[发明专利]一种基于深度学习的太赫兹违禁物品检测方法

说明书

本发明公开了一种基于深度学习的太赫兹违禁物品检测方法，包括制作形成太赫兹数据集，对太赫兹数据集的太赫兹成像图和标注成像图进行数据增强后，构建违禁物检测神经网络并将其训练为违禁物检测模型，再对违禁物检测模型进行迭代训练后可直接应用于实际场景，将实时太赫兹采集成像的实时成像图输入至违禁物检测模型内，即可快速便捷地检测实时成像图存在的违禁物品，检测精度高，且无需标注大量目标进行模型训练。

技术领域

本发明涉及一种违禁物品检测方法，特别是一种基于深度学习的太赫兹违禁物品检测方法。

背景技术

太赫兹是波频率在0.1～10THz之间的电磁波，位于可见光和微波之间，相比于X光，太赫兹波的频率低、能量很小，对人体不存在辐射伤害，而太赫兹的穿透能力强，可穿透塑料、纸张及各种纺织布料，可发现衣物下的物品，此外，太赫兹成像设备不但能显示出金属物品，也能显示非金属违物品，使得太赫兹成像技术极适用于人体成像安检领域，但由于太赫兹设备的特殊成像原理，造成太赫兹图像质量较差，依靠人工肉眼观察很难锁定违禁物品，随着人工智能的兴起，基于深度学习的目标检测算法已取得长足的发展，特别是在具有大量训练数据的场景，往往能取得非常好的检测效果，为了训练太赫兹违禁品目标检测模型，往往是对所有的图像进行标注，然后训练模型，这种标记方法需要大量的人力，且存在较强的主观性，同时太赫兹图像中存在大量的小目标(如火柴、打火机、刀片等)，而面临该类小目标的问题就是检测精度的需求高。

发明内容

为了克服现有技术的不足，本发明提供一种精度高、无需标注大量目标进行模型训练的基于深度学习的太赫兹违禁物品检测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于深度学习的太赫兹违禁物品检测方法，包括以下步骤：

(1)、采集和制作太赫兹数据集，该太赫兹数据集包括人体携带违禁物品的太赫兹成像图；

(2)、对太赫兹成像图进行违禁物品标注，形成标注成像图；

(3)、数据增强太赫兹数据集的太赫兹成像图和标注成像图；

(4)、基于Faster-rcnn构建违禁物检测神经网络；

(5)、通过数据增强后的标注成像图将违禁物检测神经网络训练为违禁物检测模型；

(6)、通过数据增强后太赫兹成像图对违禁物检测模型进行迭代训练，并对违禁物检测模型输出的迭代检测图像作图像阈值处理比较，去除小于设定阈值的迭代检测图像，大于设定阈值的迭代检测图像作数据增强后继续训练违禁物检测模型。

(7)、对人体进行太赫兹采集成像，采集形成的实时成像图输入至违禁物检测模型，检测实时成像图存在的违禁物品。

所述违禁物检测神经网络包括依次相连的特征提取网络、RPN网络以及Roi与Classification网络。

所述特征提取网络为Resnet101网络，所述特征提取网络采用的特征提取方法为FPN。

所述步骤5的违禁物检测神经网络训练包括以下步骤：

(1)、特征提取网络对标注成像图进行特征提取，形成特征图像；

(2)、RPN网络对特征图像进行处理，生成候选区域；

(3)、特征图像和候选区域输入至Roi与Classification网络后，Roi与Classification网络生成标注成像图的违禁物检测框。

所述数据增强包括对太赫兹成像图的翻转处理、角度旋转处理、亮度处理和马赛克处理。

所述设定阈值为0.9。