利用深度学习进行毫米波图像违禁物体识别

作者：**; 王卫民; 唐洋

来源：计算机与数字工程, 2020, 48(07): 1760-1765.

• 人身安检
• 毫米波图像
• 卷积神经网络
• 长短期记忆网络

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。

• 单位
  江苏科技大学