《一种基于毫米波成像的人体检测方法.pdf》由会员分享，可在线阅读，更多相关《一种基于毫米波成像的人体检测方法.pdf（29页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102697503 A (43)申请公布日 2012.10.03 CN 102697503 A *CN102697503A* (21)申请号 201210049549.0 (22)申请日 2012.02.29 A61B 5/06(2006.01) (71)申请人 北京无线电计量测试研究所 地址 100854 北京市海淀区北京市 142 信箱 408 分箱 (72)发明人 王威 王凯让 年丰 方维海 温鑫 (74)专利代理机构 北京正理专利代理有限公司 11257 代理人 王德桢 (54) 发明名称 一种基于毫米波成像的人体检测方法 (57) 摘要 本发明公开了一种基于。
2、毫米波成像的人体检 测方法， 该方法包括以下步骤 ： 对被检人员进行 毫米波扫描获得原始图像 ； 对所述原始图像进行 调整获得目标图像 ； 根据所述目标图像进行人体 部位的分割和定位 ； 生成人体模型。通过本发明 的基于毫米波成像的人体检测方法， 实现了对毫 米波图像中对人体部分的识别和处理， 为检验隐 匿物品及隐私保护技术提供了基础。 (51)Int.Cl. 权利要求书 2 页 说明书 14 页 附图 12 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 2 页 说明书 14 页 附图 12 页 1/2 页 2 1. 一种基于毫米波成像的人体检测方法， 其特征在于。
3、， 包括以下步骤 ： 对被检人员进行毫米波扫描获得原始图像 ； 对所述原始图像进行调整获得目标图像 ； 根据所述目标图像进行人体部位的分割和定位 ； 生成人体模型。 2. 根据权利要求 1 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述根据所 述目标图像进行人体部位的分割和定位还包括以下子步骤 ： 确定人体的竖直中心线 ； 确定所述目标图像人体各关键点的坐标并获得人体各部位之间的水平分割线 ； 确定人体各部位的宽度和斜率。 3. 根据权利要求 2 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述生成人 体模型包括 ： 根据所述各关键点的坐标、 所述人体各部位的宽度和斜率， 获。
4、得以矩形和 / 或平行四 边形组成的人体模型。 4. 根据权利要求 1 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述对所述 原始图像进行调整获得目标图像还包括以下子步骤 ： 对所述原始图像进行预处理获得初步去噪图像 ； 对所述初步去噪图像进行二值化获得初步二值图像 ； 对所述初步二值图像进行再处理获得所述目标图像。 5. 根据权利要求 4 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述对所述 原始图像进行预处理获得初步去噪图像进一步包括以下子步骤 ： 所述原始图像与背景图像灰度值进行差值运算 ； 图像平滑处理 ； 线性灰度变换。 6. 根据权利要求 4 所述的基于毫米波成。
5、像的人体检测方法， 其特征在于， 所述对所述 初步去噪图像进行二值化获得初步二值图像是利用脉冲耦合神经网络算法以熵最大为准 则选取二值化的阈值。 7. 根据权利要求 4 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述对所述 初步二值图像进行再处理获得所述目标图像是通过形态学滤波。 8. 根据权利要求 7 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述通过形 态学滤波包括 ： 使用边长为 5 的正方形结构元素进行腐蚀运算消除人体外的明亮噪声点 ； 使用边长为 4 的正方形结构元素进行开运算保持图像大小的同时消除人体边缘的孤 立区域和毛刺 ； 使用边长为 4 的正方形结构元素进。
