哈尔滨工业大学电子与信息工程学院，黑龙江 哈尔滨 150001
因安全隐蔽性和衣物穿透性等特点，被动太赫兹成像已用于关键场所的人体安检。多极化成像可丰富信息维度，提升系统性能。针对极化模式难以选择和多极化图像特性尚不明确等问题，全面评估用于被动太赫兹成像检测的多极化图像质量。首先，分析人体和隐匿物品的任意极化太赫兹辐射亮温模型；然后，通过成像实验和仿真模拟获得4个线极化图像，并计算分析6个极化参数图像；接着，利用传统全局无参考评价指标对比分析多极化图像；最后，采用受试者工作特征（ROC）曲线和差异信噪比（DSNR）定量评估用于检测的局部图像质量，并通过观察者主观评价统计实验验证了若干全局和局部指标的合理性。结果表明，合理选择极化并融合多极化对提升成像检测性能具有重要意义。
太赫兹成像 被动遥感 极化 人体安检 图像评估 激光与光电子学进展
2023, 60(18): 1811012
中国铁路设计集团有限公司电化电信工程设计研究院, 天津 300308
针对被动式太赫兹安检系统检测图像识别危险物难度较大、精确度不高的问题, 提出一种基于 U-net的被动式太赫兹安检危险物分割算法。通过构建危险品的局部结构差异性假设和局部亮度差异性假设定位太赫兹安检图像中危险品可能存在的感兴趣区域(ROI), 并选择拥有少量特征通道与神经元的浅层卷积网络针对 ROI做图像超分辨处理, 最后将图像输入 U-net网络,得到质量高、轮廓清晰的危险品分割图像。通过实验证实了本文方法相比传统分割算法准确性有明显提高, 有助于提高被动式太赫兹安检系统的危险品识别率。
太赫兹成像 安检 图像处理 目标分割 terahertz imaging security check image processing target segmentation 太赫兹科学与电子信息学报
2022, 20(12): 1238
兰州交通大学 光电技术与智能控制教育部重点实验室兰州 730070
为了评估电磁安检门在6.48 kHz下工作时电磁环境对通过者（成年人及儿童）的电磁暴露安全问题，利用仿真软件COMSOL模拟电磁安检门的工作环境，计算人体模型中的磁感应强度与感应电场强度，并与国际非电离辐射防护委员会（ICNIRP）公众暴露限值27 μT和874.8 mV/m进行比较。结果表明：对于人体中的磁感应强度，成年人及儿童位于安检门正下方靠近线圈一侧时最大，出现在靠近门板一侧的胳膊处，分别为2.44 μT（成年人）和1.86 μT（儿童），为ICNIRP限值（27 μT）的9.04%和6.89%；对于中枢神经系统组织中的感应电场强度，成年人及儿童位于安检门靠近线圈一侧时最大，分布在靠近线圈一侧的头皮及颅骨处，分别为1.27 mV/m（成年人）和1.1 mV/m（儿童），为ICNIRP限值（874.8 mV/m）的0.15%和0.13%。仿真结果小于ICNIRP制定的公众暴露限值，说明安检门工作时发射线圈产生的电磁场对人体的电磁暴露不具有健康威胁。
电磁安检门 成年人模型 儿童模型 公众暴露 安全评估 Walking-through metal detectors Adult model Child model General exposure Safety assessment 辐射研究与辐射工艺学报
2022, 40(5): 050601
中国铁路设计集团有限公司电化电信院，天津 300308
针对被动式太赫兹安检系统因环境影响导致图像质量波动，从而影响识别算法，导致准确率大幅降低的问题，提出了基于 Focal-EIOU损失函数的改进 YOLOv4算法，并用被动式太赫兹人体安检图像对刀、枪违禁物品进行模型训练获得模型。建立不同环境、不同位置角度携带刀枪嫌疑物人员的太赫兹图像数据库，采用图像增广的方法构建丰富数据集；将 YOLOv4的 CIOU loss改进为 Focal-EIOU loss，提高算法对太赫兹图像识别的鲁棒性，进而经过训练获得较优的模型。在本文的测试集中，使用改进后的算法训练的模型平均检测精确度(mAP)达到 96.4%，检测速度在 28 ms左右，交并比(IOU)平均值为 0.95，在同等条件下高于常规算法，改善了检测识别的效果。实验结果表明，本文方法能够有效提高被动式太赫兹人体安检系统的嫌疑物识别准确率，有利于该项技术在人体安检领域的推广应用。
太赫兹成像 人体安检 目标识别 损失函数 terahertz imaging human security object identification loss function 太赫兹科学与电子信息学报
2022, 20(8): 810
