CN110045349B - 一种鉴定方法、装置、设备及存储介质 - Google Patents

一种鉴定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110045349B
CN110045349B CN201910351373.6A CN201910351373A CN110045349B CN 110045349 B CN110045349 B CN 110045349B CN 201910351373 A CN201910351373 A CN 201910351373A CN 110045349 B CN110045349 B CN 110045349B
Authority
CN
China
Prior art keywords
echo data
sample
control
identification model
sample echo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910351373.6A
Other languages
English (en)
Other versions
CN110045349A (zh
Inventor
樊玉君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Iss Technology Co ltd
Original Assignee
Iss Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Iss Technology Co ltd filed Critical Iss Technology Co ltd
Priority to CN201910351373.6A priority Critical patent/CN110045349B/zh
Publication of CN110045349A publication Critical patent/CN110045349A/zh
Application granted granted Critical
Publication of CN110045349B publication Critical patent/CN110045349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种鉴定方法、装置、设备及存储介质。该方法包括：发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的，通过本发明的技术方案，能够实现开阔区域人体隐藏管制刀具无感知探测和预警，提升非合作目标人群携带管制刀具自动检出率。

Description

一种鉴定方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机技术，尤其涉及一种鉴定方法、装置、设备及存储介质。
背景技术
目前，非接触式人体安检技术有金属探测门、微剂量X射线成像、X射线飞点扫描背散射成像、毫米波成像、被动式太赫兹成像。其中，金属探测门不能探测出非金属违禁品，如陶瓷刀等，同时金属探测虚警较高，需人工辅以手持金属探测器复查，安检效率低下，劳动强度较高；微剂量X射线成像技术和X射线飞点扫描背散射成像技术虽然成像质量好，但存在人体电离辐射损伤风险；毫米波成像技术虽然无电离辐射，但自动识别最高检出率只有85％，还需人工辅以复检，因受分辨力的限制，成像质量难以满足要求；被动式太赫兹成像安检结构简单，无辐射、非接触、不停留，但不能用于室外，对室内温度、光线等环境要求高。
上述非接触式人体安检技术都需在固定安检通道进行配合式安检，同时还需要配以“搜身”式的检查，不仅工作效率低下还涉嫌侵犯隐私。对开放式的非合作目标人群无法实时辨别是否携带管制刀具。
发明内容
本发明实施例提供一种鉴定方法、装置、设备及存储介质，以实现开阔区域人体隐藏管制刀具无感知探测和预警，提升非合作目标人群携带管制刀具自动检出率。
第一方面，本发明实施例提供了一种鉴定方法，包括：
发射太赫兹波信号；
接收所述太赫兹波信号对应的回波数据；
将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
进一步的，所述目标管制刀具鉴定模型的训练方法，包括：
获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质和形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；
根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
进一步的，获取样本回波信号之后，还包括：
对所述样本回波数据进行垂直方向和/或水平方向极化；
将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据；
对所述特征数据进行距离维截取得到目标特征数据。
进一步的，根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型包括：
根据所述目标特征数据和所述目标特征数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
进一步的，建立第一管制刀具鉴定模型包括：
根据
Figure GDA0002829628160000031
计算输出权值和/或激活值；
根据所述输出权值和/或激活值建立第一管制刀具鉴定模型；
其中，所述
Figure GDA0002829628160000032
表示lth层第jth个神经元的激活值，所述
Figure GDA0002829628160000033
表示在lth层第jth个神经元的偏置，所述
Figure GDA0002829628160000034
表示从(l-1)th层的第kth个神经元到lth层的第jth个神经元的链接上的权重，所述k为神经元的个数，
Figure GDA0002829628160000035
