CN112327268A - 基于毫米波信号的危险目标识别方法、装置、系统及介质 - Google Patents
基于毫米波信号的危险目标识别方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN112327268A CN112327268A CN202011265396.4A CN202011265396A CN112327268A CN 112327268 A CN112327268 A CN 112327268A CN 202011265396 A CN202011265396 A CN 202011265396A CN 112327268 A CN112327268 A CN 112327268A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- millimeter wave
- dangerous
- signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000006399 behavior Effects 0.000 claims description 39
- 230000005856 abnormality Effects 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 9
- 231100001261 hazardous Toxicity 0.000 claims description 7
- 230000001121 heart beat frequency Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000036391 respiratory frequency Effects 0.000 claims description 6
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 210000000779 thoracic wall Anatomy 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 206010008531 Chills Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000008203 tachypnea Diseases 0.000 description 1
- 206010043089 tachypnoea Diseases 0.000 description 1
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
- 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
- G01S7/417—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 involving the use of neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于毫米波信号的危险目标识别方法、装置、系统及存储介质,方法包括:向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息;根据第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息;根据第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;根据危险品携带信息、生理特征参数和图像信息对待测目标进行危险等级识别。本发明实施例通过向待测目标发射毫米波电磁信号检测识别待测目标的危险品携带信息和生理体征参数,并同步采集其图像信息,通过危险品携带信息、生理特征参数和图像信息待测目标的危险性进行融合判断,有效提高了危险目标识别的精度,确保安防工作的可靠性。
Description
技术领域
本发明涉及安防技术领域,尤其涉及基于毫米波信号的危险目标识别方法、装置、系统及存储介质。
背景技术
毫米波成像技术目前在安防领域应用非常广泛,能够在非接触状态下有效检测出藏匿于身体各部位的物品,而且还具有对人体无害、穿透力强等优点,有效提高了安防检查的客观性、准确性和效率。但是由于目前安检人流量急剧增加、雷达检测盲区以及检测误差等原因,毫米波成像也存在一定几率的漏检,对安防检测的可靠性以及准确性有一定的影响。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供基于毫米波信号的危险目标识别方法、装置、系统及存储介质,旨在解决现有技术中的毫米波雷达危险识别存在漏检导致安防检测准确性降低的问题。
本发明的技术方案如下:
一种基于毫米波信号的危险目标识别方法,其包括如下步骤:
向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息;
根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息;
根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
所述的基于毫米波信号的危险目标识别方法中,所述根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息,包括:
