CN113156522A - 一种基于检测门框的安全检测方法和装置 - Google Patents

Abstract

本发明提供一种基于检测门框的安全检测方法和装置，本发明采用线圈传感器进行信号检测，由于线圈传感器可以不受地磁场和环境中磁场的影响，同时能够检测到细微的磁场变化，通过在检测门框上设置线圈传感器，可以有效地提高探测门的检测精度。本发明利用线圈传感器检测到的信号的相位和幅值，基于训练好的智能安全检测模型，得到是否携带有违禁品以及携带的违禁品的具体类型的识别结果，由此可见，本发明采用线圈传感器可以有效提高信号检测精度，同时，采用智能学习算法，使得基于大量样本训练好的安全检测模型能够准确识别是否携带有违禁品以及携带的违禁品的具体类型，从而提高识别准确度。本发明不但提高了检测精度，而且提高了识别准确度。

Description

一种基于检测门框的安全检测方法和装置

技术领域

本发明涉及安全检测技术领域，尤其涉及一种基于检测门框的安全检测方法和装置。

背景技术

随着多媒体设备的广泛普及，人们很容易使用多媒体设备进行通话、录音、拍照、拍摄视频等，这些具有录音、拍摄功能的多媒体设备在提升人们生活便利性的同时，也带来了一定的信息泄露的风险。在重要场所或秘密环境中，携带或使用多媒体设备如手机、录音笔、摄像机等，会造成场所内的秘密信息泄露。为了有效的降低涉密场所内由于多媒体设备而引发的信息泄露，需要在涉密场所外有效检测多媒体设备，从物理上隔绝多媒体设备进入涉密场所，以杜绝由于多媒体设备引发的泄密。

现有技术1公开一种手机探测门系统，包括：工控计算机，模数转换模块，信号处理模块，探测模块；其中，工控计算机向DA转换器发送数字信号，DA转换器将数字信号转换为第一模拟信号，功率放大单元将第一模拟信号的功率放大，发射单元将功率放大后的第一模拟信号发射到被检测区域，接收单元接收被检测区域反射的第二模拟信号，电压跟随器对第二模拟信号进行抗串扰处理，低噪放大单元提高经抗串扰处理后的第二模拟信号的信噪比，AD转换器将信噪比提高后的第二模拟信号转换为数字信号，传至工控计算机进行读取。

现有技术2公开了一种手机信号检测装置，包括底座、立柱、档杆、转轴、电机，所述底座的上方设置有所述立柱，所述立柱的前方设置有所述档杆，所述档杆上设置有所述转轴，所述转轴的后方设置有所述电机，所述立柱的上方设置有报警灯，所述立柱的上方一侧设置有连接横杆，所述档杆的一侧设置有控制箱壳体，所述控制箱壳体内部上方设置有图像识别器。

现有技术3公开了一种提高电磁检测安检门灵敏度与抗干扰能力装置包括导磁臂、电磁激励线圈、多个电磁接收传感器、电磁检测仪，其中导磁臂的两臂的端面相对，两臂的端面之间为安检门的检测通道，导磁臂用于约束磁场，使之不向外扩散，提高抗干扰能力；并且电磁激励线圈固定在导磁臂上；多个电磁接收传感器分布固定在导磁臂的两臂的端面上；电磁激励线圈和多个电磁接收传感器与电磁检测仪电连接。

其中，现有技术1仅仅是对信号进行了还原处理，实际上还是金属检测门，无法区分手机(录音笔等含有电路板的设备)与其他金属的区别，误报率依然很高。现有技术2容易受周围环境干扰，且只能检测有sim卡的手机，对录音笔、未插入sim卡的手机和其他窃密设备等无法进行检测。现有技术3磁检测也无法解决误报与漏报的问题，同时容易受地磁场的干扰与周围磁场的干扰，检测时对周围磁场稳定性要求比较高。分区检测是每个区各自单独检测，没有利用全局的检测数据。

发明内容

本发明提供一种基于检测门框的安全检测方法和装置，用以解决现有技术中无法分辨不同电子设备、检测对象范围狭窄、存在安全隐患以及检测不全面的缺陷，实现安全、全面以及高精度检测。

第一方面，本发明提供一种基于检测门框的安全检测方法，所述检测门框上设置有线圈传感器；所述安全检测方法包括：获取所述线圈传感器检测到的信号的相位和幅值；将所述线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果；其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

