一種被動(dòng)毫米波圖像中人體隱匿物品的檢測方法

穆森++單海婧++周錦源++邱桂蘋

摘 要：根據(jù)被動(dòng)毫米波圖像的特點(diǎn)，需要設(shè)計(jì)一種適應(yīng)并且有效的被動(dòng)毫米波圖像中人體隱匿危險(xiǎn)物品的檢測方法。該文提出了一種被動(dòng)毫米波圖像中人體隱匿物品的檢測方法，首先，對(duì)原始被動(dòng)毫米波圖像進(jìn)行預(yù)處理，通過插值重建后，采用三次迭代增強(qiáng)方法進(jìn)行圖像增強(qiáng)，獲取處理后的被動(dòng)毫米波圖像，以使被動(dòng)毫米波圖像目標(biāo)與背景進(jìn)行明顯區(qū)分；然后，通過對(duì)人體是否存在進(jìn)行預(yù)判斷，若存在則進(jìn)行人體目標(biāo)檢測，獲取人體區(qū)域；最后，采用兩次迭代分割的方法對(duì)人體區(qū)域內(nèi)的隱匿物品進(jìn)行檢測，并對(duì)檢測到的隱匿物品區(qū)域進(jìn)行標(biāo)記。實(shí)驗(yàn)結(jié)果表明，該方法能有效地檢測出被動(dòng)毫米波圖像中的人體隱匿物品，具有較高的準(zhǔn)確性。

關(guān)鍵詞：被動(dòng)毫米波圖像 圖像預(yù)處理 人體檢測 人體隱匿物品檢測

中圖分類號(hào)：TH74 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）12（c）-0202-02

毫米波是指波長范圍在1～10 mm之間的電磁波，其頻率范圍從30GHZ到300 GHZ。毫米波成像系統(tǒng)分為主動(dòng)和被動(dòng)兩種工作模式，在探測人體隱匿物體的應(yīng)用中，被動(dòng)毫米波成像系統(tǒng)占據(jù)了主要地位[1]。被動(dòng)毫米波成像系統(tǒng)不僅可以檢測出隱藏在織物下的金屬物體，還可以檢測出塑料、液體、炸藥等危險(xiǎn)品，獲得的信息更加詳盡準(zhǔn)確，可以大大地降低誤警率。除此之外，被動(dòng)毫米波成像系統(tǒng)不發(fā)射電磁波，不會(huì)對(duì)人體造成任何傷害。近年來，被動(dòng)毫米波成像技術(shù)在人員安檢等方面得到了越來越廣泛的應(yīng)用，因此完成被動(dòng)毫米波圖像中人體隱匿危險(xiǎn)物品的檢測具有重要的意義。

現(xiàn)有的人體隱匿危險(xiǎn)物品的檢測方法主要是針對(duì)微波圖像[2-3]、紅外圖像[4]、太赫茲THz圖像[5]等，所采用的物品檢測算法都是根據(jù)自身圖像的成像特點(diǎn)設(shè)計(jì)的。在被動(dòng)毫米波圖像中人體隱匿危險(xiǎn)物品的檢測中，現(xiàn)有的物體檢測算法并不適用，主要原因包括：一是被動(dòng)毫米波成像技術(shù)結(jié)構(gòu)復(fù)雜造價(jià)昂貴，將毫米波成像技術(shù)用于藏匿物品的探測還處于初級(jí)階段，被動(dòng)毫米波成像系統(tǒng)所采集到的圖像較之上述幾類圖像，圖像中的噪聲和模糊現(xiàn)象嚴(yán)重，分辨率低，不能很好地反映目標(biāo)場景的特性，圖像達(dá)不到所要求的質(zhì)量，藏匿在衣服下的物體形狀模糊難以辨別；二是圖像中包含的隱匿物體種類更詳細(xì)，包含金屬、塑料、液體、炸藥等，表現(xiàn)在灰度圖像中灰度值有高有低，亮度有明有暗，增加了檢測的難度。

