申请/专利权人：公安部第一研究所;北京中盾安民分析技术有限公司

申请日：2024-01-15

公开（公告）日：2024-04-16

公开（公告）号：CN117893809A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/56;G06V10/82;G06N3/0499;G01S7/41;G01S13/88;G01S13/89

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于图像增强的毫米波安检仪违禁品自动识别方法，首先对采集的原始数据进行预处理，提高信噪比，提升图像质量；然后对图像进行进一步增强，去除背景噪声，有助于提升清晰度，提升后续用于训练的样本质量，通过提升图像质量来提升深度学习样本的质量，从而提高学习效果，进而提高违禁品的自动识别率。另外，由于人眼对彩色的分辨能力远远高于对灰度的分辨能力，所以将灰度图像转化成彩色表示，就可以提高对图像细节的辨别力。

主权项：1.一种基于图像增强的毫米波安检仪违禁品自动识别方法，其特征在于，包括如下步骤：S1、对毫米波原始信号进行预处理：通过对人体进行毫米波扫描得到回波信号，回波信号即为毫米波原始信号；然后对毫米波原始信号进行预处理，所述预处理包括信号正交混频、低通滤波和降频抽取；S2、如图2所示，对步骤S1预处理后所得的毫米波信号，采用基于空间频率域的成像算法在波数域进行图像场景重建；S3、对步骤S2所得的毫米波图像进行图像增强，得到毫米波增强图像；S4、对步骤S3所得的毫米波增强图像进行伪彩色图像处理，得到彩色图像，从而得到最终的毫米波人体扫描图像；S5、采集得到设定数量的毫米波原始信号作为样本后，将其按照步骤S1-S4进行处理得到的毫米波人体扫描图像，然后将毫米波人体扫描图像转换成深度学习框架Tensorflow的数据格式tensor，并进行翻转、随机裁剪和扭曲，实现增强数据，扩充数据的多样性；然后利用毫米波人体扫描图像按照预设的参数进行训练，最终得到收敛的深度学习卷积神经网络模型；将训练得到的深度学习卷积神经网络模型部署至计算机，即可实现违禁品自动识别功能。

全文数据：

权利要求：

百度查询： 公安部第一研究所;北京中盾安民分析技术有限公司 一种基于图像增强的毫米波安检仪违禁品自动识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD