毫米波辐射图像目标定位技术研究

针对毫米波辐射图像中目标定位的问题,提出了一种基于区域标记的毫米波辐射图像金属目标定位算法.该算法通过分析金属的毫米波辐射特性以及毫米波辐射图像的特点,利用区域标记算法对图像中金属目标进行分割,并引入基于面积的虚假目标去除准则,采用计算重心的方法实现了金属目标的定位.实验表明,该算法既能对图像中单个金属目标又能对图像中多个金属目标实现准确定位,且不论目标的外形如何,都能得到其精确的中心坐标,为下一步目标的选择与跟踪提供了依据.     

主动毫米波成像性别识别算法研究

针对主动毫米波成像安检系统的个人隐私保护问题,提出了一种主动毫米波人体图像性别识别流程,包括图像预处理、人体躯干图像分割、性别特征提取、各特征值权重确定、性别识别图谱形成、基于图形数据库的图像分类识别和算法优化验证。提出了一种基于灰度值提取的局域直方图性别识别特征图谱,给出了不同图像主体直观、量化的性别特征表达。基于该图谱,提出了一种多特征、多权值性别识别方法,性别识别准确率高于80%,可对海量人体图像快速分类与筛选,从而采取针对性隐私保护措施。该算法已应用于毫米波安检产品,其可移植性高,运行速度快,识别率高,在同类安检设备中具有巨大的应用潜力。     

PMMW金属目标图像处理与计数技术实现

被动毫米波金属目标图像识别并自动统计出目标个数是军事自动化技术的一个重要环节。给出了毫米波探测目标的简要原理,针对目前有关毫米波被动探测并自动计算出金属目标个数方法的欠缺,首次尝试并给出了被动毫米波金属目标图像处理方案及详细处理过程,在毫米波图像分辨率低的条件下,将图像二值化,用数学形态学对图像进行处理,用Canny算子进行边缘检测并提取图像的边缘轮廓,再用Visual C++6.0开发工具,实现二值图像连通域像素标记算法,搭建起金属目标个数的计数系统。给出系统的定量分析,并与面积法计算目标个数做了对比。经分析,系统具有准确性,且响应时间短。     

毫米波人体安检图像自适应滤波方法

为解决毫米波人体安检图像背景区域的大量毛刺、混叠等噪声对隐匿物体识别造成的干扰问题,提出一种自适应的二次模板匹配滤波方法。首先将原始图像进行水平集二值分割,然后将分割结果作为模板对原始图像进行背景滤除,最后将滤除背景的结果作为先验图像对原始图像进行改进的双边滤波。基于毫米波成像系统的实际图像进行对比实验,验证了此算法相比于传统滤波方法的改善,并证明此算法可以针对性地滤除毫米波安检图像的背景噪声,保留人体区域的图像细节,有利于毫米波安检图像中的隐匿物品识别与定位。     

基于遗传算法的毫米波辐射图像特征提取方法

由于具有较强的穿透力和全天时、全天候的工作能力,无源毫米波成像技术在遥感和制导方面具有广阔的应用前景。目标识别时,需要对初始毫米波辐射图像进行特征提取。根据实际毫米波的成像特性,提出了一种基于遗传算法的图像特征提取算法,该算法将Otsu法与遗传算法相结合求解最优分割阈值,然后对阈值分割后图像进行形态学处理提取目标特性。通过实验图像数据处理得出结论:应用所提出的算法可以有效地提取毫米波辐射图像特征。     

基于77GHz毫米波雷达与工业相机的目标检测与精度分析

本文主要讨论了基于AWR1642毫米波雷达和工业相机的目标检测方法与结果分析。本文以AWR1642毫米波雷达以及acA 1600-20gc工业相机为硬件基础,在进行正确配置后,通过程序分别对雷达开发板以及相机进行简单的编译和开发。运用简单算法对串口数据进行处理得到毫米波雷达目标检测数据,之后通过MATLAB平台创建界面,进而实现对获取数据的实时显示。根据帧差原理,通过Visual Studio平台调用OpenCV视觉库,实现对相机获取图像的处理,得到并显示视觉检测数据。之后,设立典型目标和参照,整合通过两种方式获取的数据并进行分析,得出二者检测能力的差异和特点。本设计能够满足分别通过毫米波雷达和工业相机实现目标检测与定位的基本需求,并且测试精确度较高,可针对运动目标进行检测。     