6、行闭运算保持图像大小的同时填充人体内的细小 空洞， 并且平滑人体的边缘 ； 使用边长为 5 的正方形结构元素进行膨胀运算使图像恢复到原大小。 9. 根据权利要求 4 所述的基于毫米波成像的人体检测方法， 其特征在于， 所述对所述 原始图像进行预处理获得初步去噪图像还包括以下子步骤 ： 权 利 要 求 书 CN 102697503 A 2 2/2 页 3 对所述原始图像进行图像增强。 权 利 要 求 书 CN 102697503 A 3 1/14 页 4 一种基于毫米波成像的人体检测方法 技术领域 0001 本发明涉及安检领域的检测方法， 更具体地， 本发明涉及一种基于毫米波成像的 人体检测方法。
7、。 背景技术 0002 在安检领域中， 针对人体及其隐匿物品的检测， 有如下多种方式 ： 金属探测器、 X 光透视、 红外检测以及毫米波检测等。 金属探测器是通过电磁感应来实现， 只能判断金属物 的有无， 不能成像或确定物体位置。X 光透视设备具有很强的穿透性， 一般用于针对行李物 品的检测， 如直接对人体检测会对人危险较大， 因此安检中一般很少用于对人体检测。 红外 检测是利用物体的热辐射特性来进行成像， 安检中可用于对人体的检测。红外图像中的物 体的亮度主要取决于物体的温度和辐射的热量及物体的表面辐射特性， 其特点是没有显著 的棱角、 边缘信息， 其边缘线条圆滑， 灰度变化缓慢， 对物体的。
8、形状细节和微小的姿态变化 不敏感。这些特点使得对红外图像中的人体进行检测具有一定的困难。 0003 毫米波 (3GHz-300GHz) 是一种介于光波和无线电波之间的电磁波。毫米波可以穿 透所有衣物布料， 且人体辐射的毫米波能量较金属、 陶瓷、 塑料炸药、 粉状炸药及衣物、 绝缘 材料等要强， 利用主 / 被动毫米波技术能够探测出隐藏在人体表面的各种刀具、 枪支、 爆炸 物等违禁物品。由于比金属探测技术能力更强， 比射线技术更安全， 近 10 年来人体毫米波 安检技术得到快速发展。被动型的焦平面阵列扫描技术、 多波束频率扫描技术和主动型的 三维全息毫米波技术相继得到试验和应用。利用主动毫米波安。
9、检设备对人体成像后， 图像 中可以较清晰的显示人体特征以及人体携带的多种物品。 0004 首先， 毫米波安检中， 人体图像的分析是重要组成环节。人体毫米波成像以后， 如 何对人体图像进行检测分析， 是安检系统实现目标检测自动化的基础， 是后续处理中对隐 匿物品位置在人体上的标示以及对人体图像隐私保护的基础。 0005 其次， 在毫米波成像之后如何对隐匿物品进行检测及在人体上的标示， 现有技术 中是通过人工分析的方法， 其中图像增强技术和多帧比较技术在人工分析中得到应用， 但 需要通过专业人士的解读分析， 方可实现对隐匿物品的辨识和定位。 尽管基于灰度多阈值、 边界提取、 边缘检测、 区域分割、。
10、 小波变换、 形态学、 模糊数学、 遗传算法、 神经网络、 信息熵 等方法的图像分割技术在隐匿物品的自动检测中得到尝试和应用， 但是由于与人类视觉机 理相脱节， 仅利用图像中的灰度和空间信息对图像进行分割， 仍会产生和人类视觉不一致 的情况。 而基于人体先验模型的定位分析方法， 在人体的运动跟踪中得到应用， 降低了跟踪 的复杂程度， 其中主要包括如图 32 所示的条带模型、 图 33 的棒状模型等， 但是由于条状模 型只包含人体轮廓信息， 如结构、 形状、 姿态等， 而棒状模型只包含人体各个关节点， 都只能 限于人体的检测， 尚不能直接解决隐匿物品在人体的自动检测和识别问题。 0006 第三，。
11、 通过毫米波扫描成像， 可以检测人体上的隐匿物品信息， 但同时会造成人体 隐私(如面部和隐私部位)的暴露和显示， 毫米波成像后如何对图像进行分析处理， 显示隐 匿物品前屏蔽人体的隐私信息也是安检系统中需要解决的一项技术问题。 说 明 书 CN 102697503 A 4 2/14 页 5 发明内容 0007 本发明目的在于提供一种基于毫米波成像的人体检测方法和装置， 实现在毫米波 扫描中对人体各部位的识别和定位。 0008 该方法包括以下步骤 ： 对被检人员进行毫米波扫描获得原始图像 ； 对所述原始图 像进行调整获得目标图像 ； 根据所述目标图像进行人体部位的分割和定位 ； 生成人体模 型。 。
12、0009 进一步地， 所述根据所述目标图像进行人体部位的分割和定位还包括以下子步 骤 ： 确定人体的竖直中心线 ； 确定所述目标图像人体各关键点的坐标并获得人体各部位之 间的水平分割线 ； 确定人体各部位的宽度和斜率。 0010 进一步地， 所述生成人体模型包括 ： 根据所述各关键点的坐标、 所述人体各部位的 宽度和斜率， 获得以矩形和 / 或平行四边形组成的人体模型。 0011 进一步地， 所述对所述原始图像进行调整获得目标图像还包括以下子步骤 ： 对所 述原始图像进行预处理获得初步去噪图像 ； 对所述初步去噪图像进行二值化获得初步二值 图像 ； 对所述初步二值图像进行再处理获得所述目标图像。