接收所述第一毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第一电信号;
根据所述第一电信号对待测目标进行图像重构处理后输出重构图像;
对所述重构图像进行危险物品识别后获取待测目标的危险品携带信息。
所述的基于毫米波信号的危险目标识别方法中,所述根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数,包括:
接收所述第二毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第二电信号;
根据所述第二电信号分析获取所述待测目标胸腔壁的振动信息,通过所述振动信息得出所述待测目标的心跳频率和/或呼吸频率。
所述的基于毫米波信号的危险目标识别方法中,所述向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息之后,还包括:
对所述待测目标的图像信息进行表情识别和肢体行为识别。
所述的基于毫米波信号的危险目标识别方法中,所述根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别,包括:
根据所述表情识别和肢体行为识别结果判断当前待测目标是否存在表情异常或行为异常;
根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别。
所述的基于毫米波信号的危险目标识别方法中,所述根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别,包括:
根据所述危险品携带信息判断当前待测目标是否携带危险物品,若是,则识别为确认危险目标;否则获取生理特征参数以及表情异常或行为异常判断结果;
将所述生理特征参数与预设危险参数范围对比,判断当前所述待测目标的生理特征参数是否落入预设危险参数范围;
当所述待测目标的生理特征参数落入预设危险参数范围,或者待测目标存在表情异常,或者待测目标存在行为异常时识别为疑似危险目标;否则识别为安全目标。
所述的基于毫米波信号的危险目标识别方法中,还包括:
当识别为确认危险目标或疑似危险目标时输出相应的报警信息。
本发明又一实施例还提供了一种基于毫米波信号的危险目标识别装置,所述装置包括:
第一毫米波雷达模块,用于向待测目标发射第一毫米波电磁信号并接收其回波信号;
第二毫米波雷达模块,用于向待测目标发射第二毫米波电磁信号并接收其回波信号;
图像采集模块,用于采集待测目标的图像信息;
识别模块,用于根据所述第一毫米波电磁信号的回波信号获取待测目标的危险品携带信息;
体征参数模块,用于根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
融合判断模块,用于根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
本发明又一实施例还提供了一种基于毫米波信号的危险目标识别系统,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述基于毫米波信号的危险目标识别方法。
本发明的另一实施例还提供了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行上述的基于毫米波信号的危险目标识别方法。
本发明的另一实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被处理器执行时,使所述处理器执行上述的基于毫米波信号的危险目标识别方法。
有益效果:本发明公开了基于毫米波信号的危险目标识别方法、装置、系统及存储介质,相比于现有技术,本发明实施例通过向待测目标发射毫米波电磁信号检测识别待测目标的危险品携带信息和生理体征参数,并同步采集其图像信息,通过危险品携带信息、生理特征参数和图像信息待测目标的危险性进行融合判断,有效提高了危险目标识别的精度,确保安防工作的可靠性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明提供的基于毫米波信号的危险目标识别方法较佳实施例的流程图;
图2为本发明提供的基于毫米波信号的危险目标识别装置较佳实施例的功能模块示意图;
图3为本发明提供的基于毫米波信号的危险目标识别系统较佳实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。以下结合附图对本发明实施例进行介绍。
请参阅图1,图1为本发明提供的基于毫米波信号的危险目标识别方法较佳实施例的流程图。如图1所示,其包括如下步骤:
S100、向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息;
S200、根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息;
S300、根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
S400、根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