根据本发明提供的一种基于检测门框的安全检测方法，所述安全检测模型的训练过程，包括：

获取携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值；获取与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型；将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练，得到所述安全检测模型；

其中，各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备中的一种或多种。

根据本发明提供的一种基于检测门框的安全检测方法，所述线圈传感器的数量为多个，多个所述线圈传感器按照预设要求分成N组，N≥2，所述N组线圈传感器沿所述检测门框延伸的方向依次设置，一组线圈传感器对应一个空间区段的检测范围；

相应地，获取所述线圈传感器检测到的信号的相位和幅值，包括：

获取N组线圈传感器中每组线圈传感器检测到的信号的相位和幅值；

相应地，将所述线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果，包括：

将每组线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到与该组对应的是否有指定类型违禁品进入所述检测门框的识别结果；

根据与每组对应的是否有指定类型违禁品进入所述检测门框的识别结果，确定最终的是否有指定类型违禁品进入所述检测门框的识别结果。

根据本发明提供一种基于检测门框的安全检测方法，其中，所述相对设置的门框上还设置有红外对射器；所述红外对射器用于探测人体进入门体和离开门体的时刻；当所述红外对射器探测到有人体进入门体时，触发所述线圈传感器开始检测；当所述红外对射器探测到有人体离开门体时，触发所述线圈传感器停止检测。

根据本发明提供一种基于检测门框的安全检测方法，其中，所述检测门框的顶部设置有横梁；所述横梁为腔体结构，所述腔体结构用于容纳电线线路。

根据本发明提供一种基于检测门框的安全检测方法，还包括：

在确定有指定违禁品进入所述检测门框时，进行声光报警提示。

根据本发明提供一种基于检测门框的安全检测方法，其中，所述门框连接有图像采集装置和显示器；在确定有指定违禁品进入所述检测门框时，所述图像采集装置进行图像采集，并将采集的图像显示在所述显示器上。

根据本发明提供一种基于检测门框的安全检测方法，其中，所述相对设置的门框上从上至下均匀设置多个线圈传感器；相应地，获取所述线圈传感器检测到的信号的相位和幅值。

第二方面，本发明提供一种基于检测门框的安全检测装置，所述检测门框上设置有线圈传感器；

所述基于检测门框的安全检测装置包括：

获取模块，用于获取所述线圈传感器检测到的信号的相位和幅值；

判断模块，用于根据所述线圈传感器检测到的信号的相位和幅值与指定违禁品经过所述检测门产生的检测信号的相位和幅值的匹配情况，确定是否有指定违禁品进入所述检测门。

第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序用来执行上述安全检测方法的步骤。

第四方面，本发明提供一种非暂态计算机可读存储介质，其上存储有计算机程序，用于执行上述安全检测的方法的步骤。

本发明提供的基于检测门框的安全检测方法及装置，采用线圈传感器进行信号检测，由于线圈传感器可以不受地磁场和环境中磁场的影响，同时能够检测到细微的磁场变化，通过在检测门框上设置线圈传感器，可以有效地提高探测门的检测精度。此外，本发明利用线圈传感器检测到的信号的相位和幅值，基于训练好的智能安全检测模型，得到是否携带有违禁品以及携带的违禁品的具体类型的识别结果，由此可见，本发明采用线圈传感器可以有效提高信号检测精度，同时，采用智能学习算法，使得基于大量样本训练好的安全检测模型能够准确识别是否携带有违禁品以及携带的违禁品的具体类型，从而提高识别准确度。由此可见，本发明不但提高了检测精度，而且提高了识别准确度。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。

图1是本发明提供的安全检测方法的流程示意图；

图2是本发明提供的安全检测门框的结构示意图；

图3是本发明提供的带有横梁的安全检测门框的结构示意图；

图4是本发明提供的电子设备的结构示意图。

附图标记：

1：检测门框； 2：线圈传感器； 3：红外对射器；

4：工控计算机； 5：第一门体； 6：第二门体；

7：横梁； 8：图像采集装置； 9：显示器。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1和图2所示，本发明的一个实施例中，一种基于检测门框1的安全检测方法，所述检测门框上设置有线圈传感器2；所述安全检测方法包括：

S101、获取所述线圈传感器2检测到的信号的相位和幅值；

S102、将所述线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框1的识别结果；其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框1时所述线圈传感器2检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

