技术摘要：
本发明提供了基于毫米波雷达的安检图像获取方法，对原始图像进行有无人识别，然后对有人图像进行去噪处理，并基于灰度直方图统计得到灰度阈值，基于灰度阈值对图像进行归一化处理，通过前期训练的模型获得图像的清晰度，从而得到成像质量；本发明还提供了基于毫米波雷  全部
背景技术：
近年来，毫米波雷达成像技术越来越多的应用到公共场所的安检设备中，随着对 安检通行效率和准确度的要求越来越高，而毫米波成像的质量直接影响安检效率，目前主 要使用自动检测技术对符合质量要求的图像自动检测是否包括违禁物品，这就要求传输给 系统的图像是符合要求的，毫米波成像的质量评估成为亟待解决的问题。 由于毫米波回波数据极差大，分布广，现有技术在将其转换为图像的时候，极易造 成图像对比度差。图像清晰度是毫米波设备数据质量的一个重要评价因素，当前存在的方 法主要是手工设计诸如SIFT等描述子作为清晰度评价特征，利用SVM进行清晰度判别，但是 这些描述子极易受到噪声的影响，难以快速、有效对模糊图像进行剔除报警。 目标的姿态也决定着数据质量，当前姿态评估方法主要分为两种：第一种是基于 传统算法提取HOG特征，然后训练SVM进行评估，但是该方法需要大量数据，且准确性较低； 另一种方法是基于深度学习，如Open-Pose网络，但该网络需要对人体大量位置标定特征 点，工作量巨大，网络庞大，影响运行效率。
技术实现要素：
本发明所要解决的技术问题在于提供一种能够快速的对毫米波图像进行处理并 判断图像质量是否符合要求，从而得到符合要求的安检图像的方法。 本发明是通过以下技术方案解决上述技术问题的：基于毫米波雷达的安检图像获 取方法包括 步骤A：在线获取毫米波雷达扫描得到的目标图像的原始数据； 步骤B：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示信息，如 果有人则跳转步骤C； 步骤C：对有人图像进行预处理，形成灰度图； 所述预处理包括： 步骤i：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行平滑处 理后映射到原始数据中进行去噪； 步骤ii：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰度阈值的 灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到所述灰度图； 步骤D：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输出表征图像 质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清晰度大于预 设阈值，则得到符合要求的安检图像。 优选的，步骤B所述的判断目标图像是否有人的方法为：离线调取一定数量的有人 4 CN 111553310 A 说　明　书 2/5 页 图像和无人图像统计图像中所有像素点的灰度值并求和，基于统计值确定无人图像的灰度 值和的阈值Tp，计算得到当前目标图像的灰度值和Tall，如果Tall≤Tp，则当前扫描区域无人， 系统发出无人提示信息，如果Tall＞Tp，则当前扫描区域有人。 优选的，步骤i所述的对人体掩膜平滑处理的方法为基于腐蚀膨胀算法处理人体 掩膜，将膨胀后的人体掩膜映射到原始数据中，保留膨胀后的人体掩膜区域内的原始数据， 去除其他噪声。 优选的，步骤ii中对去噪后的原始数据进行灰度直方图统计，将占比超过P％的灰 度值设置为灰度阈值Th，更新像素点的灰度值Tdata，方法为 即将灰度值大于灰度阈值Th的像素点灰度值置为Th； 然后对数据进行归一化处理，方法为 其中，Tmax和Tmin分别表示像素点灰度值的最大值和最小值。 优选的，步骤D中使用的二分类卷积神经网络分类器的训练方法为：收集经过步骤 A-C处理后的清晰图像和模糊图像构建训练集，训练集内清晰图像的数量大于模糊图像的 数量，将训练集输入卷积神经网络中，经过五折交叉验证并调整模型参数，得到所述二分类 卷积神经网络分类器。 优选的，还包括基于头手相对位置判定清晰图像内的被检测者姿态是否正确的步 骤，以及对符合要求的图像中被检测者的头部增加马赛克处理的步骤。 优选的，所述判断被检测者姿态是否正确的方法包括以下步骤： 步骤I：收集一定数量的清晰图像，标记图像中的头部和手部位置，得到训练集； 步骤II：将训练集输入到检测网络中进行训练，得到头手位置检测模型； 步骤III：将步骤D中得到的清晰图像输入到头手位置检测模型中，得到图像中的 头手位置及中心点坐标；如果识别结果为一个头、两只手，且中心点坐标满足|yhand1-yhead| ＞X，|yhand2-yhead|＞X，|yhand1-yhand2|＜Y，S＜|xhand1-xhand2|＜T，则姿态符合要求，否则姿态 不符合要求，系统发出姿态错误的提示； 其中，两只手和头部的中心点坐标分别为(xhand1 ,yhand1)，(xhand2 ,yhand2)，(xhead , yhead)；X，Y，S，T为距离阈值。 本发明还提供了基于毫米波雷达的安检图像获取系统，包括 图像采集模块：在线获取毫米波雷达扫描得到的目标图像的原始数据； 人体识别模块：基于灰度值和判定目标图像是否有人，如果无人则发出无人提示 信息，如果有人则传送到下一模块； 去噪处理模块：针对有人图像提取高N位原始数据制作人体掩膜，对人体掩膜进行 平滑处理后映射到原始数据中进行去噪； 归一化处理模块：对去噪后的数据基于灰度直方图统计确定灰度阈值，将大于灰 度阈值的灰度数值赋值为灰度阈值，对赋值后的数据进行归一化处理，得到灰度图； 5 CN 111553310 A 说　明　书 3/5 页 清晰度识别模块：将灰度图输入到训练得到的二分类卷积神经网络分类器中，输 出表征图像质量的清晰度，如果清晰度小于预设阈值，则给出重新获取图像的提示；如果清 晰度大于预设阈值，则得到符合要求的安检图像。 优选的，还包括判断清晰图像内的被检测者姿态是否正确的姿态检测模块和对符 合要求的图像中被检测者的头部增加马赛克处理隐私保护模块。 本发明还提供了一种使用所述基于毫米波雷达的安检图像获取方法的安检设备。 本发明提供的基于毫米波雷达的安检图像获取方法、系统及安检设备的优点在 于：基于原始图像的灰度值和判断是否有人，运算规则简单，算法响应速度快，准确度高；选 择高N位数据对原始数据进行去噪，保持数据完整性的情况下，有效的去除噪声；基于灰度 直方图统计确定灰度阈值，提高图像的对比度，方便后续的图像处理和识别；通过对卷积神 经网络进行训练识别图像的清晰度，与使用SVM分类器的现有技术相比，算法复杂度显著降 低，结果更加准确高效，减轻了人工提取特征的困难；基于头手位置监测识别人体姿态是否 符合要求，识别规则简单，算法运行速度快，结果准确，且能够直接确定修正方向，使用方 便；并对最终成像结果马赛克处理，注重用户隐私。 附图说明 图1为本发明的实施例提供的基于毫米波雷达的安检图像获取方法的流程图； 图2为本发明的实施例提供的有人情况和无人情况的图像对比； 图3为本发明的实施例提供的去噪过程图像状态变化情况； 图4为本发明的实施例提供的清晰图像和模糊图像的示意图； 图5为本发明的实施例提供的头手检测的示意图； 图6为本发明的实施例提供的最终马赛克处理后的清晰图像结果。