X射線安檢儀人包自動綁定方法研究

趙 耀

（中國鐵路設計集團有限公司，天津 300308）

針對X射線安檢機人員與包件關聯方面的研究尚不多見。目前有文獻提出利用RFID技術實現包件電子單號與X射線安檢儀安檢圖像的自動綁定的方法。該方案需要通行人員主動配合按照規定放置行包，適用于如機場這種客流量相對可控、安檢要求高的場景。在不改變原有傳統X射線安檢儀的硬件設備基礎上，快速準確地實現自動化人包關聯是X射線安檢儀功能升級的研究方向。

結合人臉識別技術與時間關聯方法研究，提出一種簡單有效的旅客行包物品與人員關聯的新方法。在X射線安檢機入口處設置人臉監控攝像機，在計算旅客放行包與安檢機采集行包X射線圖像時間差的基礎上預估放行包時間，通過適時采集入口視頻采集時間段，并用人臉分類器快速篩選出含有人臉的圖像做綁定，實現準確的人包關聯。

1 人包綁定算法

進行人包綁定的目的是把旅客圖像與行包圖像進行關聯，在時間相關順序基礎上加入人臉識別的方法，能夠達到高準確率實現人包綁定的目的。

1.1 時間關聯基礎算法

時間關聯的原理是基于安檢機的傳輸帶運行速率以及放置行包的位置距離X射線探測器的距離基本是固定的這一規律。例如將放置A行包至采集到X射線圖像B這段時間記為ΔT，若將收到行包X射線圖像B的這一時刻記為T2，則可倒推客戶在放置行包的時刻應為T1＝T2－ΔT。

如何實時獲得T1時刻的旅客圖像是人包綁定方法的關鍵。在軟件設計中通過對入口處攝像機定時截圖并存入一個固定長度N的內存隊列Q，獲取T1時刻入口處的旅客放包圖像，將旅客放包圖像與行包X射線圖像組合存儲，可完成關聯的操作。假設定時截圖的時間為t，則關聯到的旅客圖像I理論上可通過公式（1）從內存隊列Q中獲得：

實際測試中發現僅通過時間關聯，關聯到的入口處旅客圖像存在偏差或圖像效果不佳，需要在實踐關聯算法基礎上，增加一個時間裕度，并設置一層對視頻圖像有效性的判別算法。

同時，教師還要轉變家長的觀念，使家長清楚家長助教是為了能夠實現家園共育，家長不僅僅只是聽從教師的安排，而是要和教師一起共同促進幼兒的發展。

1.2 人臉識別算法應用

因此本文提出在時間關聯的基礎上，加入人臉識別對關聯到的固定時刻的圖像上下取一個較小的范圍序列n，對這n個截圖進行人臉識別，找出含有人臉圖像的那一張圖像。方法如圖1所示。

圖1 關聯時刻及截圖隊列示意Fig.1 Schematic diagram of associated time and screenshot queue

本文中采用的人臉識別的方法為opencv中的級聯分類器CascadeClassif ier。CascadeClassif ier是opencv下objdetect模塊中用來做目標檢測的級聯分類器的一個類。Cascade級聯分類器是一種快速簡單的分類方法。

利用opencv3中基于LBP特征的一個人臉分類器，進行人臉識別的檢測步驟如下：

1）load()加載xml級聯分類器；

2）導出image；

3）圖像灰度化；

4）圖像resize；

5）調用detectMultiScale()實現多尺度檢測。

由于實際X射線行包安檢現場人員流量大，旅客在放置行包時可能會出現人員集中的情況，此時在檢測出的含有人臉的圖像中，進一步的進行篩選出現頻次最多、識別框最大的那張圖片作為關聯的最終結果。

范圍序列n的選取對于該算法的效率、效果有較為明顯的影響。若n＝1，表示算法中未加入人臉識別，僅通過時間進行關聯；隨著n越大采用人臉識別獲取清晰關聯旅客圖像的概率越大，但到n取值過大時已經超過了該旅客放置行包時間，可能會將下一名旅客的圖像納入本次判斷，導致關聯錯位。

設定X光安檢儀的人員正常通過時間為tp，人臉攝像機的幀率FPS，則每一幀視頻圖像所代表的時間為tf＝1/FPS，則n的上限取值為nmax＝tp/tf＝tp·FPS。