在本实施例中，在对安全检测模型进行训练时，使用的各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备中的一种或多种，相应地，在使用训练好的安全检测模型进行识别时，可以识别出铝壳手机、铁制品、含有电路板的电子设备这些违禁品。

在本实施例中，需要说明的是，线圈传感器2即是电感传感器，是由铁心和线圈构成的将直线或角位移的变化转换为线圈电感量变化的传感器。这种传感器的线圈匝数和材料导磁系数都是一定的，其电感量的变化是由于位移输入量导致线圈磁路的几何尺寸变化而引起的。当把线圈接入测量电路并接通激励电源时，就可获得正比于位移输入量的电压或电流输出。线圈传感器2设置在探测门的检测门框1上，并且可以是从检测门框1上部至下部设置多个点，用来实现对被测对象从头到脚进行全面的检测，也可以使在检测门框1上设置一个线圈传感器2对被检测者进行检测，在本实施例中对线圈传感器2的数量不予限制。当被检测者经过检测门框1时，根据被检测者所携带的物品的差异，线圈传感器2会产生不同的信号变化。

在本实施例中，线圈传感器2设置在探测门的检测门框1上，当被检测用户经过检测门框时，根据被检测用户所携带的物品的差异，线圈传感器2会产生不同的信号变化。由于本发明主要是针对金属进行检测，又由于金属可以分为顺磁质和抗磁质两种材质。其中，顺磁质会加强线圈传感器2所处的磁场使线圈传感器2的电压的相位更加超前，另由于线圈传感器2所处的磁场得以增强，因此其电压的幅值变化也呈现出大于0的情形。同理。抗磁质恰恰相反，会使得线圈传感器2的电压的相位滞后，电压的幅值降低。因此，线圈传感器能够准确检测指定类型的物品。本发明中的线圈传感器2与背景技术中的电磁接收传感器存在明显差别，首先，电磁接收传感器主要是利用霍尔效应进行检测，其中霍尔元件在进行检测时存在诸多误报情形，同时电磁接收传感器受到地磁场的影响对利用霍尔元件的检测门框的设置的方向存在要求，其次，背景技术中的电磁接收传感器容易受环境中的磁场影响，会导致检测不准的现象，而本发明中的线圈传感器2不受上述磁场和环境的影响，具有较高的精度。

此处，检测门框1包括相对设置的第一门体5与第二门体6，其之间的距离足以使被检测者通过，同时又不至于太远以至于影响线圈传感器2的测量有效性，另外，检测门框中的两个门体可以是相互独立设置在地面，也可以是在门体的底部或者顶部相互连接，同时，检测门框可以是嵌入地面也可以是设置在地面上，本发明不予限制，以足以稳固设置检测门框为宜。另外，在本实施例中线圈传感器2的数量不予限制，可以是一个以上，布置在上述的第一门体5或者第二门体6上，也可以是在第一门体5与第二门体6分别布置一定数量的线圈传感器2，也可以将线圈传感器2在第一门体5与第二门体6上布置成相互对应的形式，在本实施例中不对线圈传感器2的具体布置方式进行限制，以能够实现对被检测者进行检测即可。

步骤S101中，获取线圈传感器2检测到的信号的相位和幅值，是指当被检测者经过检测门框1时，线圈传感器2由于被检测的金属的顺磁性或抗磁性的作用会对线圈传感器2所处的磁场产生抵消或加强作用，从而影响线圈传感器2线圈所处的磁场，进而影响线圈中的电压以及电流的相位和大小，故而当被检测者携带相应的金属材质时，线圈传感器2会产生相应电压的相位或者幅值的变化，即特定的金属材质与线圈传感器2的相位和幅值存在对应关系，

在步骤S102中，将所述线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框1的识别结果；其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框1时所述线圈传感器2检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。在本实施例中，所述初始神经网络模型可以为CNN模型，也可以为RNN模型。在对安全检测模型进行训练时，使用的各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备中的一种或多种，也即可以使得训练用户分别携带铝壳手机、铁制品和含有电路板的电子设备经过检测门框，然后记录下线圈传感器2检测到的信号的相位和幅值，然后将记录的线圈传感器2检测到的信号的相位和幅值作为训练时的输入样本，将对应的铝壳手机、铁制品和含有电路板的电子设备作为安全检测识别结果，基于深度学习的方式对模型进行训练，进而得到训练好的安全检测模型。可以理解的是，在使用训练好的安全检测模型进行识别时，根据线圈传感器2实时检测到的信号的相位和幅值，将线圈传感器2实时检测到的信号的相位和幅值输入到训练好的安全检测模型中，进而可以识别出铝壳手机、铁制品、含有电路板的电子设备这些违禁品。

可以理解的是，各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备(中的一种或多种组合)分别对应线圈传感器能够检测到的不同的信号相位和信号幅值，因此，通过模型训练，使得训练好的安全检测模型能够准确识别线圈传感器当前检测到的信号相位和信号幅值对应的违禁品类型。也即通过训练好的安全检测模型，能够通过获取线圈传感器2检测到的信号的相位和幅值识别出相应的金属。

本发明提供的基于检测门框的安全检测方法及装置，采用线圈传感器进行信号检测，由于线圈传感器可以不受地磁场和环境中磁场的影响，同时能够检测到细微的磁场变化，通过在检测门框上设置线圈传感器，可以有效地提高探测门的检测精度。此外，本发明利用线圈传感器检测到的信号的相位和幅值，基于训练好的智能安全检测模型，得到是否携带有违禁品以及携带的违禁品的具体类型的识别结果，由此可见，本发明采用线圈传感器可以有效提高信号检测精度，同时，采用智能学习算法，使得基于大量样本训练好的安全检测模型能够准确识别是否携带有违禁品以及携带的违禁品的具体类型，从而提高识别准确度。由此可见，本发明不但提高了检测精度，而且提高了识别准确度。

根据本发明的一个实施例中，安全检测模型的训练过程，包括：

获取携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框1时所述线圈传感器2检测到的样本信号的相位和幅值；获取与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型；将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框1时所述线圈传感器2检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练，得到所述安全检测模型；

其中，各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备中的一种或多种。

具体地，基于深度学习算法对初始神经网络模型进行训练。对神经网络模型进行训练时可采用人工校准的方式进行，通过不断重复试验，调整神经网络模型的相应的参数值，直到此神经网络模型的输出结果与所述的实际的违禁品之间出现的错误率小于预设的特定值，则停止对此神经网络模型的训练，此时的神经网络模型则是训练完成的神经网络模型。或者将测试物品与是否为违禁品的对应关系数据分为两类：一类是训练数据集，一类是测试集。在运用训练数据集对神经网络模型进行训练，不断调整神经网络模型的相应参数，然后运用测试集的数据对训练后的神经网络模型进行测试，直到测试的结果的正确率达到设定的定值，则可以停止对该神经网络模型进行训练，则此时的神经网络模型则是训练完成的网络模型，至于其他网络模型的训练方法本发明不予以限制，以能够达到一定的准确度即可。

由于对神经网络模型进行训练时采用将违禁品的类型与线圈传感器2中的产生的相位与幅值作为对应的输出数据和输入数据，因此通过上述训练后得到的神经网络模型能够依据获取的线圈传感器2的相位与幅值数值判断出被检测者所需携带物品的类型，即判断出被检测者所携带的物品是否为违禁品以及该种物品为违禁品的种类。

通过将铝壳手机作为测试对象，采用不同的铝壳手机，并将铝壳手机进入检测门框1时线圈传感器2产生不同的相位和幅值，对神经网络模型进行训练时采用铝壳手机与线圈传感器2中的产生的相位与幅值作为对应的输出数据和输入数据进行训练。举例来说，被检测者携带铝壳手机，经过检测门，此时线圈传感器2会产生相应的相位和幅值的变化，则将此时的线圈传感器2的相位与幅值作为输入，将铝壳手机作为输出，对神经网络模型进行训练，进而得到训练好的模型。类似地，对于铁制品、含有电路板的电子设备也是类似的训练过程，此外，还可以训练模型能够同时识别被检测用户既携带有铝壳手机又携带有铁制品，或既携带有铝壳手机又携带有含有电路板的电子设备，或既携带有铁制品又携带有含有电路板的电子设备的情况，或同时携带有铝壳手机、铁制品，以及含有电路板的电子设备的情况。

在本发明的又一个实施例中，基于检测门框1的安全检测方法中，线圈传感器2的数量为多个，多个所述线圈传感器2按照预设要求分成N组，N≥2，所述N组线圈传感器2沿所述检测门框1延伸的方向依次设置，一组线圈传感器2对应一个空间区段的检测范围；相应地，获取所述线圈传感器2检测到的信号的相位和幅值，包括：

