CN112764120A - 金属探测成像系统和具有其的扫描设备 - Google Patents
金属探测成像系统和具有其的扫描设备 Download PDFInfo
- Publication number
- CN112764120A CN112764120A CN202011603685.0A CN202011603685A CN112764120A CN 112764120 A CN112764120 A CN 112764120A CN 202011603685 A CN202011603685 A CN 202011603685A CN 112764120 A CN112764120 A CN 112764120A
- Authority
- CN
- China
- Prior art keywords
- metal
- imaging system
- metal detection
- module
- detection imaging
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了金属探测成像系统和具有其的扫描设备,该金属探测成像系统包括:金属检测模块,用于检测预设范围内是否存在金属物品;像素点采集模块,用于采集所述金属物品所在区域的像素点信息;电流放大数字解码器,用于对像素点信息进行电流放大和数字解码;控制器,用于生成包含金属物品的图像;显示处理模块,用于显示图像;报警模块,用于在根据金属物品的特征判定金属物品为危险物品时,进行报警。本发明探测接收小型化,模块矩阵排序组合,形成像素元,每个像素元形成独立的个体,采集数据,模数转换,最后成像,深度算法学习,将不是危险金属品进行筛选,精确报警。
Description
技术领域
本发明实施例涉及金属探测领域,具体涉及金属探测成像系统和具有其的扫描设备。
背景技术
现有的金属探测系统采用区位测量发送接收方式,区位越多,金属物品所处位置越精准,缺点无法识别金属物品形状,只要是金属,探测系统就会报警。如钥匙,饰品等不是危险物品同样会报警。
发明内容
本发明实施例的目的在于提供金属探测成像系统和具有其的扫描设备,用以解决现有金属探测系统会对非危险的金属物品进行误报警的问题。
为实现上述目的,本发明实施例主要提供如下技术方案:
第一方面,本发明实施例提供了一种金属探测成像系统,包括:
金属检测模块,用于检测预设范围内是否存在金属物品;
像素点采集模块,用于采集所述金属物品所在区域的像素点信息;
电流放大数字解码器,与所述像素点采集模块相连,用于对所述像素点信息进行电流放大和数字解码;
控制器,与所述电流放大数字解码器相连,所述控制器还通过模数转换器和差分信号放大器与所述电流放大数字解码器相连,所述控制器用于生成包含所述金属物品的图像;
显示处理模块,与所述控制器相连,用于显示所述图像;
报警模块,与所述显示处理模块相连,用于在根据所述金属物品的特征判定所述金属物品为危险物品时,进行报警。
根据本发明的一个实施例,还包括存储器,所述存储器用于存储所述图像。
根据本发明的一个实施例,所述存储器包括可编程只读存储器、闪存和随机存取存储器中的至少一种。
根据本发明的一个实施例,所述报警模块用于根据预设危险物品的特征进行机器学习生成危险物品识别模型,所述报警模块根据所述危险物品识别模型对所述金属物品的特征进行匹配识别,根据匹配识别结果判断所述金属物品是否为危险物品。
根据本发明的一个实施例,所述机器学习包括深度学习,所述危险物品识别模型是通过卷积神经网络训练生成的。
根据本发明的一个实施例,所述控制器为现场可编程逻辑门阵列(FieldProgrammable Gate Array,FPGA)。
根据本发明的一个实施例,所述控制器与所述显示处理模块通信连接。
第二方面,本发明实施例还提供一种扫描设备,包括第一方面所述的金属探测成像系统。
本发明实施例提供的技术方案至少具有如下优点:
本发明实施例提供的金属探测成像系统和具有其的扫描设备,探测接收小型化,模块矩阵排序组合,形成像素元,每个像素元形成独立的个体,采集数据,模数转换,最后成像,深度算法学习,将不是危险金属品进行筛选,精确报警。
附图说明
图1为本发明实施例的金属探测成像系统的结构框图。
图2本发明一个示例中金属探测成像的原理图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”和“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”和“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
图1为本发明实施例的金属探测成像系统的结构框图。如图1所示,本发明实施例的金属探测成像系统,包括:金属检测模块100、像素点采集模块200、电流放大数字解码器300、控制器400、差分信号放大器500、模数转换器600、显示处理模块700和报警模块800。
其中,金属检测模块100用于检测预设范围内是否存在金属物品。金属检测模块100可以采用电磁感应型的金属探测器、X射线检测型的金属探测器或微波检测型的金属探测器。
像素点采集模块200用于采集金属物品所在区域的像素点信息。像素点采集模块200可以包括深度摄像头。当金属检测模块100检测到附近存在金属物品时,开启深度摄像头,通过深度摄像头采集金属物品所在区域的像素点信息。
电流放大数字解码器300与像素点采集模块相连,用于对像素点信息进行电流放大和数字解码。电流放大数字解码器300可以包括电流放大电路和数字解码器。电流放大电路用于进行电流放大,数字解码器用于对像素编码信息进行解码。
图2本发明一个示例中金属探测成像的原理图。如图2所示,电流放大数字解码器300通过数字解码器控制信号总线与控制器400相连,本实施例控制400器采用FPGA。电流放大数字解码器300还通过差分信号放大器500和模数转换器600与控制器400相连。控制器400用于生成包含金属物品的图像,具体而言,控制器400每50HZ生成一帧数据发送给上位机,由上位机对每帧图像进行规一化处理,生在灰度图像,然后将灰度图像上色,例如生成蓝色图像。
显示处理模块700与控制器相连400,通过显示器用于显示包含金属物品的图像。此外,显示处理模块700还将金属物品的图像特征发送给报警模块800。
报警模块800根据预设危险物品的特征进行机器学习生成可以识别与涉危险物品(例如管制刀具等)的危险物品识别模型。报警模块800将金属物品的图像特征输入到危险物品识别模型进行匹配识别,判断金属物品是否为危险物品。当判定金属物品为危险物品时,进行报警。报警的方式包括声音报警、通过显示器或执法人员的所持终端进行文字报警、通过显示器或后台监控终端进行视频突出显示报警中的至少一种。
在本实施例中,机器学习包括深度学习,危险物品识别模型是通过卷积神经网络训练生成的,卷积神经网络表征学习能力,能够按其阶层结构对输入信息进行平移不变分类。
在本发明的一个实施例中,金属探测成像系统还包括存储器。存储器用于存储包含金属物品的图像。其中,存储器包括可编程只读存储器、闪存和随机存取存储器中的至少一种。
在本发明的一个实施例中,控制器400与显示处理模块700通信连接,例如网线直接连接,或者通过4G网络、5G网络或蓝牙连接。
本发明实施例提供的金属探测成像系统,探测接收小型化,模块矩阵排序组合,形成像素元,每个像素元形成独立的个体,采集数据,模数转换,最后成像,深度算法学习,将不是危险金属品进行筛选,精确报警。
另外,本发明实施例的金属探测成像系统的其它构成以及作用对于本领域的技术人员而言都是已知的,为了减少冗余,不做赘述。
本发明实施例还提供一种扫描设备,包括上述的金属探测成像系统。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synch Link DRAM,简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,简称DRRAM)。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (8)
1.一种金属探测成像系统,其特征在于,包括:
金属检测模块,用于检测预设范围内是否存在金属物品;
像素点采集模块,用于采集所述金属物品所在区域的像素点信息;
电流放大数字解码器,与所述像素点采集模块相连,用于对所述像素点信息进行电流放大和数字解码;
控制器,与所述电流放大数字解码器相连,所述控制器还通过模数转换器和差分信号放大器与所述电流放大数字解码器相连,所述控制器生成包含所述金属物品的图像;
显示处理模块,与所述控制器相连,用于显示所述图像;
报警模块,与所述显示处理模块相连,用于在根据所述金属物品的特征判定所述金属物品为危险物品时,进行报警。
2.根据权利要求1所述的金属探测成像系统,其特征在于,还包括存储器,所述存储器用于存储所述图像。
3.根据权利要求2所述的金属探测成像系统,其特征在于,所述存储器包括可编程只读存储器、闪存和随机存取存储器中的至少一种。
4.根据权利要求1所述的金属探测成像系统,其特征在于,所述报警模块用于根据预设危险物品的特征进行机器学习生成危险物品识别模型,所述报警模块根据所述危险物品识别模型对所述金属物品的特征进行匹配识别,根据匹配识别结果判断所述金属物品是否为危险物品。
5.根据权利要求1所述的金属探测成像系统,其特征在于,所述机器学习包括深度学习,所述危险物品识别模型是通过卷积神经网络训练生成的。
6.根据权利要求1所述的金属探测成像系统,其特征在于,所述控制器为现场可编程逻辑门阵列FPGA。
7.根据权利要求1所述的金属探测成像系统,其特征在于,所述控制器与所述显示处理模块通信连接。
8.一种扫描设备,其特征在于,包括权利要求1-7任一项所述的金属探测成像系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011603685.0A CN112764120A (zh) | 2020-12-29 | 2020-12-29 | 金属探测成像系统和具有其的扫描设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011603685.0A CN112764120A (zh) | 2020-12-29 | 2020-12-29 | 金属探测成像系统和具有其的扫描设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112764120A true CN112764120A (zh) | 2021-05-07 |
Family
ID=75697323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011603685.0A Pending CN112764120A (zh) | 2020-12-29 | 2020-12-29 | 金属探测成像系统和具有其的扫描设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112764120A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205192985U (zh) * | 2015-12-16 | 2016-04-27 | 四川建筑职业技术学院 | 安检x光机自动报警系统 |
