一种基于X光图像的利器检测方法与流程

阅读：评论：0

一种基于x光图像的利器检测方法
技术领域
1.本技术涉及安检技术领域，尤其涉及一种基于x光图像的利器检测方法。

背景技术：

2.随着科技的发展，交通运输成为生产和生活中的重要组成部分。为了保障交通运输的安全性，需要对包裹进行安检。刀具由于其危险性，是安检过程中需要重点排查的物品。
3.相关技术中，通过安检机对包裹进行扫描得到x光图像，根据x光图像进行物品识别，确定包裹中是否有刀具。
4.然而，上述方式只考虑刀具的外形，儿童玩具、刀状的金属块体、练习所用的太极剑等也会被识别为刀具，但其并无多大的危害，因此，亟需一种对有危害性的利器进行检测的方式。

技术实现要素：

5.本技术实施例提供了一种基于x光图像的利器检测方法，用以精准地进行利器检测。
6.第一方面，本技术实施例提供了一种基于x光图像的利器检测方法，包括：
7.根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；
8.根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；
9.根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
10.上述方案，由于在x光图像中通过不同颜表征不同材质，物品的厚度不同会有不同的目标颜分量；因此，在采集图像中包含刀具时，根据刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，就能确定出反映在刀刃部分厚度变化的拟合刀刃角度；并且，根据刀具区域中各像素点的目标颜分量，就能确定出表征上述刀具是否开刃的开刃信息；由于上述两项参数表征了刀具的刀刃部分的危害性，因此根据上述两项参数可以精准地确定出该刀具是否是有危害性的利器。
11.在一些可选的实施方式中，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度，包括：
12.针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；
13.根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。
14.在一些可选的实施方式中，根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度，包括：
15.对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；
16.针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；
17.将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。
18.在一些可选的实施方式中，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息，包括：
19.根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；
20.确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；
21.若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。
22.在一些可选的实施方式中，根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间，包括：
23.确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；
24.若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；
25.其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。
26.在一些可选的实施方式中，所述目标颜分量为目标蓝分量，通过以下方式确定各像素点的目标蓝分量：
27.针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的初始红分量、初始绿分量以及初始蓝分量之和。
28.在一些可选的实施方式中，根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器，包括：
29.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。
30.在一些可选的实施方式中，在根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器之前，还包括：
31.根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度；
32.根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器，包括：
33.根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。
34.在一些可选的实施方式中，根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度，包括：
35.对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；
36.确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。
37.在一些可选的实施方式中，根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器，包括：
38.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。
39.第二方面，本技术实施例提供了一种基于x光图像的利器检测装置，包括：
40.刀具区域确定模块，用于根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；
41.刀刃信息确定模块，用于根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；
42.利器判别模块，用于根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