获取N组线圈传感器2中每组线圈传感器2检测到的信号的相位和幅值；相应地，将所述线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框1的识别结果，包括：将每组线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到与该组对应的是否有指定类型违禁品进入所述检测门框1的识别结果；根据与每组对应的是否有指定类型违禁品进入所述检测门框1的识别结果，确定最终的是否有指定类型违禁品进入所述检测门框1的识别结果。

具体地，由于需要对被检测者进行全面的检测，避免检测信号不全面，有检测死角以及检测慢等问题，在本实施例中采用多个线圈传感器2对被检测者进行检测。同时，将线圈传感器2分成N组，其中N≥2，并将每一组中的线圈传感器2沿着检测门框1的延伸方向依次设置，优选地，线圈传感器2在检测门框1上等距设置。本实施例中的线圈传感器2可以设置在检测门框1的第一门体5上或者第二门体6上，也可以在两个门体上都设置线圈传感器2。其中每一组线圈传感器2对应一段被检测的空间区段，每一段被检测空间区段在检测时对应被检测者的一个部位或者被检测者的一段身体区间。通过在不同区段设置线圈传感器2能够实现对被检测者的分区分段检测，同时由于被检测者在经过检测门框1时，不同区段的线圈传感器2能够同时对被检测者进行检测，实现多点联动检测，即能够在同一时间上到达对被检测者的多部位或者多区段的检测。因此，通过对不同区段的线圈传感器2中的相位与幅值的处理可以判断出于该区段的线圈传感器2多对应的被检测者携带的物品的是否为违禁品以及该违禁品的种类。

举例说明，以检测门框的两个门体上分别设置有五个线圈传感器为例，每个门体上的线圈传感器等间距设置，并将线圈传感器自下向上每两个为设为一组，则每个门体上的线圈传感器可以分为三组，分别为A、B、C三组，其中C组中仅有一个线圈传感器。同时由于两个门体是对应的，故而仅讨论一边门体即可。由于A、B、C三组中的线圈传感器自下向上设置，分别与被检测者的下肢，上半身以及头部相对应。由于每一个线圈传感器对应第一个检测范围，因此，通过对线圈传感器进行分组，也即达到对检测门体进行了分段。同时，由于当被检测者经过检测门框时，每一个线圈传感器中的电压或者幅值都有可能发生改变，因此，通过测量A、B、C三组中的线圈传感器中的相位与幅值的变化情况，并对每组测量的线圈传感器的相位和幅值进行处理。在采用分组情形之下，可以对安全检测模型的训练采用分组的数据进行。

在上文中，对每组线圈传感器2采集到的相位和幅值的处理方式可以是“择一法”也可以是“平均值法”。所谓的“择一法”是该区段中的线圈传感器2中的有任何一个线圈传感器2的相位与幅值在输入到安全检测模型中后输出的显示为携带有违禁品则判断被检测者与此区段线圈传感器2相对应的身体区段或者部位携带有违禁品。其中“平均值法”是通过获取每组线圈传感器2的相位和幅值的数值，并对每一组获取的相位和幅值进行求取平均值，然后将获得的平均值输入到训练好的安全检测模型中，如果输出结果判断此求取平均值的相位和幅值对应的携带物为违禁品，则判断组线圈传感器2所在的区段对应的被检测者的身体区段携带有违禁品。

由于不同场合对信息安全要求的等级并不相同，为了减少数据处理的数量，提高安全检测模型的效率，可以先对每组线圈传感器2的相位和幅值运用“平均值法”进行第一步判断，若判断该组线圈传感器2对应的区段存在违禁品，可以再对该区段所包含的每一个线圈传感器2所测量的相位与幅值分别输入安全检测模型进行更加细致的判断，从而判断出示具体哪一个线传感器所对应的被检测者的身体部位或身体区段。通过这种两步判断，可以减少数据处理的数量，同时也能够进行精确的定位。

在本发明的一个具体实施例中，相对设置的检测门框上还设置有红外对射器3；红外对射器3用于探测人体进入门体和离开门体的时刻；当红外对射器3探测到有人体进入门体时，触发工控计算机开始检测；当红外对射器3探测到有人体离开门体时，触发工控计算机停止检测。

