基于大数据分析的太赫兹成像目标图像自动识别方法与实现

THz image automatic target recognition method and implementation based on big data analysis is the deep research of the recognition of concealed objects on human body in indoor environment. Based on the experiment big data analysis, it can realize finite automatic recognition for concealed threats in the human body, instead of the human eyes’ recognition and decision, and alarm at last. Studying practical big data analysis image processing and recognition method by mixing detection and deep learning, improving the recognition rate of concealed threats to reduce the false-alarm rate sharply, lay the foundation of making THz imaging facility practical. Currently, MMW/THz image processing methods are purely based on image processing itself, while neglecting the process of target features and the relationship between neural network inputs and the physical parameters of real system. The reason is short of large image samples and the support of database. Therefore, based on the traditional image processing methods, combining big data analysis and human posture, angle variable and THz scattering property, it is needed to build up the scattering property of human body in different scattering directions.

基于大数据分析的太赫兹成像目标图像自动识别方法与实现是针对室内人体携带危险品安检的目标识别进行深入研究。依据实验所得的大数据进行分析，对人体携带危险品的特征进行有限的自动识别，缓解操作人员因为长期视觉疲劳或是工作疲劳导致的人为因素疏忽，实现对可疑目标物的自动报警。通过融合检测与深度学习，研究具有实用性的大数据分析的图像处理与识别方法，大幅度提高成像设备的识别率，降低虚警率，为毫米波/太赫兹成像设备的快速实用化奠定基础。目前毫米波/太赫兹人体图像处理都是基于纯图像处理方法，而忽视了针对目标特征的处理以及实际系统各个物理参量与神经网络输入元间的关系。原因还是缺乏大量的成像图像标本，没有数据库的支持。所以，需要在传统图像处理方法基础上，结合大数据分析和人体形态、角度变量以及人体太赫兹散射特性，完善不同角度下人体太赫兹图像各种明暗特性与人体形态以及散射特性的关系，建立起人体在太赫兹频段的多角度散射模型。

本项目主要是针对毫米波/太赫兹人体携带危险品的自动目标识别进行进行深入研究。项目依靠自研的毫米波/太赫兹人体成像系统对携带各类物品的人物进行成像并获得大量的原始人体图像数据以构造基础人体电磁数据库。以此数据库为基础，项目对主动毫米波/太赫兹人体图像的图像增强、人体形态学分割定位和人体携带物品的自动目标识别进行深入研究。项目最终提出了基于OTSU和形态学滤波的毫米波/太赫兹图像增强算法，基于tiny-YOLO的人体形态学躯干分割算法以及基于Faster RCNN的毫米波/太赫兹人体携带物品自动目标识别算法。其中基于OTSU和形态学滤波的毫米波/太赫兹图像增强算法可使图像背景噪声基本被去除并且图像的视觉效果变得更好。基于tiny-YOLO的人体形态学躯干分割算法则可对毫米波/太赫兹人体图像分割和定位出10个躯干位置，并通过该算法实现人脸打码、站姿判断、原始图像与卡通图像的识别框映射功能。基于Faster RCNN的毫米波/太赫兹人体携带物品自动目标识别算法，在目前已有设备上可实现81.2%的召回率和87.6%的准确率，满足实际安检应用需求。本项目研究和提出的核心算法，目前均应用于中科院上海微系统所与杭州芯影科技有限公司研制的SIMIMAGE 毫米波人体成像安全检查设备中。设备先后在乌鲁木齐高铁站、海南清澜港、G20峰会杭州汽车南站，泰和县人民法院，台州公安局等场所进行销售和应用。