綜上，根據(jù)被動(dòng)毫米波圖像的特點(diǎn)，該文提出了一種被動(dòng)毫米波圖像中人體隱匿物品的檢測方法，包括：圖像預(yù)處理步驟，對(duì)采集到的原始被動(dòng)毫米波圖像，通過插值重建后，采用三次迭代增強(qiáng)方法進(jìn)行圖像增強(qiáng)，獲取被動(dòng)毫米波圖像，以使所述被動(dòng)毫米波圖像目標(biāo)與背景進(jìn)行明顯區(qū)分[6]。人體區(qū)域檢測步驟，基于所述被動(dòng)毫米波圖像，通過對(duì)人體是否存在的預(yù)判斷，進(jìn)行人體目標(biāo)檢測，獲取人體區(qū)域；隱匿物品檢測步驟：在所述人體區(qū)域內(nèi)，采用兩次迭代分割的方法，對(duì)隱匿物品進(jìn)行檢測，并對(duì)檢測到的隱匿物品區(qū)域進(jìn)行標(biāo)記。

1 被動(dòng)毫米波圖像預(yù)處理

該研究采用插值重建和三次迭代增強(qiáng)對(duì)被動(dòng)毫米波圖像進(jìn)行預(yù)處理，解決被動(dòng)毫米波圖像目標(biāo)與背景區(qū)分不明顯，對(duì)比度低，噪聲大等問題。

在插值重建中，采用立方卷積插值算法對(duì)被動(dòng)毫米波圖像進(jìn)行插值重建，該算法利用待插值點(diǎn)周圍的16個(gè)點(diǎn)的灰度值做立方卷積差值，不僅考慮到4個(gè)直接相鄰點(diǎn)的灰度影響，而且考慮到各鄰點(diǎn)之間灰度值變化率的影響。該插值算法重建后的圖像更好的保留細(xì)節(jié)質(zhì)量，更接近高分辨率圖像的放大效果，有效提高了圖像的分辨率。

對(duì)完成插值重建后的被動(dòng)毫米波圖像進(jìn)行三次迭代增強(qiáng)處理，提高所述被動(dòng)毫米波圖像的對(duì)比度，并降低背景的噪聲。迭代增強(qiáng)步驟如下：

（1）采用最大模糊熵準(zhǔn)則對(duì)被動(dòng)毫米波圖像進(jìn)行第一次增強(qiáng)處理，使目標(biāo)的亮度增強(qiáng)的同時(shí)抑制背景區(qū)域的噪聲，改善圖像的對(duì)比度。該方法考慮到了圖像中目標(biāo)與背景的最佳分離點(diǎn)往往表現(xiàn)在灰度直方圖的波谷位置，采用最大模糊熵準(zhǔn)則對(duì)圖像的直方圖進(jìn)行處理，求取目標(biāo)與背景的最佳分離點(diǎn)閾值，再利用多分段非線性函數(shù)在模糊閾中對(duì)閾值兩側(cè)的灰度值進(jìn)行非線性拉伸，將模糊隸屬度區(qū)域拉伸至，改善隸屬度的動(dòng)態(tài)范圍，并采用非線性變換增強(qiáng)了該區(qū)域中的隸屬度大小，以此同時(shí)將區(qū)間拉伸至，并將該區(qū)域中的隸屬度進(jìn)行壓縮，其中、、分別為圖像中像素最小值、最大值以及目標(biāo)與背景的最佳分離點(diǎn)的隸屬度。

（2）采用冪次變換方法對(duì)完成第一次迭代增強(qiáng)后的所述被動(dòng)毫米波圖像進(jìn)行第二次增強(qiáng)處理，以使所述被動(dòng)毫米波圖像的高灰度級(jí)擴(kuò)展，壓縮低灰度級(jí)，進(jìn)一步改善圖像的對(duì)比度。

（3）采用自適應(yīng)中值濾波算法對(duì)完成第二次迭代增強(qiáng)后的所述被動(dòng)毫米波圖像進(jìn)行第三次增強(qiáng)處理，實(shí)現(xiàn)清除椒鹽噪聲，處理空間中的沖激噪聲，并平滑非沖激噪聲。

2 人體區(qū)域檢測

該研究為了使人體區(qū)域分割結(jié)果更加精確減小誤分割率，在進(jìn)行人體區(qū)域分割前，先對(duì)被動(dòng)毫米波圖像中是否存在人體目標(biāo)進(jìn)行粗判斷，若無人體目標(biāo)，則結(jié)束人體隱匿危險(xiǎn)物品的檢測，否則采用最大類間方差法OTSU[7]進(jìn)行人體區(qū)域分割，并對(duì)分割后的結(jié)果進(jìn)行形態(tài)學(xué)閉運(yùn)算得到人體區(qū)域。OTSU算法被認(rèn)為是圖像分割中閾值選取的最佳算法，計(jì)算簡單，不受圖像亮度和對(duì)比度的影響。人體目標(biāo)是否存在的主要是根據(jù)整幅圖像的直方圖分布情況進(jìn)行判別的，若一幅被動(dòng)毫米波圖像中存在人體目標(biāo)，則人體與背景的灰度相差較大，并且人體和背景的占整幅圖像的比例都比較大，圖像的灰度直方圖呈明顯的雙峰特性。具體判斷步驟如下。

