[0001] 本实用新型属于计算机视觉技术领域，更具体地，涉及一种金属元件识别装置。

[0002] 近年来，为了保证公众的安全，火车站、机场、地铁和赛事场馆都设置有安检系统，虽然能满足基本的安检需要，但是自动化程度低，要耗费大量的人力，安检效率较低。此外，目前市面上的安检设备多为X射线扫描仪，但它的电子能量过高，对人体会造成电离伤害，所以只用来检测行李背包等物品。而对人体只能采用人工检查，自动化程度低，且容易漏检，以至于一些不法分子能够携带刀具进入公共场合行凶而无法得到预防。实用新型内容

[0003] 针对现有技术的以上缺陷或改进需求，本实用新型提供了一种金属元件识别装置，自动化程度高，与其他图像识别方法相比，能够更加快速准确地识别金属元件，尤其是金属刀具，从而大幅降低了安检人员人工识别的工作量和误检率，提升了安检效率。

[0004] 为实现上述目的，本实用新型提供了一种金属元件识别装置，包括：图像采集装置、图像处理装置和信息比对装置；图像处理装置的输入端连接图像采集装置，输出端连接信息比对装置；其中，图像采集装置用于采集物品的太赫兹图像，并输出到图像处理装置；图像处理装置用于获取图像采集装置输入的太赫兹图像的特征参数；信息比对装置用于将提取出来的图像特征参数与已有的数据库中的数据进行比对，判断出图像中的物品为何种金属元件。

[0005] 在一些实施例中，图像处理装置包括图像预处理模块、阈值选取模块和特征提取模块；图像预处理模块的输入端连接图像采集装置，输出端分别连接阈值选取模块的输入端和特征提取模块的第一输入端，阈值选取模块的输出端连接特征提取模块的第二输入端，特征提取模块的输出端连接信息比对装置；

[0006] 图像预处理模块用于将输入的太赫兹图像进行图像增强、图像灰度化以及图像滤波操作，并将预处理后的图像输出到阈值选取模块和特征提取模块；阈值选取模块用于将预处理过的太赫兹图像进行阈值分割，选取最佳阈值并输出到特征提取模块；特征提取模块用于将获取的最佳阈值运用于canny边缘检测算法中，对预处理过的太赫兹图像进行特征提取，获取图像特征参数。

[0007] 在一些实施例中，采用最大类间方差法选取最佳阈值，具体包括：统计阈值分割后每个灰度级中像素的个数，划分像素集合，计算每个灰度级中像素集合在整个灰度级中所占的比例，根据比例得到每个像素在整幅图像中的概率分布，遍历整个灰度级，计算当前灰度值下前景背景的类间概率，计算类内与类间方差下对应的阈值，选取类间方差最大的灰度级为最佳阈值。

[0008] 在一些实施例中，图像特征参数为图像边缘像素；获取图像特征参数包括：

[0009] 对预处理过的太赫兹图像进行canny边缘检测，计算图像的梯度幅值和梯度方向θ＝arctan2(Gy,Gx)，其中，Gx为图像在x方向上的偏导数，Gy为图像在y方向上的偏导数；

[0010] 进行非最大值抑制使得图像边缘细化，保留图像的局部最大梯度；

[0011] 根据最佳阈值选取双阈值，利用双阈值获取图像边缘像素。

[0012] 总体而言，通过本实用新型所构思的以上技术方案与现有技术相比，具有以下有益效果：将太赫兹成像技术与图像识别技术相结合，获取目标物品的信息，并与数据库的数据进行比较，准确识别目标物品为何种金属元件，尤其是对于金属刀具，能够准确识别其种类。本实用新型能广泛应用于安检领域，大幅降低安检人员人工识别的工作量和误检率，提升安检效率。

[0016] 为了使本实用新型的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本实用新型进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本实用新型，并不用于限定本实用新型。此外，下面所描述的本实用新型各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

[0017] 如图1所示，本实用新型实施例的金属元件识别装置包括：图像采集装置、图像处理装置和信息比对装置。图像处理装置的输入端连接图像采集装置，输出端连接信息比对装置。其中，图像采集装置用于采集物品的太赫兹图像，并输出到图像处理装置。图像处理装置用于获取图像采集装置输入的太赫兹图像的特征参数。信息比对装置用于将提取出来的图像特征参数与已有的数据库中的数据进行比对，判断出图像中的物品为何种金属元件。

