技术领域
[0001] 本
发明涉及X射线数字成像安全检查技术领域，特别涉及一种利用X射线多视角图像自动探测藏匿在鞋中的危险品的方法。
背景技术
[0002] 目前，不法分子在行李、随身穿戴的衣服、鞋子中藏匿危险品事件时有发生。比如，美利坚航空发现企图将引爆藏在鞋子里的炸药制造恐怖事件，北京海关在首都机场截获有不法分子藏匿在鞋中的毒品事件。这些恐怖事件给社会带来了很多不安定因素，也使公共场所危险品的自动检查显得尤为重要。
[0003] 国内外已发表的有关安全检查技术的文献，多与行李中危险物品的识别有关的，例如，美国
专利US20120093367A1、US20130003135A1，以及其加拿大专利CA02608124，都没有直接提到针对鞋藏匿危险品的识别与检测。国内公安部第一研究所
申请的申请号为200910088495.7的专利，公开了一种利用双
能量计算材料及用多视角重建的方式得到
密度来探测行李中危险物品的技术，针对的是行李包裹中的危险危物品；公安部第一研究所申请的另一个申请号为201210424950.8的专利，公开了一种利用X射线多视角技术检查从行李包裹中拿出并放在专用检查盒中的液体是否危险的技术。迄今为止，直接涉及在鞋中藏匿危险品的自动探测方法还未见报道。
发明内容
[0004] 针对
现有技术中存在的上述问题，本发明提供了一种利用X射线多视角安检设备自动探测鞋中藏匿炸药或毒品的方法，可以快速有效地发现不法分子藏匿在鞋中的炸药或毒品。
[0005] 为实现上述目的，本发明采用以下技术方案。
[0006] 一种利用X射线多视角图像探测鞋中藏匿危险品的方法，包括以下步骤：
[0007] 步骤1，利用待检查鞋的多视角图像确定待检查鞋的类型。
[0008] 步骤2，根据
颜色分量密度检测模型寻找疑似危险品区域。
[0009] 步骤3，根据步骤2获得的疑似危险品区域的几何形状特征、图像灰度的动态范围及图像材料特征初步判断疑似危险品区域的属性。所述属性包括安全和危险，鞋本身结构区域的属性为安全，替换了鞋本身结构藏匿危险品的区域的属性为危险。
[0010] 步骤4，根据纹理特征分类模型，对经步骤3初步判断后属性不确定的疑似危险品区域进行属性判断。
[0011] 步骤5，采用
正交视角
电子密度估计方法，对经步骤4判断后属性不确定的疑似危险区域继续进行属性判断。
[0012] 进一步地，步骤1所述的待检查鞋的多视角图像，是通过将待检查鞋放于检查盒中，由X射线多视角安全检查设备获得的。
[0013] 进一步地，所述步骤1还包括：对待检查鞋的多视角图像的灰度图像进行灰度形态学、
阈值分割和二值形态学处理，将
鞋跟区域从整个鞋区域中分割出来。
[0014] 进一步地，所述待检查鞋按照藏匿危险品的方式分为4类：无跟无帮鞋，无跟有帮鞋，无帮有跟鞋，有帮有跟鞋；从鞋内侧底到
鞋帮边缘高度不超过70mm的鞋为无帮鞋，大于70mm的为有帮鞋；跟结构高度不超过20mm的鞋为无跟鞋，大于20mm的鞋为有跟鞋。
[0015] 进一步地，危险品在所述4类鞋中的藏匿方法和
位置为：无跟无帮鞋将危险品做成
鞋垫藏匿在脚掌位置，无跟有帮鞋将危险品做成扁片藏匿在鞋帮夹层位置，无帮有跟鞋将危险品藏匿在鞋跟内层挖空形成的备洞里，有跟有帮鞋将危险品藏匿在鞋跟备洞和鞋帮夹层中。
[0016] 进一步地，步骤2所述根据颜色分量密度检测模型寻找疑似危险品区域的方法如下：
[0017] 首先，利用高斯联合概率密度函数计算
像素Xi,j在颜色空间中是危险品Dan的概率p(Xi,j/Dan)，即可能性，公式如下：
[0018]
[0019] 式中，Dμ为危险品Dan在颜色空间的期望区间，N为区间内像素个数；
[0020] 如果p(Xi,j/Dan)大于阈值，将像素Xi,j标为疑似危险区域内像素；
[0021] 然后，对被标为疑似危险区域的像素利用空间邻域信息按下式计算邻域R内像素颜色向量的相似性Com(R)：
