采用深度卷积神经网络方法的毫米波图像目标检测

来源：电讯技术杂志2019年第10期北京时间：

作者：陈国平,程秋菊,黄超意,周围,王璐

单位：(重庆邮电大学 光电工程学院，重庆 400065)

摘要：通过收集大量的毫米波图像并建立相应的人体数据集进行检测，提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品。该方法将区域建议网络和VGG19训练卷积神经网络模型相结合，构建了面向毫米波图像目标检测的深度卷积神经网络。为了提高毫米波图像的处理能力，采用Caffe深度学习框架在图形处理单元上进行训练和测试。实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品，并且目标检测的平均准确率约94%，检测速度约为6 frame/s，对毫米波安检系统的智能化发展有着极其重要的参考价值。

关键词：安全检查；毫米波图像；目标检测；深度卷积神经网络；Faster R-CNN；

基金资助：电子科学与技术重庆市大数据智能化类特色专业建设项目（ZNTSZY-4）