43.在一些可选的实施方式中，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；所述刀刃信息确定模块，具体用于：
44.针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；
45.根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。
46.在一些可选的实施方式中，所述刀刃信息确定模块，具体用于：
47.对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；
48.针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；
49.将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。
50.在一些可选的实施方式中，所述刀刃信息确定模块，具体用于：
51.根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；
52.确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；
53.若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。
54.在一些可选的实施方式中，所述刀刃信息确定模块，具体用于：
55.确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；
56.若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；
57.其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。
58.在一些可选的实施方式中，所述目标颜分量为目标蓝分量，通过以下方式确定各像素点的目标蓝分量：
59.针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的初始红分量、初始绿分量以及初始蓝分量之和。
60.在一些可选的实施方式中，所述利器判别模块，具体用于：
61.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。
62.在一些可选的实施方式中，还包括刀尖信息确定模块，用于：
63.在所述利器判别模块根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器之前，根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度；
64.所述利器判别模块，具体用于：
65.根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。
66.在一些可选的实施方式中，所述刀尖信息确定模块，具体用于：
67.对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；
68.确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。
69.在一些可选的实施方式中，所述利器判别模块，具体用于：
70.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。
71.第三方面，本技术实施例提供一种电子设备，所述电子设备包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任一所述的方法。
72.第四方面，本技术实施例提供一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行上述第一方面任一所述的方法。
附图说明
73.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他
的附图。
74.图1为本技术实施例提供的第一种基于x光图像的利器检测方法的流程示意图；
75.图2为本技术实施例提供的采集图像示意图；
76.图3为本技术实施例提供的刀具区域示意图；
77.图4为本技术实施例提供的像素点的三维坐标示意图；
78.图5为本技术实施例提供的刀具剖面图；
79.图6为本技术实施例提供的拟合角度示意图；
80.图7为本技术实施例提供的目标颜分量在预设区间的分布示意图；
81.图8为本技术实施例提供的第二种基于x光图像的利器检测方法的流程示意图；
82.图9为本技术实施例提供的边缘图像示意图；
83.图10为本技术实施例提供的边缘图像中的目标直线段示意图；
84.图11为本技术实施例提供的一种基于x光图像的利器检测装置的结构示意图；
85.图12为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
86.为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，显然，所描述的实施例仅仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
87.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
88.为了保障交通运输的安全性，需要对包裹进行安检。刀具由于其危险性，是安检过程中需要重点排查的物品。
89.相关技术中，通过安检机对包裹进行扫描得到x光图像，根据x光图像进行物品识别，确定包裹中是否有刀具。
90.然而，上述方式只考虑刀具的外形，儿童玩具、刀状的金属块体、练习所用的太极剑等也会被识别为刀具，但其并无多大的危害，因此，亟需一种对有危害性的利器进行检测的方式。
91.鉴于此，本技术实施例提出一种基于x光图像的利器检测方法，包括：根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
92.上述方案，由于在x光图像中通过不同颜表征不同材质，物品的厚度不同会有不同的目标颜分量；因此，在采集图像中包含刀具时，根据刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，就能确定出反映在刀刃部分厚度变化的拟合刀刃角度；并且，根据刀具区域中各像素点的目标颜分量，就能确定出表征上述刀具是否开刃的开刃
信息；由于上述两项参数表征了刀具的刀刃部分的危害性，因此根据上述两项参数可以精准地确定出该刀具是否是有危害性的利器。
93.下面将结合附图及具体实施例，对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
