本发明专利技术公开了一种降低中远距离毫米波危险品探测误报率的方法和装置，所述方法包括：步骤一，采用毫米波雷达向受检区域发射毫米波以获取雷达信号，根据雷达信号判断受检区域内是否存在疑似危险品；若存在疑似危险品，则进入步骤二；步骤二，通过摄像头拍摄受检区域以获取带有疑似危险品的图片；基于深度学习的图像识别方法对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物，若判断出不是干扰物，则认定疑似危险品为危险品，并告警。本发明专利技术基于深度学习的图像识别技术，在无感检测的环境下，对带有疑似危险品的图片进行识别，能够大幅降低中远距离毫米波危险品探测的误报率。率。率。
【技术实现步骤摘要】
降低中远距离毫米波危险品探测误报率的方法和装置
[0001]本专利技术涉及智能安检领域，具体涉及降低中远距离毫米波危险品探测误报率的方法和装置。
技术介绍
[0002]中远距离（3m~50m）毫米波危险品探测技术，已在国内外得到广泛研究与应用。相对以往使用的金属安检门和X射线检测仪等安检设备存在的检测不全面、速度低和不安全等各种弊端，毫米波安检设备的快速检测藏匿危险品、对人体无害的特性受到热切关注。
[0003]目前中远距离毫米波危险品探测技术可分为成像式与非成像式两类。成像式中远距离危险品探测技术结构较复杂、成本高，关键技术是收发阵列及其集成技术、多频段数据的融合与识别技术等；非成像式中远距离危险品探测技术结构较简单、成本低，关键技术是不同极化方向的回波并计算出检测参量的评估方法。
[0004]无论成像式或非成像式的中远距离毫米波危险品探测，在无感检测的实际场景使用中都会面临以下缺陷：毫米波危险品探测模块在中远距离对人体藏匿的枪支、刀具、雷管爆炸物等危险品进行探测时，会发出疑似危险品的信号，然而，毫米波危险品探测容易受到干扰物的影响，从而造成信号误报率很高。例如，当受检人拖行拉杆箱或其他可见误报源经过时，误报造成频繁的虚警对实际检测效果影响很大。
技术实现思路
[0005]本专利技术所要解决的技术问题是毫米波危险品探测模块在中远距离对人体藏匿的枪支、刀具、雷管爆炸物等危险品进行探测时，会发出疑似危险品的信号，然而，毫米波危险品探测容易受到干扰物的影响，从而造成信号误报率很高。目的在于提供一种降低中远距离毫米波危险品探测误报率的方法和装置，解决上述问题。
[0006]本专利技术通过下述技术方案实现：一种降低中远距离毫米波危险品探测误报率的方法，包括：步骤一，采用毫米波雷达向受检区域发射毫米波以获取雷达信号，根据雷达信号判断受检区域内是否存在疑似危险品；若存在疑似危险品，则进入步骤二；步骤二，通过摄像头拍摄受检区域以获取带有疑似危险品的图片；基于深度学习的图像识别方法对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物，若判断出不是干扰物，则认定疑似危险品为危险品，并告警。
[0007]本专利技术基于深度学习的图像识别技术，在无感检测的环境下，对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物，该方法能够大幅降低中远距离毫米波危险品探测的误报率，使毫米波危险品探测在大人流的复杂环境下发挥较好的检测效果。
[0008]进一步地，在步骤二中，还包括，若判断出是干扰物，对于成像式毫米波危险品探测：根据雷达信号获取毫米波成像图片，并获取毫米波成像图片中疑似危险品位置，将毫米波成像图片与带有疑似危险品的图片特征进行叠加，判断毫米波成像图片中疑似危险品位
置与带有疑似危险品的图片中干扰物位置是否重合，如重合则不告警，如不重合则告警。
[0009]进一步地，在步骤二中，还包括，若判断出是干扰物，对于非成像式毫米波危险品探测：将受检区域内的受检人标定为关注对象，根据广角摄像头中的定位，转动探测设备和变焦摄像头进行跟踪，在不同角度进行多次探测，若出现任一发现疑似危险品且无干扰物的情况，则告警。
[0010]进一步地，步骤二中，所述基于深度学习的图像识别方法对带有疑似危险品的图片进行识别，包括：利用摄像头采集包含可见误报物体的图像数据，形成原始图像数据集，将原始图像数据集划分为训练集、验证集以及测试集；构建用于识别可见误报物体的目标检测模型；采用训练集、验证集数据对目标检测模型进行训练和参数调整优化，得到训练好的目标检测模型；利用测试集数据对训练好的目标检测模型进行准确性评估与校验，以达到准确率预期要求，最终将训练好的目标检测模型用于可见误报物体的识别。
[0011]进一步地，还包括：当毫米波探测发现疑似危险品时，摄像机对此时场景图像进行拍摄，并将拍摄的图像输入到已保存的目标检测模型中，提取的相关特征对目标物体进行种类识别以及定位。
[0012]进一步地，所述摄像头为可转动的变焦摄像头，可转动的变焦摄像头拍摄范围包括毫米波危险品探测范围。
