趣区域的置信度包括：获取危险物品的置信度和疑似危险物品的置信度。
通过上述实施例，可以准确、稳定地识别危险物品和疑似危险物品。
以下将通过优选实施例对本申请提供的安检图像的处理方法进行介绍。
图2是根据本申请优选实施例的一种安检图像的处理方法流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取安检机输出的第一扫描图像。
步骤S202，将第一扫描图像输入至训练完备的神经网络模型，获取危险物品的位置。
步骤S203，从第一扫描图像中复制危险物品的图像数据。
步骤S204，对第一扫描图像进行灰度处理，去除第一扫描图像中的彩色信息。
步骤S205，将危险物品的图像数据拷贝到第一扫描图像中对应的位置，得到第二扫描图像。
通过上述步骤，对第一扫描图像进行灰度处理，保留危险物品图像的彩色数据，此种展示危险物品的方式能够凸显危险物品的图像信息，方便安检员观看。
本实施例还提供了一种安检系统，图3是根据本申请实施例的一种安检系统的结构框图，如图3所示，该系统包括：安检X光机31、智能识别系统32，其中，安检X光机31包括扫描设备311和显示设备312，智能识别系统32的输入端口耦合至扫描设备311的输出端口，智能识别系统32用于识别从扫描设备311生成的扫描图像。安检系统还包括：安检图像的处理装置33，安检图像的处理装置33用于获取经智能识别系统32识别后的扫描图像，执行如上述实施例所描述的安检图像的处理方法，并将执行得到的结果显示于显示设备312上。
参考图3，安检图像的处理装置33可以在独立于安检X光机31、智能识别系统32的系统中运行，其中，安检图像的处理装置33的输入端口耦合至智能识别系统32的输出端口，安检图像的处理装置33的输出端口耦合至显示设备312的输入端口。
在其中一些实施例中，安检图像的处理装置33也可以集成于安检X光机31或智能识别系统32之中。
图4示出了安检图像的处理装置33集成于安检X光机31的示意图，其中，安检图像的处理装置33的输入端口耦合至智能识别系统32的输出端口，安检图像的处理装置33的输出端口耦合至显示设备312的输入端口。
图5示出了安检图像的处理装置33集成于智能识别系统32的示意图，其中，智能识别系统32的输出端口耦合至显示设备312的输入端口。
图6示出了安检图像的处理装置的结构框图，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
如图6所示，该装置包括：获取模块331、颜色处理模块332以及显示模块333。其中，获取模块331用于获取安检机输出的第一扫描图像，其中，第一扫描图像至少包括感兴趣区域和非感兴趣区域；颜色处理模块332用于对第一扫描图像进行颜色处理，以使得感兴趣区域为彩色图像，以及非感兴趣区域为灰度图像；显示模块333用于显示对第一扫描图像进行颜色处理后得到的第二扫描图像。
在其中一些实施例中，装置还包括：处理模块，用于使用已训练的神经网络模型处理第一扫描图像，得到感兴趣区域的第一位置信息和非感兴趣区域的第二位置信息。
在其中一些实施例中，装置还包括：第一获取模块，用于从第一扫描图像中与第一位置信息对应的图像区域获取感兴趣区域彩色图像；第一灰度处理模块，用于对第一扫描图像进行灰度处理，得到第一扫描图像的灰度图像；拷贝模块，用于将感兴趣区域彩色图像拷贝至第一扫描图像的灰度图像中与第一位置信息对应的图像区域，得到第二扫描图像。
在其中一些实施例中，装置还包括：第二灰度处理模块，用于根据第二位置信息，对第一扫描图像中非感兴趣区域的图像进行灰度处理，得到第二扫描图像。
在其中一些实施例中，装置还包括：位彩色处理模块，用于根据第一位置信息，对第一扫描图像中感兴趣区域的图像进行伪彩色处理，得到包括感兴趣区域的伪彩色图像的第二扫描图像。
在其中一些实施例中，装置还包括：第二获取模块，用于利用神经网络模型从第一扫描图像中获取感兴趣区域的置信度；分类模块，用于根据置信度，对感兴趣区域进行分类，生成包括多个不同的感兴趣区域的第二扫描图像。
在其中一些实施例中，装置还包括：透明化处理模块，用于根据多个不同的感兴趣区域的置信度，对多个不同的感兴趣区域进行透明化处理，其中，感兴趣区域的置信度越大，分配至对应的感兴趣区域的透明度值越大。
在其中一些实施例中，装置还包括：第三获取模块，用于获取危险物品的置信度和疑似危险物品的置信度。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外，结合图1描述的本申请实施例安检图像的处理方法可以由计算机设备来实现。图7为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器71以及存储有计算机程序指令的存储器72。
具体地，上述处理器71可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器72可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器72可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器72可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器72可在数据处理装置的内部或外部。在特定实施例中，存储器72是非易失性(Non-Volatile)存储器。在特定实施例中，存储器72包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器72可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器71所执行的可能的计算机程序指令。
处理器71通过读取并执行存储器72中存储的计算机程序指令，以实现上述实施例中的任意一种安检图像的处理方法。
在其中一些实施例中，计算机设备还可包括通信接口73和总线70。其中，如图7所示，处理器71、存储器72、通信接口73通过总线70连接并完成相互间的通信。
通信接口73用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口73还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线70包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线70包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线70可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线70可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的安检机输出的第一扫描图像，执行本申请实施例中的安检图像的处理方法，从而实现结合图1描述的安检图像的处理方法。
