[发明专利]物品检测方法和装置

说明书

本发明实施例提供一种物品检测方法和装置，其中，该方法包括：获取训练数据；利用训练数据对卷积神经网络进行训练；获取待检测物品的测试数据，该测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；对该测试数据进行处理，并将处理后的图像输入训练后的卷积神经网络，确定该待检测物品的检测结果；其中，对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到增强训练数据。

技术领域

本发明涉及通信技术领域，尤其涉及一种物品检测方法和装置。

背景技术

近年来，公共场所的安全问题越来越受到人们的重视，如何对诸如管制器具、易燃易爆品等危险进行检测成为重要的问题。目前，针对危险的检测装置广泛应用于机场、火车站、地铁站、体育场等各种人员密集场合，危险检测装置可以分为两个类型：接触式和非接触式。接触式检测装置需要将可疑物品(例如装有液体的瓶子)放置在检测装置上进行检测，而非接触式检测装置能够在可疑物移动到距离检测装置一定范围内即启动检测并分辨可疑物是否属于危险。

目前针对非接触式检测装置，常见的检测方法之一是X射线探测方法，但是该方法成本通常较高，长期使用将会对工作人员的身体健康造成影响；另外，由于不同物品的材质不同，因此其反射特性也会存在差异，这样的差异，可以用于物品的检测，即可以通过设置雷达向待检测物品发射信号，利用待检测物品的回波信号进行分析，得到的强度、径向速度等信息来检测，另外，为了提高检测的准确性，还可以通过设置多个雷达，并利用多个雷达接收到的回波信号进行分析，得到的强度、径向速度等信息来检测。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

近些年深度学习成为各个领域的研究热点，而雷达领域同样可通过深度学习算法对信号进行相应的信息处理，与传统方法相比，深度学习算法具有自动提取深层特征、获取较高准确率等优势，但在训练数据不足的情况下，会存在过拟合的问题。

为了解决上述技术问题，本发明实施例提出了一种物品检测方法和装置，

根据本发明实施例的第一个方面，提供了一种物品检测装置，其中，所述装置包括：

训练数据获取单元，其用于获取训练数据，所述训练数据包括原始训练数据和增强训练数据；每个训练数据被标记为危险或安全；

训练单元，其用于将所述训练数据作为卷积神经网络的输入，将其对应的标记作为所述卷积神经网络的输出，使用预定算法，对所述卷积神经网络进行训练，得到训练后的卷积神经网络；

测试数据获取单元，其用于获取待检测物品的测试数据，所述测试数据包括至少一个雷达基于测试回波信号获取的微多普勒图像；其中，所述测试回波信号是雷达发射信号经过待检测物品反射后的信号；

处理单元，其用于对所述测试数据包括的所述至少一个雷达的微多普勒图像进行处理，并将处理后的图像输入训练后的所述卷积神经网络，确定所述待检测物品的检测结果；

其中，所述训练数据获取单元包括：

原始单元，其用于根据所述至少一个雷达基于训练回波信号获取的微多普勒图像生成所述原始训练数据；其中，所述训练回波信号是所述雷达发射信号经过已知物品反射后的信号；

增强单元，其用于对获取的每个微多普勒图像内的预定数量个帧进行位置和/或数量变换，和/或在一次或多次获取得到的针对各个雷达的多个微多普勒图像之间进行预定数量个帧的交换，和/或将获取的针对各个雷达的多个微多普勒图像按照第一顺序进行合并，以得到所述增强训练数据。