CN110045371A - 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 PDFInfo
- Publication number
- CN110045371A CN110045371A CN201910392234.8A CN201910392234A CN110045371A CN 110045371 A CN110045371 A CN 110045371A CN 201910392234 A CN201910392234 A CN 201910392234A CN 110045371 A CN110045371 A CN 110045371A
- Authority
- CN
- China
- Prior art keywords
- cluster
- data
- dangerous material
- dactylogram
- sample
- 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.)
- Pending
Links
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,通过本发明的技术方案,能够实现开阔区域人体隐藏危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率。
Description
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
对非合作目标人群无法进行所隐匿危险品的无感知探测,大人流背景下,难以确定目标人群是否携带危险品,是否是危险人物,同时非合作目标安检存在重复性、劳动强度大、安保成本高、危险性大的特点,无法兼顾和解决“服务”与“安全”的世界性难题。
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危险品。
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危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率。
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;
获取危险品样本的目标特征数据;
将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
进一步的,获取危险品样本的目标特征数据包括:
获取危险品样本对应的样本回波数据;
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,对所述特征数据进行距离维截取得到目标特征数据之前,还包括:
根据所述特征数据获取每个类型的危险品样本的指纹谱;
根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
进一步的,对所述特征数据进行距离维截取得到目标特征数据包括:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到每个类型的危险品样本对应的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
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;
获取模块,用于获取危险品样本的目标特征数据;
确定模块,用于将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
进一步的,获取模块包括:
第一数据获取单元,用于获取危险品样本对应的样本回波数据;
极化单元,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;
第二数据获取单元,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;
截取单元,用于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,还包括:
指纹谱获取单元,用于根据所述特征数据获取每个类型的危险品样本的指纹谱;
生成单元,用于根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
进一步的,所述截取单元具体用于:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到危险品样本的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,能够实现开阔区域人体隐藏危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率。
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是应用本发明实施例提供的方法的远距离探测仪对危险品自动机器学习结果图示;
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,获取危险品样本的目标特征数据。
其中,危险品为易燃、易爆、有强烈腐蚀性、有毒等物品的总称。所述危险品样品可以为管制刀具,也可以为酸性腐蚀品,或者可以为易自燃物质,本发明实施例对此不进行限制。
其中,所述目标特征数据可以为发射垂直方向的太赫兹波信号得到的目标特征数据;也可以是,接收端接收不同方向的太赫兹波信号反馈的目标特征数据,例如可以是,接收端接收水平方向的反馈信号作为目标特征数据;所述目标特征数据可以不同距离维度上的测得的目标特征数据,例如可以是,将危险品样本放在距离信号发射端任意距离的位置,检测危险品样本反馈的目标特征数据;还可以为不同大小、材质、形状的危险品样本反馈的目标特征数据;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、形状的危险品样本反馈的目标特征数据,所述目标特征数据还可以为簇,例如可以是,目标特征数据为不同形状、材质、大小的刀具都具有自己的簇,且不同的簇之间存在区别,本发明实施例对此不进行限制。
具体的,获取危险品样本的目标特征数据的方式可以为直接将太赫兹波信号遇到危险品样本后反馈的回波数据作为目标特征数据,也可以为预先获取将太赫兹波信号遇到危险品样本后反馈的回波数据,然后获取回波数据中满足预设条件的数据作为目标特征数据,还可以为获取每一类型的危险品样本的指纹谱,并对指纹数据点进行聚类,得到每一类型的危险品样本对应的簇,也就是目标特征数据,本发明实施例对此不进行限制。
S140,将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