[0013]一种降低中远距离毫米波危险品探测误报率的装置，包括：毫米波探测模块，用于向受检区域发射毫米波以获取雷达信号，根据雷达信号判断受检区域内是否存在疑似危险品；图像采集模块，用于当存在疑似危险品时拍摄受检区域以获取带有疑似危险品的图片；图像识别模块，用于根据深度学习的图像识别方法对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物；告警模块，当图像识别模块识别出疑似危险品不是干扰物时，产生告警。
[0014]进一步地，还包括：成像式毫米波危险品探测判断模块，用于当判断出是干扰物时，将毫米波成像图片与带有疑似危险品的图片特征进行叠加，判断毫米波成像图片中疑似危险品位置与带有疑似危险品的图片中干扰物位置是否重合，如重合则不告警，如不重合则告警。
[0015]进一步地，还包括：非成像式毫米波危险品探测判断模块，用于当判断出是干扰物时，将受检区域内的受检人标定为关注对象，根据广角摄像头中的定位，转动探测设备和变焦摄像头进行跟踪，在不同角度进行多次探测，若出现任一发现疑似危险品且无干扰物的情况，则告警。
[0016]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1至6中任意一项所述的降低中远距离毫米波危险品探测误报率的方法。
[0017]本专利技术可以用于人流量大、开阔区域内的无感检测，将成像式毫米波探测的图像与图像识别到的干扰物图像进行叠加、判断，可以使整个危险品探测系统的误报率降低到
15%以下。将非成像式毫米波探测的边界与干扰物边界的交叉情况进行重点关注、多次判断，可以使整个危险品探测系统的误报率降低到15%以下。
[0018]本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术提供的一种降低中远距离毫米波危险品探测误报率的方法和装置，基于深度学习的图像识别技术，在无感检测的环境下，对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物，该方法能够大幅降低中远距离毫米波危险品探测的误报率，使毫米波危险品探测在大人流的复杂环境下发挥较好的检测效果。
[0019]2、本专利技术提供的一种降低中远距离毫米波危险品探测误报率的方法和装置，通过结合基于深度学习的图像识别技术，对特定干扰物进行识别、排除，从而降低了误报。本专利技术用于可见干扰物的甄别，可以有效解除虚警，使整个预警系统正常工作。
附图说明
[0020]为了更清楚地说明本专利技术示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：图1为本专利技术方法流程图；图2为本专利技术毫米波成像探测发现疑似危险品示意图；图3为本专利技术实时进行可见光图像识别辨识干扰物示意图；图4为本专利技术无感探测范围和图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.降低中远距离毫米波危险品探测误报率的方法，其特征在于，包括：步骤一，采用毫米波雷达向受检区域发射毫米波以获取雷达信号，根据雷达信号判断受检区域内是否存在疑似危险品；若存在疑似危险品，则进入步骤二；步骤二，通过摄像头拍摄受检区域以获取带有疑似危险品的图片；基于深度学习的图像识别方法对带有疑似危险品的图片进行识别，判断疑似危险品是否为干扰物，若判断出不是干扰物，则认定疑似危险品为危险品，并告警。2.根据权利要求1所述的降低中远距离毫米波危险品探测误报率的方法，其特征在于，在步骤二中，还包括，若判断出是干扰物，对于成像式毫米波危险品探测：根据雷达信号获取毫米波成像图片，并获取毫米波成像图片中疑似危险品位置，将毫米波成像图片与带有疑似危险品的图片特征进行叠加，判断毫米波成像图片中疑似危险品位置与带有疑似危险品的图片中干扰物位置是否重合，如重合则不告警，如不重合则告警。3.根据权利要求2所述的降低中远距离毫米波危险品探测误报率的方法，其特征在于，在步骤二中，还包括，若判断出是干扰物，对于非成像式毫米波危险品探测：将受检区域内的受检人标定为关注对象，根据广角摄像头中的定位，转动探测设备和变焦摄像头进行跟踪，在不同角度进行多次探测，若出现任一发现疑似危险品且无干扰物的情况，则告警。4.根据权利要求3所述的降低中远距离毫米波危险品探测误报率的方法，其特征在于，步骤二中，所述基于深度学习的图像识别方法对带有疑似危险品的图片进行识别，包括：利用摄像头采集包含可见误报物体的图像数据，形成原始图像数据集，将原始图像数据集划分为训练集、验证集以及测试集；构建用于识别可见误报物体的目标检测模型；采用训练集、验证集数据对目标检测模型进行训练和参数调整优化，得到训练好的目标检测模型；利用测试集数据对训练好的目标检测模型进行准确性评估与校验，以达到准确率预期要求，最终将训练好的目标检测模型用于可见误报物体的识别。5...
【专利技术属性】
技术研发人员：梁昆，张伟，罗再羽，
申请(专利权)人：四川正泰未来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。