94.图1为本技术实施例提供的第一种基于x光图像的利器检测方法的流程示意图，如图1所示，包括以下步骤：
95.步骤s101：根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域。
96.上述采集图像为x光图像，在x光图像中通过不同颜表征不同材质，物品的厚度不同会有不同的目标颜分量。
97.参阅图2所示，通过安检机对包裹进行扫描，得到包含包裹中所有物品的x光图像，本实施例只需要确定刀具是否为利器，而不关注其他物品以及背景区域，因此，需要先从采集图像中确定刀具对应的刀具区域。刀具区域可参阅图3所示。
98.在一些可选的实施例中，确定刀具区域的可通过但不限于如下方式实现：
99.根据实例分割算法，从所述采集图像中提取所述刀具对应的刀具区域。
100.示例性的，采用基于位置分割对象算法(segmenting objects by locations，solo)，将分割问题转化为位置分类问题，将图像划分为网格，刀具的中心落在了某个网格内，该网格就负责预测刀具的语义类别，并给每个像素点赋予位置类别。模型中有两个分支，类别分支预测语义类别，掩码(mask)分支则分割物品实例。掩码分支又由mask核分支和mask特征分支组成，分别预测卷积核和卷积特征。通过实例分割算法，对图像每个像素点都赋予一个位置分类，这样能得到刀具所在区域，用刀具mask值表示。
101.上述分割方式只是示例性说明，实施中可采用其他方式提取刀具区域。
102.步骤s102：根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息。
103.示例性的，由于在x光图像中通过不同颜表征不同材质，物品的厚度不同会有不同的目标颜分量；因此，在采集图像中包含刀具时，根据刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，就能确定出反映在刀刃部分厚度变化的拟合刀刃角度；并且，根据刀具区域中各像素点的目标颜分量，就能确定出表征上述刀具是否开刃的开刃信息。
104.步骤s103：根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
105.本实施例中，刀具的拟合刀刃角度以及开刃信息表征了刀具的刀刃部分的危害性，可根据上述两项参数确定出上述刀具是否是有危害性的利器。
106.上述方案，由于在x光图像中通过不同颜表征不同材质，物品的厚度不同会有不同的目标颜分量；因此，在采集图像中包含刀具时，根据刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，就能确定出反映在刀刃部分厚度变化的拟合刀刃角度；并且，根据刀具区域中各像素点的目标颜分量，就能确定出表征上述刀具是否开刃的开刃
信息；由于上述两项参数表征了刀具的刀刃部分的危害性，因此根据上述两项参数可以精准地确定出该刀具是否是有危害性的利器。
107.示例性的，刀具通常为金属材质，x光图像中通过蓝表征金属，如：基于x光成像原理(伦琴射线在穿透物品的过程中被吸收的量不同)，金属物的厚度越大则呈现在x光图像上的灰度等级越高，最深可变化为紫-黑，最浅可至浅蓝，甚至接近白。也就是说，x光图像中厚度不同的金属部分会呈现不同灰度等级的蓝，灰度等级与金属的厚度对应。
108.基于此，一些可选的实施方式中，所述目标颜分量为目标蓝分量；
109.对应的，可通过但不限于以下方式确定各像素点的目标蓝分量：
110.针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的初始红分量、初始绿分量以及初始蓝分量之和。
111.实施中，由于rgb彩空间的rgb值(初始值)容易受到光照变化或阴影的影响，也就是说，同一位置受不同光照强度影响会导致图像的rgb值发生很大变化。基于此，本实施例对rgb值进行归一化处理，即将rgb值归一化到rgb空间的rgb值(目标值)。
112.示例性的，目标红分量r＝r/(r+g+b)；目标绿分量g＝g/(r+g+b)；目标蓝分量b＝b/(r+g+b)；
113.其中，r为初始红分量，g为初始绿分量，b为初始蓝分量。
114.上述方案，通过对初始彩空间的初始值(包括初始红分量、初始绿分量以及初始蓝分量)进行归一化处理，得到归一化彩空间的目标颜分量，这样减少了光照变化或阴影的影响，使得目标颜分量更能体现出刀具本身的厚度。
115.一些可选的实施方式中，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；
116.对应的，上述步骤s102中确定刀具的拟合刀刃角度，可通过但不限于如下方式实现：
117.针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；
118.根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。
119.示例性的，采集图像是二维图像，各像素点对应了二维坐标系下的横坐标(x)以及纵坐标(y)；
120.通过加入目标颜分量，将像素点的横坐标作为x轴坐标，将像素点的纵坐标作为y轴坐标，将像素点的目标颜分量作为z轴坐标，得到该像素点在三维坐标系下的三维坐标(x,y,b)。
121.参阅图4所示，经过上述转换，将x光图像中的刀具区域投射到上述三维坐标系中，如果两像素点的厚度相同，z轴坐标也相同，该三维坐标反映了刀刃部分厚度变化。
122.上述方案，由于各像素点的目标颜分量反映了在该像素点的厚度情况，因此，刀具区域中所有像素点的三维坐标反映了刀刃部分厚度变化，基于该刀具区域中所有像素点的三维坐标，精准地确定出反映在刀刃部分厚度变化的拟合刀刃角度。
123.一些可选的实施方式中，根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度，可通过但不限于如下方式实现：
124.对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；
125.针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；
126.将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。
127.参阅图5所示，由于刀具区域的刀刃部分通常是由厚到薄的区域，且形成了锋利的角度γ，具有这种特征的刀具具有较高的危险性；反映到三维坐标系中就是厚度渐变的部分；基于此，本实施例需要从三维坐标系中检测这种厚度渐变区域，并进一步基于这部分区域与底面的角度，确定是否是比较尖锐的刀刃。