其中,危险品鉴定结果可以为确定为危险品,或者可以为确定为非危险品,还可以为确定为危险品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,所述回波数据与所述目标特征数据进行匹配的方式可以为将回波数据与目标特征数据进行特征匹配;也可以为将回波数据与目标特征数据进行聚类,本发明实施例对此不进行限制。
具体的,将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,例如可以是,目标特征数据为不同形状、材质、大小的刀具对应的簇,不同的簇之间存在区别,获取回波数据对应的指纹数据点,计算指纹数据点与不同形状、材质、大小的刀具对应的簇之间的距离,若指纹数据点与不同形状、材质、大小的刀具对应的簇之间的距离小于预设距离,则将指纹数据点和簇合并,回波数据对应的所有指纹数据点合并的簇就是回波信号对应的危险品鉴定结果。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,以实现开阔区域人体隐藏危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率。
实施例二
图2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,获取危险品样本的目标特征数据包括:获取危险品样本对应的样本回波数据;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。
如图2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,获取危险品样本对应的样本回波数据。
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。
具体的,获取危险品样本对应的样本回波数据,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、形状的危险品样本反馈的样本回波数据。
S240,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。
S250,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。
S260,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,对所述特征数据进行距离维截取得到目标特征数据之前,还包括:
根据所述特征数据获取每个类型的危险品样本的指纹谱。
其中,所述每个类型的危险品样本的分类可以为用户人为设定,也可以为按照预设规则进行设定,例如可以是,将同一形状的刀具划分为一类危险品样本,将同一材质的刀具划分为一类危险品样本,本发明实施例对此不进行限制。
具体的,获取每个类型的危险品样本的指纹谱,例如可以是,获取同一形状的刀具,根据同一形状的刀具中的每个刀具对应的特征数据获取同一形状的刀具中的每个刀具对应的指纹谱。
根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
其中,所述指纹谱图库中包括同一类型的危险品样本的指纹谱,所述指纹谱图库可以为多个,所述指纹谱图库的个数与危险品样本的类型数量有关,例如可以是,若危险品样本包括同一形状的刀具以及同一材质的刀具,则存在两个指纹谱图库,一个指纹谱图库是同一形状的刀具的指纹谱,另一个指纹谱图库是同一材质的刀具。
具体的,根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库,也就是将同一类型的危险品样本对应的指纹谱存储至同一指纹谱图谱。
可选的,对所述特征数据进行距离维截取得到目标特征数据包括:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算所有簇之间的距离。
其中,所述指纹数据点为将指纹谱进行向量分解后得到的数据点。所述指纹数据点至少为一个,所述指纹数据点的数量与对纹谱进行向量分解的方法有关,本发明实施例对此不进行限制。
其中,所述簇之间的距离可以为簇之间的相似度,也可以为簇的均值和/或标准差之间的差值,本发明实施例对此不进行限制。
具体的,将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算所有簇之间的距离。也就是,指纹谱图库中存储的同一类危险品样本的指纹谱进行分解后,得到指纹数据点,将每一个指纹数据点定位为单一的簇,然后计算簇与簇之间的距离。
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到每个类型的危险品样本对应的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
其中,所述预设距离可以为预先设定,也可以为根据经验获得,本发明实施例对此不进行限制。
具体的,若相邻簇之间的距离小于预设距离,则合并相邻簇,直到所有的簇聚合成为一个簇为止,进而得到每个类型的危险品样本对应的目标特征数据。
S270,将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
具体的,先获取回波数据对应的指纹谱,对指纹谱进行分解得到指纹数据点,将指纹数据点作为单一的簇,计算指纹数据点对应的簇与预先聚合好的簇之间的距离,若小于预设距离则进行合并,根据合并情况确定回波信号的危险品鉴定结果,例如可以是,获取每个类型的危险品样本的指纹谱:形状为I的刀具的指纹谱以及材质为J的刀具的指纹谱;将形状为I的刀具的指纹谱存储至指纹谱图库D,将材质为J的刀具的指纹谱存储至指纹谱图库E。将指纹谱图库D中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇F,将指纹谱图库E中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇G。若获取回波数据对应的指纹谱,对指纹谱进行分解得到指纹数据点A、B、C,将指纹数据点A作为单一的簇Q,将指纹数据点B作为单一的簇W,将指纹数据点C作为单一的簇P,计算簇Q与簇F和簇G之间的距离,计算簇W与簇F和簇G之间的距离,计算簇P与簇F和簇G之间的距离,若簇Q与簇F的距离小于预设距离,则将簇Q与簇F合并,若簇W与簇F之间的距离小于预设距离,则将簇W与簇F合并,若簇P与簇G之间的距离小于预设距离,则将簇P与簇G合并,根据合并结果,得到回波数据对应的危险品鉴定结果为形状为I、材质为J的刀具。