本实施例中,通过毫米波雷达实现安防危险品检查时,先向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息,所述第一毫米波电磁信号和第二毫米波电磁信号均经过待测人员反射后反馈相应的回波信号,根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息,根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数,即通过提前布置的两组毫米波雷达分别对接受安防检测的人员发射不同频率的电磁信号,其中第一毫米波电磁信号用于检测待测目标的危险品携带信息,第二毫米波电磁信号用于检测待测目标的生理体征参数,根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别,本实施例在基于毫米波信号实现全方位安防检测时,不仅仅对被检人员的随身携带物品进行毫米波成像识别,通过两组毫米波电磁信号分别检测到危险品携带信息和生理体征参数,在通过毫米波雷达进行检测的同时还采集待测目标的图像信息,通过待测目标的这三种信息对其危险性进行融合判断,全方位检测待测目标的安全性,避免由于毫米波成像识别漏检错检导致安防检查的可靠性降低。
进一步地,所述根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息,包括:
接收所述第一毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第一电信号;
根据所述第一电信号对待测目标进行图像重构处理后输出重构图像;
对所述重构图像进行危险物品识别后获取待测目标的危险品携带信息。
本实施例中,在实现毫米波成像识别时,先接收所述第一毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第一电信号,之后根据所述第一电信号对待测目标进行图像重构处理后输出重构图像,之后对所述重构图像进行危险物品识别后获取待测目标的危险品携带信息。具体来说,通过预先布置的成像毫米波雷达的发射天线阵列向待测目标发射第一毫米波电磁信号,并通过相应的接收天线阵列接收该第一毫米波电磁信号经过待测目标反射后的回波信号,接收到回波信号后对其解调得到相应的第一电信号,在根据所述第一电信号进行图像重构前,优选地,先对所述第一电信号进行滤波和放大处理,得到稳定无干扰的信号提高成像准确性,之后对所述第一电信号进行模数转换后得到易于处理的数字信号,通过该数字信号对待测目标进行图像重构处理后输出重构图像,具体的图像重构方法可采用现有的成像处理技术实现,本发明对此不再赘述,之后对得到的所述重构图像进行危险物品识别后获取待测目标的危险品携带信息,由于危险品例如枪、刀等与人体皮肤表面相对平滑的特点不同,其表现出尖锐特征,因此在得到的重构图像中会存在可疑区域,在进行危险物品识别时,可先对重构图像中的可疑区域进行分割,再进一步对可疑区域内的物品特征进行提取,之后将提取得到的物品特征与预设的常规危险物品特征进行匹配,进而得到待测目标的危险品携带信息,实现了对待测目标的无接触式危险品携带检测,为后续的信息融合判断提供重要依据。
进一步地,所述根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数,包括:
接收所述第二毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第二电信号;
根据所述第二电信号分析获取所述待测目标胸腔壁的振动信息,通过所述振动信息得出所述待测目标的心跳频率和/或呼吸频率。
本实施例中,不仅通过毫米波雷达进行成像识别,还对待测目标的生理体征参数进行检测,具体通过接收所述第二毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第二电信号,之后根据所述第二电信号分析获取所述待测目标胸腔壁的振动信息,通过所述振动信息得出所述待测目标的心跳频率和/或呼吸频率。即区别于成像毫米波雷达,在安防检查处预先布置另一组用于生理体征检测的体征检测毫米波雷达,通过体征检测毫米波雷达的发射天线阵列向待测目标的胸口位置发射第二毫米波电磁信号,并通过相应的接收天线阵列接收该第二毫米波电磁信号经过待测目标反射后的回波信号,将该回波信号转换为第二电信号后进行生理体征参数检测,由于当毫米波雷达的射频信号到达一个目标发生反射时,目标的移动会产生频率调制导致反射信号的频率发生相应偏移,因此当人体的胸腔作为雷达的探测目标时,胸腔壁的位移会对雷达载波相位产生比例调制,例如采用60GHz毫米波雷达检测心脏的跳动、呼吸等,目标所产生的1.25mm位移,其大小是雷达波长的1/4,引起的相位变化是180°,因此根据回波信号解调得到的第二电信号,可得到与胸腔时变位移成比例的时变相位信息,进而可以从中检测出心跳频率和/或呼吸频率,实现通过毫米波雷达信号对人体心跳、呼吸等生理体征参数的无接触准确检测,通过这些生理体征参数可从侧面反映当前待测目标的心理状态,例如紧张、惶恐、害怕时心跳和呼吸都会发生变化,通过获取待测目标的生理体征参数在后续危险等级识别时提供辅助信息,减少危险目标的漏检概率。
进一步地,所述向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息之后,还包括:
对所述待测目标的图像信息进行表情识别和肢体行为识别。
本实施例中,在同步采集了待测目标的图像信息后,进一步对所述图像信息进行表情识别和肢体行为识别,由于人体的表情和肢体行为会根据其内心活动有所变化,例如紧张害怕时会露出相应的表情且肢体动作会不自然例如发抖等,或者有暴力倾向人员可能露出厌恶、愤怒等表情且肢体行为可能有暴力倾向行为,通过表情识别和肢体行为识别能有效识别出这些具有潜在危险的表情和肢体行为,进而在安防检查时可帮助识别出无危险物品携带的潜在危险目标,降低其对公众安全的威胁性,提高危险目标识别的覆盖面,有效打击各类危险目标,具体表情识别和肢体行为识别可采用现有识别技术,例如通过预先训练好的基于卷积神经网络的表情识别模型和肢体行为识别模型对采集到的图像进行相应的识别和分类,本发明对此不再赘述。