128.由于像素点的三维坐标是不连续的点云，而本实施例需要从中确定是否存在渐变区域；基于此，需要先对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域，平面区域可参阅图6所示；
129.各平面区域(表示为ax+by+cz+d＝0)对应有法向量(也就是法线，表示为计算法向量与底面(x轴与y轴所在的平面)的夹角计算法向量与底面(x轴与y轴所在的平面)的夹角从而得到平面区域与底面的夹角α＝90
°‑
δ，进而判定各平面区域是否是厚度渐变区域；还是以上述图6为例，法线1(平面区域1的法线)与底面的夹角为90
°
，平面区域1与底面之间的拟合角度为0
°
，不是厚度渐变的平面区域；法线2(平面区域2的法线)与底面的夹角为35
°
，平面区域2与底面之间的拟合角度为55
°
，是厚度渐变的平面区域，该平面区域与底面的拟合角度就是拟合刀刃角度。
130.上述多个平面区域可通过但不限于如下方式确定：采用随机抽样一致算法(random sample consensus,ransac)进行点云多平面拟合分割，得到在三维坐标系中表示刀具的多个平面区域。具体的：
131.在投射区域中选择三个点(投射区域为三维坐标系中所有像素点的三维坐标组成的点云)，并确定其对应的平面方程ax+by+cz+d＝0；
132.计算上述中的所有点i分别到上述平面的距离di＝|axi+byi+czi+d|；如果di≤dth(dth为设定的距离阈值，如0.01)，则判定点i在上述平面中，否则判定点i不在上述平面中，记录平面中的点数(内点数量)；
133.重复以上步骤，选择最佳拟合参数，即内点数量最多的平面对应的模型参数；每次迭代后根据期望的误差率、最佳内点数量、总样本个数、当前迭代次数计算一个迭代结束判决因子，根据该因子决定是否结束迭代；
134.迭代结束后，得到一个平面的参数；将已经迭代出的平面上的点删除，重复上述步骤，迭代出投射区域中所有平面的参数。
135.上述方案，通过从三维坐标系中检测厚度渐变的平面区域，该平面区域对应了刀具中的刀刃部分，另外，这部分平面区域与底面的拟合刀刃角度反映了厚度变化情况，与真
实的刀刃角度对应，因此，在一定程度上反映出刀刃部分的危害性。
136.一些可选的实施方式中，上述步骤s102中确定刀具的开刃信息，可通过但不限于如下方式实现：
137.根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；
138.确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；
139.若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。
140.本实施例，为了确定目标颜分量的分布情况，设置多个预设区间，刀具区域中像素点的目标颜分量大小不同，会落在不同的预设区间；
141.示例性的，刀刃部分比较薄，这些像素点的目标颜分量会落在目标区间；确定目标区间的目标颜分量的平均值；如果该平均值小于开刃颜分量阈值，说明刀刃部分比较薄，刀具已被开刃；反之，如果平均值大于或等于开刃颜分量阈值，说明刀刃部分比较厚，刀具还未被开刃。
142.本实施例对开刃颜分量阈值不做具体限定，一些实施例中，开刃颜分量阈值大于0.05，且小于0.1。
143.上述方案，通过设置预设区间，精准地确定出刀刃部分对应的目标区间；通过设置开刃颜分量阈值，将刀刃部分的目标颜分量的平均值与该开刃颜分量阈值进行比对，精准地确定刀具是否开刃。
144.一些可选的实施方式中，根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间，可通过但不限于如下方式实现：
145.确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；
146.若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；
147.其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。
148.如上所述，本实施例需要确定刀刃部分的目标颜分量，而不同刀具中刀刃大小、形状均是不同的，难以直接从预设区间中精准地选择目标区间；由于刀刃部分与整个刀具的比例是比较固定的，基于此，本实施例设置了预设比例，还将预设区间按颜分量从小到大排序，当前几个预设区间中目标颜分量的数量累加占比刚好超过预设比例，就将这几个预设区间确定为目标区间。
149.下面以一个具体的示例进行说明：
150.预设比例为30％，设置了10个预设区域，预设区间中目标颜分量的数量比参阅图7所示；
151.第1个预设区域中目标颜分量的数量比为10％，不足30％；
152.第1个预设区域与第2个预设区域中目标颜分量的数量比之和为25％，不足30％；
153.第1个预设区域、第2个预设区域与第3个预设区域中目标颜分量的数量比之和为33％，超过了30％，因此，将这三个预设区域确定为目标区域。
154.上述示例只是为了更加清楚地说明选择目标区域的过程，本技术并不以此为限，如预设区域的数量和颜分量范围均可根据实际应用场景设置。
155.上述方案，通过设置预设比例，并将预设区间按颜分量从小到大排序，当前几个预设区间中目标颜分量的数量累加占比刚好超过预设比例，就将这几个预设区间确定为目标区间，即本实施例基于比例而非数量选择目标区域，减少刀具中刀刃大小、形状的影响。
156.一些可选的实施方式中，上述步骤s103中确定刀具是否为利器，可通过但不限于如下方式实现：
157.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。
158.示例性的，拟合刀刃角度反映在刀刃部分厚度变化情况，与真实的刀刃角度对应，如果有拟合刀刃角度在预设角度范围内，说明刀刃部分呈尖锐的角度；
159.开刃信息表征了刀具是否被开刃，如果开刃信息表征已开刃，说明刀刃部分足够尖；
160.如果同时满足上述两个条件，即可精准地确定上述刀具为利器。
161.本实施例对上述刀刃角度不做具体限定，如15
°
≤α≤60
°
，α为刀刃角度。
162.图8为本技术实施例提供的第二种基于x光图像的利器检测方法的流程示意图，如图8所示，包括以下步骤：
163.步骤s801：根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域。
164.步骤s802：根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息。
165.该步骤s801-s802的具体实现方式可参照上述实施例，此处不再赘述。
