摘要
被动式毫米波成像因其安全性、实时性和隐蔽性在人体安检行业有着良好的应用前景。现有被动式毫米波成像对人体携带嫌疑物识别主要采用传统的图像分割方法,这种识别方法受到人体姿态的影响,误报率较高。本文提出基于深度学习的被动式毫米波嫌疑物自动识别新方法。实验采用了545个样本对识别模型进行训练,并使用100个测试样本对识别模型进行检测,最终得到了93%的正确检出率。结果表明:深度学习方法能有效提高识别率,有着更强的适应性。
引文
[1]苗俊刚,郑成,胡岸勇,姚现勋.被动毫米波实时成像技[J].微波学报.2013,.29(5-6):100-112.
[2]徐燕.人体安检技术发展趋势研究[J].科技展望.2015,15:117-119.
[3]王楠楠,邱景辉,张鹏宇,邓维波.被动毫米波焦平面成像技术[J].红外与毫米波学报,2011,30(5):419-424.
[4]Yeom S,Lee D S, Son J Y,et al Concealed object detection using passive millimeter wave imaging[C]//Universal Comm unication Symposium(IUCS), 2010 4th International IEEE,2010:383-386.
[5]熊福松.基于阈值选取的图像分割方法研究[D].江南大学硕士论文,2009.
[6]王宇宁,庞智恒,袁德明.基于YOLO算法的车辆实时检测[J].武汉理工大学学报,2016(10):41-46.