X射线安检仪人包自动绑定方法研究

赵 耀

（中国铁路设计集团有限公司，天津 300308）

针对X射线安检机人员与包件关联方面的研究尚不多见。目前有文献提出利用RFID技术实现包件电子单号与X射线安检仪安检图像的自动绑定的方法。该方案需要通行人员主动配合按照规定放置行包，适用于如机场这种客流量相对可控、安检要求高的场景。在不改变原有传统X射线安检仪的硬件设备基础上，快速准确地实现自动化人包关联是X射线安检仪功能升级的研究方向。

结合人脸识别技术与时间关联方法研究，提出一种简单有效的旅客行包物品与人员关联的新方法。在X射线安检机入口处设置人脸监控摄像机，在计算旅客放行包与安检机采集行包X射线图像时间差的基础上预估放行包时间，通过适时采集入口视频采集时间段，并用人脸分类器快速筛选出含有人脸的图像做绑定，实现准确的人包关联。

1 人包绑定算法

进行人包绑定的目的是把旅客图像与行包图像进行关联，在时间相关顺序基础上加入人脸识别的方法，能够达到高准确率实现人包绑定的目的。

1.1 时间关联基础算法

时间关联的原理是基于安检机的传输带运行速率以及放置行包的位置距离X射线探测器的距离基本是固定的这一规律。例如将放置A行包至采集到X射线图像B这段时间记为ΔT，若将收到行包X射线图像B的这一时刻记为T2，则可倒推客户在放置行包的时刻应为T1＝T2－ΔT。

如何实时获得T1时刻的旅客图像是人包绑定方法的关键。在软件设计中通过对入口处摄像机定时截图并存入一个固定长度N的内存队列Q，获取T1时刻入口处的旅客放包图像，将旅客放包图像与行包X射线图像组合存储，可完成关联的操作。假设定时截图的时间为t，则关联到的旅客图像I理论上可通过公式（1）从内存队列Q中获得：

实际测试中发现仅通过时间关联，关联到的入口处旅客图像存在偏差或图像效果不佳，需要在实践关联算法基础上，增加一个时间裕度，并设置一层对视频图像有效性的判别算法。

同时，教师还要转变家长的观念，使家长清楚家长助教是为了能够实现家园共育，家长不仅仅只是听从教师的安排，而是要和教师一起共同促进幼儿的发展。

1.2 人脸识别算法应用

因此本文提出在时间关联的基础上，加入人脸识别对关联到的固定时刻的图像上下取一个较小的范围序列n，对这n个截图进行人脸识别，找出含有人脸图像的那一张图像。方法如图1所示。

图1 关联时刻及截图队列示意Fig.1 Schematic diagram of associated time and screenshot queue

本文中采用的人脸识别的方法为opencv中的级联分类器CascadeClassif ier。CascadeClassif ier是opencv下objdetect模块中用来做目标检测的级联分类器的一个类。Cascade级联分类器是一种快速简单的分类方法。

利用opencv3中基于LBP特征的一个人脸分类器，进行人脸识别的检测步骤如下：

1）load()加载xml级联分类器；

2）导出image；

3）图像灰度化；

4）图像resize；

5）调用detectMultiScale()实现多尺度检测。

由于实际X射线行包安检现场人员流量大，旅客在放置行包时可能会出现人员集中的情况，此时在检测出的含有人脸的图像中，进一步的进行筛选出现频次最多、识别框最大的那张图片作为关联的最终结果。

范围序列n的选取对于该算法的效率、效果有较为明显的影响。若n＝1，表示算法中未加入人脸识别，仅通过时间进行关联；随着n越大采用人脸识别获取清晰关联旅客图像的概率越大，但到n取值过大时已经超过了该旅客放置行包时间，可能会将下一名旅客的图像纳入本次判断，导致关联错位。

设定X光安检仪的人员正常通过时间为tp，人脸摄像机的帧率FPS，则每一帧视频图像所代表的时间为tf＝1/FPS，则n的上限取值为nmax＝tp/tf＝tp·FPS。

