[發(fā)明專利]基于集成深度學(xué)習(xí)的小樣本太赫茲圖像異物檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910205485.0
• 申請(qǐng)日: 2019-03-18
• 公開（公告）號(hào): CN109948527B
• 公開（公告）日: 2022-12-02
• 發(fā)明（設(shè)計(jì)）人: 楊淑媛;余亞萍;馮志璽;王敏;劉志;徐光穎;王俊驍;高全偉;胡滔;王喆
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06V20/52
• 分類號(hào): G06V20/52;G06V10/46;G06V10/774;G06V10/764
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

本發(fā)明公開了一種基于集成深度學(xué)習(xí)的小樣本太赫茲圖像異物檢測(cè)方法，主要解決現(xiàn)有方法需要人工設(shè)計(jì)圖像特征，訓(xùn)練過程復(fù)雜，且不能對(duì)某一類樣本數(shù)目特別少的小樣本赫茲圖像進(jìn)行異物檢測(cè)的問題。本發(fā)明的具體要步驟如下：(1)制作小樣本太赫茲圖像數(shù)據(jù)集；(2)擴(kuò)增圖像訓(xùn)練集；(3)搭建集成深度學(xué)習(xí)網(wǎng)絡(luò)；(4)訓(xùn)練集成深度學(xué)習(xí)網(wǎng)絡(luò)；(5)對(duì)圖像測(cè)試集進(jìn)行檢測(cè)。本發(fā)明能夠自動(dòng)提取圖像特征，訓(xùn)練過程簡(jiǎn)單，考慮了實(shí)際樣本中某一類樣本數(shù)目特別少的小樣本情況，能夠?qū)π颖咎掌潏D像進(jìn)行異物檢測(cè)，能提高小樣本中數(shù)目特別少的一類的檢測(cè)正確率。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及目標(biāo)檢測(cè)圖像處理技術(shù)領(lǐng)域中的一種基于集成深度學(xué)習(xí)的小樣本太赫茲圖像異物檢測(cè)方法。本發(fā)明可用于從太赫茲圖像中檢測(cè)出人體隱藏的刀、炸藥、手機(jī)等異物目標(biāo)。

背景技術(shù)

因?yàn)樘掌澆ń橛诩t外和微波之間，具有X射線、光波/紅外和微波所不具備的一些特殊性質(zhì)，使得太赫茲成像非常適合進(jìn)行人體異物檢測(cè)?；谏疃葘W(xué)習(xí)的目標(biāo)檢測(cè)網(wǎng)絡(luò)與傳統(tǒng)的方法相比，檢測(cè)準(zhǔn)確率顯著提升，且可以自動(dòng)提取樣本特征自動(dòng)進(jìn)行檢測(cè)識(shí)別，基于深度學(xué)習(xí)的網(wǎng)絡(luò)泛化能力更好、對(duì)特征的表征能力更強(qiáng)。

華訊方舟科技有限公司在其申請(qǐng)的專利文獻(xiàn)“一種基于毫米波圖像的人體異物檢測(cè)方法”(專利申請(qǐng)?zhí)枺?01610727745.7，公布號(hào)：CN106372583A)中提出一種毫米波圖像的人體異物檢測(cè)方法。該方法首先獲取人體的毫米波灰度圖像；然后提取所述毫米波灰度圖像中的人體輪廓圖像；再構(gòu)建所述人體輪廓圖像在垂直方向上的垂直空間分布直方圖和在水平方向上的水平空間分布直方圖；根據(jù)所述垂直空間分布直方圖、所述水平空間分布直方圖和預(yù)設(shè)人體比例模型，獲取人體的肢體位置；根據(jù)預(yù)設(shè)異物特征識(shí)別模型，識(shí)別所述人體輪廓圖像中的異物；根據(jù)所述肢體位置，標(biāo)識(shí)所述異物在所述人體輪廓圖像上的位置并生成異物檢測(cè)結(jié)果。該方法雖然通過構(gòu)建空間分布直方圖和人體比例模型，可以降低虛警率，提高目標(biāo)檢測(cè)的精度，且毫米波圖像與太赫茲圖像結(jié)構(gòu)相似，該方法可以用于太赫茲圖像的異物檢測(cè)，但是，該方法仍然存在的不足之處是，需要提取人體的輪廓圖、構(gòu)建垂直于水平空間分布直方圖、預(yù)設(shè)人體比例等多個(gè)步驟，使得異物檢測(cè)過程非常繁瑣，且沒有考慮小樣本的分布特征，實(shí)際上并沒有增加樣本數(shù)量，且并沒有考慮實(shí)際樣本中某一類樣本數(shù)目特別少的小樣本情況，所以該方法并不能對(duì)小樣本的太赫茲圖像進(jìn)行異物檢測(cè)。

杜琨、張璐等人在其發(fā)表的論文“基于統(tǒng)計(jì)模型的人體隱藏危險(xiǎn)物檢測(cè)”(計(jì)算機(jī)工程與設(shè)計(jì),2017(10))中提出一種基于統(tǒng)計(jì)模型的目標(biāo)檢測(cè)方法。該方法采用參量模型的建模方法，建立基于廣義復(fù)合分布和廣義K分布的統(tǒng)計(jì)模型；在此基礎(chǔ)上，基于人體結(jié)構(gòu)的先驗(yàn)知識(shí)，利用人體統(tǒng)計(jì)模型，采用恒虛警率對(duì)圖像中人體隱藏危險(xiǎn)物進(jìn)行檢測(cè)。雖然該方法利用了基于人體結(jié)構(gòu)的先驗(yàn)知識(shí)和人體統(tǒng)計(jì)模型，研究的對(duì)象是太赫茲圖像，在檢測(cè)率上有了部分提升。但是，該方法仍然存在的不足之處是，需要建立基于廣義復(fù)合分布和廣義K分布的統(tǒng)計(jì)模型，建模過程計(jì)算復(fù)雜度高，且并沒有考慮實(shí)際樣本中某一類樣本數(shù)目特別少的小樣本情況，該方法不適合對(duì)小樣本太赫茲圖像進(jìn)行異物檢測(cè)。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于集成深度學(xué)習(xí)的小樣本太赫茲圖像異物檢測(cè)方法，對(duì)刀、手機(jī)和炸藥等目標(biāo)進(jìn)行檢測(cè)。本發(fā)明與其他現(xiàn)有小樣本太赫茲圖像異物檢測(cè)方法相比，擴(kuò)增了圖像訓(xùn)練集，使得訓(xùn)練過程不易發(fā)生過擬合，考慮實(shí)際樣本中某一類樣本數(shù)目特別少的小樣本情況，搭建集成深度學(xué)習(xí)網(wǎng)絡(luò)，提高了樣本數(shù)目特別少的一類的檢測(cè)正確率，不用人工設(shè)計(jì)圖像的特征，能夠自動(dòng)提取圖像特征，訓(xùn)練過程簡(jiǎn)單，可以得到較高的小樣本太赫茲圖像異物檢測(cè)精度。

實(shí)現(xiàn)本發(fā)明的目的的思路是，該方法是通過隨機(jī)調(diào)整樣本亮度和對(duì)比度的方法，擴(kuò)增圖像訓(xùn)練數(shù)據(jù)集，使用少數(shù)類過采樣技術(shù)SMOTE進(jìn)行懷疑物類別圖像的二次擴(kuò)增；針對(duì)有一類極少的小樣本搭建集成深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行異物檢測(cè)。

本發(fā)明實(shí)現(xiàn)的具體步驟包括如下：

(1)制作小樣本太赫茲圖像數(shù)據(jù)集：