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,获取待测危险物品不同极化分量的指纹谱,然后以聚类算法的均值和标准差描述危险品的簇的形状及相应数据集个性特征,经过反复训练得到每个危险品的指纹谱,形成指纹谱图库,根据危险品指纹谱及特性判断是否含有隐藏危险品,另外,按照凝聚层级聚类算法将危险品的每个指纹数据点定义为单一的簇,然后计算所有簇之间的距离来合并簇,直到所有的簇聚合成为一个簇为止,无论危险品的大小,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。利用相似危险品的特征匹配共性,从而实现同一类形不同形状的新型危险品的实时识别和鉴定。
在另一个具体的例子中,图2B为应用本发明实施例提供的方法的远距离探测仪对危险品自动机器学习结果图示,图中每一个椭圆代表一个簇,总共存在两个簇,颜色相对较浅的簇是不同形状的刀具对应的簇,颜色相对较深的簇是不同形状的枪械对应的簇。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,以实现开阔区域人体隐藏危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率,本实施例的技术方案主要解决:非合作目标人群安全风险实时感知;从被动响应向主动预防转变;安全事件事前预警,融合指挥;安全治理从人力密集向科技集约转变。应用本实施例的安检仪具有体积小、重量轻、安全性、穿透性、远距离(20m以上)、无感知、指纹谱特性、服务为先的优点。其以太赫兹物质回波的指纹谱实现危险物品的识别和预警,解决非合作(非配合)目标人群360度无感知智能安检、图像和视频自动识别、语音自动监听及数据分析预警、警务终端联动指挥处置。
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、获取模块330和确定模块340。
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;
获取模块,用于获取危险品样本的目标特征数据;
确定模块,用于将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
可选的,获取模块包括:
第一数据获取单元,用于获取危险品样本对应的样本回波数据;
极化单元,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;
第二数据获取单元,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;
截取单元,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,还包括:
指纹谱获取单元,用于根据所述特征数据获取每个类型的危险品样本的指纹谱;
生成单元,用于根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
可选的,所述截取单元具体用于:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到危险品样本的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果,能够实现开阔区域人体隐藏危险品无感知探测和预警,提升非合作目标人群携带危险品的自动检出率。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
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;获取危险品样本的目标特征数据;将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
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 (10)
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;
获取危险品样本的目标特征数据;
将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
2.根据权利要求1所述的方法,其特征在于,获取危险品样本的目标特征数据包括:
获取危险品样本对应的样本回波数据;
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。
3.根据权利要求2所述的方法,其特征在于,对所述特征数据进行距离维截取得到目标特征数据之前,还包括:
根据所述特征数据获取每个类型的危险品样本的指纹谱;
根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
4.根据权利要求3所述的方法,其特征在于,对所述特征数据进行距离维截取得到目标特征数据包括:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到每个类型的危险品样本对应的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
5.一种鉴定装置,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;
获取模块,用于获取危险品样本的目标特征数据;
确定模块,用于将所述回波数据与所述目标特征数据进行匹配,根据匹配结果确定所述回波信号的危险品鉴定结果。
6.根据权利要求5所述的装置,其特征在于,获取模块包括:
第一数据获取单元,用于获取危险品样本对应的样本回波数据;
极化单元,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;
第二数据获取单元,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;
截取单元,用于对所述特征数据进行距离维截取得到目标特征数据。
7.根据权利要求6所述的装置,其特征在于,还包括:
指纹谱获取单元,用于根据所述特征数据获取每个类型的危险品样本的指纹谱;
生成单元,用于根据所述指纹谱生成每个类型的危险品样本对应的指纹谱图库。
8.根据权利要求7所述的装置,其特征在于,所述截取单元具体用于:
将所述指纹谱图库中的每个指纹数据点定义为单一的簇,然后计算簇与簇之间的距离;
若相邻簇之间的距离小于预设距离,则合并簇,直到所有的簇聚合成为一个簇为止,得到危险品样本的目标特征数据;其中,所述指纹数据点为所述指纹谱上的数据点。
9.一种计算机设备,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1-4中任一所述的方法。
10.一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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910392234.8A CN110045371A (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 |
---|---|---|---|