（1）統(tǒng)計(jì)整幅圖像的灰度直方圖分布；

（2）確定像素點(diǎn)數(shù)目最多的灰度值；

（3）以灰度值為中心，并以長度閾值向左右擴(kuò)展，計(jì)算長度閾值范圍內(nèi)的像素點(diǎn)的個(gè)數(shù)；

（4）計(jì)算所占整個(gè)圖像像素總數(shù)的比例，若所占比例小于門限值，則認(rèn)為圖像中存在人體區(qū)域，進(jìn)行人體區(qū)域分割；否則就不存在人體隱匿危險(xiǎn)物品，結(jié)束危險(xiǎn)物品的檢測。endprint

3 隱匿物品檢測

該研究采用兩次迭代分割的方法對(duì)人體區(qū)域內(nèi)的隱匿物品進(jìn)行檢測，并對(duì)檢測到的隱匿物品區(qū)域進(jìn)行標(biāo)記。被動(dòng)毫米波圖像中，檢測到的人體隱匿攜帶的危險(xiǎn)物品種類更復(fù)雜，包含金屬、塑料、液體、炸藥等，表現(xiàn)在圖像中，或存在比人體區(qū)域背景灰度值偏高的隱匿物品，或存在比人體區(qū)域背景灰度值偏低的隱匿物品，或同時(shí)存在比人體區(qū)域背景灰度值偏高和偏低的隱匿物品。因此采用了兩次迭代分割檢測隱匿物品，該方法比現(xiàn)有的自動(dòng)雙閾值分割效果更優(yōu)，不僅能檢測出比人體區(qū)域背景灰度值偏高的隱匿物品，也能檢測出比人體區(qū)域背景灰度值偏低的隱匿物品。具體隱匿物品檢測步驟如下。

（1）第一次迭代分割，采用最大類間方差法在人體區(qū)域圖像的灰度直方圖中計(jì)算隱匿物品分割閾值，根據(jù)將人體區(qū)域圖像分割為隱匿物品區(qū)域和非隱匿物品區(qū)域，隱匿物品區(qū)域設(shè)置為255，非隱匿物品區(qū)域設(shè)置為0。設(shè)隱匿物品標(biāo)記矩陣為，直方圖最高峰值點(diǎn)所對(duì)應(yīng)的灰度值為，如果，則定義如下：

否則，則定義如下：

（2）第二次迭代分割，分割前對(duì)人體區(qū)域所對(duì)應(yīng)的圖像進(jìn)行微處理，處理后的人體區(qū)域圖像設(shè)為，則定義如下：

采用最大類間方差法在人體區(qū)域圖像的灰度直方圖中計(jì)算隱匿物品分割閾值，根據(jù)將人體區(qū)域圖像分割為隱匿物品區(qū)域和非隱匿物品區(qū)域。設(shè)直方圖最高峰值點(diǎn)所對(duì)應(yīng)的灰度值為，如果，則重置為：

否則，則重置為：

（3）對(duì)分割得到的隱匿物品標(biāo)記矩陣進(jìn)行形態(tài)學(xué)閉運(yùn)算操作（先膨脹后腐蝕），填充目標(biāo)物體內(nèi)的細(xì)小空洞，保證目標(biāo)物體的完整性。

（4）對(duì)隱匿物品進(jìn)行過濾篩選，采用區(qū)域生長法對(duì)中的255像素點(diǎn)進(jìn)行連通區(qū)域標(biāo)記，每個(gè)連通區(qū)域即為一個(gè)候選的隱匿物品，計(jì)算每個(gè)連通區(qū)域的面積（區(qū)域包含的像素?cái)?shù)），若該連通區(qū)域的面積小于預(yù)定的面積閾值，則將該連通區(qū)域剔除，并將該區(qū)域所對(duì)應(yīng)的中的像素值設(shè)為0。