13、。 0012 进一步地， 所述对所述原始图像进行预处理获得初步去噪图像进一步包括以下子 步骤 ： 所述原始图像与背景图像灰度值进行差值运算 ； 图像平滑处理 ； 线性灰度变换。 0013 进一步地， 所述对所述初步去噪图像进行二值化获得初步二值图像是利用脉冲耦 合神经网络算法以熵最大为准则选取二值化的阈值。 0014 进一步地， 所述对所述初步二值图像进行再处理获得所述目标图像是通过形态学 滤波。 0015 进一步地， 所述通过形态学滤波包括 ： 使用边长为 5 的正方形结构元素进行腐蚀 运算消除人体外的明亮噪声点 ； 使用边长为 4 的正方形结构元素进行开运算保持图像大小 的同时消除人体边缘。
14、的孤立区域和毛刺 ； 使用边长为 4 的正方形结构元素进行闭运算保持 图像大小的同时填充人体内的细小空洞， 并且平滑人体的边缘 ； 使用边长为 5 的正方形结 构元素进行膨胀运算使图像恢复到原大小。 0016 进一步地， 所述对所述原始图像进行预处理获得初步去噪图像还包括以下子步 骤 ： 对所述原始图像进行图像增强。 0017 相应地， 本发明的基于毫米波成像的人体检测装置， 包括 ： 扫描装置， 用于对被检 人员进行毫米波扫描获得原始图像 ； 调整模块， 用于对所述原始图像进行调整获得目标图 像 ； 分割定位模块， 用于根据所述目标图像进行人体部位的分割和定位 ； 人体模型生成模 块， 用于。
15、生成人体模型。 0018 进一步地， 所述分割定位模块还包括以下子模块 ： 竖直中心线模块， 用于确定人体 的竖直中心线 ； 坐标水平线模块， 用于确定所述目标图像人体各关键点的坐标并获得人体 各部位之间的水平分割线 ； 宽度斜率模块， 用于确定人体各部位的宽度和斜率。 0019 进一步地， 所述人体模型生成模块进一步用于根据所述各关键点的坐标、 所述人 体各部位的宽度和斜率， 获得以矩形和 / 或平行四边形组成的人体模型。 0020 进一步地， 所述调整模块还包括以下子模块 ： 预处理模块， 用于对所述原始图像进 行预处理获得初步去噪图像 ； 二值化模块， 用于对所述初步去噪图像进行二值化获。
16、得初步 说 明 书 CN 102697503 A 5 3/14 页 6 二值图像 ； 再处理模块， 用于对所述初步二值图像进行再处理获得所述目标图像。 0021 进一步地， 所述预处理模块进一步包括以下单元 ： 0022 差值运算单元， 用于将所述原始图像与背景图像灰度值进行差值运算 ； 平滑处理 单元， 用于进行图像平滑处理 ； 线性变化单元， 用于进行线性灰度变换。 0023 进一步地， 所述二值化模块进一步利用脉冲耦合神经网络算法以熵最大为准则选 取二值化的阈值。 0024 进一步地， 所述再处理模块进一步通过形态学滤波进行再处理。 0025 进一步地， 所述通过形态学滤波包括 ： 使用。
17、边长为 5 的正方形结构元素进行腐蚀 运算消除人体外的明亮噪声点 ； 使用边长为 4 的正方形结构元素进行开运算保持图像大小 的同时消除人体边缘的孤立区域和毛刺 ； 使用边长为 4 的正方形结构元素进行闭运算保持 图像大小的同时填充人体内的细小空洞， 并且平滑人体的边缘 ； 使用边长为 5 的正方形结 构元素进行膨胀运算使图像恢复到原大小。 0026 进一步地， 所述预处理模块还包括 ： 图像增强单元， 用于对所述原始图像进行图像 增强。 0027 通过本发明的基于毫米波成像的人体检测方法和装置， 实现了对毫米波图像中对 人体部分的识别和处理， 为后续检验隐匿物品及隐私保护提供了基础。 002。
18、8 本发明目的还在于提供一种隐匿物品的自动检测和识别方法和装置实现在毫米 波扫描中对隐匿物品在人体上分布的定位和识别由人工变为自动， 降低人员的使用要求。 0029 所述隐匿物品的自动检测和识别方法， 包括以下步骤 ： 对被检人员进行毫米波扫 描获得原始图像 ； 对所述原始图像进行调整获得目标图像 ； 根据所述目标图像进行人体部 位的分割和定位 ； 生成条棒结合模型 ； 根据所述原始图像对非人体目标进行检测， 获得非 人体目标分布原始图像 ； 利用所述条棒结合模型获得所述非人体目标分布原始图像相对于 人体的位置分布信息 ； 对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置 分布信息。。