表示在(l-1)tn层第k个神经元，
Figure GDA0002829628160000036
表示计算(l-1)th层的所有k个神经元的链接上的权重之和，X(k)表示第k个神经元的激活值的初始值，
Figure GDA0002829628160000037
表示第k个神经元的激活值的初始值。
第二方面，本发明实施例还提供了一种鉴定装置，该装置包括：
发射模块，用于发射太赫兹波信号；
接收模块，用于接收所述太赫兹波信号对应的回波数据；
确定模块，用于将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
进一步的，还包括：
样本获取模块，用于获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质、形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；
训练模块，用于根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
进一步的，还包括：
极化模块，用于对所述样本回波数据进行垂直方向和/或水平方向极化；
数据获取模块，用于将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据；
截取模块，用于对所述特征数据进行距离维截取得到目标特征数据。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的鉴定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的鉴定方法。
本发明实施例通过发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的，以实现开阔区域人体隐藏管制刀具无感知探测和预警，提升非合作目标人群携带管制刀具自动检出率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种鉴定方法的流程图；
图2A是本发明实施例二中的一种鉴定方法的流程图；
图2B是本发明实施例二中的一种模型训练过程的流程图；
图2C是本发明实施例二中姿态固定时神经网络模型识别率；
图2D是本发明实施例二中姿态变换较大时神经网络模型识别率；
图3是本发明实施例三中的一种鉴定装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种鉴定方法的流程图，本实施例可适用于管制刀具鉴定的情况，该方法可以由本发明实施例中的鉴定装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，发射太赫兹波信号。
其中，所述太赫兹波又被称为'生命光线'，是'光'能量的一种，是指波长在3μm到1000μm之间，频率为0.1-10THz，介于微波与红外线之间的电磁波。太赫兹波不仅拥有与光相同的直进性，还具有与电波相似的穿透性和吸收性。传统的人体透视和摄片都使用X射线，但X射线对人体会带来副作用。太赫兹波也具有类似X射线的穿透能力，但其光子能量小，对人体的辐射能量比X光小100万倍，因此不会对人体造成辐射性伤害。太赫兹可以轻易穿透塑料、衣物、纸盒等非极性和非金属材料，能有效探测和识别出藏在包裹、信件和衣服中的枪支、毒品、炸药等危险品。
具体的，发射太赫兹波信号的触发条件可以为在检测到有人体或者人随身携带包裹之后发射太赫磁波信号，例如可以是，通过带有边缘计算功能的高清摄像头向人体及人携带包裹进行计算机视觉自动识别，若鉴定为人或人随身携带包裹，将通过智慧安检态势认知云平台向移动智能安检探测仪发送指令，由移动智能安检仪发射太赫兹波信号。
S120，接收所述太赫兹波信号对应的回波数据。
具体的，所述回波数据为太赫兹波信号遇到物体后反馈的回波数据，例如可以是，向人体发射太赫兹波信号，接收物品散射的回波数据。
S130，将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果。
其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
其中，所述样本回波数据可以为发射不同方向的太赫兹波信号得到的样本回波数据，例如可以是，发射垂直方向的太赫兹波信号得到的样本回波数据；也可以是，接收端接收不同方向的太赫兹波信号反馈的样本回波数据，例如可以是，接收端接收水平方向的反馈信号作为样本回波数据；所述样本回波数据可以不同距离维度上的测得的样本回波数据，例如可以是，将管制刀具放在距离信号发射端任意距离的位置，检测管制刀具反馈的样本回波数据；还可以为不同大小、材质、形状的管制刀具反馈的样本回波数据；还可以为将上述方案的叠加，例如可以是，获取发射不同方向的太赫兹波信号得到的不同大小、材质、形状的管制刀具反馈的样本回波数据，本发明实施例对此不进行限制。
其中，管制刀具的鉴定结果可以为确定为管制刀具，或者可以为确定为非管制刀具，还可以为确定为管制刀具以及管制刀具的大小、材质、形状，本发明实施例对此不进行限制。
其中，所述目标管制刀具鉴定模型的输入端为回波数据，输出端为回波信号的管制刀具鉴定结果。
具体的，将接收到的回波数据输入至预先训练的目标管制刀具鉴定模型，根据目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果，例如可以是，根据样本回波数据训练得到目标管制刀具鉴定模型，将接收到的物体反馈的回波数据输入目标管制刀具鉴定模型，目标管制刀具鉴定模型输出回波信号的管制刀具鉴定结果。
本实施例的技术方案，通过发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的，以实现开阔区域人体隐藏管制刀具无感知探测和预警，提升非合作目标人群携带管制刀具自动检出率。
实施例二