166.步骤s803：根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度。
167.实施中，部分刀具存在刀尖部分，而刀尖部分是否尖锐也是危害性的重要评判标准；基于此，本实施例还需要根据刀具区域对应的边缘图像，确定刀具的刀尖角度。
168.示例性的，利用边缘检测算法(如canny边缘检测算法)对刀具区域进行边缘提取，得到边缘图片；为了提高边缘提取准确性，还可在进行边缘提取之前，先采用高斯平滑滤波等图像平滑滤波算法对刀具区域进行去噪处理。
169.边缘图像可参阅图9所示。
170.可以理解，上述步骤s802与步骤s803之间并无逻辑关联，也就是说本实施例并不限定上述步骤s802与步骤s803的先后顺序，可以先执行步骤s802，或者先执行步骤s803，或者并行执行步骤s802与步骤s803。
171.步骤s804：根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。
172.上述方案，基于刀尖角度能更加精准地确定刀具是否为利器。
173.一些可选的实施方式中，上述步骤s803可通过但不限于如下方式实现：
174.对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；
175.确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。
176.本实施例对直线段检测的具体实现方式不做限定，如采用随机霍夫直线检测算法对边缘图像进行直线段检测。具体的：
177.a)将直线参数空间(ρ，θ)量化，设置量化后的(ρ，θ)空间对应的累加器s(ρ，θ)，(ρ，θ)空间的横坐标是θ，纵坐标是ρ，并初始化s(ρ，θ)为0；
178.b)随机选取边缘图像中任一点i，坐标为(xi,yi)，基于公式ρ＝x*cosθ+y*sinθ，计算出(ρi，θi)，然后把对应的累加器s(ρi，θi)累加1；
179.c)当随机选择的点数满足一定的数量后(如边缘点总数的30％)，如果s(ρi，θi)大于设置的阈值，则认为s(ρi，θi)是这组直线的参数。
180.参阅图10所示，通过对图9所示的边缘图像进行直线段检测，确定出多个目标直线段；
181.这些目标直线段中有相交的直线段，如手柄部分，刀背部分以及刀尖部分，除了刀尖部分之外其他部分相交的目标直线段之间的直线段夹角通常较大(如直角)，因此，将直线段夹角中的最小值(图10所示的)确定为刀尖部分对应的刀尖角度。
182.一些可选的实施方式中，上述步骤s804可通过但不限于如下方式实现：
183.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。
184.示例性的，拟合刀刃角度反映在刀刃部分厚度变化情况，与真实的刀刃角度对应，如果有拟合刀刃角度在预设角度范围内，说明刀刃部分呈尖锐的角度；
185.开刃信息表征了刀具是否被开刃，如果开刃信息表征已开刃，说明刀刃部分足够尖；
186.刀尖角度表征了刀尖部分是否尖锐，如果刀尖角度小于预设角度阈值，说明刀尖部分足够尖；
187.如果同时满足上述三个条件，可以更加精准地确定上述刀具为利器。
188.基于相同的发明构思，本技术实施例提供一种基于x光图像的利器检测装置，参阅图11所示，基于x光图像的利器检测装置1100包括：
189.刀具区域确定模块1101，用于根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；
190.刀刃信息确定模块1102，用于根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；
191.利器判别模块1103，用于根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
192.在一些可选的实施方式中，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；所述刀刃信息确定模块1102，具体用于：
193.针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；
194.根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。
195.在一些可选的实施方式中，所述刀刃信息确定模块1102，具体用于：
196.对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；
197.针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；
198.将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。
199.在一些可选的实施方式中，所述刀刃信息确定模块1102，具体用于：
200.根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；
201.确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；
202.若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。
203.在一些可选的实施方式中，所述刀刃信息确定模块1102，具体用于：
204.确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；
205.若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；
206.其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。
207.在一些可选的实施方式中，所述目标颜分量为目标蓝分量，通过以下方式确定各像素点的目标蓝分量：
208.针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的初始红分量、初始绿分量以及初始蓝分量之和。
209.在一些可选的实施方式中，所述利器判别模块1103，具体用于：
210.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。
211.在一些可选的实施方式中，还包括刀尖信息确定模块1104，用于：
212.在所述利器判别模块1103根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器之前，根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度；