基于轻量级U-Net深度学习的人体安检隐匿违禁物的实时检测

在高端智能安检系统研发中,如何使受检者在无接触正常行进过程中,对其实施人体是否携带隐匿违禁物的快速高效检测是具有挑战性的关键性技术。被动毫米波成像以其安全无害、穿透性强等突出优势而成为安检成像的热门选项。该文利用被动毫米波成像和可见光成像的优势互补,通过轻量级U-Net的深度学习,研究提出人体安检隐匿违禁物的高性能实时检测算法。首先构建和训练轻量级U-Net分割网络,进行被动毫米波图像(PMMWI)和可见光图像(VI)中人体轮廓的快速分割,实现人体与背景的有效分离,以获取疑似隐匿违禁物的轮廓信息。进而,以轻量级U-Net为工具,通过基于相似性测度的无监督学习方法进行被动毫米波人体轮廓图像与可见光人体轮廓图像的配准,以滤除虚警目标,并在可见光图像中进行疑似目标定位,得到单帧图像的检测结果。最后,通过序列多帧图像之检测结果的综合集成与推断,给出最终检测结果。通过在专门构建的数据集上的实验结果表明,该文所提方法的F1指标达到92.3%,展现出良好的性能优势。     

利用截面序列多级特征全局关联性的毫米波图像隐匿物检测

基于毫米波图像的隐匿物检测技术在无接触式人体安检中具有重要意义。目前,毫米波设备已实现三维成像,但隐匿物检测算法通常将其简单压缩为二维图像进行目标检测,未能充分利用图像深度方向的信息。针对这一问题,提出一种毫米波图像隐匿物检测框架,将三维图像视为截面序列并充分利用其截面内特征沿序列（即深度方向）的内在逻辑关系。该框架由卷积神经网络与长短时记忆网络构成,前者用于提取截面的粗细粒度特征,后者用于提取上述特征沿深度方向的全局关联性,实现特征级信息融合,从而提高隐匿物二维定位准确率。实验结果表明,与现有主流毫米波图像隐匿物检测方法相比,所提模型能大幅提高检测精度。     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

基于综合肤色检测和二值形态学的人脸定位研究

针对人脸定位检测中存在的速度慢、精度低及噪声干扰问题,提出了一种基于综合肤色检测和二值形态学的人脸定位检测算法.该算法将YCrCb(明亮度-色调-饱和度)模型与HSV(色相-饱和度-色调)模型用于人脸综合肤色检测,在YCrCb与HSV空间中根据待检测图像每点的颜色值进行人体区域或背景区域的判断;然后,将检测图像转换为二值图像,对图像进行形态学处理;最后,选用人脸几何特征对筛选后连通区域进行判别,实现人脸的准确定位和检测.实验结果表明,该算法对于简单、中等、复杂三种情况下人脸图像的检测正确率分别达到了99%、92%和85%.另外,由于二值形态学消噪算法的使用不仅提高了人脸检测的准确率,而且加快了检测速度.     

一种高精度的毫米波稀疏平面阵列频域类成像算法

本文以手持式毫米波人体安检设备为研究背景,设计了一种工作于90~94GHz频段的稀疏十字阵列,并采用时域相关算法与改进距离徙动算法（Range Migration Algorithm,RMA）对目标进行成像.针对改进RMA算法在推导过程中存在球面波展开为平面波近似和复杂的插值问题,本文提出一种高精度的无需球面波展开和复杂插值运算的基于（Fast Fourier Transform,FFT）的成像算法,在实现过程中不会引入近似误差和插值误差.采用电磁仿真软件建立目标回波模型,进行测试分辨率和噪声鲁棒性的实验.系统方位分辨率达到5mm,满足系统设计指标要求,验证了所提算法的正确性.综合实验结果得出所提算法的计算效率优于时域相关算法并且噪声鲁棒性优于改进RMA算法,在手持式毫米波人体安检设备实时成像的应用中,所提算法的适用性更好.     

球类运动中人体姿态估计研究进展

针对单个RGB图像,人体姿态估计通过对人体关键点定位来估计人体的位置和关节点位置。球类比赛是一种快速的运动,用主观观察对运动员的技术合法性进行判决无法避免错误。因此,文中利用基于人体姿态估计的运动员姿态分析技术进行辅助训练和辅助判罚,有效避免了传统系统中由于人的主观判断对运动员姿态的错误定位。目前,针对人体姿态估计的研究被分为基于传统算法和基于深度学习算法两种主要方式。在基于深度学习算法的基础上又分为单人人体姿态检测和多人人体姿态检测。基于深度学习算法的人体姿态估计通过构建神经网络,运用机器学习的方法提取图片特征读取图片信息,并在用于人体姿态估计的主流数据集上进行性能对比和分析。将人体姿态估计应用到球类运动中,为运动员的日常训练提供了一定的科学参考,同时也最大程度上保证了运动员比赛中的公平与公正。     

