[發明專利]一種基于神經網絡的安防圖像高清恢復方法及系統

在審

• 申請號: 202011202489.2
• 申請日: 2020-11-02
• 公開（公告）號: CN112308212A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 鄭春弟;鄭培林;劉耀宇;陳薈慧;王愛國
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T5/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 葉潔勇

本發明涉及安防檢測技術領域，具體涉及一種基于神經網絡的安防圖像高清恢復方法及系統，所述方法為：首先獲取被動太赫茲雷達傳感器采集的第一圖像，接著采用深度卷積神經網絡模型對第一圖像進行高清恢復，得到高分辨圖像，本發明采用SRCNN算法訓練得到的深度卷積神經網絡模型，可有效提升被動太赫茲雷達傳感器采集的圖像的分辨質量，有助于安檢中高效、可靠地識別隱藏違禁品。

技術領域

本發明涉及安防檢測技術領域，具體涉及一種基于神經網絡的安防圖像高清恢復方法及系統。

背景技術

目前廣泛的安檢手段主要有X射線等，盡管X射線具有良好的隱藏物品檢測能力，但是，眾所周知，X射線產生的強電離輻射會對人體帶來傷害。雖然每次安檢受到的輻射很小，但隨著安檢次數的增加，其危害也不容忽視。另外X射線輻射源管理也必須慎之又慎，其遺失會帶來嚴重的公共安全問題。

因此，如何在安檢中更加高效、可靠地識別隱藏違禁品日益成為迫切需求。

發明內容

本發明提供一種基于神經網絡的安防圖像高清恢復方法及系統，以解決現有技術中所存在的一個或多個技術問題，至少提供一種有益的選擇或創造條件。

為了實現上述目的，本發明提供以下技術方案：

根據本發明第一方面實施例的一種基于神經網絡的安防圖像高清恢復方法，包括：

獲取被動太赫茲雷達傳感器采集的第一圖像；

采用深度卷積神經網絡模型對第一圖像進行高清恢復，得到高分辨圖像，所述深度卷積神經網絡模型由SRCNN算法訓練得到。

進一步，所述采用深度卷積神經網絡模型對第一圖像進行高清恢復，得到高分辨圖像，包括：

獲取由可見光視頻攝像頭采集的訓練圖像，所述訓練圖像包含人體攜帶違禁品過安檢時拍攝的形態特征，所述違禁品包括閃存硬盤、手槍、手機、粉末和水杯其中至少一種；

對訓練樣本采用SRCNN算法進行模型訓練，得到高清恢復模型；

將第一圖像輸入高清恢復模型，得到第一圖像的高分辨圖像。

進一步，所述對訓練樣本采用SRCNN算法進行模型訓練，得到高清恢復模型，包括：

構建SRCNN算法的網絡結構，所述SRCNN算法的網絡結構包括：輸入層、第一卷積層、第二卷積層和輸出層；

將雙立方插值后的訓練圖像輸入構建好的SRCNN算法進行模型訓練，得到訓練模型；

將經過三立方插值后的測試圖像輸入訓練模型進行測試，得到對比圖像，所述測試圖像由被動太赫茲雷達傳感器采集得到，所述測試圖像和訓練圖像同時采集；

當對比圖像與訓練圖像之間的匹配度滿足要求時，將所述訓練模型作為高清恢復模型。

進一步，所述雙立方插值后的訓練圖像的卷積核為1×1128，通道數為256，卷積特征圖的輸出數量是1個；

所述第一卷積層的卷積核為9×9，通道數為1，卷積特征圖的輸出數量是64個；

所述第二卷積層的卷積核為1×1，通道數為64，卷積特征圖的輸出數量是32個；

所述輸出層的卷積核為5×5，通道數為32，卷積特征圖的輸出數量是1個。

進一步，所述測試圖像的卷積核為1×1128，通道數為256。

進一步，所述測試圖像的數量為101張。

進一步，所述訓練模型的學習率為0.0015，訓練圖像的訓練次數為18000，訓練圖像的張數為5。