基于涡旋电磁波模态扫描的人体快速安检方法技术

本发明专利技术属于雷达技术领域，具体公开了一种基于涡旋电磁波模态扫描的人体快速安检方法，包括建立基于涡旋电磁波人体检测模型，该模型发射不同模态的涡旋电磁波分别照射携带违禁品人员和未携带违禁品人员，据此获取训练样本集；建立卷积神经网络并训练，得到违禁品识别模型；采用不同模态的涡旋电磁波照射待检测人员并接收回波数据、脉冲压缩处理，将脉压后的回波数据输入所述违禁品识别模型，输出识别结果。本发明专利技术利用多模态涡旋波增加回波信息量，分析不同模态回波差异获得被探测物体的额外属性，通过神经网络直接对人体是否携带违禁品进行识别，避免了传统的成像处理过程，大大提高了安检效率和准确性。高了安检效率和准确性。高了安检效率和准确性。

【技术实现步骤摘要】
基于涡旋电磁波模态扫描的人体快速安检方法


[0001]本专利技术属于雷达探测
，具体涉及一种基于涡旋电磁波模态扫描的人体快速安检方法。

技术介绍

[0002]根据经典电动力学，电磁波的远场辐射不仅是能量传输，还携带了角动量特征。角动量又可以分为自旋角动量和轨道角动量。自旋角动量与电磁场的极化相对应，轨道角动量与相位波前的变化相联系。轨道角动量描述了电磁场绕着传播轴旋转的轨道特征，在平面波的基础上叠加了旋转相位因子其中α为模态数，表征轨道角动量的大小，φ为围绕传播轴的方位角。很明显α为整数的模态组合在φ∈[0,2π]内具有正交性。因此，轨道角动量可以作为一个独立的信号测量维度。
[0003]与传统的平面波相比，携带有轨道角动量的涡旋电磁波具有螺旋的相位波前，可在其上调制所需的信息，提高电磁波的信息传递和信息获取能力。比如对人体探测过程中就可以判断人体是否携带违禁品，进一步分析还可以判断人体携带物品的类别、形状以及位于人体的位置。
[0004]机器学习是让计算机能够自动地从某些数据中总结规律，并得到某种预测模型，利用该模型对未知数据进行预测的方法。现在很多科研领域都涉及到机器学习，这样可以使科研的道路变得更加宽广。用机器学习解决问题的一般流程可以分为收集数据、数据预处理、特征工程、训练与模型测试以及模型评估。
[0005]在安检中对于人体检测，一般会使用X光机还有一些热成像技术，然而这些技术都进行了成像处理才能得到相应的结果。众所周知，目标成像会涉及到很多问题，大都会降低检测的速度和效率。<br/>
技术实现思路