图2A为本发明实施例二中的一种鉴定方法的流程图，本实施例以上述实施例为基础进行优化，在本实施例中，所述目标管制刀具鉴定模型的训练方法，包括：获取样本回波数据，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质、形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据；根据所述样本回波数据对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
如图2A所示，本实施例的方法具体包括如下步骤：
S210，发射太赫兹波信号。
S220，接收所述太赫兹波信号对应的回波数据。
S230，获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型。
其中，所述样本回波数据包括不同大小、材质、形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种。
其中，所述第一管制刀具鉴定模型可以为建立每一种样本回波数据分别对应的分类模型；根据预设模型结构将所述每一种样本回波数据的分类模型进行链接，并设置每一种样本回波数据的分类模型的初始权重和分类阈值，形成第一管制刀具鉴定模型；还可以为根据
Figure GDA0002829628160000091
计算输出权值和/或激活值；根据所述输出权值和/或激活值建立第一管制刀具鉴定模型；其中，所述
Figure GDA0002829628160000092
表示lth层第jth个神经元的激活值，所述
Figure GDA0002829628160000093
表示在lth层第jth个神经元的偏置，所述
Figure GDA0002829628160000094
表示从(l-1)th层的第kth个神经元到lth层的第jth个神经元的链接上的权重，所述k为神经元的个数，
Figure GDA0002829628160000095
表示在(l-1)th层第k个神经元，
Figure GDA0002829628160000096
表示计算(l-1)th层的所有k个神经元的链接上的权重之和，X(k)表示第k个神经元的激活值的初始值，
Figure GDA0002829628160000097
表示第k个神经元的激活值的初始值。
具体的，获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型；例如可以是，获取不同方向的信号发射端和信号接收端对应的不同大小、材质、形状的管制刀具反馈的样本回波数据和与信号发射端或信号接收端的距离不同的不同大小、材质、形状的管制刀具反馈的样本回波数据，建立第一管制刀具鉴定模型。
可选的，获取样本回波信号之后，还包括：
对所述样本回波数据进行垂直方向和/或水平方向极化。
具体的，对所述样本回波数据进行垂直方向和/或水平方向极化，例如可以是，对样本回波数据进行发射端垂直极化，接收端垂直极化；对样本回波数据进行发射端垂直极化，接收端水平极化；对样本回波数据进行发射端水平极化，接收端水平极化；对样本回波数据进行发射端垂直极化，接收端水平极化。
将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据。
具体的，分别对极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据。
对所述特征数据进行距离维截取得到目标特征数据。
其中，所述距离维指的是管制刀具与信号发射端或信号接收端的距离。
具体的，根据管制刀具与信号发射端或信号接收端的距离截取符合条件的特征数据作为目标特征数据，可以是，选取管制刀具与信号发射端或信号接收端的距离小于第一预设阈值的特征数据作为目标特征数据，或者可以是，选取管制刀具与信号发射端或信号接收端的距离大于第一预设阈值且小于第二预设阈值的特征数据作为目标特征数据；或者可以是，选取管制刀具与信号发射端或信号接收端的距离大于第二预设阈值的特征数据作为目标特征数据。例如可以是，截取管制刀具与信号发射端或信号接收端的距离大于10米对应的特征数据作为目标特征数据。
可选的，根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型包括：
根据所述目标特征数据和所述目标特征数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
可选的，建立第一管制刀具鉴定模型包括：
根据
Figure GDA0002829628160000111
计算输出权值和/或激活值；
根据所述输出权值和/或激活值建立第一管制刀具鉴定模型；
其中，所述
Figure GDA0002829628160000112
表示lth层第jth个神经元的激活值，所述
Figure GDA0002829628160000113
表示在lth层第jth个神经元的偏置，所述
Figure GDA0002829628160000114
表示从(l-1)th层的第kth个神经元到lth层的第jth个神经元的链接上的权重，所述k为神经元的个数，
Figure GDA0002829628160000115
表示在(l-1)th层第k个神经元，
Figure GDA0002829628160000116
表示计算(l-1)th层的所有k个神经元的链接上的权重之和，X(k)表示第k个神经元的激活值的初始值，
Figure GDA0002829628160000117
表示第k个神经元的激活值的初始值。
具体的，按照
Figure GDA0002829628160000118
将管制刀具的每个指纹数据点k定义为刀具的最小数据个体特征值，然后计算
Figure GDA0002829628160000119
循环计算直到所有的刀具个体特征值聚合成为一个管制刀具指纹谱为止，最后得到
Figure GDA00028296281600001110
即无论管制刀具的大小、材质、形状，只要存在就可以实时辨别并预警，同时被探测的人没有任何感知和损伤。
S240，根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
