一种毫米波图像目标检测方法及系统技术方案

本发明专利技术公开了一种毫米波图像目标检测方法及系统，属于主动式毫米波图像处理技术领域，包括以下步骤：S1：标注主动式毫米波图像；S2：训练语义分割模型；S3：训练目标检测模型；S4：对实时图片进行目标检测并增强显示。本发明专利技术利用基于深度学习的语义分割模型对原始图像进行分割，并将分割之后的图像与原始图像同时送入基于深度学习的目标检测模型中进行训练，从而提高目标检测的检出率，降低虚警概率，值得被推广使用。值得被推广使用。值得被推广使用。

【技术实现步骤摘要】
一种毫米波图像目标检测方法及系统


[0001]本专利技术涉及主动式毫米波图像处理
，具体涉及一种毫米波图像目标检测方法及系统。

技术介绍

[0002]基于毫米波成像技术的人体安检设备在公共安全领域的应用正处于蓬勃发展时期，为了向更文明、更高效、更智能、更安全的方向发展，人体安检仪需要具备目标检测的功能。
[0003]安检数据往往是从不同的空间环境中检测得到的，数据中往往带有复杂的噪声，安检图像数据信噪比都较低。另外，主动式毫米波安检仪会因人的性别、体型、高矮胖瘦差异导致对不同的目标产生不一致的特性。不同衣物的电磁特性、衣物的纹理、褶皱等因素将极大地影响毫米波人体安检仪的成像质量，衣物、违禁品、人体体表紧密贴合，在距离上往往无法有效区分。衣物贴合人体，并随着人体的姿态不断变化，不同衣物材料的介电特性存在差异，在实际处理衣物影响时，往往将其视为干扰和检测的杂波。另外，主动式安检仪的频率源、系统校准随着设备的长时间运行会存在系统误差，同时安检仪的成像质量跟天线罩以及周围的环境干扰都存在很大的关系，上述多因素导致主动式毫米波人体安检仪的安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种毫米波图像目标检测方法，其特征在于，包括以下步骤：S1：标注主动式毫米波图像对主动式毫米波图像中进行标注，标注分为两种，分别为语义分割标注与目标检测标注，其中语义分割标注出前景区域、背景区域以及目标区域，得到分类标签图像，前景区域包括人体区域，不包含目标区域部分，背景区域包括人体以外的区域以及人身体周围的杂波部分；目标检测标注按照矩形框的形式，标注出目标矩形框以及人体矩形框，得到用于目标检测使用的标签图像；S2：训练语义分割模型利用语义分割标注得到像素级分类标签，训练语义分割深度学习模型，观察训练集和验证集损失，达到训练停止条件后，完成训练，得到语义分割模型；S3：训练目标检测模型输入原始图像以及经过语义分割的像素级分类标签图像，采用目标检测深度学习模型进行训练，观察训练集和验证集损失，达到训练停止条件后，完成训练，得到目标检测模型；S4：对实时图片进行目标检测并增强显示将主动式毫米波实时图像先通过语义分割模型进行分割，图像分割之后的图片以及原始图片都输入进行目标检测模型中，得到最终像素预测结果，再将预测结果的矩形框叠加到主动式毫米波图像中，实现对主动式毫米波图像的目标检测。2.根据权利要求1所述的一种毫米波图像目标检测方法，其特征在于：所述主动式毫米波图像为灰度图像。3.根据权利要求2所述的一种毫米波图像目标检测方法，其特征在于：在所述步骤S1中，语义分割标注得到的像素级分类标签存在0、1以及2三类值，其中0代表背景、1代表人体、2代表目标。4.根据权利要求3所述的一种毫米波图像目标检测方法，其特征在于：在所述步骤S1中，目标检测标注得到的标签图像存在0、1以及2三类值，其中0代表人体，1代表目标框，2代表其他物体。5.根据权利要求1所述的一种毫米波图像目标检测方法，其特征在于：在所述步骤S2中，语义分割深度学习模型采用基于U型网络的语义分割模型。6.根据权利要求1所述的一种毫米波图像目标检测方法...

【专利技术属性】
技术研发人员：余开，柳桃荣，李诚，涂昊，刘泽鑫，
申请(专利权)人：博微太赫兹信息科技有限公司，
类型：发明
国别省市：