213.所述利器判别模块1103，具体用于：
214.根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。
215.在一些可选的实施方式中，所述刀尖信息确定模块1104，具体用于：
216.对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；
217.确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。
218.在一些可选的实施方式中，所述利器判别模块1103，具体用于：
219.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。
220.由于该基于x光图像的利器检测装置即是本技术实施例中的利器检测方法对应的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
221.基于相同的技术构思，本技术实施例还提供了一种电子设备1200，如图12所示，包括至少一个处理器1201，以及与至少一个处理器连接的存储器1202，本技术实施例中不限定处理器1201与存储器1202之间的具体连接介质，图12中处理器1201和存储器1202之间通过总线1203连接为例。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
222.其中，处理器1201是电子设备的控制中心，可以利用各种接口和线路连接电子设备的各个部分，通过运行或执行存储在存储器1202内的指令以及调用存储在存储器1202内的数据，从而实现数据处理。可选的，处理器1201可包括一个或多个处理单元，处理器1201可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器1201中。在一些实施例中，处理器1201和存储器1202可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
223.处理器1201可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合基于上述实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
224.存储器1202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1202可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器1202是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器1202还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
225.在本技术实施例中，存储器1202存储有计算机程序，当该程序被处理器1201执行时，使得处理器1201执行：
226.根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；
227.根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；
228.根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。
229.在一些可选的实施方式中，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；处理器1201具体执行：
230.针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；
231.根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。
232.在一些可选的实施方式中，处理器1201具体执行：
233.对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；
234.针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；
235.将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。
236.在一些可选的实施方式中，处理器1201具体执行：
237.根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；
238.确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；
239.若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。
240.在一些可选的实施方式中，处理器1201具体执行：
241.确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；
242.若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；
243.其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。
244.在一些可选的实施方式中，所述目标颜分量为目标蓝分量，通过以下方式确定各像素点的目标蓝分量：
245.针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的
初始红分量、初始绿分量以及初始蓝分量之和。
246.在一些可选的实施方式中，处理器1201具体执行：
247.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。
248.在一些可选的实施方式中，在根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器之前，处理器1201还执行：
249.根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度；
250.处理器1201具体执行：
251.根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。
252.在一些可选的实施方式中，处理器1201具体执行：
253.对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；