19、 0030 进一步地， 所述生成条棒结合模型包括以下子步骤 ： 生成提供人体各关键点的棒 状模型 ； 生成提供人体轮廓信息的条带模型 ； 结合所述棒状模型和所述条带模型， 生成条 棒结合模型。 0031 进一步地， 所述根据所述原始图像对非人体目标进行检测， 获得非人体目标分布 原始图像包括以下子步骤 ： 对所述原始图像进行边缘检测， 初步识别非人体目标 ； 通过数 学形态学运算突出显示非人体目标分布区域 ； 根据所述非人体目标分布区域的边界选取最 小外切矩形获得非人体目标规则区域分布图 ； 融合所述非人体目标规则区域分布图和所述 原始图像， 获得所述非人体目标原始图像。 0032 进一步地，。
20、 所述利用所述条棒结合模型获得所述非人体目标分布原始图像相对于 人体的位置分布信息是通过将所述非人体目标分布原始图像输入到所述条棒结合模型上。 0033 进一步地， 所述对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位 置分布信息包括以下子步骤 ： 对人体裸露部位进行定位 ； 将分布在人体裸露部位上的非人 体目标确定为非隐匿物品， 将分布在人体裸露部位之外的非人体目标确定为隐匿物品 ； 剔 除所述非隐匿物品的原始图像并显示隐匿物品原始图像在所述条棒结合模型上的分布信 息。 说 明 书 CN 102697503 A 6 4/14 页 7 0034 相应地， 本发明的隐匿物品的自动检测和识。
21、别装置， 包括 ： 扫描装置， 用于对被检 人员进行毫米波扫描获得原始图像 ； 调整模块， 用于对所述原始图像进行调整获得目标图 像 ； 分割定位模块， 用于根据所述目标图像进行人体部位的分割和定位 ； 条棒结合模型生 成模块， 用于生成条棒结合模型 ； 非人体目标初步检测模块， 用于根据所述原始图像对非人 体目标进行检测， 获得非人体目标分布原始图像 ； 非人体目标分布模块， 用于利用所述条棒 结合模型获得所述非人体目标分布原始图像相对于人体的位置分布信息 ； 类别辨识模块， 用于对所述非人体目标进行类别辨识并显示隐匿物品相对于人体的位置分布信息。 0035 进一步地， 所述条棒结合模型生成。
22、模块包括以下子模块 ： 棒状模型生成模块， 用于 生成提供人体各关键点的棒状模型 ； 条带模型生成模块， 用于生成提供人体轮廓信息的条 带模型 ； 结合模块， 用于结合所述棒状模型和所述条带模型。 0036 进一步地， 所述非人体目标初步检测模块包括以下子模块 ： 边缘检测模块， 用于对 所述原始图像进行边缘检测， 初步识别非人体目标 ； 突出显示模块， 用于通过数学形态学运 算突出显示非人体目标分布区域 ； 规则化模块， 用于根据所述非人体目标分布区域的边界 选取最小外切矩形获得非人体目标规则区域分布图 ； 融合模块， 用于融合所述非人体目标 规则区域分布图和所述原始图像， 获得所述非人体目。
23、标原始图像。 0037 进一步地， 所述非人体目标分布模块是通过将所述非人体目标分布原始图像输入 到所述条棒结合模型上。 0038 进一步地， 所述类别辨识模块包括以下子模块 ： 裸露部位定位模块， 用于对人体裸 露部位进行定位 ； 分类模块， 用于将分布在人体裸露部位上的非人体目标确定为非隐匿物 品， 将分布在人体裸露部位之外的非人体目标确定为隐匿物品 ； 显示模块， 用于剔除所述非 隐匿物品的原始图像并显示隐匿物品原始图像在所述条棒结合模型上的分布信息。 0039 通过本发明的隐匿物品的自动检测和识别的方法和装置， 实现了将隐匿物品的检 测和识别从人工变为自动， 降低了人员的使用要求， 减。
24、小了人为误差， 缩短了检测判读时 间。 0040 本发明目的还在于提供一种基于毫米波成像的隐私保护方法和装置， 实现了毫米 波扫描中对被检人员的隐私保护。 0041 本发明的基于毫米波成像的隐私保护方法， 包括以下步骤 ： 对被检人员进行毫米 波扫描获得原始图像 ； 根据所述原始图像进行人体检测和隐匿物品检测 ； 确定人体的隐私 部位 ； 对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息。 0042 进一步地， 所述确定人体的隐私部位包括 ： 判断被检人员的性别， 当被检人员为男 性时， 头部区域和人体腰部向下躯干宽度 1/2 的区域确定为隐私部位， 当被检人员为女性 时， 人体头部区域、。