YOLOv5（You only look once，v5）具有检测速度快、精度高的优点，被广泛应用于实时目标检测中。针对X光安检图像背景复杂、物体多尺度、相互重叠导致的错检、漏检问题，在YOLOv5s网络结构的基础上，通过改进注意力机制开发了新的特征融合策略，并提出了一种具有自适应特征融合策略与注意力机制的目标检测YOLOv5s-AFA网络。该网络在浅层引入扩大感受野模块与改进的空间注意力机制，在深层引入改进的通道注意力机制。新的特征融合策略可每次输出三个不同深度的特征图，通过自适应学习权重融合浅层空间信息与深层语义信息，使网络的学习更具针对性。在X光安检图像数据集上的目标检测结果表明，相比其他对比网络，YOLOv5s-AFA网络的错检率和漏检率有明显降低。
图像处理 深度学习 目标检测 X光安检图像 注意力模块 特征融合 激光与光电子学进展
2022, 59(16): 1610013
1 河北工业大学电子信息工程学院，天津 300401
2 河北工业大学机械工程学院，天津 300401
针对现有识别算法使用的数据集过于简单、对真实场景中安检图像危险品的识别准确率低且容易导致误检和漏检的问题，基于渗透假设的类平衡分层求精提出了一种结合多层通道注意力机制和空间注意力机制的算法。首先，在安检图像分层建模的基础上在特征图中加入通道注意力机制，对不同通道特征赋予不同的权重。然后，加入空间注意力机制，在空间上对安检图像特有的颜色特征赋予不同的权重。最后，利用残差网络在安检图像不同层分别加入双注意力机制进行消融实验。实验结果表明，对固定两层同时添加双注意力机制后，网络对安检危险品的识别精度有显著提高，验证了多层注意力机制算法的有效性和鲁棒性。
图像处理 安检图像 类平衡分层求精 通道注意力机制 空间注意力机制 多层 激光与光电子学进展
2022, 59(2): 0210011
中国民航大学电子信息与自动化学院, 天津 300300
针对安检X光图像中违禁品的自动检测一直存在困难,使用不同尺度的特征比例平衡模块、U型网络递归模块和残差边注意力模块构建EM2Det(Enhanced M2Det)模型,进一步提升M2Det模型的检测性能。首先考虑主干网络深层中的高语义信息和浅层中的细节特征信息,借鉴特征金字塔思想设计特征融合增强模块,加强模型对主干网络中不同尺度特征的提取能力;然后设计8个U型网络递归模块,增强其对基本特征不同水平、不同尺度的细节特征提取能力;接着使用CBAM(Convolutional Block Attention Module)构建残差边注意力模块,使其关注有效特征,抑制无用的背景干扰;最后在SIXray_OD数据集上对模型进行验证。实验结果表明,设计的各个模块均有不同程度的提升效果,EM2Det模型的平均精度比M2Det模型提升6.4个百分点。
图像处理 目标检测 安检X光图像 EM2Det模型 特征金字塔 多尺度 激光与光电子学进展
2021, 58(22): 2210002
1 河池学院 物理与机电工程学院 系统控制与信息处理重点实验室, 广西 宜州 546300
2 上海理工大学 光电信息与计算机工程学院 太赫兹技术研究院, 上海 200093
针对太赫兹人体安检仪对数据采集的精确性、实时性和同步性的要求, 分析了采集系统的幅度非均匀误差、时钟抖动和采样触发抖动问题, 提出了主动式太赫兹人体安检仪的采集系统结构。在确定采集系统时钟抖动允许范围下, 设计了一种高精度可编程延时的时钟树网络结构, 实现了七路同源、低抖动和相位一致的采样时钟、采样触发信号和同步时钟的输出。最后, 介绍了系统测试方案和测试结果。实验结果表明, 在相同的测试条件下, 采用时钟树机制的太赫兹人体安检采集系统在-40～40MHz频段内, 采集到的I、Q信号正交性良好、波形无畸变和幅值相等, 信号频谱的二次谐波均低于-40dB, 相比传统采集系统的谐波抑制至少减少10dB, 可用于太赫兹人体安检领域。
太赫兹 人体安检 时钟树 数据采集 时钟抖动 Terahertz human security inspection clock tree data acquisition clock jitter
中国民航大学天津市智能信号与图像处理重点实验室, 天津 300300
现有的目标检测算法检测X光安检图像中较小尺寸的危险品精度较低,为此提出一种多尺度特征融合检测网络,即MFFNet(Multi-scale Feature Fusion Network),其以SSD检测模型为基础并采用更深的特征提取网络,即ResNet-101。通过跳跃连接的方式将网络的高层语义丰富特征与低层边缘细节特征进行融合,为小尺度危险品的检测添加上下文信息,可以有效提升对小尺度目标的识别与定位精度。将融合得到的新特征层与SSD扩展卷积层一起送入检测。实验结果表明,MFFNet能够使X光安检图像中的危险品特别是较小尺寸的危险品,检测精度得到较大的提升,同时能够保持相对较快的检测速度,满足现代化安检的要求。
图像处理 特征融合 X光安检图像 危险品检测 激光与光电子学进展
2021, 58(8): 0810012
