The invention discloses a method for detecting hidden objects in millimeter wave human body image based on the decomposition of block mixture gauss low rank matrix, which mainly solves the problems of low imaging quality caused by weak scattering echo of hidden objects in the prior art and low detection accuracy when the gray value of hidden objects is similar to human body. The implementation scheme is as follows: 1. Remove the abnormal points in the background of the imaging area of the original millimeter wave human body image, and divide the human body image into six parts according to the proportion of the human body parts; 2. Decompose each area of the human body through the mixed Gauss low rank matrix decomposition algorithm based on the block, and get the low rank part and the sparse part; 3. Binarize the sparse part with the morphological method to remove the small noise And get the final test results. Without a large number of training samples, the invention improves the detection rate of complex and diverse small and weak targets in millimeter wave human body image, and the detected concealment is more complete, which can be used to detect concealment carried by human body in airport and station public places.
【技术实现步骤摘要】
基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法
本专利技术属于图像处理
,更进一步涉及一种人体携带隐匿物的检测的方法,可用于检测机场、车站等公共场所中人体携带隐匿物。
技术介绍
近年来,国内外都在利用毫米波技术检测机场、车站等公共场所中人体携带隐匿物,如水瓶、打火机、手枪、手电筒、雷管、刀子、炸药、毒品等。由于传统的金属探测仪对非金属和小物体很难探测到,x-射线不仅对人体有伤害,且探测不到衣着宽松的人携带的异物。而毫米波雷达能够近距成像,不仅能穿透衣物,且对人体无辐射伤害,是目前危险物检测的流行成像技术。但是由于现有的毫米波扫描仪成像质量差,且人体形态各异,隐匿物种类大小材质各不相同,人体背景对目标的干扰很大,弱小目标的检测较为困难。目前,针对目标检测的研究方法主要分为两类:传统方法和深度学习。其中,传统方法一般基于图像分类或图像分割的思想。深度学习主要是提取图像的深层语义特征,典型方法有Fast-RCNN、SSD、YOLO等。这两类方法的主要思想都是提取目标的浅层特征或深层语义特征,达到目标检测的效果。基于图像分类或分割思想的传统方法主要是提取特征和边缘信息,其极易受图像成像质量的影响。基于深度的学习方法需要大量的有标签的训练样本,且耗能大,受各种硬件设备条件限制。目前针对毫米波图像隐匿物检测的研究方法中,主要是基于图像分割的思想,先对原始图像增强,增大目标与背景的差异,提取灰度特征进而分割出目标。例如:华讯方舟科技有限公司在其申请的专利“一种基于毫米波图像的人体异物检测方法及系统技术方案”,专利申请号:201610855267,公开号:CN1 ...
【技术保护点】
1.基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法,其特征在于,包括:(1)通过毫米波雷达扫描仪得到一个人的正背面原始图像序列,对每张原始图像进行分割,得到人体轮廓的二值图,利用此二值图计算出人体身高,并去除原始图像中成像背景区域的异常点;再按照人体部位比例,将去除异常点后的人体图像划分为背部、臀部、左大腿、右大腿、左小腿和右小腿六个子区域;(2)采用基于块的混合高斯低秩矩阵分解方法对每个子区域图像进行分解,得到低秩部分和稀疏部分;(3)利用形态学方法对各子区域的稀疏部分,去除连通域面积小于15个像素点的噪点,得到各部位携带的隐匿物检测结果。
【技术特征摘要】
1.基于块混合高斯低秩矩阵分解的毫米波图像异物检测方法,其特征在于,包括:(1)通过毫米波雷达扫描仪得到一个人的正背面原始图像序列,对每张原始图像进行分割,得到人体轮廓的二值图,利用此二值图计算出人体身高,并去除原始图像中成像背景区域的异常点;再按照人体部位比例,将去除异常点后的人体图像划分为背部、臀部、左大腿、右大腿、左小腿和右小腿六个子区域;(2)采用基于块的混合高斯低秩矩阵分解方法对每个子区域图像进行分解,得到低秩部分和稀疏部分;(3)利用形态学方法对各子区域的稀疏部分,去除连通域面积小于15个像素点的噪点,得到各部位携带的隐匿物检测结果。2.根据权利要求1所述的方法,其中(1)中对原始毫米波人体图像进行分割,是通过基于阈值的方法,先将原始图像都除以255,归一化到0-1,再选择阈值0.15,将归一化后的图与该阈值比较:大于该阈值的像素点置为1,小于该阈值的像素点置为0,得到人体轮廓的二值图。3.根据权利要求1所述的方法,其中(1)中利用二值图计算出人体身高,是在二值图中轴线左右各5个像素点间,从上到下寻找像素值不为0的点,第一个不为0的像素点的纵坐标即为人体图像的高度。4.根据权利要求1所述的方法,其中(1)中利用二值图去除原始图像中成像背景区域的异常点,是通过将二值图与原始图像对应相乘,使得原始图中成像背景区域的像素值为0,实现原始图像中成像背景区域的异常点去除。5.根据权利要求1所述的方法,其中(1)中按照人体部位比例将人体分块,是按照背部占身高的25%,臀部占身高的13%,左大腿占身高的26%,右大腿占身高的26%,左小腿占身高的25%,右小腿占身高的25%的比例将人体图像分为六个子区域。6.根据权利要求1所述的方法,其中(2)中利用基于块的混合高斯低秩矩阵分解方法对每个子区域的图像进行分解,其实现如下:(2a)假设各子区域的图像序列可用张量表示为其中h,w,n分别表示图像的高、宽和图像数,将图像中的隐匿物人体部位和成像背景区域的噪声表示为(2b)用基于块的混合高斯模型对隐匿物建模:定义一个三维张量滑块后排列为矩阵的映射关系f:其中,p代表滑块大小,np是总滑块数,映射关系f表示将每个滑块拉成向量,排列为矩阵的一列;假设矩阵的第i列为则:...
【专利技术属性】
技术研发人员:王新林,刘振,赵英海,毛莎莎,焦昶哲,缑水平,
申请(专利权)人:西安电子科技大学,北京华航无线电测量研究所,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。