CN201910392234.8A CN110045371A (zh) | 2019-04-28 | 2019-04-28 | 一种鉴定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110045371A true CN110045371A (zh) | 2019-07-23 |
Family
ID=67281656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910392234.8A Pending CN110045371A (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) | CN110045371A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612066A (zh) * | 2019-09-18 | 2021-04-06 | 同方威视技术股份有限公司 | 人员安检方法及人员安检系统 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1881218A (zh) * | 2005-06-16 | 2006-12-20 | 株式会社东芝 | 聚类装置和聚类方法 |
CN101620065A (zh) * | 2008-07-01 | 2010-01-06 | 中国科学院上海应用物理研究所 | 麻醉药品的太赫兹检测方法 |
CN102147941A (zh) * | 2011-02-28 | 2011-08-10 | 浙江大学 | 基于太赫兹时域光谱的人民币可选多特征点透射鉴真方法 |
CN103810261A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 一种基于商空间理论的K-means聚类方法 |
US8838321B1 (en) * | 2012-11-15 | 2014-09-16 | Google Inc. | Modifying a vehicle state based on the presence of a special-purpose vehicle |
CN105717556A (zh) * | 2016-02-03 | 2016-06-29 | 长江水利委员会水文局 | 一种基于大数据的自分型雷达估测降水方法 |
CN106228188A (zh) * | 2016-07-22 | 2016-12-14 | 北京市商汤科技开发有限公司 | 聚类方法、装置及电子设备 |
CN106291503A (zh) * | 2016-08-31 | 2017-01-04 | 西南交通大学 | 一种雷达探测系统密度聚类预警方法 |
CN106604267A (zh) * | 2017-02-21 | 2017-04-26 | 重庆邮电大学 | 一种动态自适应的无线传感器网络入侵检测智能算法 |
CN106970040A (zh) * | 2017-03-28 | 2017-07-21 | 合肥科的星测控科技有限公司 | 一种基于太赫兹技术的矿石成分分析系统 |
CN107290746A (zh) * | 2017-06-08 | 2017-10-24 | 北京小米移动软件有限公司 | 材料检测方法及装置 |
CN107495986A (zh) * | 2017-07-21 | 2017-12-22 | 无锡海斯凯尔医学技术有限公司 | 介质粘弹性的测量方法和装置 |
CN108280472A (zh) * | 2018-01-18 | 2018-07-13 | 安徽师范大学 | 一种基于局部密度和聚类中心优化的密度峰聚类方法 |
CN108540926A (zh) * | 2017-03-02 | 2018-09-14 | 中国移动通信有限公司研究院 | 一种无线信号指纹的构建方法及装置 |
CN108710894A (zh) * | 2018-04-17 | 2018-10-26 | 中国科学院软件研究所 | 一种基于聚类代表点的主动学习标注方法和装置 |
CN108805174A (zh) * | 2018-05-18 | 2018-11-13 | 广东惠禾科技发展有限公司 | 聚类方法及装置 |
CN109212499A (zh) * | 2017-07-07 | 2019-01-15 | 英飞凌科技股份有限公司 | 使用雷达传感器识别目标的系统和方法 |
CN109345772A (zh) * | 2018-10-15 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种疲劳驾驶识别方法及相关设备 |
CN109344154A (zh) * | 2018-08-22 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
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 |
-
2019
- 2019-04-28 CN CN201910392234.8A patent/CN110045371A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1881218A (zh) * | 2005-06-16 | 2006-12-20 | 株式会社东芝 | 聚类装置和聚类方法 |
CN101620065A (zh) * | 2008-07-01 | 2010-01-06 | 中国科学院上海应用物理研究所 | 麻醉药品的太赫兹检测方法 |
CN102147941A (zh) * | 2011-02-28 | 2011-08-10 | 浙江大学 | 基于太赫兹时域光谱的人民币可选多特征点透射鉴真方法 |
US8838321B1 (en) * | 2012-11-15 | 2014-09-16 | Google Inc. | Modifying a vehicle state based on the presence of a special-purpose vehicle |
CN103810261A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 一种基于商空间理论的K-means聚类方法 |
CN105717556A (zh) * | 2016-02-03 | 2016-06-29 | 长江水利委员会水文局 | 一种基于大数据的自分型雷达估测降水方法 |
CN106228188A (zh) * | 2016-07-22 | 2016-12-14 | 北京市商汤科技开发有限公司 | 聚类方法、装置及电子设备 |
CN106291503A (zh) * | 2016-08-31 | 2017-01-04 | 西南交通大学 | 一种雷达探测系统密度聚类预警方法 |