另外，结合上述实施例中的安检图像的处理方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种安检图像的处理方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种安检图像的处理方法，其特征在于，包括：
获取安检机输出的第一扫描图像，其中，所述第一扫描图像至少包括感兴趣区域和非感兴趣区域；
对所述第一扫描图像进行颜色处理，以使得所述感兴趣区域为彩色图像，以及所述非感兴趣区域为灰度图像；
显示对所述第一扫描图像进行颜色处理后得到的第二扫描图像。
2.根据权利要求1所述的安检图像的处理方法，其特征在于，在对所述第一扫描图像进行颜色处理之前，所述方法还包括：
使用已训练的神经网络模型处理所述第一扫描图像，得到所述感兴趣区域的第一位置信息和所述非感兴趣区域的第二位置信息。
3.根据权利要求2所述的安检图像的处理方法，其特征在于，所述第一扫描图像为彩色图像；对所述第一扫描图像进行颜色处理包括：
从所述第一扫描图像中与所述第一位置信息对应的图像区域获取感兴趣区域彩色图像；
对所述第一扫描图像进行灰度处理，得到第一扫描图像的灰度图像；
将所述感兴趣区域彩色图像拷贝至所述第一扫描图像的灰度图像中与所述第一位置信息对应的图像区域，得到所述第二扫描图像。
4.根据权利要求2所述的安检图像的处理方法，其特征在于，所述第一扫描图像为彩色图像；对所述第一扫描图像进行颜色处理包括：
根据所述第二位置信息，对所述第一扫描图像中所述非感兴趣区域的图像进行灰度处理，得到所述第二扫描图像。
5.根据权利要求2所述的安检图像的处理方法，其特征在于，所述第一扫描图像为灰度图像；对所述第一扫描图像进行颜色处理包括：
根据所述第一位置信息，对所述第一扫描图像中所述感兴趣区域的图像进行伪彩色处理，得到包括所述感兴趣区域的伪彩色图像的所述第二扫描图像。
6.根据权利要求2所述的安检图像的处理方法，其特征在于，对所述第一扫描图像进行颜色处理包括：
利用所述神经网络模型从所述第一扫描图像中获取所述感兴趣区域的置信度；
根据所述置信度，对所述感兴趣区域进行分类，生成包括多个不同的感兴趣区域的所述第二扫描图像。
7.根据权利要求6所述的安检图像的处理方法，其特征在于，根据所述置信度，对所述感兴趣区域进行分类，生成包括多个不同的感兴趣区域的所述第二扫描图像包括：
根据所述多个不同的感兴趣区域的置信度，对所述多个不同的感兴趣区域进行透明化处理，其中，所述感兴趣区域的置信度越大，分配至对应的所述感兴趣区域的透明度值越大。
8.根据权利要求6所述的安检图像的处理方法，其特征在于，所述感兴趣区域包括危险物品的区域和疑似危险物品的区域，利用所述神经网络模型从所述第一扫描图像中获取所述感兴趣区域的置信度包括：
获取所述危险物品的置信度和所述疑似危险物品的置信度。
9.一种安检系统，包括：安检X光机、智能识别系统，其中，所述安检X光机包括扫描设备和显示设备，所述智能识别系统与所述扫描设备耦接，所述智能识别系统用于识别从所述扫描设备生成的扫描图像；其特征在于，所述安检系统还包括：安检图像的处理装置，用于获取经所述智能识别系统识别后的所述扫描图像，执行如权利要求1至8中任一项所述的安检图像的处理方法，并将执行得到的结果显示于所述显示设备上。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的安检图像的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010534166.7A CN111861992A (zh) | 2020-06-12 | 2020-06-12 | 安检图像的处理方法、安检系统和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010534166.7A CN111861992A (zh) | 2020-06-12 | 2020-06-12 | 安检图像的处理方法、安检系统和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861992A true CN111861992A (zh) | 2020-10-30 |
Family
ID=72986784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010534166.7A Pending CN111861992A (zh) | 2020-06-12 | 2020-06-12 | 安检图像的处理方法、安检系统和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861992A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090175411A1 (en) * | 2006-07-20 | 2009-07-09 | Dan Gudmundson | Methods and systems for use in security screening, with parallel processing capability |
| DE202011100744U1 (de) * | 2011-05-16 | 2011-08-29 | Eads Deutschland Gmbh | Bildanalyse für Kampfmittelbeseitigung und Sicherheitskontrollen |
| CN202693812U (zh) * | 2011-12-30 | 2013-01-23 | 北京华航无线电测量研究所 | 一种基于人体轮廓显示的隐藏危险物品微波安检系统 |
| CN108182454A (zh) * | 2018-01-18 | 2018-06-19 | 苏州大学 | 安检识别系统及其控制方法 |
| CN108198227A (zh) * | 2018-03-16 | 2018-06-22 | 济南飞象信息科技有限公司 | 基于x光安检机图像的违禁品智能识别方法 |