进一步地,所述根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别,包括:
根据所述表情识别和肢体行为识别结果判断当前待测目标是否存在表情异常或行为异常;
根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别。
本实施例中,在进行融合判断时,先根据所述表情识别和肢体行为识别结果判断当前待测目标是否存在表情异常或行为异常,之后根据危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别,例如预先设置有表情异常种类和行为异常种类,将表情识别结果和肢体行为识别结果与预设的表情异常种类和行为异常种类进行匹配,当表情识别结果匹配为任意一种表情异常种类则认为存在表情异常,同理当肢体行为识别结果匹配为任意一种肢体行为异常种类则认为存在行为异常,具体表情异常种类可包括愤怒、厌恶、紧张、激动等,表明当前待测目标情绪不稳定,行为异常种类则可根据不同的应用场景设置为多组肢体关节点位置,灵活进行待测目标的表情和行为异常判断。
进一步地,所述根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别,包括:
根据所述危险品携带信息判断当前待测目标是否携带危险物品,若是,则识别为确认危险目标;否则获取生理特征参数以及表情异常或行为异常判断结果;
将所述生理特征参数与预设危险参数范围对比,判断当前所述待测目标的生理特征参数是否落入预设危险参数范围;
当所述待测目标的生理特征参数落入预设危险参数范围,或者待测目标存在表情异常,或者待测目标存在行为异常时识别为疑似危险目标;否则识别为安全目标。
进一步地,在进行融合判断时,先对危险品携带信息进行判断,其为最直观和直接的危险行为,因此先根据所述危险品携带信息判断当前待测目标是否携带危险物品,若是,则识别为确认危险目标,否则获取生理特征参数以及表情异常或行为异常判断结果进一步进行判断,具体为将所述生理特征参数与预设危险参数范围对比,判断当前所述待测目标的生理特征参数是否落入预设危险参数范围,例如预设危险参数范围可为心跳频率大于等于第一阈值,呼吸频率大于等于第二阈值,具体数值可根据需要灵活设置,通过判断当前待测目标的生理特征参数是否落入预设危险参数范围来体现其是否有心跳加速、呼吸急促等异常表现,当所述待测目标的生理特征参数落入预设危险参数范围,或者待测目标存在表情异常,或者待测目标存在行为异常时识别为疑似危险目标,否则识别为安全目标,即只要待测目标符合上述三项异常中的一项,则识别为疑似危险目标,在没有携带危险品的前提下,只有不存在任何表情、行为以及体征参数异常时才识别为安全目标,本实施例通过信息融合的方式,更加全面的进行危险等级识别判定,有效填补了安防检查中存在的漏洞,让安全检测没有死角,提高安全检测的精确性。
进一步地,所述基于毫米波信号的危险目标识别方法还包括:当识别为确认危险目标或疑似危险目标时输出相应的报警信息。
本实施例中,当待测目标被识别为确认危险目标或疑似危险目标时输出相应的报警信息,及时提示安防工作人员当前待测目标的异常以及危险等级,使安防工作人员能做出迅速且有针对性的应对动作,提高安防工作的危险解除效率,具体实施时可通过声音或灯光输出相应报警信息,且通过不同的声音和不同的灯光对两个确认危险目标和疑似危险目标进行区分,帮助安防工作人员第一时间获知危险目标等级。
由以上方法实施例可知,本发明提供的基于毫米波信号的危险目标识别方法通过向待测目标发射毫米波电磁信号检测识别待测目标的危险品携带信息和生理体征参数,并同步采集其图像信息,通过危险品携带信息、生理特征参数和图像信息待测目标的危险性进行融合判断,有效提高了危险目标识别的精度,确保安防工作的可靠性。
需要说明的是,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
本发明另一实施例提供一种基于深度学习的人像分割装置,如图2所示,装置1包括:
第一毫米波雷达模块11,用于向待测目标发射第一毫米波电磁信号并接收其回波信号;
第二毫米波雷达模块12,用于向待测目标发射第二毫米波电磁信号并接收其回波信号;
图像采集模块13,用于采集待测目标的图像信息;
识别模块14,用于根据所述第一毫米波电磁信号的回波信号获取待测目标的危险品携带信息;
体征参数模块15,用于根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
融合判断模块16,用于根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
所述第一毫米波雷达模块11与识别模块14连接,所述第二毫米波雷达模块12与体征参数模块15连接,所述图像采集模块13、识别模块14和体征参数模块15均与融合判断模块16连接,具体实施方式请参考上述对应的方法实施例,此处不再赘述。
本发明另一实施例提供一种基于毫米波信号的危险目标识别系统,如图3所示,系统10包括:
一个或多个处理器110以及存储器120,图3中以一个处理器110为例进行介绍,处理器110和存储器120可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器110用于完成系统10的各种控制逻辑,其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM(Acorn RISCMachine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有,处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的基于毫米波信号的危险目标识别方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元,从而执行系统10的各种功能应用以及数据处理,即实现上述方法实施例中的基于毫米波信号的危险目标识别方法。
存储器120可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据系统10使用所创建的数据等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中,当被一个或者多个处理器110执行时,执行上述任意方法实施例中的基于毫米波信号的危险目标识别方法,例如,执行以上描述的图1中的方法步骤S100至步骤S400。
本发明实施例提供了一种非易失性计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图1中的方法步骤S100至步骤S400。
作为示例,非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明丽非限制,RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
本发明的另一种实施例提供了一种计算机程序产品,计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被处理器执行时,使所述处理器执行上述方法实施例的基于毫米波信号的危险目标识别方法。例如,执行以上描述的图1中的方法步骤S100至步骤S400。
综上所述,本发明公开的基于毫米波信号的危险目标识别方法、装置、系统及存储介质中,方法包括:向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息;根据第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息;根据第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;根据危险品携带信息、生理特征参数和图像信息对待测目标进行危险等级识别。本发明实施例通过向待测目标发射毫米波电磁信号检测识别待测目标的危险品携带信息和生理体征参数,并同步采集其图像信息,通过危险品携带信息、生理特征参数和图像信息待测目标的危险性进行融合判断,有效提高了危险目标识别的精度,确保安防工作的可靠性。
以上所描述的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域的技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存在于计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机电子设备(可以是个人计算机,服务器,或者网络电子设备等)执行各个实施例或者实施例的某些部分的方法。
除了其他之外,诸如"能够'、"能"、"可能"或"可以"之类的条件语言除非另外具体地陈述或者在如所使用的上下文内以其他方式理解,否则一般地旨在传达特定实施方式能包括(然而其他实施方式不包括)特定特征、元件和/或操作。因此,这样的条件语言一般地还旨在暗示特征、元件和/或操作对于一个或多个实施方式无论如何都是需要的或者一个或多个实施方式必须包括用于在有或没有输入或提示的情况下判定这些特征、元件和/或操作是否被包括或者将在任何特定实施方式中被执行的逻辑。
已经在本文中在本说明书和附图中描述的内容包括能够提供基于毫米波信号的危险目标识别方法、装置、系统及存储介质的示例。当然,不能够出于描述本公开的各种特征的目的来描述元件和/或方法的每个可以想象的组合,但是可以认识到,所公开的特征的许多另外的组合和置换是可能的。因此,显而易见的是,在不脱离本公开的范围或精神的情况下能够对本公开做出各种修改。此外,或在替代方案中,本公开的其他实施例从对本说明书和附图的考虑以及如本文中所呈现的本公开的实践中可能是显而易见的。意图是,本说明书和附图中所提出的示例在所有方面被认为是说明性的而非限制性的。尽管在本文中采用了特定术语,但是它们在通用和描述性意义上被使用并且不用于限制的目的。
Claims (10)
1.一种基于毫米波信号的危险目标识别方法,其特征在于,包括如下步骤:
向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息;
根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息;
根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
2.根据权利要求1所述的基于毫米波信号的危险目标识别方法,其特征在于,所述根据所述第一毫米波电磁信号的回波信号识别待测目标的危险品携带信息,包括:
接收所述第一毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第一电信号;
根据所述第一电信号对待测目标进行图像重构处理后输出重构图像;
