[發(fā)明專利]被動(dòng)式太赫茲人體圖像隱蔽目標(biāo)的檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011468366.3
• 申請(qǐng)日: 2020-12-14
• 公開（公告）號(hào): CN112508113B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 李超;徐華晟;鄭深;方廣有
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院空天信息創(chuàng)新研究院
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/26;G06V10/80;G06V10/50;G06V10/30;G06V40/10;G06V10/36
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 郭夢(mèng)雅

1.一種被動(dòng)式太赫茲人體圖像隱蔽目標(biāo)的檢測(cè)方法，其特征在于，包括以下步驟：

對(duì)輸入的待檢測(cè)的被動(dòng)式太赫茲人體圖像執(zhí)行自適應(yīng)掃描，所述自適應(yīng)掃描的滑動(dòng)窗口將圖像依次分塊采樣為一系列的待檢測(cè)子圖像；

所述待檢測(cè)子圖像經(jīng)由太赫茲圖像預(yù)處理流程進(jìn)行處理，輸出太赫茲濾波圖像和太赫茲二值化圖像；

將所述太赫茲濾波圖像和所述太赫茲二值化圖像送入到太赫茲多維特征提取器中，從三個(gè)維度分別提取特征并融合，輸出特征向量；

所述太赫茲多維特征提取器包括：

方向梯度特征提取器，包括圖層蒙版和方向梯度直方圖統(tǒng)計(jì)，所述圖層蒙版的生成過程是通過遍歷二值化圖像中所有的輪廓找到最大的輪廓并使用特定顏色填充，從而獲得圖層蒙版，此過程可以消除非蒙版區(qū)域的其他白色區(qū)塊；所述方向梯度直方圖統(tǒng)計(jì)是對(duì)圖層蒙版過濾后的圖像進(jìn)行像素梯度及其方向的統(tǒng)計(jì)，并以此作為方向梯度的特征向量；

灰度分布特征提取器，包括歸一化和灰度分布直方圖統(tǒng)計(jì)，所述歸一化是將圖像灰度值重映射到0-255，以此減少不同圖像中整體灰度不均衡的影響；統(tǒng)計(jì)歸一化圖像的灰度直方圖分布，并將所述灰度分布直方圖中每個(gè)區(qū)間里的頻數(shù)依次作為一維特征向量的每一個(gè)元素，以此構(gòu)成灰度分布的特征向量；

空間特征提取器，包括池化和一維展開，所述池化采用的是最大值池化；所述一維展開是將池化后的二維圖像按行拉成一維行向量，并將所述一維行向量作為像素空間分布的特征向量；

特征融合；

所述特征向量通過預(yù)先訓(xùn)練好的線性支持向量機(jī)進(jìn)行分類；

若分類結(jié)果為期望目標(biāo)，則繼續(xù)送入太赫茲多任務(wù)檢測(cè)分支進(jìn)行后續(xù)的三種檢測(cè)任務(wù)；

所述太赫茲多任務(wù)檢測(cè)分支包括水平邊界框分支、有向邊界框分支、輪廓分割分支；所述太赫茲多任務(wù)檢測(cè)分支能夠完成所述三種檢測(cè)任務(wù)，分別是目標(biāo)水平邊界框標(biāo)示、目標(biāo)有向邊界框標(biāo)示、目標(biāo)輪廓標(biāo)示；

所述輪廓分割分支能夠完成目標(biāo)輪廓標(biāo)示的任務(wù)；所述輪廓分割分支對(duì)輸入的二值化圖像執(zhí)行輪廓跟蹤算法，所述輪廓跟蹤算法包括：

從左到右，從上到下地逐行掃描二值化圖像；

建立驅(qū)動(dòng)輪廓跟蹤的指針；

根據(jù)所述指針執(zhí)行輪廓跟蹤；

通過計(jì)算輪廓的零階圖像矩來(lái)確定最大輪廓，從而完成目標(biāo)輪廓分割；

所述有向邊界框分支能夠完成目標(biāo)有向邊界框標(biāo)示的任務(wù)；所述有向邊界框分支的輸入是二值化圖像和輪廓分割分支輸出的輪廓點(diǎn)集；

所述有向邊界框分支的算法包括：

通過主成分分析計(jì)算輪廓點(diǎn)集的第一主成分方向；

旋轉(zhuǎn)圖像至第一主成分方向?yàn)榇怪钡奈恢茫?/p>

計(jì)算該角度下輪廓點(diǎn)集的水平邊界框；

將該水平邊界框反向旋轉(zhuǎn)為原角度，即為目標(biāo)的有向邊界框；

所述水平邊界框分支能夠完成目標(biāo)水平邊界框標(biāo)示的任務(wù)；所述水平邊界框分支的輸入是二值化圖像和輪廓分割分支輸出的輪廓點(diǎn)集；

執(zhí)行非極大抑制，消除冗余檢測(cè)結(jié)果；

輸出最終檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述自適應(yīng)掃描的具體實(shí)現(xiàn)方式包括：