具体的，根据所述样本回波数据对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。例如可以是，获取样本回波数据和样本回波数据对应的管制刀具的大小、材质、形状，将样本回波数据作为所述第一管制刀具鉴定模型的输入，将样本回波数据对应的管制刀具的大小、材质、形状作为所述第一管制刀具鉴定模型的输出，进而得到第一管制刀具鉴定模型的初始权重和分类阈值，生成目标管制刀具鉴定模。
S250，将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果。
在一个具体的例子中，通过向人体发射太赫兹波信号并对人体隐藏危险品散射的回波信号进行测量，根据待测管制刀具目标不同极化分量的回波进行指纹谱对应的数据集个性特征汇聚，然后建立神经网络模型，反复训练神经网络模型，将接收到的回波信号输入神经网络模型，得到管制刀具鉴定结果。
在另一个具体的例子中，如图2B所示，对样本回波数据进行发射端垂直极化，接收端垂直极化；对样本回波数据进行发射端垂直极化，接收端水平极化；对样本回波数据进行发射端水平极化，接收端水平极化；对样本回波数据进行发射端垂直极化，接收端水平极化；分别对极化后的样本回波数据进行FFT变换，然后进行距离维截取，根据目标特征数据和目标特征数据对应的管制刀的大小、材质和形状对神经网络模型进行训练，生成所述目标管制刀具鉴定模型；如图2C所示，为姿态固定时神经网络模型识别率，如图2D所示，为姿态变换较大时神经网络模型识别率。
本实施例的技术方案，通过获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质和形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型，实现开阔区域人体隐藏管制刀具无感知探测和预警，主动非成像不受温度和周围辐射的影响，在10m外的非合作目标人群携带管制刀具自动检出率高达95％以上。
实施例三
图3为本发明实施例三提供的一种鉴定装置的结构示意图。本实施例可适用于鉴定的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供鉴定的功能的设备中，如图3所示，所述鉴定装置具体包括：发射模块310、接收模块320和确定模块330。
其中，发射模块，用于发射太赫兹波信号；
接收模块，用于接收所述太赫兹波信号对应的回波数据；
确定模块，用于将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
可选的，还包括：
样本获取模块，用于获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质、形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；
训练模块，用于根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
可选的，还包括：
极化模块，用于对所述样本回波数据进行垂直方向和/或水平方向极化；
数据获取模块，用于将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据；
截取模块，用于对所述特征数据进行距离维截取得到目标特征数据。
可选的，训练模块具体用于：
根据所述目标特征数据和所述目标特征数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
可选的，所述样本获取模块具体用于：
根据
Figure GDA0002829628160000141
计算输出权值和/或激活值；
根据所述输出权值和/或激活值建立第一管制刀具鉴定模型；
其中，所述
Figure GDA0002829628160000142
表示lth层第jth个神经元的激活值，所述
Figure GDA0002829628160000143
表示在lth层第jth个神经元的偏置，所述
Figure GDA0002829628160000144
表示从(l-1)th层的第kth个神经元到lth层的第jth个神经元的链接上的权重，所述k为神经元的个数，
Figure GDA0002829628160000145
表示在(l-1)th层第k个神经元，
Figure GDA0002829628160000146
表示计算(l-1)th层的所有k个神经元的链接上的权重之和，X(k)表示第k个神经元的激活值的初始值，
Figure GDA0002829628160000147
表示第k个神经元的激活值的初始值。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的，以实现开阔区域人体隐藏管制刀具无感知探测和预警，提升非合作目标人群携带管制刀具自动检出率。
实施例四
图4为本发明实施例四中的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的计算机设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的鉴定方法：发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
实施例五
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的鉴定方法：发射太赫兹波信号；接收所述太赫兹波信号对应的回波数据；将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定所述回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种鉴定方法，其特征在于，包括：
发射太赫兹波信号；
接收所述太赫兹波信号对应的回波数据；
将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的；
所述目标管制刀具鉴定模型的训练方法，包括：