对所述重构图像进行危险物品识别后获取待测目标的危险品携带信息。
3.根据权利要求1所述的基于毫米波信号的危险目标识别方法,其特征在于,所述根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数,包括:
接收所述第二毫米波电磁信号经所述待测目标反射后的回波信号并将其转换为第二电信号;
根据所述第二电信号分析获取所述待测目标胸腔壁的振动信息,通过所述振动信息得出所述待测目标的心跳频率和/或呼吸频率。
4.根据权利要求1所述的基于毫米波信号的危险目标识别方法,其特征在于,所述向待测目标分别发射第一毫米波电磁信号和第二毫米波电磁信号,并同步采集待测目标的图像信息之后,还包括:
对所述待测目标的图像信息进行表情识别和肢体行为识别。
5.根据权利要求4所述的基于毫米波信号的危险目标识别方法,其特征在于,所述根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别,包括:
根据所述表情识别和肢体行为识别结果判断当前待测目标是否存在表情异常或行为异常;
根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别。
6.根据权利要求5所述的基于毫米波信号的危险目标识别方法,其特征在于,所述根据所述危险品携带信息、生理特征参数以及表情异常或行为异常判断结果对所述待测目标进行危险等级识别,包括:
根据所述危险品携带信息判断当前待测目标是否携带危险物品,若是,则识别为确认危险目标;否则获取生理特征参数以及表情异常或行为异常判断结果;
将所述生理特征参数与预设危险参数范围对比,判断当前所述待测目标的生理特征参数是否落入预设危险参数范围;
当所述待测目标的生理特征参数落入预设危险参数范围,或者待测目标存在表情异常,或者待测目标存在行为异常时识别为疑似危险目标;否则识别为安全目标。
7.根据权利要求6所述的基于毫米波信号的危险目标识别方法,其特征在于,还包括:
当识别为确认危险目标或疑似危险目标时输出相应的报警信息。
8.一种基于毫米波信号的危险目标识别装置,其特征在于,所述装置包括:
第一毫米波雷达模块,用于向待测目标发射第一毫米波电磁信号并接收其回波信号;
第二毫米波雷达模块,用于向待测目标发射第二毫米波电磁信号并接收其回波信号;
图像采集模块,用于采集待测目标的图像信息;
识别模块,用于根据所述第一毫米波电磁信号的回波信号获取待测目标的危险品携带信息;
体征参数模块,用于根据所述第二毫米波电磁信号的回波信号获取待测目标的生理体征参数;
融合判断模块,用于根据所述危险品携带信息、生理特征参数和图像信息对所述待测目标进行危险等级识别。
9.一种基于毫米波信号的危险目标识别系统,其特征在于,所述系统包括至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任一项所述的基于毫米波信号的危险目标识别方法。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行权利要求1-7任一项所述的基于毫米波信号的危险目标识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011265396.4A CN112327268A (zh) | 2020-11-12 | 2020-11-12 | 基于毫米波信号的危险目标识别方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011265396.4A CN112327268A (zh) | 2020-11-12 | 2020-11-12 | 基于毫米波信号的危险目标识别方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112327268A true CN112327268A (zh) | 2021-02-05 |
Family
ID=74318605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011265396.4A Pending CN112327268A (zh) | 2020-11-12 | 2020-11-12 | 基于毫米波信号的危险目标识别方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327268A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192518A (zh) * | 2021-04-14 | 2021-07-30 | 上海交通大学 | 毫米波侦听方法及系统 |
CN114495289A (zh) * | 2021-12-27 | 2022-05-13 | 深圳绿米联创科技有限公司 | 目标检测方法、装置以及电子设备 |
CN114779241A (zh) * | 2022-06-27 | 2022-07-22 | 北京航空航天大学杭州创新研究院 | 一种包裹安检方法、装置、存储介质及电子设备 |
CN116125466A (zh) * | 2023-03-02 | 2023-05-16 | 武汉理工大学 | 船舶人员隐藏威胁性物品携带检测方法、装置及电子设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102894980A (zh) * | 2011-07-28 | 2013-01-30 | 刘永强 | 能识别犯罪分子的安检设备 |