[0006]针对现有技术中存在的问题，本专利技术的目的在于提供一种基于涡旋电磁波模态扫描的人体快速安检方法，当进行目标探测时，利用多模态涡旋波增加回波的信息量，通过分析不同模态回波差异获得被探测物体的额外属性，通过神经网络直接对人体是否携带违禁品进行识别，避免了传统的成像处理过程，大大提高了安检效率和准确性。
[0007]为了达到上述目的，本专利技术采用以下技术方案予以实现。
[0008]一种基于涡旋电磁波模态扫描的人体快速安检方法，包括以下步骤：
[0009]步骤1，建立基于涡旋电磁波人体检测模型，该模型发射不同模态的涡旋电磁波分别照射携带违禁品人员和未携带违禁品人员，据此获取训练样本集；
[0010]步骤2，建立卷积神经网络，采用训练样本集对卷积神经网络进行训练，得到训练后的卷积神经网络，即违禁品识别模型；
[0011]步骤3，采用不同模态的涡旋电磁波照射待检测人员并接收回波数据，对回波数据进行脉冲压缩处理，得到脉压后的回波数据；将脉压后的回波数据输入所述违禁品识别模
型，输出识别结果。
[0012]进一步地，所述涡旋电磁波的产生方式包含天线阵列、新型轨道角动量天线和超材料天线；所述天线阵列包含圆形天线阵列和密度加权天线阵列；所述新型轨道角动量天线包含螺旋相位板和抛物面赋型天线；所述超材料天线包含投射型超材料天线和反射型超材料天线。
[0013]更进一步地，基于圆形天线阵列的人体检测模型包含设置于基板上的圆形天线阵列，圆形天线阵列发射线性调频信号产生涡旋电磁波，圆形天线阵列的圆心处设置接收天线，圆形天线阵列正对检测对象设置。
[0014]更进一步地，以所述圆形天线阵列的圆心为坐标系原点，以圆周的法线方向作为Z轴方向建立直角坐标系，人体正对着圆形阵列，则人体上每个散射点的坐标表示为(x
m
,y
m
,z
m
)，将其转换为极坐标形式表示为(r
m
,θ
m
,φ
m
)，每个天线阵元的方位角表示为：
[0015][0016]其中，N为阵元数量，n表示阵元序号；
[0017]圆形阵列发射线性调频信号产生涡旋电磁波，则发射信号表示为：
[0018][0019]那么，任意一个检测点P(r,θ,φ)处的发射信号表示为：
[0020][0021]其中r为P点的极径，θ为P点的俯仰角，φ为P点的方位角，c为光速，t为时间，rect表示窗函数，T为脉冲持续周期，μ是线性调频信号的调频率，f
c
为信号载频，k为波数，α为模态数，a为阵列半径，i表示复数单位，J
α
为贝塞尔函数；
[0022]更进一步地，人体的总的回波数据表示为：
[0023][0024]式中，M为散射点的数目，每个散射点坐标信息为(r
m
,θ
m
,φ
m
)，μ为调频率，k为波数，σ
m
是每个散射点的散射系数。
[0025]进一步地，所述获取训练样本集具体为：
[0026]首先，在距人体检测装置一定距离处划分检测区域；
[0027]其次，将检测对象置于所述检测区域，分别改变检测对象在检测区域内的位置、违禁品在检测对象身体上的位置以及违禁品的方向，采用不同模态的涡旋电磁波照射不同状态下的检测对象，产生多组回波数据；每个确定的检测对象位置、违禁品在检测对象身体上的位置和违禁品方向对应产生一组回波数据；每组回波数据为多模态下的回波数据
[0028]其中，所述检测对象为携带违禁品人员和未携带违禁品人员；
[0029]最后，对多组回波数据分别进行脉冲压缩处理，得到多组脉压后的回波数据，对每组脉压后的回波数据添加标签形成训练样本集；
[0030]其中，每个训练样本为一组脉压后的回波数据。
[0031]进一步地，所述卷积神经网络包含依次级联的多个卷积模块、全连接层和Sigmoid激活函数层，每个卷积模块包含卷积层和最大池化层，且每个卷积层的激活函数为ReLu。
[0032]进一步地，所述采用训练样本集对卷积神经网络进行训练，具体为：对网络参数进行随机初始化；按批次将训练样本集输入初始化后的网络，采用对数损失函数计算当前训练误差，采用ADAM优化器更新网络参数，直到网络收敛，结束训练，得到训练后的卷积神经网络。
[0033]与现有技术相比，本专利技术的有益效果为：
[0034]本专利技术基于涡旋电磁波可以携带额外的信息的特征，结合机器学习分析多模态回波的差异性来判断人体中物品的相关信息。本专利技术可以不依赖成像的方式，只通过一维的脉冲压缩技术来实现对人体的检测。本专利技术摆脱了对人体的成像，降低了人体检测的复杂度，同时提高了检测的速度，为基于轨道角动量的雷达目标探测提供了参考意义。
附图说明
[0035]下面结合附图和具体实施例对本专利技术做进一步详细说明。
[0036]图1为本专利技术的实现流程图；
[0037]图2为本专利技术的基于圆形阵列的人体检测模型示意图；
[0038]图3为本专利技术的卷积神经网络结构示意图；
[0039]图4为不同违禁品位置情况下的人体模型示意图；
[0040]图5为不同人员情况下各模态脉压后的回波数据示意图，其中，(a)对应含有违本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于涡旋电磁波模态扫描的人体快速安检方法，其特征在于，包括以下步骤：步骤1，建立基于涡旋电磁波人体检测模型，该模型发射不同模态的涡旋电磁波分别照射携带违禁品人员和未携带违禁品人员，据此获取训练样本集；步骤2，建立卷积神经网络，采用训练样本集对卷积神经网络进行训练，得到训练后的卷积神经网络，即违禁品识别模型；步骤3，采用不同模态的涡旋电磁波照射待检测人员并接收回波数据，对回波数据进行脉冲压缩处理，得到脉压后的回波数据；将脉压后的回波数据输入所述违禁品识别模型，输出识别结果。2.根据权利要求1所述的基于涡旋电磁波模态扫描的人体快速安检方法，其特征在于，所述涡旋电磁波的产生方式包含天线阵列、新型轨道角动量天线和超材料天线；所述天线阵列包含圆形天线阵列和密度加权天线阵列；所述新型轨道角动量天线包含螺旋相位板和抛物面赋型天线；所述超材料天线包含投射型超材料天线和反射型超材料天线。3.根据权利要求2所述的基于涡旋电磁波模态扫描的人体快速安检方法，其特征在于，基于圆形天线阵列的人体检测模型包含设置于基板上的圆形天线阵列，圆形天线阵列发射线性调频信号产生涡旋电磁波，圆形天线阵列的圆心处设置接收天线，圆形天线阵列正对检测对象设置。4.根据权利要求3所述的基于涡旋电磁波模态扫描的人体快速安检方法，其特征在于，以所述圆形天线阵列的圆心为坐标系原点，以圆周的法线方向作为Z轴方向建立直角坐标系，人体正对着圆形阵列，则人体上每个散射点的坐标表示为(x
m
，y
m
，z
m
)，将其转换为极坐标形式表示为(r
m
，θ
m
，φ
m
)，每个天线阵元的方位角表示为：其中，N为阵元数量，n表示阵元序号；圆形阵列发射线性调频信号产生涡旋电磁波，则发射信号表示为：那么，任意一个检测点户(r，θ，φ)处的发射信号表示为：其中r为P点的极径，θ为P点的俯仰角，φ为P点的方位角，c为光速，t为时间，rect表示窗...

【专利技术属性】
技术研发人员：马晖，刘宏伟，张贤康，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：