[0018] 在一些实施方式中，信息比对装置具体通过连接图像边缘像素，得出物品的整体轮廓，与已有的数据库中的物品轮廓进行比对，判断出图像中的物品为何种金属元件。在一些实施方式中，数据库为金属刀具特征数据库。在一些实施方式中，信息比对装置通过将提取出来的图像特征参数与已有的金属刀具特征数据库中的数据进行比对，判断出图像中的物品是否为金属刀具。在一些实施方式中，信息比对装置根据提取出来的图像特征参数与已有的金属刀具特征数据库中的数据的相似度，判断图像中的物品是否为金属刀具。在一些实施方式中，信息比对装置在相似度大于85％时，判断图像中的物品为金属刀具。在一些实施方式中，信息比对装置在判断图像中的物品为金属刀具时，还进一步判断图像中的物品为何种类型的金属刀具。

[0019] 在一些实施方式中，图像处理装置包括图像预处理模块、阈值选取模块和特征提取模块。图像预处理模块的输入端连接图像采集装置，输出端分别连接阈值选取模块的输入端和特征提取模块的第一输入端，阈值选取模块的输出端连接特征提取模块的第二输入端，特征提取模块的输出端连接信息比对装置。

[0020] 在一些实施方式中，图像预处理模块用于将输入的太赫兹图像进行图像增强、图像灰度化以及图像滤波操作，并将预处理后的图像输出到阈值选取模块和特征提取模块。在一些实施方式中，图像增强包括：运用Gamma校正的方法提高太赫兹图像目标和背景的对比 度。在一些实施方式中，图像灰度化包括 ：计算太赫兹图像的灰度值得到所需的灰度图像，其中，R为红色值，G为绿色值，B为
蓝色值。在一些实施方式中，图像滤波包括：运用高通滤波的方法，增强太赫兹图像边缘的高频信号，使得太赫兹图像的轮廓更加清晰。

[0021] 在一些实施方式中，阈值选取模块用于将预处理过的太赫兹图像进行阈值分割，选取最佳阈值并输出到特征提取模块。在一些实施方式中，采用最大类间方差法选取最佳阈值。在一些实施方式中，采用最大类间方差法选取最佳阈值具体包括：统计阈值分割后每个灰度级中像素的个数，划分像素集合，计算每个灰度级中像素集合在整个灰度级中所占的比例，根据比例得到每个像素在整幅图像中的概率分布，遍历整个灰度级，计算当前灰度值下前景背景的类间概率，计算类内与类间方差下对应的阈值，选取类间方差最大的灰度级为最佳阈值。在一些实施方式中，利用直方图进行分析，统计阈值分割后每个灰度级中像素的个数，将预处理过的太赫兹图像划分为多个(例如240个)小块，找出刀具的隐藏区域，再计算每个灰度级中像素集合在整个灰度级(例如[0 255])中所占的比例，选取最佳阈值。

[0022] 在一些实施方式中，特征提取模块用于将获取的最佳阈值运用于canny边缘检测算法中，对预处理过的太赫兹图像进行特征提取，获取图像特征参数。在一些实施方式中，图像特征参数为图像边缘像素。在一些实施方式中，获取图像特征参数包括：对预处理过的太赫兹图像进行canny边缘检测，计算图像的梯度幅值 和梯度方向θ＝arctan2(Gy,Gx)，其中，Gx为图像在x方向上的偏导数，Gy为图像在y方向上的偏导数；进行非最大值抑制使得图像边缘细化，保留图像的局部最大梯度；根据最佳阈值选取双阈值，利用双阈值获取图像边缘像素。在一些实施方式中，双阈值包括高阈值和低阈值。在一些实施方式中，根据最佳阈值选取双阈值包括：将最佳阈值作为高阈值，在高阈值的1/3～1/2范围内选取低阈值。在一些实施例中，利用双阈值获取图像边缘像素包括：将高于高阈值的点作为边缘点像素，低于低阈值的点抛弃；将大于低阈值小于高阈值的点用8连通区域确定，即大于低阈值小于高阈值的点只有与高阈值像素连接时才能成为边缘点。

[0023] 如图2所示，本实用新型实施例的金属元件识别方法主要包括如下步骤：

[0024] (1)图像预处理：从太赫兹系统中采集到物品的太赫兹图像，将输入的太赫兹图像进行图像增强、图像灰度化以及图像滤波操作；

[0025] 在一些实施方式中，图像增强包括：运用Gamma校正的方法提高太赫兹图像目标和背景的对比度。

[0026] 在一些实施方式中，图像灰度化包括：运用公式(1)计算太赫兹图像的灰度值Gray，得到所需的灰度图像。

[0027]

