[发明专利]被动式太赫兹人体图像隐蔽目标的检测方法及装置

权利要求书

1.一种被动式太赫兹人体图像隐蔽目标的检测方法，其特征在于，包括以下步骤：

对输入的待检测的被动式太赫兹人体图像执行自适应扫描，所述自适应扫描的滑动窗口将图像依次分块采样为一系列的待检测子图像；

所述待检测子图像经由太赫兹图像预处理流程进行处理，输出太赫兹滤波图像和太赫兹二值化图像；

将所述太赫兹滤波图像和所述太赫兹二值化图像送入到太赫兹多维特征提取器中，从三个维度分别提取特征并融合，输出特征向量；

所述太赫兹多维特征提取器包括：

方向梯度特征提取器，包括图层蒙版和方向梯度直方图统计，所述图层蒙版的生成过程是通过遍历二值化图像中所有的轮廓找到最大的轮廓并使用特定颜色填充，从而获得图层蒙版，此过程可以消除非蒙版区域的其他白色区块；所述方向梯度直方图统计是对图层蒙版过滤后的图像进行像素梯度及其方向的统计，并以此作为方向梯度的特征向量；

灰度分布特征提取器，包括归一化和灰度分布直方图统计，所述归一化是将图像灰度值重映射到0-255，以此减少不同图像中整体灰度不均衡的影响；统计归一化图像的灰度直方图分布，并将所述灰度分布直方图中每个区间里的频数依次作为一维特征向量的每一个元素，以此构成灰度分布的特征向量；

空间特征提取器，包括池化和一维展开，所述池化采用的是最大值池化；所述一维展开是将池化后的二维图像按行拉成一维行向量，并将所述一维行向量作为像素空间分布的特征向量；

特征融合；

所述特征向量通过预先训练好的线性支持向量机进行分类；

若分类结果为期望目标，则继续送入太赫兹多任务检测分支进行后续的三种检测任务；

所述太赫兹多任务检测分支包括水平边界框分支、有向边界框分支、轮廓分割分支；所述太赫兹多任务检测分支能够完成所述三种检测任务，分别是目标水平边界框标示、目标有向边界框标示、目标轮廓标示；

所述轮廓分割分支能够完成目标轮廓标示的任务；所述轮廓分割分支对输入的二值化图像执行轮廓跟踪算法，所述轮廓跟踪算法包括：

从左到右，从上到下地逐行扫描二值化图像；

建立驱动轮廓跟踪的指针；

根据所述指针执行轮廓跟踪；

通过计算轮廓的零阶图像矩来确定最大轮廓，从而完成目标轮廓分割；

所述有向边界框分支能够完成目标有向边界框标示的任务；所述有向边界框分支的输入是二值化图像和轮廓分割分支输出的轮廓点集；

所述有向边界框分支的算法包括：

通过主成分分析计算轮廓点集的第一主成分方向；

旋转图像至第一主成分方向为垂直的位置；

计算该角度下轮廓点集的水平边界框；

将该水平边界框反向旋转为原角度，即为目标的有向边界框；

所述水平边界框分支能够完成目标水平边界框标示的任务；所述水平边界框分支的输入是二值化图像和轮廓分割分支输出的轮廓点集；

执行非极大抑制，消除冗余检测结果；

输出最终检测结果。

2.根据权利要求1所述的检测方法，其特征在于，所述自适应扫描的具体实现方式包括：

检测太赫兹人体图像下半部分中人体大腿两侧所在的位置，以此确定自适应扫描区域的起始列和终止列；

根据人体身高范围确定自适应扫描区域的起始行和终止行。

3.根据权利要求1所述的检测方法，其特征在于，所述太赫兹图像预处理流程包括第一阶段和第二阶段，所述第一阶段为滤波阶段，所述滤波流程包括中值滤波、高斯滤波和双边滤波；所述第二阶段为二值化和形态学处理阶段。

4.一种被动式太赫兹人体图像隐蔽目标的检测装置，其特征在于，包括：

扫描模块，用于对输入的待检测的被动式太赫兹人体图像执行自适应扫描，所述自适应扫描的滑动窗口将图像分块采样为一系列的待检测子图像；

预处理模块，用于所述待检测子图像经由太赫兹图像预处理流程进行处理，输出太赫兹滤波图像和太赫兹二值化图像；

特征提取模块，用于将所述太赫兹滤波图像和所述太赫兹二值化图像送入到太赫兹多维特征提取器中，从三个维度分别提取特征并融合，输出特征向量；

所述太赫兹多维特征提取器包括：

方向梯度特征提取器，包括图层蒙版和方向梯度直方图统计，所述图层蒙版的生成过程是通过遍历二值化图像中所有的轮廓找到最大的轮廓并使用特定颜色填充，从而获得图层蒙版，此过程可以消除非蒙版区域的其他白色区块；所述方向梯度直方图统计是对图层蒙版过滤后的图像进行像素梯度及其方向的统计，并以此作为方向梯度的特征向量；

灰度分布特征提取器，包括归一化和灰度分布直方图统计，所述归一化是将图像灰度值重映射到0-255，以此减少不同图像中整体灰度不均衡的影响；统计归一化图像的灰度直方图分布，并将所述灰度分布直方图中每个区间里的频数依次作为一维特征向量的每一个元素，以此构成灰度分布的特征向量；

空间特征提取器，包括池化和一维展开，所述池化采用的是最大值池化；所述一维展开是将池化后的二维图像按行拉成一维行向量，并将所述一维行向量作为像素空间分布的特征向量；

特征融合；

多任务检测分支模块，用于所述特征向量通过预先训练好的线性支持向量机进行分类；若分类结果为期望目标，则继续送入太赫兹多任务检测分支进行后续的三种检测任务；执行非极大抑制，消除冗余检测结果；输出最终检测结果。

所述太赫兹多任务检测分支包括水平边界框分支、有向边界框分支、轮廓分割分支；所述太赫兹多任务检测分支能够完成所述三种检测任务，分别是目标水平边界框标示、目标有向边界框标示、目标轮廓标示；

所述轮廓分割分支能够完成目标轮廓标示的任务；所述轮廓分割分支对输入的二值化图像执行轮廓跟踪算法，所述轮廓跟踪算法包括：

从左到右，从上到下地逐行扫描二值化图像；

建立驱动轮廓跟踪的指针；

根据所述指针执行轮廓跟踪；

通过计算轮廓的零阶图像矩来确定最大轮廓，从而完成目标轮廓分割；

所述有向边界框分支能够完成目标有向边界框标示的任务；所述有向边界框分支的输入是二值化图像和轮廓分割分支输出的轮廓点集；

所述有向边界框分支的算法包括：

通过主成分分析计算轮廓点集的第一主成分方向；

旋转图像至第一主成分方向为垂直的位置；

计算该角度下轮廓点集的水平边界框；

将该水平边界框反向旋转为原角度，即为目标的有向边界框；

所述水平边界框分支能够完成目标水平边界框标示的任务；所述水平边界框分支的输入是二值化图像和轮廓分割分支输出的轮廓点集。