具体地，红外对射器3是由主动红外线发射器和被动红外接收器，其中主动红外发射器发射红外线至红外接收器，当红外发射器与红外接收器之间的红外光线阻断或者阻断达到一定百分比之后，则发出警报或者其他相应的信息。在本发明中红外对射器3不需要发出警报，但需要将红外线被阻断的相应信息发送给与其连接的工控计算机。由于红外对射器3是为了判断有人经过检测门框1并且确定该人经过检测门框1的时间，该时间用来帮助工控计算机确定从何时对接收到的线圈传感器2的数据进行计算处理。故而，需要将所述红外对射器3设置在检测门框1的前端，具体地可以设置在与检测门框1的两个门框形成的平面相平行的门框的侧面上，并且这个侧面是被检测者通过安检门先经过的侧面。对于红外对射器3如何对射，是二者在一个相同的高度处还是处于不相同的高度，或者使红外线与地面之间形成一个夹角本发明中不予限制，只需要被检测者通过检测门框1时必然会阻断红外对射器3之间的红外线即可。

本发明的实施例中可以只在检测门框1的入口处设置了一对红外对射器3，故而，只能判断被检测者进入检测门框1的时刻，不能判断被检测者出检测门框1的时刻，为减少工控计算机的计算的数据量，可以采用以下两种方式设定工控计算机的计算数据的量，第一种方法是设置一个固定时间间隔，即经过此时间间隔后，被检测者能够经过检测门框1并离开检测门框1。第二种方法是以第二个人进入检测门框1的时刻作为上一个被检测者离开检测门框1的时刻，计算这对红外对射器3被阻断的时间间隔内，接收到的线圈传感器2之间的数据，并进行相应的处理。第三种方法是，通过将设置的固定时间与下一个被检测者进入检测门框1的时刻相结合，用来判断工控计算机需要处理的时间间隔内的数据，比如以设定的时间与两个被检测者之间的时间间隔相比较，取其中较小的值作为工控计算机计算的相应时间段内的数据量。其他方法用来确定工控计算机计算相应时间的数据本发明不予限制。

或者，本发明的实施例中，可以只在检测门框1的出口处设置了一对红外对射器3，故而，只能判断被检测者离开检测门框1的时刻，不能判断被检测者进入检测门框1的时刻，为减少工控计算机的计算的数据量，可以采用以下两种方式设定工控计算机的计算数据的量，第一种方法是设置一个固定时间间隔，即在此时间间隔之前，被检测者进入检测门框1。第二种方法是以第一个人离开检测门框1的时刻作为下一个被检测者进入检测门框1的时刻，计算这对红外对射器3被阻断的时间间隔内，接收到的线圈传感器2之间的数据，并进行相应的处理。第三种方法是，通过将设置的固定时间与上一个被检测者离开检测门框1的时刻相结合，用来判断工控计算机需要处理的时间间隔内的数据，比如以设定的时间与两个被检测者之间的时间间隔相比较，取其中较小的值作为工控计算机计算的相应时间段内的数据量。其他方法用来确定工控计算机计算相应时间的数据本发明不予限制。优选地，在检测门框1上设置两对红外对射器3，其中红外对射器3的作用是用来界定一个人进入门体时和离开门体的装置，使得工控计算机只需要计算两对红外触发之间的时间段的数据变化，减少工控计算机计算的数据量，提高效率和精度。

在本发明的一个具体实施例中，本发明提供一种基于检测门框1的安全检测方法，还包括：在确定有指定违禁品进入所述检测门框1时，进行声光报警提示。

具体地，将声光报警装置与工控计算机相连，当工控计算机判断被检测者携带有违禁物品时，则发出报警信号，声光报警装置进行报警，方便检测者采取相对应的措施，保障安保的效果。

如图3所示，进一步，在本发明提供的一个实施例中，检测门框1顶部还设置有横梁7；横梁7为腔体结构，用于容纳电线线路。

具体地，本发明的安全检测门系统在检测门框的两个门体上设置有横梁7，此横梁7是用来与连接两个门体，可以起到稳固设置门体的目的。另外，由于门体上设置有红外对射器3以及线圈传感器2，而这些装置上连接有数据线或者供电线，因此将横梁设置为中空结构，使这些线路能够从门体本部穿过，使线路不外露，即可以确保安全同时又能保证门体的整洁美观。

