[发明专利]一种毫米波图像目标检测方法

权利要求书

1.一种毫米波图像目标检测方法，其特征在于，该方法包括如下步骤：

步骤S10，获取原始毫米波图像数据；

步骤S20，根据所述原始毫米波图像数据的数据格式恢复出毫米波图像的三维空间结构数据，将恢复出的三维毫米波图像数据压缩成二维平面数据；

步骤S30，对所述二维平面数据进行降噪，并对降噪后的数据进行标准化处理；

步骤S40，将标准化后的数据制作成毫米波数据集，对所述毫米波数据集中的数据的特点进行分析，并根据所述数据的特点选取深度学习模型；

步骤S50，用所述的毫米波数据集对选取的所述深度学习模型进行训练和测试，得到所述深度学习模型的测试结果；

步骤S60，根据所述测试结果与评价指标对所述深度学习模型进行优化，以得到最优模型。

2.如权利要求1所述的方法，其特征在于，所述步骤S20包括，将所述恢复出的三维毫米波图像数据沿Z轴方向进行最大值投影。

3.如权利要求1所述的方法，其特征在于，采用门限降噪的方式对所述二维平面数据进行降噪，降噪后得到灰度图像，对所述二维平面数据进行降噪的公式为：

其中，A是降噪之前的毫米波图像的像素值，A'是降噪后的像素值，λ_max代表高门限阈值，λ_min代表低门限阈值，乘以255的目的是将降噪后的像素值缩放到

[0,255]之间，从而将降噪后的图像转化成为灰度图像。

4.如权利要求3所述的方法，其特征在于，所述对降噪后的数据进行标准化处理包括，统计并计算所述灰度图像的均值和标准差，其中，所述标准化处理的公式为：

其中，A'是标准化之前的像素值，A”是标准化之后的像素值，mean是所有灰度图像的均值，std是所有灰度图像的标准差。

5.如权利要求1所述的方法，其特征在于，所述步骤S40中，

将所述将标准化后的数据制作成COCO格式的毫米波数据集；

用所述的毫米波数据集对选取的深度学习模型进行训练和测试。

6.如权利要求1所述的方法，其特征在于，所述深度学习模型为二阶段检测网络，在所述二阶段检测网络中引入了特征金字塔网络。

7.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一所述的方法。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。