[发明专利]一种基于深度学习谐波信号分析的智能安检方法

说明书

本发明公开了一种基于深度学习谐波信号分析的智能安检方法，包括：针对不同场景设置探测器阵列，采集待测者所携带物品的波段信息，得到一组数据结果；分别让待测者携带不同类别的违禁品和非违禁品，每隔一定的时间间隔就记录下每个探测器测得的谐波数值，得到一组数据，直到检测结束为止；将两组数据打上报警和不报警两种标签，并用增强方法对数据进行处理；构建一维卷积神经网络，训练得到一个分类模型；构建长短期记忆网络，训练得到一个分类模型；利用模型融合的方法综合使用两种分类模型，得到准确率更高的分类模型并保存；检测时，探测器测出波段信息并传入分类模型，如果输出结果显示为未携带违禁品则可顺利通过，否则会触发警报。

技术领域

本发明涉及智能安防领域，尤其是涉及一种能应用于安检仪器的基于深度学习谐波信号分析的方法。

背景技术

安检设备是用于判断人员是否携带违禁物品的装置，常用于公司、政府保密会议、大型考试等重要场合。针对这类场合的违禁物品主要包括手机、摄像头、窃听器、录音笔等电子设备，安检设备一般通过非线性节点探测器来检测这些物品。目前比较主流的方法仍是以机理模型为基础，根据波段的物理特征建立识别模型。实现原理是通过探测器的发射端向待测者发出S波段的高频基波，由接收端捕获人体区域所产生的不同种类谐波，运用模糊识别算法对谐波信号进行分析和处理后，给出基波发射前后的谐波变化规律，从而识别出带有非线性结的电子设备。

然而使用这种方法的安检仪器在实际使用中仍存在一些有待改进的不合理因素。首先，基于机理模型的方法需对谐波本身有深入了解，而谐波产生和变化的机理具有非常高的复杂性，据此设计一种可靠且适用于不同场景的模型非常困难；其次，由于对电器内部天生的敏感，探测器可能会对探测物体内部的晶体二极管产生误报；同时，这类安检仪器在每一次识别过程中都需要对测得的数据进行大量的处理计算，能耗很大且不利于延长使用寿命；另外，这种安检仪器容易受到干扰波段的影响，导致识别准确率降低，稳定性较差。

发明内容

为解决现有技术的不足，实现快速、准确地探测违禁物品的目的，本发明采用如下的技术方案：

一种基于深度学习谐波信号分析的智能安检方法，包括如下步骤：

S1，设置探测器阵列，采集待测者所携带物品的波段信息，所述探测器，其原理是运用电子元件晶体管产生的谐波再辐射特性，非线性结与线性结在收到基波辐射时产生不同种类的谐波信号；具体来说，检测仪器通过设置在其上的探测器发射端向目标区域或目标物体发出S波段的高频基波，由探测器接收端捕获携带物品产生的谐波信号，每隔一段时间输出反映信号特征的指标数值，得到一个完整的数据结果；

S2，记录待测者携带违禁品时，测得的指标数值，得到一组违禁品数据；

S3，记录待测者携带不非违禁品，测得的指标数值，得到一组非违禁品数据；

S4，将违禁品和非违禁品数据打上独热编码形式的标签，分别代表报警和不报警，并用数据增强方法对数据进行处理；

S5，构建一维卷积神经网络，并将处理后的数据作为输入，用深度学习的方法提取特征，训练得到一个分类模型；

S6，构建长短期记忆网络，并将处理后的数据作为输入，训练得到一个分类模型；

S7，利用模型融合的方法综合使用两种分类模型，得到准确率更高的融合分类模型并保存；

S8，当待测者出现时，采用探测器阵列测出反馈信号并传入融合分类模型，得到的输出结果为未携带违禁品时，顺利通过，否则触发警报。