[发明专利]一种实现人工智能区域屏蔽的人体安检的方法和装置

权利要求书

1.一种实现人工智能区域屏蔽的人体安检的方法，其特征在于，包括：

获取目标人体的X光安检透视图像；

对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域；

利用预先训练好的神经网络模型对所述图像区域进行识别，判断所述图像区域是否为敏感人体部位；

若所述图像区域是为敏感人体部位，将所述X光安检透视图像中的所述图像区域打上马赛克，并显示打上马赛克后的X光安检透视图像。

2.根据权利要求1所述的方法，其特征在于，在所述对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域之前，所述方法，还包括：

对所述X光安检透视图像进行图像增强，滤波去除噪声干扰，并去除伪影，然后再增强对比度，增强所述X光安检透视图像不同灰度颜色区域的反差。

3.根据权利要求1所述的方法，其特征在于，所述对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域具体包括：

采用canny边缘检测算子对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域。

4.根据权利要求3所述的方法，其特征在于，所述采用canny边缘检测算子对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域，包括：

对X光安检透视图像与高斯mask作卷积，对所述X光安检透视图像进行平滑处理；

利用Sobel算子计算平滑处理后的所述X光安检透视图像的每个像素点的梯度；

保留所述X光安检透视图像的每个像素点上梯度强度的极大值，删除其他值；

设定所述X光安检透视图像的每个像素点上梯度强度的极大值的阈值上界和阈值下界，将梯度强度的极大值大于所述阈值上界的像素点确认为边界，将梯度强度的极大值大于所述阈值下界小于所述阈值上界的像素点确认为弱边界，将梯度强度的极大值小于所述阈值下界的像素点确认为非边界；

将与所述边界相连的弱边界确认边界，将其他的若边界确认为非边界。

5.根据权利要求1所述的方法，其特征在于，所述利用预先训练好的神经网络模型对所述图像区域进行识别，判断所述图像区域是否为敏感人体部位，包括：

根据所述图像区域内的像素的灰度值，求角二阶矩阵、相关性、差分矩阵、反差分矩阵和像素熵值；

将所述角二阶矩阵、相关性、差分矩阵、反差分矩阵和像素熵值组成所述图像区域的特征向量；

利用预先训练的神经网络模型对所述特征向量进行识别，判断所述图像区域是否为敏感人体部位。

6.根据权利要求5所述的方法，其特征在于，所述神经网络模型包括五个输入层，四个隐含层和一个输出层。

7.根据权利要求5所述的方法，其特征在于，所述神经网络模型为采用反向传播算法的神经网络模型。

8.一种实现人工智能区域屏蔽的人体安检的装置，其特征在于，包括：

图像获取模块，用于获取目标人体的X光安检透视图像；

图像处理模块，用于对所述X光安检透视图像进行边缘检测，提取由封闭边缘包围的图像区域；

图像匹配模块，用于将所述图像区域与预先存储的敏感人体部位模板进行匹配；

图像显示模块，用于若匹配成功，将所述X光安检透视图像中的所述图像区域打上马赛克，并显示打上马赛克后的X光安检透视图像。

9.根据权利要求8所述的装置，其特征在于，还包括：

图像预处理模块，用于对所述X光安检透视图像进行图像增强，滤波去除噪声干扰，并去除伪影，然后再增强对比度，增强所述X光安检透视图像不同灰度颜色区域的反差。

10.根据权利要求8所述的系统，其特征在于，还包括：

存储模块，用于存储预先训练的神经网络模型。