[发明专利]太赫兹图像中目标物体的检测方法、装置、设备及介质

说明书

本发明实施例公开了一种太赫兹图像中目标物体的检测方法、装置、设备及计算机可读存储介质。其中，方法包括将待检测的太赫兹图像输入预先构建的优化目标检测层，得到太赫兹图像的特征图，并根据特征图生成建议窗口；利用感兴趣区域卷积层将特征图和包含建议窗口的特征图生成预设尺寸的第二特征图；最后利用边框回归化生成目标检测窗口的坐标，以用于检测太赫兹图像中的目标物体。优化目标检测层的构建过程包括采用层级修改faster‑Rcnn算法模型的网络结构配置文件以裁剪卷积层和池化层的数目，采用神经元级裁剪滤波器数目，并通过修改dropout层参数或者增加dropout层以减少神经元连接。本申请提供的技术方案可有效提高太赫兹图像中目标物体检测的效率和准确率。

技术领域

本发明实施例涉及太赫兹技术领域，特别是涉及一种太赫兹图像中目标物体的检测方法、装置、设备及计算机可读存储介质。

背景技术

太赫兹波为波长在30μm～3mm之间的远红外电磁辐射，可穿透纸张、塑料和布料等物质，利用太赫兹波作为信号源进行成像得到的太赫兹成像视频，可发现隐藏于人体衣物下的物品。由于太赫兹波电离能量很低，对人体不存在任何伤害，且太赫兹成像能检测金属物品以及非金属违禁品(如炸药、陶瓷刀、玻璃刀、毒品等)，使得太赫兹成像广泛应用于人体安检。

但是，基于太赫兹技术的人体成像的分辨率较低、视频帧率信噪比低、对比度差，细节表现不丰富，无法得知目标物体(例如违禁品)在人体图像中的大小、形状、准确位置等信息，无法满足人体安检速度和准确性的现实需求。

目前针对人体安检太赫兹图像中目标物体的检测方法，多数集中在对图像中可疑物品的定位和分割上，先采用图像分割、轮廓跟踪、区域生长、模糊聚类等方法分离出物体，然后再进行物体的分类和识别。近年来，由于深度学习技术的迅猛发展和应用，目标视觉检测研究取得了很大进展，图像物体检测和识别的速度和准确性都得到了很大提高。但是，直接将深度学习算法应用在太赫兹图像的目标物体的检测中，目标物体检测准确率较低，且检测测速度较慢。

鉴于此，如何提高太赫兹图像中目标物体检测的效率和准确率，是本领域技术人员亟待解决的问题。

发明内容

本发明实施例的目的是提供一种太赫兹图像中目标物体的检测方法、装置、设备及计算机可读存储介质，提高了太赫兹图像目标物体检测的效率和准确率。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种太赫兹图像中目标物体的检测方法，包括：

预先根据接收到的结构裁剪指令对faster-Rcnn算法模型进行优化，生成优化目标检测层；

将待检测的太赫兹图像输入所述优化目标检测层，得到所述太赫兹图像的特征图，并根据所述特征图生成建议窗口；

利用感兴趣区域卷积层将所述特征图和包含建议窗口的特征图生成预设尺寸的第二特征图；

根据第二特征图，利用边框回归化生成目标检测窗口的坐标，以用于检测太赫兹图像中的目标物体；

所述对faster-Rcnn算法模型进行优化包括：

采用层级修改faster-Rcnn算法模型的网络结构配置文件以裁剪卷积层和池化层的数目，采用神经元级裁剪滤波器数目，并通过修改dropout层参数或者增加dropout层以减少神经元连接。

可选的，所述优化目标检测层还包括图像增强层，用于采用指数非线性变化对所述太赫兹图像进行空域图像增强。

可选的，所述优化目标检测层还包括噪声处理层，用于采用非线性滤波算法去除经空域图像增强后的太赫兹图像的噪声。