基于卷积神经网络的毫米波图像目标检测

程秋菊, 陈国平, 王 璐, 管 春

(重庆邮电大学光电工程学院，重庆 400065)

近年来，机场和车站等重要公共场所的安全问题变得越来越重要。传统的检测手段存在许多的缺点，比如金属探测器虽然能够探测金属目标的存在，但是不能区分该金属物品的名称；X射线成像系统虽然可以穿透衣物检测到隐藏的图像物品，但是它们的辐射非常高，对人体有害。然而，毫米波成像技术既可以穿透衣物来有效检测人体身上的隐匿物品，又不会对人体产生健康危害[1-4]。因此，毫米波成像系统是目前应用最广泛、安全的安检手段。由于毫米波图像因其特殊的成像效果，通常包含了光线暗淡、噪声干扰大、分辨率低等检测问题，所以针对毫米波图像的目标检测研究具有极其重要的现实意义。

传统的目标检测方法[5-9]一般通过人工提取特征之后使用特征分类器来实现图像的目标检测。该类目标检测方法的步骤一般可归纳为如下三步：①在图像中利用尺度大小不同的滑动窗口进行遍历，通过匹配度的计算后，根据阈值判断来选取粗略的目标候选区域;②利用经典的特征提取器从目标候选区域中提取特征，例如，方向梯度直方图(histogram of oriented gradient, HOG)、局部二值模式(local binary patterns，LBP)、尺度不变特征变换(scale-invariant feature transform，SIFT)等;③将得到的特征输入训练好的特征分类器中，例如支持向量机(support vector machine，SVM)，从而识别目标的类别。然而，传统的目标检测方法存在着非常大的局限性，具有较差的泛化能力。因为当图像的背景较为复杂时，该类目标检测方法的检测效率会明显降低，导致检测性能变得非常差。……