[0028] 其中，R为红色值，G为绿色值，B为蓝色值。

[0029] 在一些实施方式中，图像滤波包括：运用高通滤波的方法，增强太赫兹图像边缘的高频信号，使得太赫兹图像的轮廓更加清晰。

[0030] (2)阈值选取：将预处理过的太赫兹图像进行阈值分割，选取最佳阈值；

[0031] 在一些实施方式中，采用最大类间方差法选取最佳阈值。

[0032] 在一些实施方式中，采用最大类间方差法选取最佳阈值具体包括：统计阈值分割后每个灰度级中像素的个数，划分像素集合，计算每个灰度级中像素集合在整个灰度级中所占的比例，根据比例得到每个像素在整幅图像中的概率分布，遍历整个灰度级，计算当前灰度值下前景背景的类间概率，计算类内与类间方差下对应的阈值，选取类间方差最大的灰度级为最佳阈值。

[0033] 在一些实施方式中，利用直方图进行分析，统计阈值分割后每个灰度级中像素的个数，将预处理过的太赫兹图像划分为多个(例如240个)小块，找出刀具的隐藏区域，再计算每个灰度级中像素集合在整个灰度级(例如[0 255])中所占的比例，选取最佳阈值。

[0034] (3)特征提取：将获取的最佳阈值运用于canny边缘检测算法中，对预处理过的太赫兹图像进行特征提取，获取图像特征参数，如图3所示；

[0035] 在一些实施方式中，图像特征参数为图像边缘像素。

[0036] 在一些实施方式中，获取图像特征参数包括：

[0037] 对预处理过的太赫兹图像进行canny边缘检测，用公式(2)和(3)计算图像的梯度幅值G和梯度方向θ；

[0038]

[0039] θ＝arctan2(Gy,Gx)                (3)

[0040] 其中，Gx为图像在x方向上的偏导数，Gy为图像在y方向上的偏导数。

[0041] 进行非最大值抑制使得图像边缘细化，保留图像的局部最大梯度；

[0042] 根据最佳阈值选取双阈值，利用双阈值获取图像边缘像素。

[0043] 在一些实施方式中，双阈值包括高阈值和低阈值。

[0044] 在一些实施方式中，根据最佳阈值选取双阈值包括：将最佳阈值作为高阈值，在高阈值的1/3～1/2范围内选取低阈值。

[0045] 在一些实施例中，利用双阈值获取图像边缘像素包括：将高于高阈值的点作为边缘点像素，低于低阈值的点抛弃；将大于低阈值小于高阈值的点用8连通区域确定，即大于低阈值小于高阈值的点只有与高阈值像素连接时才能成为边缘点。

[0046] (4)信息比对：将提取出来的图像特征参数与已有的数据库中的数据进行比对，判断出图像中的物品为何种金属元件。

[0047] 在一些实施方式中，信息比对包括：连接图像边缘像素，得出物品的整体轮廓，与已有的数据库中的物品轮廓进行比对，判断出图像中的物品为何种金属元件。

[0048] 在一些实施方式中，数据库为金属刀具特征数据库。

[0049] 在一些实施方式中，将提取出来的图像特征参数与已有的金属刀具特征数据库中的数据进行比对，判断出图像中的物品是否为金属刀具。

[0050] 在一些实施方式中，根据提取出来的图像特征参数与已有的金属刀具特征数据库中的数据的相似度，判断图像中的物品是否为金属刀具。

[0051] 在一些实施方式中，当相似度大于85％时，判断图像中的物品为金属刀具。

[0052] 在一些实施方式中，判断图像中的物品为金属刀具还包括判断图像中的物品为何种类型的金属刀具。

[0053] 目前，太赫兹成像技术的发展越来越成熟，太赫兹成像技术具有成像分辨率高的优点。太赫兹辐射的频率在0.1‑100Thz之间，它无法穿透金属物品，但能穿透各种非金属物品，且对人身体没有任何伤害，这就使得太赫兹成像技术运用于安检系统中有着很大的优势。本实用新型利用太赫兹成像技术的上述特点，再配合现如今比较成熟的图像识别技术，使得太赫兹安检越来越自动化。

[0054] 本领域的技术人员容易理解，以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本实用新型的保护范围之内。