254.确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。
255.在一些可选的实施方式中，处理器1201具体执行：
256.若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。
257.由于该电子设备即是本技术实施例中的方法中的电子设备，并且该电子设备解决问题的原理与该方法相似，因此该电子设备的实施可以参见方法的实施，重复之处不再赘述。
258.基于相同的技术构思，本技术实施例还提供了一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行上述基于x光图像的利器检测方法的步骤。
259.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
260.本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
261.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
262.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
263.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
264.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：

1.一种基于x光图像的利器检测方法，其特征在于，包括：根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为x光图像；根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。2.根据权利要求1所述的方法，其特征在于，所述像素坐标包括在所述采集图像中的横坐标以及纵坐标；根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度，包括：针对任一像素点，将所述像素点的横坐标作为x轴坐标，将所述像素点的纵坐标作为y轴坐标，将所述像素点的目标颜分量作为z轴坐标，得到所述像素点在三维坐标系下的三维坐标；根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度。3.根据权利要求2所述的方法，其特征在于，根据所述刀具区域中所有像素点的三维坐标，确定所述拟合刀刃角度，包括：对所有像素点的三维坐标组成的点云进行平面分割，得到多个平面区域；针对任一平面区域，根据所述平面区域的法线与底面之间的夹角，确定所述平面区域与所述底面之间的拟合角度；其中，所述底面为所述三维坐标系中的x轴与y轴所在的平面；将厚度渐变的平面区域与所述底面之间的拟合角度，确定为所述拟合刀刃角度；其中，厚度渐变的平面区域与所述底面之间的拟合角度大于0
°
。4.根据权利要求1所述的方法，其特征在于，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息，包括：根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间；确定在所述目标区间的目标颜分量的平均值，并将所述平均值与设定的开刃颜分量阈值进行比对；若所述平均值小于所述开刃颜分量阈值，则判定所述开刃信息表征已开刃；否则，判定所述开刃信息表征未开刃。5.根据权利要求4所述的方法，其特征在于，根据所述刀具区域中所有像素点的目标颜分量所在的预设区间，从所述预设区间中选择目标区间，包括：确定各预设区间中目标颜分量的数量与所有像素点的目标颜分量总数之间的数量比；若所有预设区间中的前n个预设区间对应的数量比之和大于或等于预设比例，且前n-1个预设区间对应的数量比之和小于所述预设比例，则将所述前n个预设区间确定为所述目标区间；其中，所述预设区间的顺序是按照对应的颜分量由小到大排列的。6.根据权利要求1所述的方法，其特征在于，所述目标颜分量为目标蓝分量，通过以下方式确定各像素点的目标蓝分量：
针对任一像素点，根据所述像素点的初始蓝分量与所述像素点的分量总和之间的比值，确定为所述像素点的目标蓝分量；其中，所述像素点的分量总和为所述像素点的初始红分量、初始绿分量以及初始蓝分量之和。7.根据权利要求1～6任一所述的方法，其特征在于，根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器，包括：若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，则确定所述刀具为利器。8.根据权利要求1～6任一所述的方法，其特征在于，在根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器之前，还包括：根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度；根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器，包括：根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器。9.根据权利要求8所述的方法，其特征在于，根据所述刀具区域对应的边缘图像，确定所述刀具的刀尖角度，包括：对所述边缘图像进行直线段检测，确定所述边缘图像中的目标直线段；其中，所述目标直线段为所述边缘图像中大于预设像素长度的直线段；确定相交的目标直线段之间的直线段夹角，并将所述直线段夹角中的最小值确定为所述刀尖角度。10.根据权利要求8所述的方法，其特征在于，根据所述刀具的拟合刀刃角度、开刃信息以及刀尖角度，确定所述刀具是否为利器，包括：若有拟合刀刃角度在预设角度范围内，且所述开刃信息表征已开刃，且所述刀尖角度小于预设角度阈值，则确定所述刀具为利器。

技术总结

本申请实施例提供了一种基于X光图像的利器检测方法，包括：根据包含刀具的采集图像，确定在所述采集图像中所述刀具对应的刀具区域；其中，所述采集图像为X光图像；根据所述刀具区域中各像素点的像素坐标以及各像素点的目标颜分量，确定所述刀具的拟合刀刃角度；以及，根据所述刀具区域中各像素点的目标颜分量，确定所述刀具的开刃信息；根据所述刀具的拟合刀刃角度以及开刃信息，确定所述刀具是否为利器。上述方案，通过确定出反映在刀刃部分厚度变化的拟合刀刃角度，以及表征上述刀具是否开刃的开刃信息；由于上述两项参数表征了刀具的刀刃部分的危害性，因此根据上述两项参数可以精准地确定出该刀具是否是有危害性的利器。精准地确定出该刀具是否是有危害性的利器。精准地确定出该刀具是否是有危害性的利器。