基于卷积神经网络的毫米波图像人体隐匿物检测

本文提出一种基于卷积神经网络的毫米波图像中人体隐匿物检测算法.首先,通过滑动窗选取局部毫米波图像得到正负训练样本,相较于传统的IoU,利用文中提出的IoG指标,不仅可以解决目前毫米波图像数据量不足的问题,而且尽可能扩大正负样本之间的特征差别使得模型泛化能力得到提高.其次,由人工扩展数据集训练的卷积神经网络模型可自动学习到不同种类的隐匿物信息.最后,叠加所有的局部可疑区域得到可疑目标热度图,从而进一步得到隐匿物的位置.使用本文方法对中科院上海微系统提供的728张毫米波图像进行了隐匿物检测实验,训练阶段在局部图像块的验证集上达到了95.6%的查准率和97.6%的召回率,表明了本文提出的IoG指标的有效性和重要性;测试阶段在全图的测试集上达到了88.5%的检测率和13.5%的虚警率,相较于现有的方法,所提出的算法检测率更高、虚警率更低,表明本文方法的有效性和稳健性.