在实际应用中，需要结合这些参数合理选择n值，以实现准确的人包关联。

1.3 算法流程

基于时间关联及人脸识别算法，与既有的X射线图像采集结合后实现的X射线安检仪人包自动绑定算法流程如图2所示。

图2 人包自动绑定算法流程Fig.2 Flowchart of automatic binding software of passenger and luggage information

程序开始后，系统同时开启人脸捕捉及行包X射线图像采集，分别获取人脸图像及X射线图像。利用时间关联算法对人脸、X射线图像实现关联，并将视频监控系统捕捉到对应人脸的旅客图像与行包X射线图像进行关联存储及统一UI显示，实现人包自动绑定。

2 系统设计

系统在既有X射线安检仪上增加摄像机，通过增加软件算法及UI调整实现人包自动绑定及统一显示。

2.1 系统总体框架

系统总体框架如图3所示。

图3 系统框架Fig.3 System framework

其中X射线安检仪、安检仪工控机、安检显示终端与既有X射线安检仪配置方案一致。增加摄像机，并在安检仪工控机中增加视频图像采集模块、人包绑定算法模块，对UI界面模块进行调整，满足人包绑定画面在终端的统一显示。

2.2 系统硬件设计

两台摄像机分别安装在出口处和入口处，其中出口处摄像机的安装位置，位于X射线安检仪上方。入口处的摄像机用于人脸抓拍及旅客放包图像获取，出口处的摄像机用于旅客取包图像获取。入口处的摄像机在录制视频人员放包视频的基础上，同时还作为人脸摄像机使用，需要将安装角度调整到合适的角度范围，以便于能够拍摄到旅客放包时的人脸图像。系统硬件构成示意如图4所示。

图4 系统硬件构成示意Fig.4 Schematic diagram of system hardware composition

通过不同身高被测人及在有限次的测试数据基础上，得出入口处摄像机离地1.7 m，与水平面夹角在25°～35°之间时，能够更好地使得摄像机捕捉到人员放包过程中的人脸图像。

3 实验测试与分析

3.1 实验环境搭建

根据系统硬件设计搭建实验环境平台，选用双源双视角X射线安检仪1台，摄像机2台。采用Visual Studio 2019、C#、WPF技术开发相应的系统软件并安装于安检仪工控机内，构建的实验环境平台如图5所示。

图5 实验环境Fig.5 Test environment

3.2 实验方法

系统测试时模拟现实X射线安检现场的情形，从以下3个方面，增加测试数据的多样性：

1）选择10人作为被测旅客，身高范围在157～183 cm；

2）准备了不同体积的行包，包括手提包、工具箱、大小行李箱等；

3）选择两种通过速度，第一种为慢速通过，通过两人之间间隔2 s后第二个人再放行包。第二种为快速连续通过，第一个人放完行包，第二个人紧接着放行包。

10个人先以队列形式按照以不同通过速度的方式轮流在入口处放置行包，再在出口处收取行包，在此过程中记录通过人与行包关联上的次数Nc，以及总通过次数Nt，得出关联准确性数据。关联准确率R计算如公式（2）所示。

3.3 实验结果及分析

本实验中入口处摄像机的帧率为每秒5张图片，每个人平均放置行包的时间长度约为2 s，则nmax＝10，因此选择合理的n值进行测试，分别取n＝1、3、5、7和9。具体测试数据如表1所示。

表1 实验数据Tab.1 Test data

从实验结果看，当仅通过时间关联时，关联准确率很低；加入对关联范围内的人脸识别后识别准备率明显提高，且受通行速度影响不大；随着关联范围n值取值较大时，关联准确率也会降低。需要根据不同场景测试进行合理选值。在n＝5情况下取值基本可以实现大客流情况下人包自动绑定准确率高于99%，检测时间为4 ms，基本不对通行产生影响。

4 结论

研究提出一种结合人脸探测及时间关联的人包信息绑定方法。通过实验测试验证了本文提出方法可以在X射线安检仪应用并得到高准确性的人包信息绑定结果，且不改变既有铁路客站X射线安检仪应用流程，具有良好的应用前景。