[0022]
[0023] 式中，XCi,j为邻域中心元素，YCi,j为邻域其他元素，h为对图像复杂程度的评价；如果Com(R)大于阈值，该邻域为疑似危险品区域；如果小于阈值，那么该邻域危险品像素密度低，去掉疑似危险区域标签。
[0024] 进一步地，所述骤3初步判断疑似危险品区域属性的方法如下：
[0025] 所述疑似危险品区域的几何形状特征包括：面积，几何中心，连通区上下左右边界，边缘粗糙程度，
水平轴夹角。
[0026] 进一步地，步骤4所述的根据纹理特征分类模型判断所述疑似危险区域属性的方法如下：
[0027] 采用纹理统计分析法得到灰度共生矩阵，灰度共生矩阵通过空间相关特性描述纹理特征，其相关性函数p(g1,g2)为：
[0028]
[0029] 式中，[(x1,y1),(x2,y2)]表示由像素(x1,y1)、(x2,y2)组成的像素对，f(x1,y1)、f(x2,y2)分别表示像素(x1,y1)、(x2,y2)的灰度，S表示像素对集合，S’表示集合S中像素对的个数，等号右边的分子表示灰度值分别为g1和g2的像素对的个数；
[0030] 基于共生矩阵计算以下4个分类的特征：
[0031]
[0032]
[0033]
[0034]
[0035] 式中，WP表示能量；Cor表示相关性，μx、σx分别是p(g1,g2)中水平轴方向的期望和均方差，μy、σy分别是p(g1,g2)中垂直轴方向的期望和均方差；Wc表示逆差距；WE表示熵；借用Adaboost分类
算法思想，根据这4个特征在训练样本集中的正确分类和错误分类表现，将能量作为第一弱分类器，然后依次是熵、相关性和逆差距，将4个弱分类器联合起来形成一个强分类器；用训练出来的强分类器将步骤3得到的疑似危险区域分成三类：危险区域；鞋本身结构，即安全区域；不确定疑似危险区域。
[0036] 进一步地，步骤5所述采用正交视角电子密度估计方法继续进行属性判断的方法如下：
[0037] 计算所述不确定疑似危险区域像素点的电子密度，根据危险品与待检查鞋本身电子密度的不同判断所述区域的属性；
[0038] 所述电子密度等于图像中一像素点的灰度与形成该点灰度的射线穿过的空间距离的比值。
[0039] 进一步地，所述步骤5以后还包括对危险属性区域画框报警。
[0040] 与现有技术相比，本发明具有以下优点：
[0041] 应用本发明所述探测方法，可以简单快速地判断鞋中是否藏匿了危险品，并能确定危险品藏匿的位置与范围。本发明所述探测方法适应于不同大小、形状、材质的鞋。不管是采取简单的
捆绑方式，还是替换鞋本身结构的藏匿方式，本发明所述方法都能够进行有效探测。
附图说明
[0042] 图1为
实施例所涉及的专用检查盒的示意图；
[0044] 图3为正交视角估计电子密度示意图：(a)表示正交视角布局和待测物在通道中的基本形态，(b)是(a)局部放大图，表示如何计算射线穿过的距离。
具体实施方式
[0045] 下面结合附图和实施例对本发明做进一步说明。
[0046] 实施例所涉及的专用检查盒的示意图如图1所示，底部尺寸36cm*40cm的塑料检查盒，检查盒底部安装一个
泡沫垫，泡沫垫上制作镂空鞋印位置，两只鞋印中间有间隔。将两只鞋并排放置于检查盒的镂空鞋印中，采用X射线多视角安全检查设备获得鞋的多视角图像。
[0047] 一种采用X射线多视角图像探测鞋中藏匿危险品的方法，如图2所示，包括以下步骤：
[0048] S1、根据鞋的多视角图像确定待检查鞋的类型
[0049] 本发明根据鞋的结构和模拟不法分子藏匿危险品的手段，将鞋分为4类，分别是：无跟无帮鞋，无跟有帮鞋，无帮有跟鞋，有帮有跟鞋。从鞋内侧底到鞋帮边缘高度不超过
70mm的鞋为无帮鞋，大于70mm的为有帮鞋；跟结构高度不超过20mm的鞋为无跟鞋，大于20mm的鞋为有跟鞋。
