一种毫米波雷达安检仪异物检测方法技术

本发明专利技术属于雷达图像目标检测领域，公开了一种毫米波雷达安检仪目标检测方法，包括：设计基于深度学习的目标检测网络，并采用GPU编程实现；使用毫米波雷达安检仪成像结果对目标检测网络进行标记训练；获取毫米雷达波安检仪多个角度实时成像结果并送入检测网络，获取每个角度实时成像结果中疑似目标的种类、位置和概率；根据多个角度目标检测结果综合判断并输出异物目标的位置和种类。本发明专利技术用于毫米波雷达安检仪的人体携带异物检测，达到安检仪准确识别并标记异物的目的。

【技术实现步骤摘要】
一种毫米波雷达安检仪异物检测方法
本专利技术属于雷达图像目标检测领域，尤其涉及一种毫米波安检仪异物检测方法。
技术介绍
在公共安全领域，人体携带物安检一直是人们关注的重点，由于毫米波具有穿透性好且对人体辐射小等优点被研究用来对人体进行三维成像。基于对SAR成像高分辨率及对人体全向观测和三维成像的要求，旋转门式圆柱扫描三维合成孔径毫米波雷达近场成像和异物检测技术逐步发展起来。目前，毫米波SAR三维近场成像技术已经成熟，但基于毫米波雷达安检仪的携带异物检测技术还有所欠缺。旋转门式毫米波雷达安检仪是通过雷达天线阵列的圆周旋转实现对人体多个视角的成像。现有的目标检测分类技术是将单个视角成像结果作为检测单元，单独判断每个视角下成像结果中包含的异物。由于人体携带异物在不同视角下呈现出不同的形状和亮度特征，因此上述方式对异物的识别不够准确，同时由于现有的异物检测算法是通过CPU实现，因此检测效率低下。
技术实现思路
针对上述现有技术的缺点，本专利技术的目的在于提供一种准确快速的毫米波雷达安检仪异物检测方法，以解决毫米波安检仪人体携带异物检测准确率不高并且效率低下的问题。本专利技术实现的技术思路为：首先本文档来自技高网...

【技术保护点】
1.一种毫米波安检仪异物检测方法，其特征在于，包括如下步骤：步骤1：设计基于深度学习的多层卷积神经网络，并基于GPU平台实现；步骤2：采集含有异物的毫米波雷达安检仪人体多角度成像结果，并按照VOC数据格式标记异物名称和位置，制作训练样本数据集；步骤3：将制作好的训练样本数据集送入目标检测网络进行训练；步骤4：将多个角度的成像结果送入目标检测网络，根据每个角度成像图像的异物检测结果综合判断异物种类和位置。

【技术特征摘要】
1.一种毫米波安检仪异物检测方法，其特征在于，包括如下步骤：步骤1：设计基于深度学习的多层卷积神经网络，并基于GPU平台实现；步骤2：采集含有异物的毫米波雷达安检仪人体多角度成像结果，并按照VOC数据格式标记异物名称和位置，制作训练样本数据集；步骤3：将制作好的训练样本数据集送入目标检测网络进行训练；步骤4：将多个角度的成像结果送入目标检测网络，根据每个角度成像图像的异物检测结果综合判断异物种类和位置。2.根据权利要求1所述的方法，其特征在于，步骤1中，基于深度学习的多层卷积神经网络包括输入层、卷积层、池化层、全连接层和分类层；所述输入层为毫米波雷达的人体三维成像结果经过量化产生的二维灰度图像，所述分类层采用softmax对异物进行分类，判断异物时，将整个灰度图像划分成16*16个格子，每个格子负责检测落入该格子的物体。3.根据权利要求1所述的方法，其特征在于，步骤2中：选取VOC数据集格式作为训练样本集的格式，对采集的样本进行异物标记，每个图像样本根据成像时人体携带异物情况包含一个或多个异物标记单元，每个标记单元包含主要包含异物名称标签C和异物位置(xmin,xmax,ymin,ymax)两大信息。4.根据权利要求1所述的方法，其特征在于，步骤3中：训练时采用均方和误差作为Loss函数优化异物检测模型，Loss函数定义如下：(3a)coordError具体定义如下：(...

【专利技术属性】
技术研发人员：张秀锋，
申请(专利权)人：西安恒帆电子科技有限公司，
类型：发明
国别省市：陕西,61