[发明专利]三维全息成像安检雷达图像异物检测方法

说明书

本发明涉及全息成像安检技术领域，特别是涉及三维全息成像安检雷达，具体地提供一种三维全息成像安检雷达图像异物检测方法。该异物检测方法包括以下步骤：获取三维雷达图像目标检测数据；将所述三维雷达图像目标检测数据输入至训练收敛的无锚点神经网络模型，获取所述无锚点神经网络模型输出的三维雷达图像异物检测结果。本发明可以大为减少神经网络模型提取的预测框的数量，降低模型的计算复杂度，并且使最终预测的检测框具有良好的伸缩性，有助于提升尺度变化较大的物体的识别效果；同时，通过多层次的三维雷达图像特征提取方式，还能够让神经网络模型获得更加充足的语义信息，有利于对图像场景中物体进行检测识别。

技术领域：

本发明涉及全息成像安检技术领域，特别是涉及三维全息成像安检雷达，具体地提供一种三维全息成像安检雷达图像异物检测方法。

背景技术：

随着社会经济的发展，机场、火车站、地铁、汽车站等公共交通枢纽迎来了越来越多的客流和物流，这些区域的安检等级既要排除安全隐患以保证公共安全，又要满足快速通过的高检测效率。传统的异物检测方法主要是利用金属探测、X射线成像等安检技术，它们已经逐渐不能满足安检需求。欧美发达国家逐渐采用全息成像雷达在机场等用于安检，特别是用于旅客的人身安检。全息成像雷达是指全方位三维成像雷达，通常采用柱面孔径，主要应用于人体安全检测。

现有技术中，中国专利CN201410738076.4公开了一种人体安全检查设备，包括供被检查人站立的基座、毫米波收发装置和金属感应检测装置，所述毫米波收发装置用于对站立在基座上的被检查人的身体进行毫米波扫描以检测被检查人是否携带违禁物品并输出第一信号，所述金属感应检测装置设置在基座内用于检测被检查人的鞋底部中是否存在金属异物并输出第二信号；中国专利CN201911308084.4公开了一种全息成像方法，采用一维X射线多层膜波导结构，将两个长度相同的一维X射线多层膜波导结构正交胶合，使两个一维X射线多层膜波导结构的间隙部分正交配合，以形成二维X射线多层膜波导结构并用于全息成像。

三维全息成像安检雷达是新发展起来的安全检测技术，目前，国内外在三维全息成像安检雷达图像异物检测方面，主要以借鉴常规光学图像目标检测方法为主；由于雷达图像受相干斑噪声以及观测视角的影响，常规用于光学图像目标检测与识别的训练、验证和测试方法的适用性受到一定程度的限制。

发明内容：

本发明所要解决的技术问题是针对现有技术存在的缺点，提供一种三维全息成像安检雷达图像异物检测方法。

本发明引入无锚点神经网络模型，将三维雷达图像目标检测数据映射至不同维度的特征向量训练收敛的无锚点神经网络模型，可以大为减少神经网络模型提取的预测框的数量，降低模型的计算复杂度；同时，通过多层次的三维雷达图像特征提取方式，提高对图像场景中物体的识别率，降低虚报率。

本发明解决其技术问题所采取的技术方案是：三维全息成像安检雷达图像异物检测方法，其特征在于，包括以下步骤：

步骤1：获取三维雷达图像目标检测数据；

步骤2：将所述三维雷达图像目标检测数据输入至训练收敛的无锚点神经网络模型，获取所述无锚点神经网络模型输出的三维雷达图像异物检测结果。

优选地，所述三维雷达图像目标检测数据包括三维雷达图像数据和真实检测框的坐标数据。

优选地，所述三维雷达图像异物检测结果包括各个金属异物类别的平均精度、所有金属异物类别的平均精度均值和推理时每秒帧率。

优选地，所述无锚点神经网络模型的训练收敛包括以下步骤：

步骤S1：将所述三维雷达图像目标检测数据划分为训练集、验证集和测试集，所述训练集包括训练数据，所述验证集包括验证数据，所述测试集包括测试数据；

步骤S2：对所述训练集的训练数据进行数据增强；