一种被动毫米波图像中人体隐匿物品的检测方法

穆森++单海婧++周锦源++邱桂苹

摘 要：根据被动毫米波图像的特点，需要设计一种适应并且有效的被动毫米波图像中人体隐匿危险物品的检测方法。该文提出了一种被动毫米波图像中人体隐匿物品的检测方法，首先，对原始被动毫米波图像进行预处理，通过插值重建后，采用三次迭代增强方法进行图像增强，获取处理后的被动毫米波图像，以使被动毫米波图像目标与背景进行明显区分；然后，通过对人体是否存在进行预判断，若存在则进行人体目标检测，获取人体区域；最后，采用两次迭代分割的方法对人体区域内的隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。实验结果表明，该方法能有效地检测出被动毫米波图像中的人体隐匿物品，具有较高的准确性。

关键词：被动毫米波图像 图像预处理 人体检测 人体隐匿物品检测

中图分类号：TH74 文献标识码：A 文章编号：1672-3791（2014）12（c）-0202-02

毫米波是指波长范围在1～10 mm之间的电磁波，其频率范围从30GHZ到300 GHZ。毫米波成像系统分为主动和被动两种工作模式，在探测人体隐匿物体的应用中，被动毫米波成像系统占据了主要地位[1]。被动毫米波成像系统不仅可以检测出隐藏在织物下的金属物体，还可以检测出塑料、液体、炸药等危险品，获得的信息更加详尽准确，可以大大地降低误警率。除此之外，被动毫米波成像系统不发射电磁波，不会对人体造成任何伤害。近年来，被动毫米波成像技术在人员安检等方面得到了越来越广泛的应用，因此完成被动毫米波图像中人体隐匿危险物品的检测具有重要的意义。

现有的人体隐匿危险物品的检测方法主要是针对微波图像[2-3]、红外图像[4]、太赫兹THz图像[5]等，所采用的物品检测算法都是根据自身图像的成像特点设计的。在被动毫米波图像中人体隐匿危险物品的检测中，现有的物体检测算法并不适用，主要原因包括：一是被动毫米波成像技术结构复杂造价昂贵，将毫米波成像技术用于藏匿物品的探测还处于初级阶段，被动毫米波成像系统所采集到的图像较之上述几类图像，图像中的噪声和模糊现象严重，分辨率低，不能很好地反映目标场景的特性，图像达不到所要求的质量，藏匿在衣服下的物体形状模糊难以辨别；二是图像中包含的隐匿物体种类更详细，包含金属、塑料、液体、炸药等，表现在灰度图像中灰度值有高有低，亮度有明有暗，增加了检测的难度。

综上，根据被动毫米波图像的特点，该文提出了一种被动毫米波图像中人体隐匿物品的检测方法，包括：图像预处理步骤，对采集到的原始被动毫米波图像，通过插值重建后，采用三次迭代增强方法进行图像增强，获取被动毫米波图像，以使所述被动毫米波图像目标与背景进行明显区分[6]。人体区域检测步骤，基于所述被动毫米波图像，通过对人体是否存在的预判断，进行人体目标检测，获取人体区域；隐匿物品检测步骤：在所述人体区域内，采用两次迭代分割的方法，对隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。

1 被动毫米波图像预处理

该研究采用插值重建和三次迭代增强对被动毫米波图像进行预处理，解决被动毫米波图像目标与背景区分不明显，对比度低，噪声大等问题。

在插值重建中，采用立方卷积插值算法对被动毫米波图像进行插值重建，该算法利用待插值点周围的16个点的灰度值做立方卷积差值，不仅考虑到4个直接相邻点的灰度影响，而且考虑到各邻点之间灰度值变化率的影响。该插值算法重建后的图像更好的保留细节质量，更接近高分辨率图像的放大效果，有效提高了图像的分辨率。

对完成插值重建后的被动毫米波图像进行三次迭代增强处理，提高所述被动毫米波图像的对比度，并降低背景的噪声。迭代增强步骤如下：

（1）采用最大模糊熵准则对被动毫米波图像进行第一次增强处理，使目标的亮度增强的同时抑制背景区域的噪声，改善图像的对比度。该方法考虑到了图像中目标与背景的最佳分离点往往表现在灰度直方图的波谷位置，采用最大模糊熵准则对图像的直方图进行处理，求取目标与背景的最佳分离点阈值，再利用多分段非线性函数在模糊阈中对阈值两侧的灰度值进行非线性拉伸，将模糊隶属度区域拉伸至，改善隶属度的动态范围，并采用非线性变换增强了该区域中的隶属度大小，以此同时将区间拉伸至，并将该区域中的隶属度进行压缩，其中、、分别为图像中像素最小值、最大值以及目标与背景的最佳分离点的隶属度。

（2）采用幂次变换方法对完成第一次迭代增强后的所述被动毫米波图像进行第二次增强处理，以使所述被动毫米波图像的高灰度级扩展，压缩低灰度级，进一步改善图像的对比度。

（3）采用自适应中值滤波算法对完成第二次迭代增强后的所述被动毫米波图像进行第三次增强处理，实现清除椒盐噪声，处理空间中的冲激噪声，并平滑非冲激噪声。

2 人体区域检测

该研究为了使人体区域分割结果更加精确减小误分割率，在进行人体区域分割前，先对被动毫米波图像中是否存在人体目标进行粗判断，若无人体目标，则结束人体隐匿危险物品的检测，否则采用最大类间方差法OTSU[7]进行人体区域分割，并对分割后的结果进行形态学闭运算得到人体区域。OTSU算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。人体目标是否存在的主要是根据整幅图像的直方图分布情况进行判别的，若一幅被动毫米波图像中存在人体目标，则人体与背景的灰度相差较大，并且人体和背景的占整幅图像的比例都比较大，图像的灰度直方图呈明显的双峰特性。具体判断步骤如下。