毫米波辐射计对金属目标的探测

针对金属目标的探测问题,依据金属的毫米波辐射特性,提出一种基于毫米波辐射计成像的金属目标探测方法。该方法首先利用毫米波辐射计扫描目标并成像,再用区域标记算法标记成像图像,通过分析标记区域的面积排除干扰信息,最后检测出金属目标。实验表明,该方法能够从各种背景中有效检测出金属目标,为下一步目标的识别、跟踪与定位提供了依据。     

基于U-NET网络的消防红外图像的人体检测算法

针对消防红外图像分辨率差、对比度低、信噪比低、视觉效果模糊、人体姿态复杂,多障碍物遮蔽、人体姿态不完整等特点。本文提出了一种基于U-Net网络的消防红外图像的人体检测算法,通过该算法解决了消防场景中人体姿态复杂,多障碍物遮蔽,人体形态不完整的困难。同时对比于传统目标检测算法以及YOLO v3算法,本文提出的算法在消防红外图像的人体检测上无论是检测的精度还是运算的实时性上都有大幅的提升。     

基于图像背景噪声特性的篡改检测

数字图像都包含有一部分来自成像过程或者数字压缩的背景噪声,如果两幅不同背景噪声的图像被拼接在一起,则图像篡改区域和其他区域的噪声特性会有差异。本文基于一种估计信道信噪比的高阶统计量法提出了一种新的图像背景噪声的盲估计算法。通过对图像进行分块计算每块的噪声方差,从而检测图像篡改部分。此算法通过二次加噪的方法解决了高阶统计量法中必须已知原始信号的问题,实现了待检测图像噪声的盲估计。实验结果显示该算法能有效估计图像的噪声方差从而达到检测局部篡改的目的。并且图像的缩放和压缩对检测结果影响很小,算法具有较好的鲁棒性。      

基于测量协方差离散Kalman滤波估计算法的视频跟踪

视频中人体跟踪存在复杂性,尤其是对复杂背景下的人体上、下肢区域进行识别与跟踪时,传统算法存在一些问题。本文在传统Kalman滤波跟踪算法基础上,提出一种基于可变测量协方差的离散Kalman滤波人体识别算法。通过初始化测量协方差,用递归的方法从新获取的观测数据中计算出新的测量协方差估计量,通过离散Kalman滤波器进行跟踪。在实际的视频图像中,表现出良好的跟踪效果,并且对上肢、下肢及整个人体的区分以及部位跟踪方面都有很好的表现。相对于传统的Kalman滤波算法,本算法没有丢失跟踪目标的现象,跟踪速度适中,与人体行进速度保持一致,基本为1.5 m/s,特别适用于对视频中的人体行为进行跟踪及分析处理。     

利用卷积神经网络进行毫米波图像违禁物体定位

随着毫米波器件的成熟,毫米波成像雷达已经应用于人体安检.但毫米波图像中违禁物体的定位仍然是一个艰巨的任务,这极大地限制了毫米波成像雷达的应用.文章将卷积神经网络(Convolutional Neural Network,CNN)应用于毫米波图像,自动定位毫米波图像中的违禁物体,如枪、刀等.利用滑动窗口在输入图像上滑动,并通过CNN得到各个子图块存在违禁物体的概率.图像块是相互交叠的,将各子图块的概率值累积起来,得到概率累积图.概率累计图反映了违禁物体的位置.由于CNN和概率累积图的应用,在实验中,该方法获得了很高的定位准确率,验证了该方法的有效性.     

自适应聚焦下基于强度传输方程的相位恢复

基于强度传输方程的非干涉相位恢复方法是通过对强度图像求解方程来获取相位的一种途径。在图像采集过程中,对聚焦图像的选择是很重要的。但该过程通常是由主观方法来确定,从而导致聚焦定位不准确,进而影响相位恢复结果的精度。首先,提出了一种基于强度传输方程的自适应聚焦相位恢复方法;其次,使用边缘占空比对采集图像进行定位,在求解相位之后进行循环角谱传播,直到边缘占空比定位位置不变,即被认为是定位到了最佳聚焦位置;最后,再使用强度传输方程求解样本的相位。结果证明:该方法不仅提高了相位恢复的准确性而且减少了获取大量图像的次数。在模拟实验中,恢复相位与原始相位的相关系数达到0.9866,均方根误差为0.3050。在实际的微透镜阵列实验中,用所提出的相位恢复方法恢复出的微透镜高度与真实高度误差仅为5.7%,证明了在显微成像领域,所提算法可以定位到最优聚焦位置,有利于自动聚焦技术的发展,进而提高相位恢复的精度。