CN106604267A (zh) * | 2017-02-21 | 2017-04-26 | 重庆邮电大学 | 一种动态自适应的无线传感器网络入侵检测智能算法 |
CN108540926A (zh) * | 2017-03-02 | 2018-09-14 | 中国移动通信有限公司研究院 | 一种无线信号指纹的构建方法及装置 |
CN106970040A (zh) * | 2017-03-28 | 2017-07-21 | 合肥科的星测控科技有限公司 | 一种基于太赫兹技术的矿石成分分析系统 |
CN107290746A (zh) * | 2017-06-08 | 2017-10-24 | 北京小米移动软件有限公司 | 材料检测方法及装置 |
CN109212499A (zh) * | 2017-07-07 | 2019-01-15 | 英飞凌科技股份有限公司 | 使用雷达传感器识别目标的系统和方法 |
CN107495986A (zh) * | 2017-07-21 | 2017-12-22 | 无锡海斯凯尔医学技术有限公司 | 介质粘弹性的测量方法和装置 |
CN108280472A (zh) * | 2018-01-18 | 2018-07-13 | 安徽师范大学 | 一种基于局部密度和聚类中心优化的密度峰聚类方法 |
CN108710894A (zh) * | 2018-04-17 | 2018-10-26 | 中国科学院软件研究所 | 一种基于聚类代表点的主动学习标注方法和装置 |
CN108805174A (zh) * | 2018-05-18 | 2018-11-13 | 广东惠禾科技发展有限公司 | 聚类方法及装置 |
CN109344154A (zh) * | 2018-08-22 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN109345772A (zh) * | 2018-10-15 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种疲劳驾驶识别方法及相关设备 |
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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612066A (zh) * | 2019-09-18 | 2021-04-06 | 同方威视技术股份有限公司 | 人员安检方法及人员安检系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | See through smoke: robust indoor mapping with low-cost mmwave radar | |
US20180259418A1 (en) | Leak detection for fluid distribution networks using hyperspectral imaging | |
CN110060448A (zh) | 一种提醒方法、装置、设备及存储介质 | |
CN109799544A (zh) | 应用于毫米波安检仪的智能检测方法、装置以及存储装置 | |
CN110031909A (zh) | 安检系统及安检方法 | |
US20070041613A1 (en) | Database of target objects suitable for use in screening receptacles or people and method and apparatus for generating same | |
CN109978827A (zh) | 基于人工智能的违禁物识别方法、装置、设备和存储介质 | |
CN109444985B (zh) | 多传感融合的便携式隐匿物成像探测系统 | |
CN109211951A (zh) | 一种基于图像分割的安检系统及安检方法 | |
Cui et al. | Automated firearms detection in cargo x-ray images using RetinaNet | |
Gustavsson et al. | Micro-Doppler extraction of a small UAV in a non-line-of-sight urban scenario | |
CN209044074U (zh) | 多传感融合的便携式隐匿物成像探测系统 | |
Reichman et al. | Improvements to the Histogram of Oriented Gradient (HOG) prescreener for buried threat detection in ground penetrating radar data | |
CN110045371A (zh) | 一种鉴定方法、装置、设备及存储介质 | |
CN110045349A (zh) | 一种鉴定方法、装置、设备及存储介质 | |
TWI640760B (zh) | 郵件檢測裝置及郵件檢測方法 | |
CN113673399A (zh) | 区域监测的方法、装置、电子设备及可读存储介质 | |
CN109375220A (zh) | 安全检查系统及其数据处理方法 | |
CN112528690B (zh) | 非接触式物品材质和形状识别方法、存储介质及计算设备 | |
Refaai et al. | [Retracted] An Enhanced Drone Technology for Detecting the Human Object in the Dense Areas Using a Deep Learning Model | |
CN110992324B (zh) | 一种基于x射线图像的智能危险品检测方法及系统 | |
CN112415624B (zh) | 一种安防检测系统及检测方法 | |
Wang et al. | Target recognition method with frequency features on retina-like laser detection and range images | |
Pei et al. | mmCTD: Concealed Threat Detection for Cruise Ships Via Mmwave Radar | |
Zhang et al. | Synthetic aperture radar ship detection in complex scenes based on multifeature fusion network |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |