违禁品安检技术现状与展望综述

2022-10-12 09:11钟健甘玉凤高向东
传感器世界 2022年7期
关键词:X光光谱金属

钟健 甘玉凤 高向东

江西理工大学机电工程学院,江西赣州 341000

0 前言

随着人类活动范围的扩大和流动性的增加,公共安全面临的挑战越来越严峻。保障公共安全成为衡量各国政府和国家的社会治理能力的标准。安检可有效预防公共事件的突发。本文对金属探测、毫米波检测、太赫兹检测和X光检测等4种主流安检手段进行阐述,分析各自技术的优劣并介绍相关研究进展,总结现有不足并展望未来发展趋势。

1 金属探测技术

金属探测器是依据涡流效应原理,当仪器靠近金属时,线圈感应出涡流,产生新磁场并影响原磁场,从而引发报警器报警,根据声音判断是否有金属物。

金属探测器分手持式和过道式。手持式金属探测器成本低,小巧便捷,易操作,对人体无害;缺点是只能检测金属,且易受干扰,效率低,需人工手检。周游宇等人[1]基于STC89C52RC单片机设计了可调节灵敏度、可人机交互的智能金属探测器。LAIDLAW JAMES等人[2]研究对比了手持式金属探测器(HHMD)的连续波检测(CWD)和静态磁极装置的磁异常检测(MAD),发现MAD的极点搜索时间短于CWD,检测效果显著优于CWD。MATSUSHIMA S等人[3]开发了可由操作员远程操作的、具有金属探测器的人形机器人,能将探测器摆动到离嫌疑人衣服表面很短的距离,并检查衣服下隐藏的金属物体。

过道式金属安检门稳定性强,安装简单,灵敏度高,对人体无害;缺点是只能检测金属,无法定位物品,误漏报问题较多,一定程度上需人工手检。郑海东等人[4]开发了基于PLC+PC的自动安检门测试系统,该系统有良好检测能力,可减少任务量和提高检测性能。为弥补金属安检门无法准确区分危险品和无害物品的不足,MAKKONEN J等人[5]研究了KNN(K-Nearest Neighbor)分类器在多大程度上可以区分各种金属物体,如刀具、鞋柄、皮带和容器。分类器使用从磁极化率张量中提取的特征,该张量表示物体的电磁特性,测试包括区分有威胁的物体和无害的物体。结果显示,识别威胁的典型成功率超过 95%,正确分类的成功率超过 85%,并已证明该系统能够可靠区分相似的对象。

2 毫米波探测

毫米波(Millimeter Wave,MMW)为频率30 GHz~300 GHz的电磁波,可穿透衣物探测金属和爆炸物等。其成像分主动和被动,两者均有毫米波接收器,主动成像并有合适的辐射源。毫米波图像目标检测方法有两大类:图像阈值方法和机器学习方法。图像阈值方法大多是用图像灰度直方图确定分割阈值,根据阈值提取目标物并分类,近年有最大类间阈值法[6]和模糊C均值阈值法等。机器学习包括传统机器学习和深度学习[7]。深度学习是传统机器学习的深入研究,从卷积神经网络(Convolutional Neural Network,CNN)[8]开始,衍生出深度神经网络以及YOLOv3[9]等模型并用于图像目标检测。

2.1 主动毫米波成像

主动毫米波(Active Millimeter Wave,AMMW)成像是对人体进行主动扫描,借助反射的毫米波生成相应毫米级的人体轮廓图像,可发现金属与毒品等。AMMW成像为毫米级分辨率,成像效果好,灵敏度高,图像信息丰富;缺点是显示人体生理特征,只能静态检测和有一定的辐射。

夏祖学等人[10]在单极化的基础上提出了双极化毫米波成像方法;XUN L等人[11]则利用矢量网络分析仪搭建多极化3D毫米波成像系统用于隐蔽武器检测。对于近场AMMW成像,师君等人[12]对比热图检测和YOLO(You Only Look Once)检测,结果表明YOLO方法更适合实时性较高场合;对于性别隐私保护,周健等人[13]根据灰度值提取局域直方图,采用多特征、多权值方法自动快速识别男女性,为保护隐私作局部图像处理,但仍有少许隐私困扰。

学者们还研究深度学习在AMMW图像的目标检测识别。LU SH B等人[14]在TensorFlow框架下采用目标检测API并对Ka波段成像结果校正,用CNN对目标检测识别,解决了图像分层问题,系统分辨率接近5 mm;WANG C J等人[15]通过穷举滑动窗口将图像从一个CNN确定垂直位置到另一个CNN确定水平位置,完成对图像搜索检测。

2.2 被动毫米波成像

被动毫米波(Passive Millimeter Wave,PMMW)成像是通过被动检测来自场景和目标的自然毫米波辐射并生成图像,可检测金属和爆炸物等。其优势在于动静态检测模式、无辐射、无隐私侵犯、高成像速度和非接触式等;劣势是厘米级分辨率、图像质量差和受环境限制。