CN106019275A (zh) * | 2016-07-06 | 2016-10-12 | 深圳市太赫兹科技创新研究院有限公司 | 毫米波成像系统及安检系统 |
CN107495939A (zh) * | 2017-08-11 | 2017-12-22 | 武汉雷毫科技有限公司 | 活体生物特征监控方法、装置以及系统 |
CN109709617A (zh) * | 2019-02-03 | 2019-05-03 | 同方威视技术股份有限公司 | 毫米波安检系统及方法 |
CN109829362A (zh) * | 2018-12-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
CN110332657A (zh) * | 2019-05-21 | 2019-10-15 | 珠海格力电器股份有限公司 | 基于空调的安防机器人及包含其的空调器 |
EP3553570A1 (en) * | 2018-04-11 | 2019-10-16 | Tsinghua University | Millimeter wave scanning imaging system for scene monitoring and security inspection method |
WO2020134848A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市华讯方舟太赫兹科技有限公司 | 应用于毫米波安检仪的智能检测方法、装置以及存储装置 |
WO2020134847A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳市华讯方舟太赫兹科技有限公司 | 异物检测方法、安检设备及具有存储功能的装置 |
CN111369760A (zh) * | 2018-12-25 | 2020-07-03 | 西南科技大学 | 一种基于无人机的夜间行人安全预警装置及方法 |
CN111427354A (zh) * | 2020-04-07 | 2020-07-17 | 安徽工业大学 | 一种基于Kinect的安防巡检AGV小车 |
CN111510665A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 毫米波雷达与摄像机联合的监控系统、监控方法及装置 |
CN111904441A (zh) * | 2020-08-20 | 2020-11-10 | 金陵科技学院 | 一种基于多模态特征的情绪分析系统及其分析方法 |
-
2020
- 2020-11-12 CN CN202011265396.4A patent/CN112327268A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102894980A (zh) * | 2011-07-28 | 2013-01-30 | 刘永强 | 能识别犯罪分子的安检设备 |
CN106019275A (zh) * | 2016-07-06 | 2016-10-12 | 深圳市太赫兹科技创新研究院有限公司 | 毫米波成像系统及安检系统 |
CN107495939A (zh) * | 2017-08-11 | 2017-12-22 | 武汉雷毫科技有限公司 | 活体生物特征监控方法、装置以及系统 |
EP3553570A1 (en) * | 2018-04-11 | 2019-10-16 | Tsinghua University | Millimeter wave scanning imaging system for scene monitoring and security inspection method |
CN109829362A (zh) * | 2018-12-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 安检辅助分析方法、装置、计算机设备和存储介质 |
CN111369760A (zh) * | 2018-12-25 | 2020-07-03 | 西南科技大学 | 一种基于无人机的夜间行人安全预警装置及方法 |
WO2020134848A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳市华讯方舟太赫兹科技有限公司 | 应用于毫米波安检仪的智能检测方法、装置以及存储装置 |
WO2020134847A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳市华讯方舟太赫兹科技有限公司 | 异物检测方法、安检设备及具有存储功能的装置 |
CN111510665A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 毫米波雷达与摄像机联合的监控系统、监控方法及装置 |
CN109709617A (zh) * | 2019-02-03 | 2019-05-03 | 同方威视技术股份有限公司 | 毫米波安检系统及方法 |
CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
CN110332657A (zh) * | 2019-05-21 | 2019-10-15 | 珠海格力电器股份有限公司 | 基于空调的安防机器人及包含其的空调器 |
