一种用于人体隐藏危险品检测仪的机器学习目标检测方法技术

本发明专利技术公开了一种用于人体隐藏危险品检测仪的机器学习目标检测方法，其检测步骤为：首先，从人体隐藏危险品检测仪中获取波形数据，并对波形数据进行处理，得到数据样本；然后，将步骤一中得到的数据样本训练出机器学习模型；最后，利用步骤二训练出的机器学习模型，进行未知标签的样本检测，最后得出检测结果。本发明专利技术提供的检测方法适用于处理携带危险品和未携带危险品的二分类问题，也适用于处理多种不同种类危险品的多分类问题，检测结果明显比传统检测仪所使用的阈值检测方法得到的检测结果更准确。测结果更准确。测结果更准确。

【技术实现步骤摘要】
一种用于人体隐藏危险品检测仪的机器学习目标检测方法


[0001]本专利技术涉及危险品检测仪器领域，更具体地，涉及一种可用于远距离人体隐藏危险品检测仪的机器学习目标检测方法。

技术介绍

[0002]由于毫米波可以穿透大部分衣物，利用毫米波可以检测隐藏在人体衣物内的危险品。有研究者提出了一种远距离毫米波检测仪，其主要结构示意图如图1所示，其中大型透镜天线发出的电磁波经人体目标反射后，反射回波由探测器所接收。在这种检测仪中，当人体携带有危险品时，人体回波与不携带危险品时的回波有差异，利用这种差异即可实现远距离人体隐藏危险品检测。由于人体的微动特征，在多数情况下回波的差异不够明显，往往呈现出某一特殊分布，以往的途径是采用一个阈值检测算法，阈值检测算法中高于阈值的判断为携带危险品，低于阈值的判断为未携带危险品；如图2所示，横轴为采集到的波形数据1，纵轴为采集到的波形数据2，深色和浅色圆点分别对应携带有危险品和未携带危险品的情形，中间的直线为可用的阈值检测线，当携带有危险品和未携带有危险品的数据不存在直线可以分离的界限时，这种阈值检测方法的检测准确率较低，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于人体隐藏危险品检测仪的机器学习目标检测方法，其特征在于步骤如下：一，从人体隐藏危险品检测仪中获取波形数据，并对波形数据进行处理，得到数据样本；二，将步骤一中得到的数据样本训练出机器学习模型；三，利用步骤二训练出的机器学习模型，进行未知标签的样本检测，最后得出检测结果。2.根据权利要求1所述的用于人体隐藏危险品检测仪的机器学习目标检测方法，其特征在于：步骤一中，从远距离危险品检测仪中获取的波形数据为回波波形数据，所述回波波形数据至少包括同极化波形数据和交叉极化波形数据。3.根据权利要求2所述的用于人体隐藏危险品检测仪的机器学习目标检测方法，其特征在于：步骤一中，对回波波形数据进行处理的过程为：首先将同极化波形数据和交叉极化波形数据分别进行傅里叶变换，然后分别提取得到同极化数据特征和交叉极化数据特征，将同极化波形数据和交叉极化波形数据的特征合并后成为数据特征；每一次检测得到的数据特征与该次检测的数据标签共同构成一组数据样本，多组数据样本形成数据样本集。4.根据权利要求2所述的用于人体隐藏危险品检测仪的机器学习目标检测方法，其特征在于：对于人体隐藏危险品检测仪采集到的回波波形数据具有高于两个种类的波形数据时，对回波波形数据进行处理的过程为：将N个种类的波形数据分别进行傅里叶变换，再分别提取得到对应的数据特征，然后将N个种类波形数据的特征合并为数据特征；再将每一次检测得到的数据特征与该次检测的数据标签共同构成一组数据样本，多组数据样本形成数据样本集；其中，N＞2。5.根据权利要求3或4所述的用于人体隐藏危险品检测仪的机器学习目标检测方法，其特征在于：步骤二中，所述数据样本集划分成训练样本集和测试样...

【专利技术属性】
技术研发人员：尹格，安健飞，崔振茂，成彬彬，
申请(专利权)人：中国工程物理研究院电子工程研究所，
类型：发明
国别省市：