利用深度学习进行毫米波图像违禁物体识别

• 作者: 唐洋 张健 王卫民
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 人身安检 毫米波图像 卷积神经网络 长短期记忆网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 图像处理
• 页码范围: 1760-1765
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.041

摘要

毫米波人体成像技术是目前全球安防领域的先进技术,已在美国、英国等国机场用于旅客人身安检.但毫米波图像中违禁物体的高效识别仍然是一个亟待解决的难题,这极大地限制了毫米波成像技术在机场旅客筛选中的应用.文章将深度学习技术应用于毫米波图像,自动判别毫米波图像中是否藏有违禁物品,以及违禁物品藏在身体哪些部位.利用卷积神经网络(Convolutional Neural Network,CNN)对人体的毫米波图像提取特征,然后通过长短期记忆网络(Long Short-term Memory,LSTM)融合多视图图像特征,最后通过多路sigmoid分类器得到人体17个部位分别藏有违禁物品的概率值.实验中,在与训练集和验证集没有交集的测试集上的损失函数值为0.03,经设定阈值后,人体17个部位识别正确率为99.76％,说明了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健		112	484	12.0	16.0
2	王卫民		21	71	4.0	8.0
3	唐洋		3	1	1.0	1.0