【最新成果】近场毫米波三维成像与异物检测方法

近年来，如何在人流密集区域有效地预防恐怖袭击事件显得尤其重要。穿透衣物、包裹发现隐藏的危险物品是安检成像中的关键因素和难点，包括成像时间、清晰度、识别违规物品的准确率等都是安检系统中的重要指标。

毫米波成像安检系统由于具备分辨率适中，成像清晰度和对比度合适，对人体影响较小等特点，成为具有潜力的新一代人体安检系统。在刀、枪等异物检测方面，由于毫米波安检成像质量受到系统指标、隐私等方面的约束，无法或不宜获得过于高清晰度的图像，如何从安检图像中检测敏感目标成为毫米波安检系统的关键问题。

针对该问题，电子科技大学张晓玲教授团队与北京华航无线电测量研究所，利用实测数据开展了基于深度学习的近场毫米波三维成像与异物检测方法，实现了对近场微波图像的准确检测，实验表明基于深度学习的识别方法在测试数据上的检测、识别准确率优于85%，为近场毫米波图像异物检测提供了技术参考。

该工作已在《雷达学报》网络优先出版“近场毫米波三维成像与异物检测方法”（师君，阙钰佳，周泽南，周远远，张晓玲，孙铭芳），将在2019年第5期正式出版。

图1 深度学习异物检测示意图

该文首先介绍了了基于BP算法的近场毫米波三维成像系统以及基于深度卷积网络的异物检测技术，接着讨论了基于热图和YOLO算法的异物检测方法（图1），最后对2018年3月采集到的毫米波三维成像系统数据进行了成像处理和异物检测研究（图2、图3），验证了上述方法的可行性和技术性能。

图2 BP算法成像处理结果及部分训练数据集

图3 YOLO测试结果

了解详细内容请点击下面阅读原文。