檢測(cè)太赫茲人體圖像下半部分中人體大腿兩側(cè)所在的位置，以此確定自適應(yīng)掃描區(qū)域的起始列和終止列；

根據(jù)人體身高范圍確定自適應(yīng)掃描區(qū)域的起始行和終止行。

3.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述太赫茲圖像預(yù)處理流程包括第一階段和第二階段，所述第一階段為濾波階段，所述濾波流程包括中值濾波、高斯濾波和雙邊濾波；所述第二階段為二值化和形態(tài)學(xué)處理階段。

4.一種被動(dòng)式太赫茲人體圖像隱蔽目標(biāo)的檢測(cè)裝置，其特征在于，包括：

掃描模塊，用于對(duì)輸入的待檢測(cè)的被動(dòng)式太赫茲人體圖像執(zhí)行自適應(yīng)掃描，所述自適應(yīng)掃描的滑動(dòng)窗口將圖像分塊采樣為一系列的待檢測(cè)子圖像；

預(yù)處理模塊，用于所述待檢測(cè)子圖像經(jīng)由太赫茲圖像預(yù)處理流程進(jìn)行處理，輸出太赫茲濾波圖像和太赫茲二值化圖像；

特征提取模塊，用于將所述太赫茲濾波圖像和所述太赫茲二值化圖像送入到太赫茲多維特征提取器中，從三個(gè)維度分別提取特征并融合，輸出特征向量；

所述太赫茲多維特征提取器包括：

方向梯度特征提取器，包括圖層蒙版和方向梯度直方圖統(tǒng)計(jì)，所述圖層蒙版的生成過程是通過遍歷二值化圖像中所有的輪廓找到最大的輪廓并使用特定顏色填充，從而獲得圖層蒙版，此過程可以消除非蒙版區(qū)域的其他白色區(qū)塊；所述方向梯度直方圖統(tǒng)計(jì)是對(duì)圖層蒙版過濾后的圖像進(jìn)行像素梯度及其方向的統(tǒng)計(jì)，并以此作為方向梯度的特征向量；

灰度分布特征提取器，包括歸一化和灰度分布直方圖統(tǒng)計(jì)，所述歸一化是將圖像灰度值重映射到0-255，以此減少不同圖像中整體灰度不均衡的影響；統(tǒng)計(jì)歸一化圖像的灰度直方圖分布，并將所述灰度分布直方圖中每個(gè)區(qū)間里的頻數(shù)依次作為一維特征向量的每一個(gè)元素，以此構(gòu)成灰度分布的特征向量；

空間特征提取器，包括池化和一維展開，所述池化采用的是最大值池化；所述一維展開是將池化后的二維圖像按行拉成一維行向量，并將所述一維行向量作為像素空間分布的特征向量；

特征融合；

多任務(wù)檢測(cè)分支模塊，用于所述特征向量通過預(yù)先訓(xùn)練好的線性支持向量機(jī)進(jìn)行分類；若分類結(jié)果為期望目標(biāo)，則繼續(xù)送入太赫茲多任務(wù)檢測(cè)分支進(jìn)行后續(xù)的三種檢測(cè)任務(wù)；執(zhí)行非極大抑制，消除冗余檢測(cè)結(jié)果；輸出最終檢測(cè)結(jié)果。

所述太赫茲多任務(wù)檢測(cè)分支包括水平邊界框分支、有向邊界框分支、輪廓分割分支；所述太赫茲多任務(wù)檢測(cè)分支能夠完成所述三種檢測(cè)任務(wù)，分別是目標(biāo)水平邊界框標(biāo)示、目標(biāo)有向邊界框標(biāo)示、目標(biāo)輪廓標(biāo)示；

所述輪廓分割分支能夠完成目標(biāo)輪廓標(biāo)示的任務(wù)；所述輪廓分割分支對(duì)輸入的二值化圖像執(zhí)行輪廓跟蹤算法，所述輪廓跟蹤算法包括：

從左到右，從上到下地逐行掃描二值化圖像；

建立驅(qū)動(dòng)輪廓跟蹤的指針；

根據(jù)所述指針執(zhí)行輪廓跟蹤；

通過計(jì)算輪廓的零階圖像矩來(lái)確定最大輪廓，從而完成目標(biāo)輪廓分割；

所述有向邊界框分支能夠完成目標(biāo)有向邊界框標(biāo)示的任務(wù)；所述有向邊界框分支的輸入是二值化圖像和輪廓分割分支輸出的輪廓點(diǎn)集；

所述有向邊界框分支的算法包括：

通過主成分分析計(jì)算輪廓點(diǎn)集的第一主成分方向；

旋轉(zhuǎn)圖像至第一主成分方向?yàn)榇怪钡奈恢茫?/p>

計(jì)算該角度下輪廓點(diǎn)集的水平邊界框；

將該水平邊界框反向旋轉(zhuǎn)為原角度，即為目標(biāo)的有向邊界框；

所述水平邊界框分支能夠完成目標(biāo)水平邊界框標(biāo)示的任務(wù)；所述水平邊界框分支的輸入是二值化圖像和輪廓分割分支輸出的輪廓點(diǎn)集。