[0050] 根据每类中藏匿空间和隐蔽性，本发明模拟不法分子设计了藏匿手段，其中：无跟无帮鞋将危险品做成鞋垫藏匿在脚掌位置，无跟有帮鞋将危险品做成扁片藏匿在鞋帮夹层位置，无帮有跟鞋将鞋跟内层挖空备洞将危险品藏匿进去，有跟有帮鞋将危险品藏匿在鞋跟备洞和鞋帮夹层中。分类的主要手段是将多视角图像的灰度图像进行灰度形态学、阈值分割，二值形态学处理，得到鞋跟部分和整个鞋的分割区域。依据鞋结构调研，以预定义尺寸来判断待检查鞋是否存在有效鞋跟和有效鞋帮，从而完成分类。图1中步骤S2～S5都是在上述鞋分类的
基础上进行的，步骤S2～S5在不同的分类中具体调用的方式、顺序及参数不同。
[0051] S2、根据颜色分量密度检测模型寻找疑似危险品区域。
[0052] 各种危险品都是材料相对固定的物质，将材料空间映射到颜色空间，各种危险品在颜色空间上有自己的特征区域。颜色分量密度模型采用高斯联合概率密度函数计算像素在颜色空间中是某类危险品的可能性，再利用空间信息联合邻域像素计算区域是某类危险品的可能性，然后根据该区域是某类危险品可能性大的像素数与该区域总像素数的比值，查看这种可能性的密集程度，最终判断该区域是否为疑似危险区域。设某类危险品为Dan，其在颜色空间的期望区间是Dμ，区间中有N个像素，那么遍历图像像素Xi,j是该类危险品的可能性值p(Xi,j/Dan)为：
[0053]
[0054] 式中，Con是协方差矩阵。
[0055] 公式(1)也体现了
马氏距离的概念，距离大小也表现了该像素与该类危险品的相近程度。如果像素颜色与该类危险品颜色相差较远，那么可能性值p(Xi,j/Dan)就很低；相反，p(Xi,j/Dan)值就会高。根据大量训练设置先验阈值，如果p(Xi,j/Dan)大于阈值，将该像素标为疑似危险区域内像素。然后，对被标为疑似危险区域的像素利用空间邻域信息再次进行确认。如果邻域内没有其他被标为疑似危险区域像素的，视为危险密度低，排除审查，去掉疑似危险区域像素标签；如果邻域内有其他疑似危险区域像素，按下式计算邻域R内像素颜色向量的相似性Com(R)：
[0056]
[0057] 其中，XCi,j为邻域中心元素，YCi,j为邻域其他元素，h是图像复杂程度的评价，复杂程度越高h值越大，Com(R)值越高，表明该邻域像素相似度越高，是危险品的可能性就越高。根据大量训练设置先验阈值，如果Com(R)大于阈值，该邻域为疑似危险品区域；如果小于阈值，那么该邻域危险品像素密度低，去掉疑似危险区域标签。将疑似危险区域用二值表示，进行二值形态学处理后供下面其他特征判断。
[0058] S3、建立疑似危险区域的几何形状特征集合，根据疑似危险区域的几何形状特征、图像灰度及材料特征综合判断步骤S2得到的疑似危险品区域的属性。
[0059] 所述属性包括安全和危险：鞋本身结构的属性为安全，替换了鞋本身结构真正藏匿的危险品的属性为危险。
[0060] 所述几何形状特征集合是图像中连通区的几何统计信息的集合，包括：面积，几何中心，连通区上下左右边界，边缘粗糙程度，水平轴夹角。因为根据鞋分类，不同藏匿位置可以藏匿的危险品的量大致是固定的，可以用透射图像连通区的面积来反映这个特征，几何中心，连通区上下左右边界特征同理。危险品因为材料上与鞋本身结构的区别，一般与鞋本身结构都会有相对明显的边界，连通区边缘会比较光滑，用边缘粗糙程度来判断待定连通区是危险区域还是鞋本身结构。有一类危险品会做成鞋垫状态藏匿于鞋掌上，这类危险品图像连通区与水平轴夹角在一定范围内，用这个特征来判断这类危险品的存在与否。同样是根据鞋分类，藏匿在不同位置的危险品呈现的灰度动态范围也基本固定，检查连通区的灰度范围和计算连通区的材料值，来判断该区域是否为疑似危险区域的属性。其中，藏匿在鞋帮夹层的疑似危险品通过步骤S3的判断就可以给出最终危险属性，不需要进一步判断；如果藏匿在鞋跟或者做成鞋垫的疑似危险区域不能用步骤S3的规则排除其危险属性，还需要按照步骤S4、S5的方法进一步判断。