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 |
CN106371148A (zh) * | 2016-09-27 | 2017-02-01 | 华讯方舟科技有限公司 | 一种基于毫米波图像的人体异物检测方法及系统 |
CN109946746A (zh) * | 2019-03-21 | 2019-06-28 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN110850489A (zh) * | 2019-11-15 | 2020-02-28 | 南京理工大学 | 地下金属管道电磁波探测方法及装置 |
CN211086662U (zh) * | 2019-12-09 | 2020-07-24 | 博微太赫兹信息科技有限公司 | 一种太赫兹波和金属探测综合成像安全检查设备 |
-
2020
- 2020-12-29 CN CN202011603685.0A patent/CN112764120A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205192985U (zh) * | 2015-12-16 | 2016-04-27 | 四川建筑职业技术学院 | 安检x光机自动报警系统 |
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 |
CN106371148A (zh) * | 2016-09-27 | 2017-02-01 | 华讯方舟科技有限公司 | 一种基于毫米波图像的人体异物检测方法及系统 |
CN109946746A (zh) * | 2019-03-21 | 2019-06-28 | 长安大学 | 一种基于深度神经网络的安检系统及方法 |
CN110850489A (zh) * | 2019-11-15 | 2020-02-28 | 南京理工大学 | 地下金属管道电磁波探测方法及装置 |
CN211086662U (zh) * | 2019-12-09 | 2020-07-24 | 博微太赫兹信息科技有限公司 | 一种太赫兹波和金属探测综合成像安全检查设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9008365B2 (en) | Systems and methods for pedestrian detection in images | |
EP0400607B1 (en) | Infrared monitoring system | |
CN105930787B (zh) | 车辆开门预警方法 | |
US20140369567A1 (en) | Authorized Access Using Image Capture and Recognition System | |
CN103391424B (zh) | 分析监控摄像机捕获的图像中的对象的方法和对象分析器 | |
US20160171310A1 (en) | Image recognition system, server apparatus, and image recognition method | |
JP6095817B1 (ja) | 物体検出装置 | |
CN109460787A (zh) | 入侵检测模型建立方法、装置及数据处理设备 | |
CN116229668B (zh) | 基于红外视频监测的火灾定位系统 | |
JP2013214143A (ja) | 車両異常管理装置、車両異常管理システム、車両異常管理方法、及びプログラム | |
KR101686558B1 (ko) | 다차선 카메라 인식 시스템 및 그의 학습형 영상분석 방법 | |
US11216983B2 (en) | Device and method for monitoring a predtermined environment using captured depth image data | |
CN112764120A (zh) | 金属探测成像系统和具有其的扫描设备 | |
CN114387563A (zh) | 安保装置及方法 | |
KR101240617B1 (ko) | 인식 알고리즘이 이중화된 차량번호 인식 시스템 및 방법 | |
CN105206060B (zh) | 一种基于sift特征的车型识别装置及其方法 | |
CN110023990B (zh) | 利用配准检测违法物品 | |
JP2017058950A (ja) | 認識装置、撮像システム、撮像装置並びに認識方法及び認識用プログラム | |
US20230215234A1 (en) | Access gate | |
JP2015106307A (ja) | 物体検出装置 | |
KR101669885B1 (ko) | 영상 기반 보행자 추돌 자동 검출 방법 및 이를 적용한 사물 인터넷 장치 | |
JP6235302B2 (ja) | 監視カメラ及び画像監視装置 | |
JP2017091381A (ja) | セキュリティ装置、及び、セキュリティシステム | |
KR101403035B1 (ko) | 차량용 블랙박스의 영상 탐색장치 및 그 방법 | |
Shah et al. | Implementation of Object Recognition Based on Type of Vehicle Entering Main Gate |
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: 20210507 |