如图3所示，在本发明的一个实施例中，在横梁7上设置有图像采集装置8和显示器9，其中图像采集装置8和显示器9均与工控计算机4连接；图像采集装置8用于采集经过检测门框的被检测用户的图像信息，显示器9用于显示图像采集装置采集的图像信息。

具体地，在检测门框1上设置图像采集装置8，当被检测用户经过检测门框时，获取采集者的头像等信息，当工控计算机4判断被检测用户携带有违禁物品时，则将相应采集到的图像信息传输到显示器9上，同时对该被检测用户的位置进行标注，供检测者进行寻找、追踪。同时，在显示器9上对报警人数进行加一处理，方便后来对数据的利用。其中图像采集装置可以是摄像头以及其他具有摄像功能的装置。显示器9即输入输出设备。它可以分为CRT、LCD、PDP、OLED等多种，在本发明中不对显示器的具体种类予以限制。

在本发明的一个具体实施例中，在检测门框1的相对设置的门框上从上至下均匀设置多个线圈传感器2；相应地，获取线圈传感器2检测到的信号的相位和幅值。

具体地，在检测门框1的相对设置的门体上自上而下设置多对线圈传感器2，用来对被检测者不同的身体部位进行检测，避免单一检测点获取的检测信号不全面，有检测死角，检测速度慢的问题，本发明提出分区分段检测，提出多点联动检测技术，在检测门框1两侧部署多个线圈传感器2，从通过人的头顶部位至脚底，全方位检测人员携带违禁多媒体设备的情况，瞬时完成检测并发出报警信息。

在本发明的又一个实施例中，提供一种安全检测门框1装置，包括相对设置的门框，所述相对设置的门框上设置有线圈传感器2；所述安全检测门框1还包括：获取模块，用于获取所述线圈传感器2检测到的信号的相位和幅值；判断模块，用于根据所述线圈传感器2检测到的信号的相位和幅值与指定违禁品经过所述检测门框1产生的检测信号的相位和幅值的匹配情况，确定是否有指定违禁品进入所述检测门框1。

具体地，线圈传感器2即是电感传感器，是由铁心和线圈构成的将直线或角位移的变化转换为线圈电感量变化的传感器。这种传感器的线圈匝数和材料导磁系数都是一定的，其电感量的变化是由于位移输入量导致线圈磁路的几何尺寸变化而引起的。当把线圈接入测量电路并接通激励电源时，就可获得正比于位移输入量的电压或电流输出。线圈传感器2设置在探测门的门框上，并且是从门框上部至下部设置多个点，用来实现对被测对象从头到脚进行全面的检测，当被检测者经过检测门框1时，根据被检测者所携带的物品的差异，线圈传感器2会产生不同的信号变化。此处，门框是相对设置，其之间的距离足以使被检测者通过，同时又不至于太远以至于影响线圈传感器2的测量有效性，另外，门框可以是相互独立设置在地面，也可以是在底部或者顶部相互连接，同时，门框可以是嵌入地面也可以是设置在地面上，本发明不予限制，以足以稳固设置门框为宜。

工控计算机的判断模块是利用所有传感器的数据综合分析，检测是否存在违禁品以及违禁品位于哪对线圈传感器2之间。并通过相位与幅值的变化规律，收集变化前信号和变化后的信号，对相位和幅值进行计算得出最终检测结果。前述的变化前信号是指没有被检测者通过时，工控计算器获取的线圈传感器2中的相位和幅值的数值。而变化后的信号是指当被检测者经过检测门框1时，工控计算机获取的线圈传感器2中的相位和幅值的对应的值。

获取模块，用于获取线圈传感器2检测到的信号的相位和幅值，是指当被检测者经过检测门框1时，线圈传感器2由于被检测的金属的顺磁性或抗磁性的作用会对线圈传感器2所处的磁场产生抵消或加强作用，从而影响线圈传感器2线圈所处的磁场，进而影响线圈中的电压以及电流的相位和大小，故而可以通过测量检测信号的相位和幅值判断出处于磁场中的物质是什么材质。

判断模块，由于不同被检测物在线圈传感器2中引起不同的磁场变化，因此可对待检测的违禁品进行测试，获取不同违禁品在通过检测门框1时线圈传感器2的相位和幅值，形成对应性的数据。当被检测者经过检测门框1时，可以通过获取此时线圈传感器2中的电压的相位和幅值，并将此时获取的相位和幅值与已测定的违禁品在经过线圈传感器2时的相位与幅值数据进行比对，进而判断出该物品是不是违禁品。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行一种基于检测门框的安全检测方法，所述检测门框上设置有线圈传感器2；所述安全检测方法包括：获取所述线圈传感器2检测到的信号的相位和幅值；将所述线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果；其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器2检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态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，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的以执行一种基于检测门框1的安全检测方法，该安全检测方法包括：获取所述线圈传感器2检测到的信号的相位和幅值；根据所述线圈传感器2检测到的信号的相位和幅值与指定违禁品经过所述检测门框1产生的检测信号的相位和幅值的匹配情况，确定是否有指定违禁品进入所述检测门框1。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的以执行一种基于检测门框的安全检测方法，所述检测门框上设置有线圈传感器2；所述安全检测方法包括：获取所述线圈传感器2检测到的信号的相位和幅值；将所述线圈传感器2检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果；其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器2检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

以上所描述的装置实施例仅仅是示意性的，其中所述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。可以根据实际的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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有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储在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设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于检测门框的安全检测方法，其特征在于，所述检测门框上设置有线圈传感器；

所述安全检测方法包括：

获取所述线圈传感器检测到的信号的相位和幅值；

将所述线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果；

其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

2.根据权利要求1所述的基于检测门框的安全检测方法，其特征在于，还包括：所述安全检测模型的训练过程；

其中，所述安全检测模型的训练过程，包括：

获取携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值；

获取与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型；

将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练，得到所述安全检测模型；

其中，各种指定类型违禁品包括：铝壳手机、铁制品和含有电路板的电子设备中的一种或多种。

3.根据权利要求1所述的基于检测门框的安全检测方法，其特征在于，所述线圈传感器的数量为多个，多个所述线圈传感器按照预设要求分成N组，N≥2，所述N组线圈传感器沿所述检测门框延伸的方向依次设置，一组线圈传感器对应一个空间区段的检测范围；

相应地，获取所述线圈传感器检测到的信号的相位和幅值，包括：

获取N组线圈传感器中每组线圈传感器检测到的信号的相位和幅值；

相应地，将所述线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果，包括：

将每组线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到与该组对应的是否有指定类型违禁品进入所述检测门框的识别结果；

根据与每组对应的是否有指定类型违禁品进入所述检测门框的识别结果，确定最终的是否有指定类型违禁品进入所述检测门框的识别结果。

4.根据权利要求1所述的基于检测门框的安全检测方法，其特征在于，所述检测门框上还设置有红外对射器；

所述红外对射器用于探测人体进入门体和离开门体的时刻；

当所述红外对射器探测到有人体进入门体时，触发所述线圈传感器开始检测；

当所述红外对射器探测到有人体离开门体时，触发所述线圈传感器停止检测。

5.根据权利要求1所述的基于检测门框的安全检测方法，其特征在于，还包括：

在确定有指定违禁品进入所述检测门框时，进行声光报警提示。

6.根据权利要求5所述的基于检测门框的安全检测方法，其特征在于，所述检测门框连接有图像采集装置和显示器；

在确定有指定违禁品进入所述检测门框时，所述图像采集装置进行图像采集，并将采集的图像显示在所述显示器上。

7.根据权利要求1所述的基于检测门框的安全检测方法，其特征在于，所述检测门框的顶部设置有横梁；所述横梁为腔体结构，所述腔体结构用于容纳电线线路。

8.一种基于检测门框的安全检测装置，其特征在于，所述检测门框上设置有线圈传感器；

所述基于检测门框的安全检测装置还包括：

获取模块，获取所述线圈传感器检测到的信号的相位和幅值；

判断模块，将所述线圈传感器检测到的信号的相位和幅值输入至训练好的安全检测模型中，得到是否有指定类型违禁品进入所述检测门框的识别结果；

其中，所述安全检测模型是将携带有各种指定类型违禁品以及不携带有指定违禁品的人体进入所述检测门框时所述线圈传感器检测到的样本信号的相位和幅值作为输入，将与所述样本信号对应的是否携带违禁品的检测结果以及携带的违禁品的具体类型作为输出，基于深度学习算法对初始神经网络模型进行训练后得到的。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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至7任一项所述安全检测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述安全检测的方法的步骤。

Images