[0061] S4、根据纹理特征分类模型，对经步骤S3初步判断后属性不确定的疑似危险品区域进行属性判断。
[0062] 一般鞋跟或者
鞋底都有加强筋，或者为了防滑做的凹凸结构，或者鞋跟中空添加其他鞋跟材质结构，这些结构都会在图像纹理特征中有所表现。相反，危险品一般比较均匀，纹理特征极不明显，或者叫粗纹理。本发明采用纹理统计分析法得到灰度共生矩阵。灰度共生矩阵通过空间相关特性来描述纹理特征，其相关性函数p(g1,g2)为：
[0063]
[0064] 式中，[(x1,y1),(x2,y2)]表示由像素(x1,y1)、(x2,y2)组成的像素对，f(x1,y1)、f(x2,y2)分别表示像素(x1,y1)、(x2,y2)的灰度，S表示像素对集合，S’表示集合S中像素对的个数，等号右边的分子表示灰度值分别为g1和g2的像素对的个数。
[0065] 基于共生矩阵可计算一些特征，结合本发明中鞋底纹理的特点及特征之间线性不相关特性，选取以下4个作为分类的特征：
[0066]
[0067]
[0068]
[0069]
[0070] 其中，WP表示能量；Cor表示相关性，其中μx、σx分别是p(g1,g2)中水平轴方向的期望和均方差，μy、σy分别是p(g1,g2)中垂直轴方向的期望和均方差；Wc表示逆差距；WE表示熵。用研究算法时构建的样本计算上述4个特征，每一个特征都不可能完全正确地对所有样本分类，既每个特征都能训练出一个弱分类器。借用Adaboost分类算法思想，根据这4个特征在训练样本集中的正确分类和错误分类表现，将能量作为第一弱分类器，然后依次是熵、相关性和逆差距，将4个弱分类器联合起来形成一个强分类器。用训练出来的强分类器对步骤S3得到疑似危险区域分类。分类结果有三种，一是确定为危险区域，结束等待显示画框报警；二是确定为鞋本身结构，结束等待显示图像；三是不确定疑似危险区域的属性，等待下面的步骤S5继续判断。
[0071] S5、采用正交视角电子密度估计方法对步骤S4中属性不确定的疑似危险区域继续进行属性判断，给出最终的属性判断结果。
[0072] 用图像中一像素点的灰度与形成该点灰度射线穿过的空间距离的比值表示被测物质在该点像素对应的实际位置的电子密度。危险品与鞋本身在这一特征上是不同的，所以可以采用这种方式来判断疑似危险区域的属性。这种方式比较适合被检查物质在X射线设备高度方向有一定高度的物质，就是说比较适合估计高跟鞋鞋跟中藏匿危险品的情况。
[0073] 正交视角估计电子密度的示意图如图3所示。图3(a)中，V2是多视角的标号，V4是底照视角的标号，虚线表示视角可以
覆盖的成像范围，从V2视角出发的实线表示一条穿过待测物质的射线。图3(b)中，线段AB是多视角穿过待测物体的实际射线。底照视角射线与AB的交点A和B，通过这两个视角已知的探测器空间排布和A、B两点在图像中探测器位置，计算得到线段AC和线段BD的长度，线段CD的长度可以通过底照视角探测器空间排布与图像上像素探测器的位置得到，线段EB与线段CD相等，线段AE长度等于线段AC减去线段BD，线段AB的长度可以在直角三角形AEB中通过勾股定理等到。这样，在图像上用线段AB对应的像素点灰度比上线段AB长度，可以表示为该点像素的电子密度。这种计算的前提是假设被测物质是标准矩形，但鞋跟是上边稍长的梯形，在不影响
精度的情况下，可以作为估计电子密度的方法。得到估计的电子密度后最终判给出步骤S4中没有给出结果的疑似危险区域是否危险的属性。
[0074] 根据步骤S3、步骤S4和步骤S5的结果，最终显示图像，将危险区域用红色框标记出。
[0075] 本发明不限于上述实施方式，本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更，都不会超出本发明的构思和所附
权利要求的保护范围。
