基于神经网络的违禁品位置探测方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于神经网络的违禁品位置探测方法、装置、设备及介质。方法包括：根据发射线圈和接收线圈形成感应区域，所述感应区域包含区域位置标识；当待检测目标通过所述感应区域时，获取待检测目标的特征数据；将特征数据输入预训练的第一神经网络模型，得到待检测目标中是否包含违禁品的探测结果；当待检测目标包含违禁品时，将特征数据输入预训练的第二神经网络模型，得到探测的违禁品在感应区域内的位置。其中，违禁品包括手机、智能手表、对讲机等电子设备以及管制刀具的一种或多种。该方法基于预训练的神经网络模型，不仅可以探测出待检测目标是否包含违禁品，还可以识别出违禁品的位置，大大提高了违禁品探测的准确度和效率。和效率。和效率。

【技术实现步骤摘要】
基于神经网络的违禁品位置探测方法、装置、设备及介质


[0001]本专利技术涉及智能检测
，特别涉及一种基于神经网络的违禁品位置探测方法、装置、设备及介质。

技术介绍

[0002]随着电子设备的普及，人们很容易使用电子设备进行通话、录音、拍照、拍摄视频等，这些具有录音、拍摄功能的电子设备在提升人们生活便利性的同时，也带来了一定的信息泄露的风险。在重要场所或秘密环境中，携带或使用电子设备如手机、录音笔、摄像机等，会造成场所内的秘密信息泄露。为了有效的降低涉密场所内由于电子设备而引发的信息泄露，需要在涉密场所外有效探测电子设备。传统的人工排查方法不但效率低，而且容易造成对被检查人群的“冒犯”。对于排队入场的考生或者参加具有保密等级的与会人员，快速准确而且不失礼貌的进行违禁品检测是尤为必要的。
[0003]例如，目前对手机的探测，较为广泛采用的三种探测方法包括：手机信号探测法、半导体非线性结点探测法和磁性检测法。其中，手机信号探测法在实际应用中往往无法精确到携带手机的个人，并且对处于关机状态的手机也没有检测能力。半导体非线性结点探测法理论上可以检测到含有半导体器件的设备，但是由于很多微小金属物品也会表现出半导体非线性结点的特征，因此这一类检测方法的准确程度难以满足市场需求。磁性检测法主要以手机内部的磁性物质作为检测特征，因此这一类检测方法在技术上很难排除磁性饰品的干扰，误报率较高。

