[发明专利]一种基于毫米波图像的可疑物品自动检测方法

说明书

本发明实施例公开了一种基于毫米波图像的可疑物品自动检测方法，包括：S1：利用毫米波圆柱扫描系统对可疑物品进行扫描从而生成二维成像图片；S2：对所述二维成像图片进行处理；S3：基于处理后的二维成像图片，生成目标检测网络模型；S4；基于目标检测网络模型，多视角下检测待测可疑物品。本发明采用圆柱扫描阵列，得到多个角度下的人体成像结果，通过连续角度的观测，可以进一步对纹理或噪声进行分辨，有效抑制虚警；对各角度下的检测结果进行联合判别，因此具有较高的检测精度。

技术领域

本发明涉及毫米波图像领域，具体涉及一种基于毫米波图像的可疑物品自动检测方法。

背景技术

毫米波能够穿透衣物，对人体表面进行成像，且对人体无害，可以有效检测出藏匿在人体表层的可疑物品如手枪、爆炸物、液体等，因此毫米波成像技术成为近年来安检领域的研究热点。其中主动式人体安检系统因其受环境因素影响小、图像信噪比高等优点而被广泛应用。

深度神经网络在图像目标检测领域发挥着重要作用，具有端对端的特性，经过合适的训练，深度神经网络能够学习到可疑物品的深层次特征并给出输入图像中的可疑物品位置和属性。目标检测主要有One-stage(one-shot object detectors)和Two-stage(two-shot object detectors)两类方法，One-stage方法的检测速度快，但精度较低，Two-stage方法的检测时间相对较长，但精度更高。更快速区域卷积神经网(FasterRCNN)作为Two-stage类方法的代表，有着优异的检测性能。

尽管如此，基于毫米波图像的可疑物品探测仍然存在问题。毫米波成像容易受到噪声的干扰，使得图像中出现不可消除的纹理、杂波等污染，给可疑物品探测增加困难，难以满足检测率和虚警率的高要求。现有的毫米波图像藏匿可疑物品检测方法，通常是基于单张毫米波图像，检测性能容易受到遮挡、噪声等问题影响，检测精度低。

因此，本发明提出一种基于毫米波图像的可疑物品自动检测方法来解决以上一个或多个问题。

发明内容

本发明的目的在于提供一种基于毫米波图像的可疑物品自动检测方法，以解决现有技术中基于毫米波图像的可疑物品探测方法检测精度低的问题。

本发明的第二个目的在于提供一种毫米波图像可疑物品自动检测系统；

为达到上述目的，本发明采用下述技术方案：

一种基于毫米波图像的可疑物品自动检测方法，包括：

S1：利用毫米波圆柱扫描系统对可疑物品进行扫描从而生成二维成像图片；

S2：对所述二维成像图片进行处理；

S3：基于处理后的二维成像图片，生成目标检测网络模型；

S4；基于目标检测网络模型，多视角下检测待测可疑物品。

优选地，所述二维成像图片由多次试验后，毫米波圆柱扫描系统生成的携带可疑物品的二维成像图片。

优选地，对所述二维成像图片进行处理包括对二维成像图片中的可疑物品进行标注、分类、危险等级划分。

优选地，S3：生成目标检测网络模型包括：

S31：对处理后的二维成像图片进行特征提取，得到二维成像图片的特征图像；

S32：根据特征图像，在二维成像图片上生成候选区域；

S33：将候选区域转换为分辨率相同的特征图像；

S34：对候选区域的特征图像进行处理，确定二维成像图片中的可疑物品类别及位置信息。

优选地，所述S4包括：