[发明专利]安全检查系统及其数据处理方法在审
申请号: | 201811632225.3 | 申请日: | 2018-12-28 |
公开(公告)号: | CN109375220A | 公开(公告)日: | 2019-02-22 |
发明(设计)人: | 陈志强;李元景;赵自然;郑志敏;乔灵博;金颖康;刘文国;沈宗俊;罗希雷 | 申请(专利权)人: | 清华大学;同方威视技术股份有限公司 |
主分类号: | G01S13/89 | 分类号: | G01S13/89;G01V8/10;G01S7/02 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 范心田 |
地址: | 100084*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 毫米波图像 待检对象 超宽带 安全检查系统 违禁品 感兴趣区域 毫米波 反射信号 全息数据 数据处理 数据库 数据处理设备 超宽带信号 毫米波成像 获取设备 警报消息 预定概率 显示器 反射 存储 携带 重建 概率 配置 | ||
1.一种安全检查系统,包括:
超宽带信号获取设备,获取待检对象反射的超宽带反射信号;
毫米波成像设备,获取待检对象的毫米波全息数据;
数据处理设备,存储有超宽带数据库和毫米波图像库,并配置为:
根据超宽带数据库,识别所述超宽带反射信号中被待检对象携带的概率超过预定概率的违禁品,
根据毫米波全息数据,重建所述待检对象的毫米波图像,并且根据毫米波图像库,识别所述毫米波图像中的感兴趣区域,以及
根据所述毫米波图像库,在所述感兴趣区域中识别所述违禁品;以及
显示器,显示所述毫米波图像以及与所述违禁品有关的警报消息。
2.根据权利要求1所述的系统,其中,所述数据处理设备还配置为:
利用第一机器学习算法对所述超宽带反射信号进行识别;以及
利用第二机器学习算法对所述毫米波图像进行识别。
3.根据权利要求2所述的系统,其中,第一机器学习算法和第二机器学习算法是神经网络算法。
4.根据权利要求1所述的系统,其中,在所述感兴趣区域中识别到所述违禁品的情况下,所述警报消息包括与所述违禁品的种类以及在所述毫米波图像中的位置有关的信息。
5.根据权利要求1所述的系统,其中,所述超宽带数据库和所述毫米波图像库是针对违禁品而建立的。
6.根据权利要求1所述的系统,其中,超宽带信号获取设备包括:
超宽带信号源,配置为产生超宽带信号;
超宽带信号发射天线,与所述超宽带信号源耦连,并配置为将所述超宽带信号发射到自由空间;
超宽带信号接收天线,配置为接收待检对象反射的超宽带反射信号;以及
采集和控制单元,与所述超宽带信号发射天线和所述超宽带信号接收天线耦连,并配置为控制所述超带宽信号的发射并且采集所述超带宽反射信号。
7.根据权利要求1所述的系统,其中,所述毫米波成像设备包括:
毫米波收发天线阵列,包括排布成阵列的多个子单元,配置为发射和接收毫米波信号;以及
毫米波收发机,与所述毫米波收发天线阵列耦连,并配置为产生毫米波信号并通过毫米波收发天线阵列发射到自由空间,并且采集毫米波收发天线阵列接收的毫米波反射信号,以获取所述待检对象的毫米波全息数据。
8.根据权利要求7所述的系统,其中,所述毫米波成像设备还包括:
滑块,与所述毫米波收发天线阵列耦连,并配置为用于支持毫米波收发天线阵列沿滑轨方向的往复运动;
同步齿轮,配置为通过同步齿形带,带动毫米波收发天线阵列进行往复运动;以及
驱动电机,配置为用于驱动同步齿轮和同步齿形带。
9.一种安全检查的数据处理方法,包括:
获取待检对象反射的超宽带反射信号;
获取待检对象的毫米波全息数据;
根据超宽带数据库,识别所述超宽带反射信号中被待检对象携带的概率超过预定概率的违禁品,
根据毫米波全息数据重建所述待检对象的毫米波图像,并且根据毫米波图像库,识别所述毫米波图像中的感兴趣区域,
根据所述毫米波图像库,在所述感兴趣区域中识别所述违禁品;以及
显示所述毫米波图像以及与所述违禁品有关的警报消息。
10.根据权利要求9所述的方法,其中,利用第一机器学习算法对所述超宽带反射信号进行识别;以及利用第二机器学习算法对所述毫米波图像进行识别。
11.根据权利要求10所述的方法,其中,第一机器学习算法和第二机器学习算法是神经网络算法。
12.根据权利要求9所述的方法,其中,在所述感兴趣区域中识别到所述违禁品的情况下,所述警报消息包括与所述违禁品的种类以及在所述毫米波图像中的位置有关的信息。
13.根据权利要求9所述的方法,其中,所述超宽带数据库和所述毫米波图像库是针对违禁品而建立的。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;同方威视技术股份有限公司,未经清华大学;同方威视技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811632225.3/1.html,转载请声明来源钻瓜专利网。