CHENG Y Y等人[16]通过多极化亮温模型研究人与隐蔽物的偏振差,计算两者的亮度温差,引入噪声,减少入射角水平偏振差,融合多偏振图像转换,得到完全垂直极化图像,结果表明,人和隐匿物的对比度得到增强。图像边缘是检测识别的重要特征,PMMW图像存在边缘特征不连续问题,CHENG Y Y等人[17]通过研究融合多极化信息的物理边缘生成方法,用可调线性偏振比建立人和接收源的偏振亮温模型,通过偏振成像、图像去噪插值、完全极化转化、计算可调线性偏振比和边缘标定6个步骤能很好地显示目标边缘,但实际应用中会受到测量误差、皮肤影响等因素干扰。

深度学习在PMMW图像的目标检测识别亦是研究热点。为解决PMMW图像质量低,双手叉腰等特殊姿势可能出现误报现象,GUO L等人[18]手动标注PMMW图像和可见光图像(Visible Image, VI),用深度神经网络分割人体轮廓,训练得到清晰的人体边界,利用PMMW图像和VI之间的精确区域配准消除误报,提升隐蔽区检测性能;缺点是VI会增加成本和提高算法复杂度,同时指出,AMMW图像和VI的互补结合亦值得探索。LOPEZ-TAPIA S 等人[19]用CNN-DL分类器检测和定位隐匿物,深度架构处理非平稳噪声,提高检测性能,解决图像质量低和隐匿物的大小、形状与位置等未知问题。

3 太赫兹探测

太赫兹(Terahertz,THz)为频率0.1 THz~10 THz的电磁波,具有强穿透性、低辐射、可保护隐私的特点,固而使得THz技术在检测危险品方面有良好的应用前景。THz技术包括THz成像和THz光谱,根据是否有辐射源,分主动和被动成像。

3.1 THz光谱技术

THz光谱依据不同物质在THz波段的光谱信息来检测识别物质并分类,具有物质“指纹谱”。毒品在THz波段有特征吸收现象,HE T等人[20]通过实验,用THz光谱获得38种高纯度毒品的光谱信息,用密度泛函理论分析信息,用部分光透过模型消除干涉峰并考虑包装对光谱干扰,比较R平方值、空间图样法和自组织映射神经网络对毒品的定性识别,可知R平方值法效果最好;同时比较R平方值、支持向量机(SVM)和反向传播、径向基2种神经网络对毒品的定量识别,结果4种方法效果都不理想。

THz光谱技术亦可实现对液体的检测。WANG C等人[21]用THz光谱技术建立5种类型液体和7种乙醇浓度的光谱信息,对处理后得到的特征光谱,用CNN进行检测分类,结果表明,在高信噪比的情况下有100%准确率,即使在低信噪比的情况下,准确率也达97.14%,这对液体的检测研究开辟了新思路。

爆炸物的吸收光谱有特异性,故用THz光谱可检测爆炸物。SONG X Y等人[22]用密度泛函理论揭示了5,5'-联四唑-1,1'-二氧二羟铵(TKX-50)的THz光谱特征,为THz光谱技术对它的检测识别提供理论支撑。

THz光谱技术对其他违禁品(有毒气体[23]和有毒药物[24]等)和特定对象(邮件隐匿物[25])的检测识别同样应用广泛。

3.2 主动式太赫兹成像

主动式THz成像是由辐射源向人或物照射THz波,接收反射回来的信号进行成像,特点是毫米级分辨率、图像清晰,但系统硬件复杂、价格贵。

为提高THz独立检测人体和其他危险品的有效性,ZHANG J S等人[26]先将大量主动THz图像标记并分类,考虑光学图像影响,通过迁移学习训练数据,用改进的Faster R-CNN检测识别目标并定位,解决人和物的相互冲突;同时分别用区域全卷积网络、SSD(Single Shot Multi Box Detector)、Faster R-CNN和 YOLOv2训练数据集,将测试结果和改进的Faster R-CNN作对比,结果表明,改进的Faster R-CNN在有效性和效率方面的表现更优越。薛飞等人[27]基于条件生成对抗网络分割目标,RetinaNet算法检测识别目标,实现较快速度对多类别物体的分割和检测识别,并对比RetinaNet、YOLOv3和FRCN-OHEM三者算法,结果表明,RetinaNet算法对多目标的检测更优越。

3.3 被动式太赫兹成像

被动式THz成像是探测器聚焦并接收人或物发出的THz辐射来进行成像,特点是可靠性和稳定性高,无辐射,图像重构时间少,成本相对便宜,但图像质量差,信噪比低,分辨率为厘米级。