CN111427354A (zh) * | 2020-04-07 | 2020-07-17 | 安徽工业大学 | 一种基于Kinect的安防巡检AGV小车 |
CN111904441A (zh) * | 2020-08-20 | 2020-11-10 | 金陵科技学院 | 一种基于多模态特征的情绪分析系统及其分析方法 |
Non-Patent Citations (1)
Title |
---|
铁道部劳动和卫生司: "动车组车载通信设备维修岗位", 31 October 2012, 中国铁道出版社, pages: 105 - 107 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192518A (zh) * | 2021-04-14 | 2021-07-30 | 上海交通大学 | 毫米波侦听方法及系统 |
CN114495289A (zh) * | 2021-12-27 | 2022-05-13 | 深圳绿米联创科技有限公司 | 目标检测方法、装置以及电子设备 |
CN114779241A (zh) * | 2022-06-27 | 2022-07-22 | 北京航空航天大学杭州创新研究院 | 一种包裹安检方法、装置、存储介质及电子设备 |
CN114779241B (zh) * | 2022-06-27 | 2022-09-30 | 北京航空航天大学杭州创新研究院 | 一种包裹安检方法、装置、存储介质及电子设备 |
CN116125466A (zh) * | 2023-03-02 | 2023-05-16 | 武汉理工大学 | 船舶人员隐藏威胁性物品携带检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112327268A (zh) | 基于毫米波信号的危险目标识别方法、装置、系统及介质 | |
US9568595B2 (en) | Ultra-wide band antenna arrays and related methods in personal emergency response systems | |
US7821870B2 (en) | Method and system for identifying moving objects using acoustic signals | |
EP2960685A2 (en) | On-body concealed weapon detection system | |
US20160379475A1 (en) | Human motion feature extraction in personal emergency response systems and methods | |
CN110163834A (zh) | 对象识别方法和装置及存储介质 | |
US8098186B2 (en) | Through-the-obstacle radar system and method of operation | |
US20220179062A1 (en) | Detection apparatus and method | |
KR102203928B1 (ko) | 초광대역 임펄스 레이다 신호를 이용한 마이크로 로봇 위치 인식 방법 및 그에 따른 인식 장치 | |
EP3839811B1 (en) | Systems and methods for shapelet decomposition based gesture recognition using radar | |
EP2215496B1 (de) | Verfahren zum erkennen von lebewesen | |
CN111323756B (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
CN112651359A (zh) | 障碍物检测方法、装置、电子设备和存储介质 | |
CN103201646A (zh) | 通过rfid标签确定位置 | |
CN112102370B (zh) | 目标的跟踪方法和装置、存储介质、电子装置 | |
CN112904329A (zh) | 基于毫米波雷达的目标监测系统和方法 | |
CN111323757B (zh) | 一种航海雷达目标检测方法及装置 | |
JP2013007578A (ja) | 信号検出装置、信号検出方法及び信号検出プログラム | |
JP2011112465A (ja) | 航空機位置測定システム、該システムに用いられる応答信号判別方法及び応答信号判別プログラム | |
CN114460661A (zh) | 降低中远距离毫米波危险品探测误报率的方法和装置 | |
CN117784124A (zh) | 一种多人场景下的毫米波雷达跌倒监测方法及监测装置 | |
CN117530666A (zh) | 呼吸异常识别模型训练方法、呼吸异常识别方法及设备 | |
CN116698762B (zh) | 一种基于无人机的水质检测方法、系统及介质 | |
CN117405770A (zh) | 一种基于电磁超声与3d相控阵的螺栓监测系统及方法 | |
Cheek et al. | Physical fingerprinting of ultrasonic sensors and applications to sensor security |
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 |