25、 人体腰部向下躯干宽度 1/2 的区域以及人体躯干从躯干上端向下至躯 干高度 1/2 的区域为隐私部位。 0043 进一步地， 所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包 括 ： 在所述原始图像上对隐私部位进行模糊化处理形成部分模糊化原始图像 ； 在所述部分 模糊化原始图像上将所述隐匿物品用标示框划出。 0044 进一步地， 所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包 括 ： 选择所述人体检测中的目的图像 ； 判断隐匿物品是否处于人体的隐私部位， 如果是， 则 使用与人体颜色不同的色彩块表示隐匿物品并在所述目的图像上标示 ； 如果否， 则将隐匿 说 明 书 CN。
26、 102697503 A 7 5/14 页 8 物品的原始图像显示在所述目的图像上。 0045 进一步地， 所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包 括 ： 在所述原始图像上对人体进行全部模糊化处理形成全部模糊化原始图像 ； 判断隐匿物 品是否处于人体的隐私部位， 如果是， 则使用与人体颜色不同的色彩块表示隐匿物品并在 所述全部模糊化原始图像上标示 ； 如果否， 则将隐匿物品的原始图像显示在所述全部模糊 化原始图像上。 0046 进一步地， 所述对人体的隐私部位进行屏蔽并标示出人体上的隐匿物品信息包 括 ： 选择所述人体检测中的人体模型 ； 使用与人体模型颜色不同的色彩块表示。
27、隐匿物品并 在所述人体模型上标示。 0047 相应地， 本发明的基于毫米波成像的隐私保护装置包括 ： 扫描装置， 用于对被检人 员进行毫米波扫描获得原始图像 ； 检测装置， 用于根据所述原始图像进行人体检测和隐匿 物品检测 ； 隐私部位确定模块， 用于确定人体的隐私部位 ； 隐私屏蔽模块， 用于对人体的隐 私部位进行屏蔽并标示出人体上的隐匿物品信息。 0048 进一步地， 所述隐私部位确定模块进一步用于 ： 判断被检人员的性别， 当被检人员 为男性时， 头部区域和人体腰部向下躯干宽度 1/2 的区域确定为隐私部位， 当被检人员为 女性时， 人体头部区域、 人体腰部向下躯干宽度 1/2 的区域以。
28、及人体躯干从躯干上端向下 至躯干高度 1/2 的区域为隐私部位。 0049 进一步地， 所述隐私屏蔽模块进一步包括以下子模块 ： 部分模糊化模块， 用于在所 述原始图像上对隐私部位进行模糊化处理形成部分模糊化原始图像 ； 第一标示模块， 用于 在所述部分模糊化原始图像上将所述隐匿物品用标示框划出。 0050 进一步地， 所述隐私屏蔽模块进一步包括 ： 选择目的图像模块， 用于选择所述人体 检测中的目的图像 ； 第二标示模块， 用于判断隐匿物品是否处于人体的隐私部位， 如果是， 则使用与人体颜色不同的色彩块表示隐匿物品并在所述目的图像上标示 ； 如果否， 则将隐 匿物品的原始图像显示在所述目的图。
29、像上。 0051 进一步地， 所述隐私屏蔽模块进一步包括 ： 全部模糊化模块， 用于在所述原始图像 上对人体进行全部模糊化处理形成全部模糊化原始图像 ； 第三标示模块， 用于判断隐匿物 品是否处于人体的隐私部位， 如果是， 则使用与人体颜色不同的色彩块表示隐匿物品并在 所述全部模糊化原始图像上标示 ； 如果否， 则将隐匿物品的原始图像显示在所述全部模糊 化原始图像上。 0052 进一步地， 所述隐私屏蔽模块进一步包括 ： 选择模型模块， 用于选择所述人体检测 中的人体模型 ； 第四标示模块， 用于使用与人体模型颜色不同的色彩块表示隐匿物品并在 所述人体模型上标示。 0053 通过本发明的基于毫。
30、米波成像的隐私保护方法和装置， 避免了检测隐匿物品时对 人体隐私的暴露， 实现了对人体隐私部位的有效保护。 附图说明 0054 下面将参照附图并结合实施例对本发明进行具体说明。 0055 图 1 为基于毫米波成像的人体检测方法基本流程图 ； 0056 图 2 为基于毫米波成像的人体检测装置基本结构图 ； 说 明 书 CN 102697503 A 8 6/14 页 9 0057 图 3 为原始图像 ； 0058 图 4 为初步去噪图像 ； 0059 图 5 为初步二值图像 ； 0060 图 6 为基于毫米波成像的人体检测方法中步骤 S2 的流程图 ； 0061 图 7 为基于毫米波成像的人体检测。
31、装置中调整模块的结构示意图 ； 0062 图 8 为目的图像 ； 0063 图 9 为人体骨干图 ； 0064 图 10 为人体分割效果图 ； 0065 图 11 为基于毫米波成像的人体检测方法中步骤 S3 的流程图 ； 0066 图 12 为基于毫米波成像的人体检测装置中分割定位模块的结构示意图 ； 0067 图 13 为基于毫米波成像的人体检测方法和装置中获得的人体模型图 ； 0068 图 14 为人体模型图与原始图像的对应效果图 ； 0069 图 15 为隐匿物品的自动检测和识别方法的基本流程图 ； 0070 图 16 为隐匿物品的自动检测和识别方法中步骤 S5 的流程图 ； 0071 。
32、图 17 为条棒结合模型图 ； 0072 图 18 为隐匿物品的自动检测和识别方法中步骤 S6 的流程图 ； 0073 图 19 为初步识别非人体目标图像 ； 0074 图 20 为非人体目标分布区域图 ； 0075 图 21 为非人体目标规则区域分布图 ； 0076 图 22 为非人体目标原始图像 ； 0077 图 23 为非人体目标原始图像在条棒结合模型上的分布图 ； 0078 图 24 为隐匿物品原始图像在条棒结合模型上的分布图 ； 0079 图 25 为隐匿物品的自动检测和识别方法中步骤 S8 的流程图 ； 0080 图 26 为基于毫米波成像的隐私保护方法的基本流程图 ； 0081 。
33、图 27 为基于毫米波成像的隐私保护装置的结构示意图 ； 0082 图 28 为隐私屏蔽的第一种实施方式的效果图 ； 0083 图 29 为隐私屏蔽的第二种实施方式的效果图 ； 0084 图 30 为隐私屏蔽的第三种实施方式的效果图 ； 0085 图 31 为隐私屏蔽的第四种实施方式的效果图 ； 0086 图 32 为背景技术中的条带模型示意图 ； 0087 图 33 为背景技术中的棒状模型示意图。 具体实施方式 0088 下面参照附图并借助本发明的实施例， 对本发明的技术方案做详细描述。 0089 本发明中的一种基于毫米波成像的人体检测方法， 包括以下步骤 ： S1、 对被检人员 进行毫米波。
34、扫描获得原始图像 ； S2、 对所述原始图像进行调整获得目标图像 ； S3、 根据所述 目标图像进行人体部位的分割和定位 ； S4、 生成人体模型。如图 1 所示。 0090 相应地， 如图 2 所示， 本发明还提供一种基于毫米波成像的人体检测装置， 包括 ： 0091 扫描装置 1， 用于执行步骤 S1， 对被检人员进行毫米波扫描获得原始图像 ； 说 明 书 CN 102697503 A 9 7/14 页 10 0092 调整模块 2， 用于执行步骤 S2， 对所述原始图像进行调整获得目标图像 ； 0093 分割定位模块 3， 用于执行步骤 S3， 根据所述目标图像进行人体部位的分割和定 位。
35、 ； 0094 人体模型生成模块 4， 用于执行步骤 S4， 生成人体模型。 0095 在步骤 S1 中， 要求被检人员进入毫米波扫描检测区， 通过扫描装置 1 毫米波主动 / 被动的方式进行扫描检测后得到原始图像如图 3 所示。扫描后的原始图像一般具有如下 特点 ： 图像整体不够清晰， 包含大量噪声。 0096 因此需要调整模块 2 进行步骤 S2， 对原始图像进行调整从而获得适于进行图像运 算和分割的目标图像， 如图 6， 步骤 S2 包括以下子步骤 ： S21、 对原始图像进行预处理获得初 步去噪图像 ； S22、 对初步去噪图像进行二值化获得初步二值图像 ； S23、 对初步二值图像进。
36、 行再处理获得所述目标图像。 0097 相应地， 如图 7， 调整模块 2 还包括以下子模块 ： 0098 预处理模块 21， 用于执行步骤 S21， 对所述原始图像进行预处理获得初步去噪图 像 ； 0099 二值化模块 22， 用于执行步骤 S22， 对所述初步去噪图像进行二值化获得初步二 值图像 ； 0100 再处理模块 23， 用于执行步骤 S23， 对所述初步二值图像进行再处理获得所述目 标图像。 0101 进一步地， 预处理模块 21 还包括图像增强单元、 差值运算单元、 平滑处理单元、 线 性变化单元。预处理模块 21 执行步骤 S21 需要进行以下几个子步骤 ： 0102 图像增。
37、强单元用于对原始图像进行图像增强使原始图像中人体区域与背景区域 的对比度增加， 改善图像视觉效果。 0103 差值运算单元用于通过原始图像与空背景图像的灰度值进行差值运算或者说原 始图像与空背景图像的灰度值相减， 从而消除系统噪声。空背景图像就是毫米波扫描检测 区内没有被检人员时进行扫描所形成的图像。 0104 平滑处理单元用于进行图像的平滑处理来去除图像中的随机噪声， 本单元中通过 使用算子对图像进行低通滤波实现平滑操作。 0105 线性变化单元用于对图像进行灰度拉伸或称分区线性变换， 对图像中不感兴趣的 背景区域的灰度范围进行压缩， 人体区域灰度范围进行扩展， 从而突出人体部分， 使人体部。
38、 分整体清晰， 最终获得了初步去噪图像， 如图 4 所示。 0106 进一步地， 二值化模块 22 所执行的步骤 S22、 对初步去噪图像进行二值化获得初 步二值图像是利用脉冲耦合神经网络 (PCNN) 算法以熵最大为准则选取二值化的阈值， 利 用该阈值将初步去噪图像的灰度图转换为二值化的图像， 从而实现图像中人体区域与背景 区域的分割。 0107 如何准确的通过选取阈值来将人体与背景较完整的进行分割是问题的关键， 这里 使用较为成熟的脉冲耦合神经网络 (PCNN) 技术， PCNN 是 90 年代 Eckhom 等基于猫等哺乳 动物的视觉特性研究提出的基于脉冲耦合神经网络模型， 该模型用于图。
39、像的阈值选取的迭 说 明 书 CN 102697503 A 10 8/14 页 11 代过程， 迭代公式如下 ： 0108 0109 0110 0111 0112 0113 F 就是第 i、 j 个神经元的 n 次反馈输入 Fi， jn， Ii， jn 为输入刺激信号 ( 这里为 图像像素构成的矩阵中第 i、 j 个像素的灰度值 )、 为连接系数、 Li， jn 是连接项、 Ti， jn 为动态门限， 即本发明中所要求解的阈值、 Yi， jn 是 PCNN 脉冲输出值、 Ui， jn 为内部活动 项。其中内部连接矩阵 M、 W( 一般 W M) 的 Mi， j， k， l、 Wi， j， k，。
40、 l分别为 Fi， jn、 Li， jn 中 Yi， jn 的加权系数， F、 L、 T分别为 Fi， jn、 Li， jn、 Ti， jn 的衰减时间常数， VF、 VL、 VT分 别为 Fi， jn、 Li， jn、 Ti， jn 中的固有电势。 0114 熵是图像统计特性的一种表现形式， 反映了图像包含信息量的大小。对于图像来 说， 一般分割后图像熵值越大， 说明分割后从原图得到信息量越大， 分割图像细节越丰富， 因而总体分割效果也应越好。本专利使用熵最大为准则作为 PCNN 迭代结束的准则。熵的 计算公式为 ： 0115 H1(P) -P1log2P1-P0log2P0。 0116 其。
41、中， P1、 P0分别表示脉冲输出值 Yn 为 1、 为 0 的概率。本发明通过设定一个很 大的迭代次数 n， 如 n 100， 使用 PCNN 算法进行迭代运算， 每次运算结束后求出对应的熵 H1(P)， 然后比较 n 次运算得到的熵值， 取得其中熵最大的值 H1max(P) 时的迭代次数 Nmax。迭 代次数为 Nmax时获得了阈值 TNmax， 此时 PCNN 输出的 YNmax 构成了在 PCNN 其他各项参数 一定情况下， 总体分割效果最佳的二值图像。其中 YNmax 为 1 的部分为背景部分， YNmax 为 0 的部分为人体部分。 0117 适应于上述计算过程的 PCNN 公式中。
42、各参数的取值范围为 ： 0118 F L T VF VL VT 0.1 0.6 1 10 0.1 0.6 0.1 0.5 0.1 0.5 2 10 0.1 0.6 0119 W、 M两个算子可使用1/r或1/r2的元素形式构成的矩阵， r表示算子的矩阵边长。 0120 优选地， 本发明可以取以下参数值 ： F 0.2， L 2， T 0.1， VF 0.1， VL 0.5， VT 20， 0.5，进行计算， 获得的最佳效果的 初步二值图像如图 5 所示。 说 明 书 CN 102697503 A 11 9/14 页 12 0121 进一步地， 再处理模块 23 所执行的步骤 S23、 对所述初。