（5）對(duì)人體區(qū)域內(nèi)的隱匿物品區(qū)域進(jìn)行標(biāo)記。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證算法的有效性，我們采用了實(shí)驗(yàn)室內(nèi)實(shí)時(shí)采集的被動(dòng)毫米波視頻監(jiān)控?cái)?shù)據(jù)做實(shí)驗(yàn)，對(duì)被動(dòng)毫米波圖像中的人體隱匿物品檢測進(jìn)行試驗(yàn)。我們?cè)O(shè)備采集到的被動(dòng)毫米波圖像數(shù)據(jù)的原始分辨率為70*180像素。實(shí)驗(yàn)設(shè)備為主頻2.93 GHz的Intel雙核處理器，2G內(nèi)存的微處理器。算法基于C語言實(shí)現(xiàn)的。

本實(shí)驗(yàn)依據(jù)該文介紹的相關(guān)算法，相關(guān)參數(shù)，，，具體實(shí)驗(yàn)效果如圖1、2、3所示。圖1為場景1檢測過程圖，場景1在該人的胸口放置了一塊鐵皮塊，圖1（a）是被動(dòng)毫米波采集設(shè)備采集到的原始圖像，圖1（b）是經(jīng)過增強(qiáng)處理后的結(jié)果圖，圖1（c）是迭代分割的結(jié)果圖。

圖2為場景2檢測過程圖，場景2在該人的脖頸下放置了一塊錫箔紙，圖2（a）是被動(dòng)毫米波采集設(shè)備采集到的原始圖像，圖2（b）是經(jīng)過增強(qiáng)處理后的結(jié)果圖，圖2（c）是迭代分割的結(jié)果圖。

圖3為場景3檢測過程圖，場景3在該人的褲袋里放了一部手機(jī)，圖3（a）是被動(dòng)毫米波采集設(shè)備采集到的原始圖像，圖3（b）是經(jīng)過增強(qiáng)處理后的結(jié)果圖，圖3（c）是迭代分割的結(jié)果圖。

5 結(jié)語

該文提出了一種被動(dòng)毫米波圖像中人體隱匿物品的實(shí)時(shí)檢測方法，首先，對(duì)原始被動(dòng)毫米波圖像進(jìn)行預(yù)處理，通過插值重建后，采用三次迭代增強(qiáng)方法進(jìn)行圖像增強(qiáng)，獲取處理后的被動(dòng)毫米波圖像，以使被動(dòng)毫米波圖像目標(biāo)與背景進(jìn)行明顯區(qū)分；然后，通過對(duì)人體是否存在進(jìn)行預(yù)判斷，若存在則進(jìn)行人體目標(biāo)檢測，獲取人體區(qū)域；最后，采用兩次迭代分割的方法對(duì)人體區(qū)域內(nèi)的隱匿物品進(jìn)行檢測，并對(duì)檢測到的隱匿物品區(qū)域進(jìn)行標(biāo)記。實(shí)驗(yàn)結(jié)果表明，該方法能有效地檢測出被動(dòng)毫米波圖像中的人體隱匿物品，具有較高的準(zhǔn)確性。該文的方法能夠有效的適用于真實(shí)的被動(dòng)毫米波圖像采集系統(tǒng)中，解決了被動(dòng)毫米波采集系統(tǒng)中人體隱匿物品的自動(dòng)檢測問題，具有較高的準(zhǔn)確性和實(shí)用性。

參考文獻(xiàn)

[1] 王楠楠，邱景輝，鄧維波.隱匿物品探測毫米波成像系統(tǒng)發(fā)展現(xiàn)狀[J].紅外技術(shù)，2009，31（3）：129-135.

[2] 趙英海，陳曄.一種微波圖像中人體隱藏危險(xiǎn)物體自動(dòng)檢測方法[P].中國專利：CN102542570A，2012.

[3] 趙英海，陳曄.一種人體隱藏危險(xiǎn)物體自動(dòng)檢測微波安檢系統(tǒng)[P].中國專利：CN102565794A，2012.

[4] 徐軍.紅外圖像中弱小目標(biāo)檢測技術(shù)研究[D].西安電子科技大學(xué)，2003.

[5] 馮艷平，趙元黎，宋燕燕，等.基于閾值分割的THz圖像刀具識(shí)別[J].微計(jì)算機(jī)信息，2009（21）：270-271.

[6] 岡薩雷斯.數(shù)字圖像處理[M].電子工業(yè)出版社，2003.

[7] N.Ostu.A threshold selection method from gray level histograms[J].IEEE Trans on SMC，1979，9（1）：62-69.endprint