一种用于主动式毫米波图像的低复杂度隐匿物品检测方法（英文）

主动式毫米波成像(AMWI)技术是检测隐藏在衣服下的危险物体的有效方法.但AMWI获取的图像通常很模糊,而且一些隐匿物体的尺寸较小,因此隐匿物品的自动检测和定位仍然是一个具有挑战性的问题.姚家雄等[1]首先使用卷积神经网络(CNNs)结合穷举滑动窗口方法来检测隐藏物体.做了两点改进:(1)使用上下文(背景)信息抑制干扰,(2)使用两步搜索方法代替穷举搜索来降低计算复杂度.首先在垂直方向上使用一个CNN来过滤干扰,得到隐藏物体的垂直位置,然后用另一个CNN来确定水平位置.为了充分利用上下文信息,使用IoG(交集和真值的比)代替IoU(交并比)来定义训练和测试过程中的正负样本.实验结果表明,该方法将计算时间减小到约30%,同时实现更好的检测性能.

一种改进的主动式近场毫米波成像算法

近年来在机场等公共场合屡屡发生恐怖袭击事件,一种安全有效的毫米波安检成像技术应运而生,但是该技术采用的传统波数域算法存在从加载后向散射数据到重建图像耗时较大,无法完全满足快速安检成像的要求。故提出一种改进的主动式近场毫米波成像算法,该算法对近场毫米波成像首先进行邻近聚焦再结合一致聚焦函数来代替传统的匹配滤波函数和插值部分,所提算法可提高成像效率,使其更具实用性。通过大量的仿真实验和实测实验证实了所提算法的高分辨率和图像保真度。

高定位精度的毫米波全息图像三维目标检测

投影角度不同导致目标的形状及尺寸变化限制了基于主动式毫米波(AMMW)全息图像投影视图的隐匿物品二维检测方法对小目标检测性能的提升,为此,提出了基于点云的隐匿物品三维检测方法。通过阈值化处理将AMMW全息图像转换为点云输入经空洞卷积及多分支结构改进的SECOND三维目标检测器,提取对目标的三维几何理解及其多尺度上下文信息以提高对小目标的检测能力。实验结果表明,较基于投影的二维检测方法,该方法平均召回率(AR)提升了3.33%,有效提升了定位精度;在交并比(IOU)阈值为0.5时的检出率提升了8.75%,虚警率降低了1.78%,平均精度(AP)提升了7.11%,不同IOU阈值下的平均AP提升了4.30%,有效提升了检测精度;检测速度为17.3 FPS,达实时水平。