43、步二值图像进行再处理获 得所述目标图像， 是通过形态学滤波。 由于阈值分割会造成图像噪声， 该噪声主要是人体部 分外的孤立明亮噪声点或是人体内的孤立暗噪声点。为了去除这些噪声， 本发明用到的方 法是对初步二值图像应用数学形态学运算方法进行滤波和变换， 得到一个具有清晰平滑轮 廓的二值化的图像即所述目标图像， 如图 8 所示， 从而利于后续的处理。 0122 数学形态学运算方法主要包括腐蚀运算、 膨胀运算、 开运算和闭运算。 0123 腐蚀运算可以减弱甚至消除小于结构元素明亮区域， 从而可以用来有效地去除孤 立噪声点边界上不平滑的凸出部分。 0124 膨胀运算是将与目标物体接触的所有背景点合到物。
44、体中的过程， 可填补空洞和形 成连同域以及平图像边界上不平滑的凹陷部分。 0125 开运算是先对图像进行腐蚀运算再进行膨胀运算， 能去除掉图像中的孤立区域和 毛刺， 利用可以消除形状小于结构元素的噪声点， 根据目标噪声的特点， 选择合适的结构元 素， 就能剔除目标噪声， 而将背景保留下来。 0126 闭运算是先对图像进行膨胀运算再进行腐蚀运算， 可以填充物体内的细小空洞， 连接邻近物和平滑物体边界。 0127 其中， 结构元素是数学形态学运算的基本算子， 选择使用的结构元素主要在于结 构元素的形状和尺寸。 0128 优选地， 本方法所使用的形态学运算可以是以下处理过程 ： (1) 使用边长为 。
45、5 的正 方形结构元素对图像进行腐蚀运算消除图像中人体外的明亮噪声点 ； (2) 使用边长为 4 的 正方形结构元素对图像进行开运算， 保持图像大小同时消除人体边缘的孤立区域和毛刺 ； (3) 使用边长为 4 的正方形结构元素对图像进行闭运算， 保持图像大小的同时填充人体内 的细小空洞， 并且平滑人体的边界 ； (4) 使用边长为 5 的正方形结构元素对图像进行膨胀操 作使图像恢复到原大小。通过该过程可以去除长和宽均小于 5 的噪声， 填补人体上长和宽 均小于 5 的空洞， 处理完成后形成的目标图像中包含一个近似完整的人体部分， 使人体特 征更加明显。 0129 另外， 如果图像中还有面积较大。
46、没有被消除的白色干扰区域， 可以通过计算图像 中各连通区域的面积， 去掉面积较小的区域。 0130 进一步地， 如图 11， 步骤 S3、 根据所述目标图像进行人体部位的分割和定位还包 括以下子步骤 ： S31、 确定人体的竖直中心线 ； S32、 确定所述目标图像人体各关键点的坐标 并获得人体各部位之间的水平分割线 ； S33、 确定人体各部位的宽度和斜率。 0131 相应地， 如图 12 所示， 分割定位模块 3 还包括以下子模块 ： 0132 竖直中心线模块 31， 用于执行步骤 31、 确定人体的竖直中心线 ； 0133 坐标水平线模块 32， 用于执行步骤 32、 确定所述目标图像人。
47、体各关键点的坐标并 获得人体各部位之间的水平分割线 ； 0134 宽度斜率模块 33， 用于执行步骤 33、 确定人体各部位的宽度和斜率。 0135 在竖直中心线模块 31 执行步骤 S31 中确定人的竖直中心线的位置时， 由于目标 图像中的人体区域具有左右对称性， 因此计算该人体区域的图像总的像素和， 如用 S0表示， 然后从人体区域左侧边缘开始按图像的列从左向右计算人体部分图像的像素和， 如用 S1表 示， 当 S1为 S0的 1/2 时， 当前列即为人体的竖直中心线。 说 明 书 CN 102697503 A 12 10/14 页 13 0136 在坐标水平线模块32执行步骤S32中， 。
48、人体各关键点的坐标就是人体各部位的位 置坐标， 如边缘端点坐标、 中心点的坐标等， 人体部位包括 ： 头顶、 脚底、 脖子、 躯干上端、 躯 干下端(腰部)、 裆部、 膝盖、 手指尖以及肘部。 人体各关键点的坐标以及各部位之间的水平 分割线是相互推算的过程， 具体如下 ： 0137 沿人体的竖直中心线从图像顶部向下， 找到的第一个人体区域边界点， 判断从该 点继续向下若具有连续且长度不小于图像高度的 1/10 同灰度值， 则确定该点为人体的头 顶中心点， 该点所处的水平线为人体的头顶水平线 H2。 0138 而人体脚的位置在图像中是固定的位置， 因此可以确定脚底坐标以及所处的水平 线为 H9。因为成像时人所站的位置是固定的， 用头顶的纵坐标减去脚底的纵坐标可以得到 人的身高 H。 0139 根据人体解剖学判断， 人头部约占身高的 15， 可以确定脖子上端的坐标以及所 处的水平线 H4。脖子的高度约占头部高度的 45， 故可以确定躯干上端的边缘端点的坐标 以及所处的水平线 H5。 0140 对图 8 的所表示目标图像进行细化还可以得到人体骨干图， 如图 9 所示。 0141 在图 9 人体骨干图中， 躯干与两腿的交叉点作为人体躯干下端的位。