[發(fā)明專利]基于太赫茲波的識別方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811126077.8
• 申請日: 2018-09-26
• 公開（公告）號: CN109241937B
• 公開（公告）日: 2020-01-07
• 發(fā)明（設(shè)計）人: 陳祖泉
• 申請（專利權(quán)）人: 武漢夏宇信息技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01N21/3581
• 代理公司: 42242 武漢藍(lán)寶石專利代理事務(wù)所(特殊普通合伙)
• 代理人: 廉海濤

本發(fā)明公開一種基于太赫茲波的識別方法、裝置及存儲介質(zhì)。其中，方法包括獲取不同的待測物；分別放置所述待測物在太赫茲波背景下并且獲取所述待測物相應(yīng)的太赫茲頻域波形數(shù)據(jù)；根據(jù)所述太赫茲頻域波形數(shù)據(jù)獲取不同頻率分量的振幅點；根據(jù)所述振幅點構(gòu)建原始數(shù)據(jù)；選用若干所述原始數(shù)據(jù)作為一配置的神經(jīng)網(wǎng)絡(luò)模型輸入，用于獲取所述神經(jīng)網(wǎng)絡(luò)模型的輸出；根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的輸出，識別所述待測物。本發(fā)明能夠通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對太赫茲波背景下的物體進(jìn)行識別。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械學(xué)習(xí)領(lǐng)域，具體而言，涉及一種基于太赫茲波的識別方法、裝置及存儲介質(zhì)。

背景技術(shù)

在CN104965233A的公開文獻(xiàn)中提及多頻太赫茲檢測系統(tǒng)。

由于不同頻率的太赫茲波經(jīng)被測物體的透射和/或散射和/或吸收后，其強(qiáng)度變化是不同的；那么該系統(tǒng)通過不同頻率的探測器分別在不同頻率下獲取強(qiáng)度變化的太赫茲光后產(chǎn)生電信號，再通過該電信號進(jìn)行成像。系統(tǒng)的成像能夠用于實現(xiàn)對被測物體的識別；

對如上述成像中被測物體的識別一般是人工判斷或在高對比度的成像下通過圖像技術(shù)實現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明實施例至少提供一種基于太赫茲波的識別方法，能夠通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，對太赫茲波背景下的物體進(jìn)行識別。

上述實施例的具體實現(xiàn)，如下所述。

所述方法包括：

獲取不同的待測物，

分別放置所述待測物在太赫茲波背景下并且獲取所述待測物相應(yīng)的太赫茲頻域波形數(shù)據(jù)，

根據(jù)所述太赫茲頻域波形數(shù)據(jù)獲取不同頻率分量的M個振幅點，

M個所述振幅點作為所述待測物的原始數(shù)據(jù)，N個所述原始數(shù)據(jù)構(gòu)建原始特征矩陣X，

其中，

計算原始特征矩陣X的協(xié)方差矩陣C，為特征均值，

獲取所有特征點的特征均值，

根據(jù)特征均值對原始特征矩陣X的所有特征點進(jìn)行零均值化處理，協(xié)方差矩陣C為，

對協(xié)方差矩陣C進(jìn)行奇異值分解，計算協(xié)方差矩陣C的特征值及特征向量，

根據(jù)所述特征值及所述特征向量構(gòu)建降維矩陣P，

根據(jù)所述特征值的大小對所述特征值對應(yīng)的所述特征向量進(jìn)行次序排列，

排列的所述特征向量建立特征向量矩陣Z，

選取所述特征向量矩陣Z的前K行構(gòu)建降維矩陣P，K小于N且為正整數(shù)，

計算原始特征矩陣X與降維矩陣P的乘積為原始數(shù)據(jù)的降維數(shù)據(jù)，

選用所述降維數(shù)據(jù)作為一神經(jīng)網(wǎng)絡(luò)模型輸入，用于獲取所述神經(jīng)網(wǎng)絡(luò)模型的輸出，

根據(jù)所述神經(jīng)網(wǎng)絡(luò)模型的輸出，識別所述待測物；

其中，配置所述神經(jīng)網(wǎng)絡(luò)模型包括：

獲取不同樣本并且標(biāo)注不同所述樣本的標(biāo)簽，

分別獲取所述樣本的太赫茲頻域波形數(shù)據(jù)，

根據(jù)所述太赫茲頻域波形數(shù)據(jù)獲取不同頻率分量的樣本點，

根據(jù)所述樣本點構(gòu)建樣本數(shù)據(jù)，

根據(jù)若干所述樣本數(shù)據(jù)構(gòu)建樣本特征矩陣，

選用主成分分析算法獲取所述樣本特征矩陣的樣本降維矩陣，

選用所述樣本降矩陣作為所述神經(jīng)網(wǎng)絡(luò)模型輸入并且選用所述標(biāo)簽作為所述神經(jīng)網(wǎng)絡(luò)模型輸出，