（1）统计整幅图像的灰度直方图分布；

（2）确定像素点数目最多的灰度值；

（3）以灰度值为中心，并以长度阈值向左右扩展，计算长度阈值范围内的像素点的个数；

（4）计算所占整个图像像素总数的比例，若所占比例小于门限值，则认为图像中存在人体区域，进行人体区域分割；否则就不存在人体隐匿危险物品，结束危险物品的检测。endprint

3 隐匿物品检测

该研究采用两次迭代分割的方法对人体区域内的隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。被动毫米波图像中，检测到的人体隐匿携带的危险物品种类更复杂，包含金属、塑料、液体、炸药等，表现在图像中，或存在比人体区域背景灰度值偏高的隐匿物品，或存在比人体区域背景灰度值偏低的隐匿物品，或同时存在比人体区域背景灰度值偏高和偏低的隐匿物品。因此采用了两次迭代分割检测隐匿物品，该方法比现有的自动双阈值分割效果更优，不仅能检测出比人体区域背景灰度值偏高的隐匿物品，也能检测出比人体区域背景灰度值偏低的隐匿物品。具体隐匿物品检测步骤如下。

（1）第一次迭代分割，采用最大类间方差法在人体区域图像的灰度直方图中计算隐匿物品分割阈值，根据将人体区域图像分割为隐匿物品区域和非隐匿物品区域，隐匿物品区域设置为255，非隐匿物品区域设置为0。设隐匿物品标记矩阵为，直方图最高峰值点所对应的灰度值为，如果，则定义如下：

否则，则定义如下：

（2）第二次迭代分割，分割前对人体区域所对应的图像进行微处理，处理后的人体区域图像设为，则定义如下：

采用最大类间方差法在人体区域图像的灰度直方图中计算隐匿物品分割阈值，根据将人体区域图像分割为隐匿物品区域和非隐匿物品区域。设直方图最高峰值点所对应的灰度值为，如果，则重置为：

否则，则重置为：

（3）对分割得到的隐匿物品标记矩阵进行形态学闭运算操作（先膨胀后腐蚀），填充目标物体内的细小空洞，保证目标物体的完整性。

（4）对隐匿物品进行过滤筛选，采用区域生长法对中的255像素点进行连通区域标记，每个连通区域即为一个候选的隐匿物品，计算每个连通区域的面积（区域包含的像素数），若该连通区域的面积小于预定的面积阈值，则将该连通区域剔除，并将该区域所对应的中的像素值设为0。

（5）对人体区域内的隐匿物品区域进行标记。

4 实验结果与分析

为了验证算法的有效性，我们采用了实验室内实时采集的被动毫米波视频监控数据做实验，对被动毫米波图像中的人体隐匿物品检测进行试验。我们设备采集到的被动毫米波图像数据的原始分辨率为70*180像素。实验设备为主频2.93 GHz的Intel双核处理器，2G内存的微处理器。算法基于C语言实现的。

本实验依据该文介绍的相关算法，相关参数，，，具体实验效果如图1、2、3所示。图1为场景1检测过程图，场景1在该人的胸口放置了一块铁皮块，图1（a）是被动毫米波采集设备采集到的原始图像，图1（b）是经过增强处理后的结果图，图1（c）是迭代分割的结果图。

图2为场景2检测过程图，场景2在该人的脖颈下放置了一块锡箔纸，图2（a）是被动毫米波采集设备采集到的原始图像，图2（b）是经过增强处理后的结果图，图2（c）是迭代分割的结果图。

图3为场景3检测过程图，场景3在该人的裤袋里放了一部手机，图3（a）是被动毫米波采集设备采集到的原始图像，图3（b）是经过增强处理后的结果图，图3（c）是迭代分割的结果图。

5 结语

该文提出了一种被动毫米波图像中人体隐匿物品的实时检测方法，首先，对原始被动毫米波图像进行预处理，通过插值重建后，采用三次迭代增强方法进行图像增强，获取处理后的被动毫米波图像，以使被动毫米波图像目标与背景进行明显区分；然后，通过对人体是否存在进行预判断，若存在则进行人体目标检测，获取人体区域；最后，采用两次迭代分割的方法对人体区域内的隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。实验结果表明，该方法能有效地检测出被动毫米波图像中的人体隐匿物品，具有较高的准确性。该文的方法能够有效的适用于真实的被动毫米波图像采集系统中，解决了被动毫米波采集系统中人体隐匿物品的自动检测问题，具有较高的准确性和实用性。

参考文献

[1] 王楠楠，邱景辉，邓维波.隐匿物品探测毫米波成像系统发展现状[J].红外技术，2009，31（3）：129-135.

[2] 赵英海，陈晔.一种微波图像中人体隐藏危险物体自动检测方法[P].中国专利：CN102542570A，2012.

[3] 赵英海，陈晔.一种人体隐藏危险物体自动检测微波安检系统[P].中国专利：CN102565794A，2012.

[4] 徐军.红外图像中弱小目标检测技术研究[D].西安电子科技大学，2003.

[5] 冯艳平，赵元黎，宋燕燕，等.基于阈值分割的THz图像刀具识别[J].微计算机信息，2009（21）：270-271.

[6] 冈萨雷斯.数字图像处理[M].电子工业出版社，2003.

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