| CN110163191A (zh) * | 2019-06-17 | 2019-08-23 | 北京航星机器制造有限公司 | 一种危险品智能识别方法、系统及危险品安检系统 |
| CN110321800A (zh) * | 2019-06-05 | 2019-10-11 | 浙江大华技术股份有限公司 | 一种安检物品显示的方法及装置 |
| CN111126447A (zh) * | 2019-11-29 | 2020-05-08 | 中国船舶重工集团公司第七一三研究所 | 一种智能旅客安检行李图像自动识别方法 |
-
2020
- 2020-06-12 CN CN202010534166.7A patent/CN111861992A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090175411A1 (en) * | 2006-07-20 | 2009-07-09 | Dan Gudmundson | Methods and systems for use in security screening, with parallel processing capability |
| DE202011100744U1 (de) * | 2011-05-16 | 2011-08-29 | Eads Deutschland Gmbh | Bildanalyse für Kampfmittelbeseitigung und Sicherheitskontrollen |
| CN202693812U (zh) * | 2011-12-30 | 2013-01-23 | 北京华航无线电测量研究所 | 一种基于人体轮廓显示的隐藏危险物品微波安检系统 |
| CN108182454A (zh) * | 2018-01-18 | 2018-06-19 | 苏州大学 | 安检识别系统及其控制方法 |
| CN108198227A (zh) * | 2018-03-16 | 2018-06-22 | 济南飞象信息科技有限公司 | 基于x光安检机图像的违禁品智能识别方法 |
| CN110321800A (zh) * | 2019-06-05 | 2019-10-11 | 浙江大华技术股份有限公司 | 一种安检物品显示的方法及装置 |
| CN110163191A (zh) * | 2019-06-17 | 2019-08-23 | 北京航星机器制造有限公司 | 一种危险品智能识别方法、系统及危险品安检系统 |
| CN111126447A (zh) * | 2019-11-29 | 2020-05-08 | 中国船舶重工集团公司第七一三研究所 | 一种智能旅客安检行李图像自动识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019096181A1 (zh) | 安检检测方法、装置、系统及电子设备 | |
| CN110488368B (zh) | 一种基于双能x光安检机的违禁品识别方法及装置 | |
| Malarvel et al. | An improved version of Otsu's method for segmentation of weld defects on X-radiography images | |
| CN106529602B (zh) | 一种毫米波图像自动目标识别方法及装置 | |
| US9189842B2 (en) | Paper identifying method and related device | |
| US9965695B1 (en) | Document image binarization method based on content type separation | |
| CN111582359B (zh) | 一种图像识别方法、装置、电子设备及介质 | |
| CN110751079A (zh) | 物品检测方法、装置、系统和计算机可读存储介质 | |
| JP2021534523A (ja) | 画像処理のためのシステムおよび方法 | |
| TW201732651A (zh) | 一種單詞的分割方法和裝置 | |
| CA2656425A1 (en) | Recognizing text in images | |
| GB2561773A (en) | Trademark graph element identification method, apparatus and system, and computer storage medium | |
| CN115601682A (zh) | 井下皮带运输机异物检测方法和装置 | |
| CN113792623A (zh) | 安检ct目标物识别方法和装置 | |
| JP6630341B2 (ja) | シンボルの光学的検出方法 | |
| Adi et al. | Beef quality identification using thresholding method and decision tree classification based on android smartphone | |
| US11062440B2 (en) | Detection of irregularities using registration | |
| CN115147405A (zh) | 一种快速新能源电池无损检测方法 | |
| CN111861992A (zh) | 安检图像的处理方法、安检系统和计算机可读存储介质 | |
| CN113888561A (zh) | 一种基于深度学习的消防器材图像识别方法及系统 | |
| CN110909604A (zh) | 安检图像检测方法、终端设备、计算机存储介质 | |
| Prasetio et al. | Design of defect classification on clay tiles using support vector machine (svm) | |
| CN110648300A (zh) | 图像数据合成方法、装置、计算机设备和存储介质 | |
| CN112256906A (zh) | 在显示屏上标记批注的方法、装置和存储介质 | |
| Klöver et al. | A first step towards automated image-based container inspections |
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 |