获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质和形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；
根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型；
获取样本回波信号之后，还包括：
对所述样本回波数据进行垂直方向和/或水平方向极化；
将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据；
对所述特征数据进行距离维截取得到目标特征数据，其中，所述距离维是管制刀具与信号发射端或信号接收端的距离。
2.根据权利要求1所述的方法，其特征在于，根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型包括：
根据所述目标特征数据和所述目标特征数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型。
3.根据权利要求1所述的方法，其特征在于，建立第一管制刀具鉴定模型包括：
根据
Figure FDA0003026615000000021
计算输出权值和/或激活值；
根据所述输出权值和/或激活值建立第一管制刀具鉴定模型；
其中，所述
Figure FDA0003026615000000022
表示lth层第jth个神经元的激活值，所述
Figure FDA0003026615000000023
表示在lth层第jth个神经元的偏置，所述
Figure FDA0003026615000000024
表示从(l-1)th层的第kth个神经元到lth层的第jth个神经元的链接上的权重，所述k为神经元的个数，
Figure FDA0003026615000000025
表示在(l-1)th层第k个神经元，
Figure FDA0003026615000000026
表示计算(l-1)th层的所有k个神经元的链接上的权重之和，X(k)表示第k个神经元的激活值的初始值，
Figure FDA0003026615000000027
表示第k个神经元的激活值的初始值。
4.一种鉴定装置，其特征在于，包括：
发射模块，用于发射太赫兹波信号；
接收模块，用于接收所述太赫兹波信号对应的回波数据；
确定模块，用于将所述回波数据输入至预先训练的目标管制刀具鉴定模型，根据所述目标管制刀具预测模型的输出结果确定回波信号的管制刀具鉴定结果；其中，所述目标管制刀具鉴定模型的模型结构和模型参数是分别根据样本回波数据进行训练而确定的；
所述鉴定装置，还包括：
样本获取模块，用于获取样本回波数据以及样本回波数据对应的管制刀的大小、材质和形状，并建立第一管制刀具鉴定模型，其中，所述样本回波数据包括不同大小、材质、形状的管制刀具反馈的样本回波数据、不同方向的信号发射端和信号接收端对应的管制刀具反馈的样本回波数据以及与信号发射端或信号接收端的距离不同的管制刀具反馈的样本回波数据中的至少一种；
训练模块，用于根据所述样本回波数据和所述样本回波数据对应的管制刀的大小、材质和形状对所述第一管制刀具鉴定模型进行训练，生成所述目标管制刀具鉴定模型；
极化模块，用于对所述样本回波数据进行垂直方向和/或水平方向极化；
数据获取模块，用于将极化后的样本回波数据进行FFT变换得到样本回波数据对应的特征数据；
截取模块，用于对所述特征数据进行距离维截取得到目标特征数据，其中，所述距离维是管制刀具与信号发射端或信号接收端的距离。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-3中任一所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN201910351373.6A 2019-04-28 2019-04-28 一种鉴定方法、装置、设备及存储介质 Active CN110045349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910351373.6A CN110045349B (zh) 2019-04-28 2019-04-28 一种鉴定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910351373.6A CN110045349B (zh) 2019-04-28 2019-04-28 一种鉴定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110045349A CN110045349A (zh) 2019-07-23
CN110045349B true CN110045349B (zh) 2021-07-27

Family

ID=67280043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910351373.6A Active CN110045349B (zh) 2019-04-28 2019-04-28 一种鉴定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110045349B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030937B (zh) * 2021-02-07 2021-12-28 中南大学 一种基于太赫兹高速回波效应的流体流速测量方法
CN112964901B (zh) * 2021-02-07 2022-03-29 中南大学 一种基于太赫兹高速回波效应的流体流速测量装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9030320B2 (en) * 2006-10-11 2015-05-12 Thermal Matrix USA, Inc. Real time threat detection system using integrated passive sensors