技术实现思路

[0004]本申请实施例提供了一种基于神经网络的违禁品位置探测方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]第一方面，本申请实施例提供了一种基于神经网络的违禁品位置探测方法，包括：根据发射线圈和接收线圈形成感应区域，所述感应区域包含区域位置标识；当待检测目标通过感应区域时，获取待检测目标的特征数据；将特征数据输入预训练的第一神经网络模型，得到待检测目标中是否包含违禁品的探测结果；当待检测目标包含违禁品时，将特征数据输入预训练的第二神经网络模型，得到探测的违禁品在感应区域内的位置。
[0006]在一个可选地实施例中，根据发射线圈和接收线圈形成感应区域之后，还包括：计算感应区域的边长信息，根据感应区域的边长信息以及预设的区域划分规则，将感应区域划分为多个子区域；为每个子区域添加区域位置标识。
[0007]在一个可选地实施例中，当待检测目标通过感应区域时，获取待检测目标的特征数据，包括：当待检测目标通过感应区域时，通过接收线圈获取发射线圈辐射的电磁信号和待检测目标辐射的电磁信号的叠加信号；通过模数转换器对叠加信号进行量化，并提取量化后数据的频率信息、相位信息以及幅度信息；将频率信息、相位信息、幅度信息以及频率、相位、幅度的组合信息作为待检测目标的特征数据。
[0008]在一个可选地实施例中，将特征数据输入预训练的第一神经网络模型之前，还包括：在感应区域内没有放置标定物时，获取感应区域对应的无标定物特征数据；在感应区域内放置违禁品标定物时，获取感应区域对应的违禁品标定物特征数据；在感应区域内放置伪违禁品标定物时，获取感应区域对应的伪违禁品标定物特征数据；对无标定物特征数据、违禁品标定物特征数据以及伪违禁品标定物特征数据进行标注，将所述无标定物特征数据和伪违禁品标定物特征数据添加不包含违禁品标签，将违禁品标定物特征数据添加包含违禁品标签，得到第一训练数据集；根据第一训练数据集训练第一神经网络模型，得到训练好的第一神经网络模型。
[0009]在一个可选地实施例中，将特征数据输入预训练的第二神经网络模型之前，还包括：在感应区域内的不同区域位置处放置违禁品标定物，并获取不同区域位置对应的多个特征数据；对多个特征数据分别添加区域位置标签，得到第二训练数据集；根据第二训练数据集训练第二神经网络模型，得到训练好的第二神经网络模型。
[0010]在一个可选地实施例中，第一神经网络模型和第二神经网络模型为BP神经网络模型。
[0011]在一个可选地实施例中，得到探测的违禁品在感应区域内的位置之后，还包括：通过语音进行预警提示，并播报违禁品的区域位置信息，和/或，在显示屏上显示违禁品的区域位置信息。
[0012]第二方面，本申请实施例提供的一种基于神经网络的违禁品位置探测装置，包括：设置模块，用于根据发射线圈和接收线圈形成感应区域，所述感应区域包含区域位置标识；数据采集与处理模块，用于当待检测目标通过感应区域时，获取待检测目标的特征数据；第一探测模块，用于将特征数据输入预训练的第一神经网络模型，得到待检测目标中是否包含违禁品的探测结果；第二探测模块，用于当待检测目标包含违禁品时，将特征数据输入预训练的第二神经网络模型，得到探测的违禁品在感应区域内的位置。
[0013]第三方面，本申请实施例提供了一种电子设备，包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述实施例提供的基于神经网络的违禁品位置探测方法。
[0014]第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机可读指令，计算机可读指令被处理器执行以实现上述实施例提供的一种基于神经网络的违禁品位置探测方法。
[0015]本申请实施例提供的技术方案可以包括以下有益效果：本申请实施例提供的一种违禁品位置探测方法，通过发射线圈和接收线圈构成感应区域，感应区域包含划分的区域位置标识，当待检测目标通过感应区域时进行探测，可以基于预训练的神经网络模型识别采样的特征数据是否包含违禁品，若包含违禁品，还可以进一步根据预训练的神经网络模型识别违禁品在感应区域内的位置，不仅大大提高了违禁品探测的准确率，还可以输出探测违禁品的位置信息，辅助检测人员进一步确认违禁品或查取违禁品，提高检测效率。
[0016]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0018]图1是根据一示例性实施例示出的一种基于神经网络的违禁品位置探测方法的流程示意图；图2是根据一示例性实施例示出的一种神经网络模型的训练方法示意图；图3是根据一示例性实施例示出的一种基于神经网络的违禁品位置探测方法的另一流程示意图；图4是根据一示例性实施例示出的一种违禁品探测器的示意图；图5是根据一示例性实施例示出的一种违禁品探测器的结构示意图；图6是根据一示例性实施例示出的一种违禁品探测装置的结构示意图；图7是根据一示例性实施例示出的一种基于神经网络的违禁品位置探测装置的结构示意图；图8是根据一示例性实施例示出的一种电子设备的结构示意图；图9是根据一示例性实施例示出的一种计算机存储介质的示意图。
具体实施方式
[0019]以下描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的违禁品位置探测方法，其特征在于，包括：根据发射线圈和接收线圈形成感应区域，所述感应区域包含区域位置标识；当待检测目标通过所述感应区域时，获取所述待检测目标的特征数据；将所述特征数据输入预训练的第一神经网络模型，得到待检测目标中是否包含违禁品的探测结果；当待检测目标包含违禁品时，将所述特征数据输入预训练的第二神经网络模型，得到探测的违禁品在感应区域内的位置。2.根据权利要求1所述的方法，其特征在于，根据发射线圈和接收线圈形成感应区域之后，还包括：计算所述感应区域的边长信息，根据所述感应区域的边长信息以及预设的区域划分规则，将所述感应区域划分为多个子区域；为每个子区域添加区域位置标识。3.根据权利要求1所述的方法，其特征在于，当待检测目标通过所述感应区域时，获取所述待检测目标的特征数据，包括：当待检测目标通过所述感应区域时，通过所述接收线圈获取所述发射线圈辐射的电磁信号和待检测目标辐射的电磁信号的叠加信号；通过模数转换器对所述叠加信号进行量化，并提取量化后数据的频率信息、相位信息以及幅度信息；将所述频率信息、相位信息、幅度信息以及频率、相位、幅度的组合信息作为待检测目标的特征数据。4.根据权利要求1所述的方法，其特征在于，将所述特征数据输入预训练的第一神经网络模型之前，还包括：在所述感应区域内没有放置标定物时，获取所述感应区域对应的无标定物特征数据；在所述感应区域内放置违禁品标定物时，获取所述感应区域对应的违禁品标定物特征数据；在所述感应区域内放置伪违禁品标定物时，获取所述感应区域对应的伪违禁品标定物特征数据；对所述无标定物特征数据、违禁品标定物特征数据以及伪违禁品标定物特征数据进行标注，将所述无标定物特征数据和伪违禁品标定物特征数据添加不包含违禁品标签，将违禁品标定物特征数据添加包含违禁品标签，得到第一训练数据...

【专利技术属性】
技术研发人员：凌云，张伟，李鹏飞，范晓星，
申请(专利权)人：成都佳发安泰教育科技股份有限公司，
类型：发明
国别省市：