在實際應用中，需要結合這些參數合理選擇n值，以實現準確的人包關聯。

1.3 算法流程

基于時間關聯及人臉識別算法，與既有的X射線圖像采集結合后實現的X射線安檢儀人包自動綁定算法流程如圖2所示。

圖2 人包自動綁定算法流程Fig.2 Flowchart of automatic binding software of passenger and luggage information

程序開始后，系統同時開啟人臉捕捉及行包X射線圖像采集，分別獲取人臉圖像及X射線圖像。利用時間關聯算法對人臉、X射線圖像實現關聯，并將視頻監控系統捕捉到對應人臉的旅客圖像與行包X射線圖像進行關聯存儲及統一UI顯示，實現人包自動綁定。

2 系統設計

系統在既有X射線安檢儀上增加攝像機，通過增加軟件算法及UI調整實現人包自動綁定及統一顯示。

2.1 系統總體框架

系統總體框架如圖3所示。

圖3 系統框架Fig.3 System framework

其中X射線安檢儀、安檢儀工控機、安檢顯示終端與既有X射線安檢儀配置方案一致。增加攝像機，并在安檢儀工控機中增加視頻圖像采集模塊、人包綁定算法模塊，對UI界面模塊進行調整，滿足人包綁定畫面在終端的統一顯示。

2.2 系統硬件設計

兩臺攝像機分別安裝在出口處和入口處，其中出口處攝像機的安裝位置，位于X射線安檢儀上方。入口處的攝像機用于人臉抓拍及旅客放包圖像獲取，出口處的攝像機用于旅客取包圖像獲取。入口處的攝像機在錄制視頻人員放包視頻的基礎上，同時還作為人臉攝像機使用，需要將安裝角度調整到合適的角度范圍，以便于能夠拍攝到旅客放包時的人臉圖像。系統硬件構成示意如圖4所示。

圖4 系統硬件構成示意Fig.4 Schematic diagram of system hardware composition

通過不同身高被測人及在有限次的測試數據基礎上，得出入口處攝像機離地1.7 m，與水平面夾角在25°～35°之間時，能夠更好地使得攝像機捕捉到人員放包過程中的人臉圖像。

3 實驗測試與分析

3.1 實驗環境搭建

根據系統硬件設計搭建實驗環境平臺，選用雙源雙視角X射線安檢儀1臺，攝像機2臺。采用Visual Studio 2019、C#、WPF技術開發相應的系統軟件并安裝于安檢儀工控機內，構建的實驗環境平臺如圖5所示。

圖5 實驗環境Fig.5 Test environment

3.2 實驗方法

系統測試時模擬現實X射線安檢現場的情形，從以下3個方面，增加測試數據的多樣性：

1）選擇10人作為被測旅客，身高范圍在157～183 cm；

2）準備了不同體積的行包，包括手提包、工具箱、大小行李箱等；

3）選擇兩種通過速度，第一種為慢速通過，通過兩人之間間隔2 s后第二個人再放行包。第二種為快速連續通過，第一個人放完行包，第二個人緊接著放行包。

10個人先以隊列形式按照以不同通過速度的方式輪流在入口處放置行包，再在出口處收取行包，在此過程中記錄通過人與行包關聯上的次數Nc，以及總通過次數Nt，得出關聯準確性數據。關聯準確率R計算如公式（2）所示。

3.3 實驗結果及分析

本實驗中入口處攝像機的幀率為每秒5張圖片，每個人平均放置行包的時間長度約為2 s，則nmax＝10，因此選擇合理的n值進行測試，分別取n＝1、3、5、7和9。具體測試數據如表1所示。

表1 實驗數據Tab.1 Test data

從實驗結果看，當僅通過時間關聯時，關聯準確率很低；加入對關聯范圍內的人臉識別后識別準備率明顯提高，且受通行速度影響不大；隨著關聯范圍n值取值較大時，關聯準確率也會降低。需要根據不同場景測試進行合理選值。在n＝5情況下取值基本可以實現大客流情況下人包自動綁定準確率高于99%，檢測時間為4 ms，基本不對通行產生影響。

4 結論

研究提出一種結合人臉探測及時間關聯的人包信息綁定方法。通過實驗測試驗證了本文提出方法可以在X射線安檢儀應用并得到高準確性的人包信息綁定結果，且不改變既有鐵路客站X射線安檢儀應用流程，具有良好的應用前景。