CN102759753B (zh) * 2011-04-29 2015-08-26 同方威视技术股份有限公司 隐藏危险品检测方法及设备
CN104392084A (zh) * 2014-08-27 2015-03-04 北京环境特性研究所 基于太赫兹频段的标准品特征数据库建立方法和装置
CN106094050A (zh) * 2016-06-15 2016-11-09 中国工程物理研究院应用电子学研究所 一种太赫兹主动式安检仪
CA2953984A1 (en) * 2017-01-09 2018-07-09 Oz Optics Ltd. Flexible low-cost mm-wave sfcw radar based imaging inspection system
CN111247420A (zh) * 2017-08-25 2020-06-05 新加坡国立大学 先进的太赫兹系统及方法
CN207867053U (zh) * 2018-02-06 2018-09-14 烟台太赫兹光电科技有限公司 一种主动式透射式三维太赫兹包裹危险品检测装置
CN109001833A (zh) * 2018-06-22 2018-12-14 天和防务技术（北京）有限公司 一种基于深度学习的太赫兹危险品检测方法
CN109580534A (zh) * 2018-11-30 2019-04-05 深圳市太赫兹科技创新研究院有限公司 物质种类识别方法、太赫兹时域光谱仪系统及终端设备

Also Published As

Publication number Publication date
CN110045349A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
EP2977793B1 (en) Methods and devices for inspecting liquid
US8116428B2 (en) Method and apparatus for assessing characteristics of liquids
KR102063859B1 (ko) Ai 및 딥러닝 기반의 공항 보안 검색 시스템 및 방법
US20070058037A1 (en) User interface for use in screening luggage, containers, parcels or people and apparatus for implementing same
JP4565472B2 (ja) 密輸品を検出するシステム及び方法
EP1526392A2 (en) Methods and systems for the rapid detection of concealed objects
US20050117700A1 (en) Methods and systems for the rapid detection of concealed objects
US9746404B2 (en) Inspection methods and apparatuses for liquids
CN110045349B (zh) 一种鉴定方法、装置、设备及存储介质
US20070211248A1 (en) Advanced pattern recognition systems for spectral analysis
DE69629707D1 (de) Ortung von schmuggelware durch verwendung von interaktiver multisonden-tomographie
AU2005251071A1 (en) Method and apparatus for recognizing an object within an image
CN110119734A (zh) 刀具检测方法及装置
CN110060448A (zh) 一种提醒方法、装置、设备及存储介质
CN109001834A (zh) 一种基于主动式太赫兹安检方法
TWI640760B (zh) 郵件檢測裝置及郵件檢測方法
Pierbattista et al. Young and middle age pulsar light-curve morphology: Comparison of Fermi observations with γ-ray and radio emission geometries
Nabelek et al. Detection of deeply buried non-metal objects by ground penetrating radar using non-negative matrix factorization
Besaw et al. Deep learning algorithms for detecting explosive hazards in ground penetrating radar data
Zaliskyi et al. Shadow image processing of X-ray screening system for aviation security
JP2009271071A (ja) マイクロ波を用いて、動いている物体を分類するための方法及び装置
JP7388532B2 (ja) 処理システム、処理方法及びプログラム
WO2006119609A1 (en) User interface for use in screening luggage, containers, parcels or people and apparatus for implementing same
Kianoush et al. Passive detection and discrimination of body movements in the sub-THz band: A case study
WO2019150920A1 (ja) 物体識別装置及び物体識別方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant