物品检测方法和装置制造方法及图纸

本发明专利技术实施例提供一种物品检测方法和装置，其中，该方法包括：获取训练数据；利用训练数据对卷积神经网络进行训练；获取待检测物品的测试数据，该测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；对该测试数据进行处理，并将处理后的图像输入训练后的卷积神经网络，确定该待检测物品的检测结果；其中，对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到增强训练数据。

【技术实现步骤摘要】
物品检测方法和装置
本专利技术涉及通信
，尤其涉及一种物品检测方法和装置。
技术介绍
近年来，公共场所的安全问题越来越受到人们的重视，如何对诸如管制器具、易燃易爆品等危险进行检测成为重要的问题。目前，针对危险的检测装置广泛应用于机场、火车站、地铁站、体育场等各种人员密集场合，危险检测装置可以分为两个类型：接触式和非接触式。接触式检测装置需要将可疑物品(例如装有液体的瓶子)放置在检测装置上进行检测，而非接触式检测装置能够在可疑物移动到距离检测装置一定范围内即启动检测并分辨可疑物是否属于危险。目前针对非接触式检测装置，常见的检测方法之一是X射线探测方法，但是该方法成本通常较高，长期使用将会对工作人员的身体健康造成影响；另外，由于不同物品的材质不同，因此其反射特性也会存在差异，这样的差异，可以用于物品的检测，即可以通过设置雷达向待检测物品发射信号，利用待检测物品的回波信号进行分析，得到的强度、径向速度等信息来检测，另外，为了提高检测的准确性，还可以通过设置多个雷达，并利用多个雷达接收到的回波信号进行分析，得到的强度、径向速度等信息来检测。应该注意，上面对技术背景的介绍只是为了方便对本专利技术的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本专利技术的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
近些年深度学习成为各个领域的研究热点，而雷达领域同样可通过深度学习算法对信号进行相应的信息处理，与传统方法相比，深度学习算法具有自动提取深层特征、获取较高准确率等优势，但在训练数据不足的情况下，会存在过拟合的问题。为了解决上述技术问题，本专利技术实施例提出了一种物品检测方法和装置，根据本专利技术实施例的第一个方面，提供了一种物品检测装置，其中，所述装置包括：训练数据获取单元，其用于获取训练数据，所述训练数据包括原始训练数据和增强训练数据；每个训练数据被标记为危险或安全；训练单元，其用于将所述训练数据作为卷积神经网络的输入，将其对应的标记作为所述卷积神经网络的输出，使用预定算法，对所述卷积神经网络进行训练，得到训练后的卷积神经网络；测试数据获取单元，其用于获取待检测物品的测试数据，所述测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；其中，所述测试回波信号是雷达发射信号经过待检测物品反射后的信号；处理单元，其用于对所述测试数据包括的所述至少一个雷达的微多普勒图像进行处理，并将处理后的图像输入训练后的所述卷积神经网络，确定所述待检测物品的检测结果；其中，所述训练数据获取单元包括：原始单元，其用于根据所述至少一个雷达基于训练回波信号获取的微多普勒图像生成所述原始训练数据；其中，所述训练回波信号是所述雷达发射信号经过已知物品反射后的信号；增强单元，其用于对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到所述增强训练数据。根据本专利技术实施例的第二个方面，提供了一种物品检测方法，其中，所述方法包括：获取训练数据，所述训练数据包括原始训练数据和增强训练数据；每个训练数据被标记为危险或安全；将所述训练数据作为卷积神经网络的输入，将其对应的标记作为所述卷积神经网络的输出，使用预定算法，对所述卷积神经网络进行训练，得到训练后的卷积神经网络；获取待检测物品的测试数据，所述测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；其中，所述测试回波信号是雷达发射信号经过待检测物品反射后的信号；对所述测试数据包括的所述至少一个雷达的微多普勒图像进行处理，并将处理后的图像输入训练后的所述卷积神经网络，确定所述待检测物品的检测结果；其中，获取训练数据包括：根据所述至少一个雷达基于训练回波信号获取的微多普勒图像生成所述原始训练数据；其中，所述训练回波信号是所述雷达发射信号经过已知物品反射后的信号；对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到所述增强训练数据。本专利技术实施例的有益效果在于，通过将一个或多个雷达基于训练回波信号获取的微多普勒图像进行帧位置或数量的变换，或按照多种顺序进行合并，以实现训练数据的增强，从而解决深度学习中过拟合的问题。参照后文的说明和附图，详细公开了本专利技术的特定实施方式，指明了本专利技术的原理可以被采用的方式。应该理解，本专利技术的实施方式在范围上并不因而受到限制。在所附附记的精神和条款的范围内，本专利技术的实施方式包括许多改变、修改和等同。针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。附图说明参照以下的附图可以更好地理解本专利技术的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本专利技术的原理。为了便于示出和描述本专利技术的一些部分，附图中对应部分可能被放大或缩小。在本专利技术的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一种实施方式中使用的对应部件。在附图中：图1是本实施例1中物品检测装置的示意图；图2是该微波传感器发射信号示意图；图3是本实施例1中待检测物品摆动示意图；图4是本实施例1中微多普勒频谱示意图；图5是本实施例1中增强单元构成示意图；图6-11是本实施例1中增强训练数据示意图；图12是本实施例1中裁剪图像示意图；图13是本实施例1中调整图像尺寸示意图；图14是本实施例1中处理单元构成示意图；图15是本实施例2中物品检测装置的硬件构成示意图；图16是本实施例3中物品检测方法流程图；图17是本实施例3中物品检测示意图。具体实施方式参照附图，通过下面的说明书，本专利技术实施例的前述以及其它特征将变得明显。这些实施方式只是示例性的，不是对本专利技术的限制。为了使本领域的技术人员能够容易地理解本专利技术的原理和实施方式，本专利技术实施例以微波雷达为例进行说明，但可以理解，本专利技术实施例并不限于微波雷达。下面参照附图对本专利技术的具体实施方式进行说明。实施例1本实施例1提供一种物品检测装置；图1是该物品检测装置构成示意图，如图1所示，物品检测装置100包括：...

【技术保护点】
1.一种物品检测装置，其中，所述装置包括：/n训练数据获取单元，其用于获取训练数据，所述训练数据包括原始训练数据和增强训练数据；每个训练数据被标记为危险或安全；/n训练单元，其用于将所述训练数据作为卷积神经网络的输入，将其对应的标记作为所述卷积神经网络的输出，使用预定算法，对所述卷积神经网络进行训练，得到训练后的卷积神经网络；/n测试数据获取单元，其用于获取待检测物品的测试数据，所述测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；其中，所述测试回波信号是雷达发射信号经过待检测物品反射后的信号；/n处理单元，其用于对所述测试数据包括的所述至少一个雷达的微多普勒图像进行处理，并将处理后的图像输入训练后的所述卷积神经网络，确定所述待检测物品的检测结果；/n其中，所述训练数据获取单元包括：/n原始单元，其用于根据所述至少一个雷达基于训练回波信号获取的微多普勒图像生成所述原始训练数据；其中，所述训练回波信号是所述雷达发射信号经过已知物品反射后的信号；/n增强单元，其用于对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到所述增强训练数据。/n...

【技术特征摘要】
1.一种物品检测装置，其中，所述装置包括：
训练数据获取单元，其用于获取训练数据，所述训练数据包括原始训练数据和增强训练数据；每个训练数据被标记为危险或安全；
训练单元，其用于将所述训练数据作为卷积神经网络的输入，将其对应的标记作为所述卷积神经网络的输出，使用预定算法，对所述卷积神经网络进行训练，得到训练后的卷积神经网络；
测试数据获取单元，其用于获取待检测物品的测试数据，所述测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；其中，所述测试回波信号是雷达发射信号经过待检测物品反射后的信号；
处理单元，其用于对所述测试数据包括的所述至少一个雷达的微多普勒图像进行处理，并将处理后的图像输入训练后的所述卷积神经网络，确定所述待检测物品的检测结果；
其中，所述训练数据获取单元包括：
原始单元，其用于根据所述至少一个雷达基于训练回波信号获取的微多普勒图像生成所述原始训练数据；其中，所述训练回波信号是所述雷达发射信号经过已知物品反射后的信号；
增强单元，其用于对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到所述增强训练数据。


2.根据权利要求1所述的装置，其中，在雷达数量大于1时，所述原始单元用于将多次获取中每次获得的至少两个雷达对应的微多普勒图像按第二顺序进行合并，将合并得到的一张图像作为一个原始训练数据，以得到多个原始训练数据；和/或，
所述增强单元还包括：
第一增强单元，其用于将每次获得的至少两个雷达对应的微多普勒图像按所述第一顺序进行合并，将每次合并得到的一张图像作为一个增强训练数据，以得到多个增强训练数据。


3.根据权利要求1或2所述的装置，其中，所述增强单元还包括：
第二增强单元，其用于针对一次获得的原始训练数据和/或增强训练数据，将其他次获得的针对一个雷达的第二微多普勒图像替换所述原始训练数据和/或增强训练数据中针对所述一个雷达或其他雷达的第一微多普勒图像。


4.根据权利要求1或2所述的装置，其中，所述增强单元还包括：
第三增强单元，其用于将针对一个或至少两个雷达的微多普勒图像中预定数量个帧的位置按照预定规则互换。


5.根据权利要求4所述的装置，其中，所述第三增强单元还用于将信号强度值大于或等于第二阈值所在的、进行位置交换的帧对应的径向速度修改为与其交换的对象帧对应的径向速度...

【专利技术属性】
技术研发人员：底欣，张兆宇，徐怡，田军，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP