激光诱导击穿光谱与拉曼光谱技术在危险物检测中的研究进展

炸药、生物及化学危险物检测在反恐和公共安全领域具有重要应用价值,也是目前亟需解决的问题。激光诱导击穿光谱技术利用高能激光脉冲诱导材料产生等离子体,通过探测等离子体辐射光谱从而分析其组成成分。拉曼光谱技术是基于非弹性光散射的一种光谱检测方法,可以反映分子的振动信息。由于它们都具有快速和非接触遥测的优点,成为最有发展潜力和应用前景的危险物检测技术。介绍了激光诱导击穿光谱、拉曼光谱以及二者联合探测技术在危险物检测中的国内外发展现状,并对各自的优缺点进行了分析。激光诱导击穿光谱信号强、实时性好,但重复性差、基底效应影响显著,在判别组成元素相同而分子结构不同的危险物和干扰物时面临巨大挑战。拉曼光谱能够提供被测物的分子信息,适合于鉴别有机危险物,但信号弱、受荧光干扰大、检测低浓度样品及分析混合物的能力弱,外场使用时受周围杂散光以及环境变化的影响大。将这两种光谱探测技术相融合,发挥各自的优点,可以有效地提高探测危险物的准确度。但两种光谱联合探测系统结构和数据处理复杂,成本高,还有许多技术难点亟需解决。文章最后,对危险物激光诱导击穿光谱和拉曼光谱研究的前景进行了展望。

主动毫米波图像的人体携带危险物检测研究

近距离主动毫米波人体成像是检测藏匿在人体衣物下危险品的一种有效手段。针对主动毫米波图像分辨率高,人体不同部位呈现不同特性,以及人体、其他携带物和危险物特性相互影响和干扰、危险物检测困难的特点,提出了一种主动毫米波图像多危险物检测方法;通过基于人体特征的区域划分,采用图像区域化的自适应阈值图像分割、结合数学形态学的二次提取方法,实现了主动毫米波图像人体携带多危险物的检测和提取。对实际获取的图像进行了多危险物检测实验,检测率为84.13%,虚警率为6.61%。仿真实验结果表明了所提方法的有效性和实用性。

基于统计模型的人体携带危险物检测

为研究人体携带危险物的检测,针对人体毫米波图像,采用参量模型的建模方法,建立基于广义复合分布和广义K分布的统计模型;在此基础上,基于人体结构的先验知识,利用人体统计模型,采用恒虚警率对毫米波图像中人体携带危险物进行检测。对实际获取的图像进行仿真实验,实验结果表明,广义复合分布和广义K分布与毫米波人体图像的拟合程度达99%,危险物的检测率为93.51%,虚警率为9.82%,验证了所提人体图像统计模型和危险物检测方法的正确性和有效性。

基于注意力机制的X光安检图像危险物品检测

针对X光行李安检系统中危险物品检测上存在的误检、漏检等问题,提出了一种有效利用上下文信息和增强特征表征能力的注意力融合网络(attention fusion network,AFN)。在YOLOv3-SPP架构上融合多压缩激活(multi-squeeze excitation,MSE)模块和多融合全局注意力(multi-fusion global attention,MFGA)模块,将特征提取网络提取的特征与MSE提取的通道信息融合,得到具备通道全局性的语义特征;将MFGA模块设置在各个检测网络分支,有效地融合具有深层特征的通道及空间信息,使多尺度特征具备3维全局性。在公开的SIXray数据集上进行测试表明,提出的方法有效提高了中等目标和大目标的检测精度和召回率,模型的精度均值为51.1%,比经典的YOLOv3-SPP算法提高了1.4百分点,证明了通道注意力和空间注意力可有效增强输入特征图中用于检测危险物品的细节信息,提高模型对中等目标和大目标的检测性能。

基于改进的Adaboost和LBP危险物品检测算法研究

针对目前由于环境亮度、光照等多种干扰因素影响,导致对危险物品检测正确率下降的问题,提出一种利用Adaboost和LBP的危险物品检测改进算法,实现了提高正确率和快速识别的目的。该改进算法在训练阶段加入对正样本的HSV颜色空间分类,从而提高了级联分类器的检测效率,同时结合改进的LBP算法进行特征值的提取。相比于传统的物体检测方法,将检测正确率提高了2个百分点,达到93.29%。最后将该算法移植到救援机械臂工作平台,实验结果表明,该改进检测算法在实际环境检测中能够准确、快速地识别危险物品,训练效率明显,同时在不同光照亮度条件下具有良好的鲁棒性,满足实用性要求。