[发明专利]安全检查系统及其数据处理方法在审

专利信息
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
【说明书】:

公开了一种安全检查系统及其数据处理方法。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。

相关申请的交叉参考

本申请要求2018年3月30号递交的中国专利申请No.201810293156.1的优先权,其全部公开内容通过引用合并于此。

技术领域

本公开一般地涉及安检技术领域,尤其涉及一种结合毫米波成像和超宽带雷达技术的安全检查系统及数据处理方法。

背景技术

为了保障公共安全,在重要的公共场所入口处进行安全检查是一项必要的手段。相比于X射线检查,毫米波不具致电离性,并且能够穿透衣物、塑料和纸张等遮挡材料,因而特别适用于面向公众的人体安检。毫米波人体安检技术主要可以分为主动式成像和被动式成像两种。相比被动式成像,主动式毫米波成像图像分辨率高、对可疑物的识别能力强,因而更具有应用前景。主动式毫米波成像设备能够获取人体表面三维毫米波图像,常采用自动识别算法来对人体携带的可疑物品进行检测,但是由于毫米波图像仅具有形状信息,无法对可疑物进行快速分类。现有毫米波成像设备一般通过图像形状信息来识别人体体表是否携带可疑物,但是难以自动区分可疑物是否是违禁品,因而造成了非常高的误报率。

此外,还可以使用超宽带雷达技术通过对物品共振频率的检测来进行安全检查,由于仅处理一维信号,检测速度快,但是该技术无法准确定位违禁品位置,同时易受环境干扰。

因此亟待需要一种既能快速地对可疑物品进行分类又能准确地定位可疑物的位置的安全检查系统和方法。

发明内容

根据本公开的一方面,提供一种安全检查系统,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。

在实施例中,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。

在实施例中,第一机器学习算法和第二机器学习算法是神经网络算法。

在实施例中,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。

在实施例中,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。

在实施例中,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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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/201811632225.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top