THz被动成像有独到的长处,实用性强于主动式,但仍有劣势,为进一步增强成像和提升安检效果,近几年众学者对其研究取得了迅猛的发展。KOWALSKI M[28]采用250 GHz频率探测各类衣服下的隐匿物,分别用YOLO3和R-FCN对THz图像进行自动检测分类,测试表明,R-FCN的表现优胜于YOLO3。陶长剑等人[29]互补主、被动式THz的优势,研究两者结合式的安检机,在更苛刻、更复杂环境下具有优越的检测性能,但图像融合技术尚未成熟,还需深入研究。考虑成本因素和实用性,冯辉等人[30]设计单探测器被动THz成像系统,将扫描得到的图像经过图像重构、图像拼接、图像预处理、增加清晰度、伪彩色处理、提取边缘线和自动标记目标7个步骤来检测人体衣物下的物品,达到快速检测和减少成本;最后增加THz频率提高分辨率,增加探测器提升速度以及用某种神经网络提高自动标记准确率。为在较远距离依然有较高分辨率,缪玮杰等人[31]研究焦平面被动式THz成像系统,在110 GHz频段下对6米远的行人进行探测,分辨率达2.5 cm,可远距离高分辨率成像。

THz技术在安检领域前景光明,但各种干扰对THz图像的分割和检测识别仍有较大影响,存在成像质量差、分辨率低导致检测识别效果不佳问题。在图像目标分割方面,当前研究了灰度特征[32]和深度学习的Mask-CGANs模型[33]。对于提高THz图像分辨率,研究了双阈值canny均衡化算法[34]和加深网络结构改进残差结构的CNN超分辨率重构算法[35]。为增加检测识别效果,研究了改进的Faster R-CNN算法[36]和对数模型的自适应算法[37]。

4 X射线探测

X射线是一种位于紫外线和γ射线之间的电磁波,1895年由伦琴发现。X射线具有穿透和吸收作用,穿透物质的同时被物质吸收,广泛用于医疗、法医尸检和安检等领域。X光成像分单能X光成像、双能X光成像、多视角X光成像、X光背散射成像、能量色散X射线衍射等。

管制刀具是X光安检的重要目标,检测还需人工识别图像,易因人为因素漏检管制刀具小目标。郭瑞鸿等人[38]用角度旋转增加训练样本后人工标注分类,对ResNet34网络后3层作卷积,形成低层网络替换SSD的VGG16网络,构建SSD-ResNet3模型后对网络部分扩展层作反卷积,形成高层网络,通过跳跃连接进行高低层网络的多尺度特征融合;将改进模型与MFDSSD(Multi-scale Fusion Deconvolutional Single Shot Detector)、SSD、DSSD(Deconvolutional Single Shot Detector)对比,改进算法的鲁棒性和精度要优于其余三者,提高对管制刀具小目标的安检效果。

液体对于安检有极大的挑战,X光是常用检测方法。YANG D等人[39]研究了将能量色散X射线衍射(Energy Dispersive X-ray Diffraction,EDXRD)结合线性判别分析和主成分分析对液体进行检测分类的方法,随后研究了将EDXRD结合光谱分离算法对液体进行筛选的方法[40]。

X光能无损、准确检测出隐匿在人体行李或包裹中的毒品和炸药。HUANG S L等人[41]用Geant4工具包建立模型,背向散射和X光透射分别照射不同遮掩物下的毒品和炸药,测试表明,背向散射的对比度高于透射成像,适合检测隐匿在行李中或人体衣服下的毒品和炸药,较易分辨面粉这种无定形状物质。SONG Q H等人[42]通过EDXRD扫描毒品等物质得到衍射光谱,用光谱角度填图法、相关系数和主成分分析的综合算法识别衍射光谱,可准确检测出被遮挡的毒品;同时,对无固定形状的粉末物质可调整算法权重,利用有效阈值来分辨。

5 检测技术对比

表1是各种违禁品检测技术的总结对比,对相关检测技术的优点、缺点、检测类别进行了分析和归纳。

除了现代艺术,我们还能在柏林见到来自世界各地的古代艺术品。柏林市中心的一个岛上布满了博物馆,俗称博物馆岛。在这里,古代埃及文明和古代东方文明只有几步之遥,老博物馆、老国家艺术画廊、博德博物馆、新博物馆和佩加蒙博物馆等如同一部部时空机器,带领我们开启一场惊心动魄的文化艺术之旅。

表1 违禁品检测技术对比

6 总结和展望

各种安检技术有各自的特点,都能较好地实现违禁品的检测与识别,但繁重的工作量和多样的物品种类使安检技术面临诸多挑战。自动和高效安检是研究热点,深度学习在安检图像的应用处于发展阶段,但模型改进对安检实时性、检测精度等都有显著提高。本文分析了金属探测、毫米波、太赫兹和X光检测技术在安检领域的发展,总结了各自的优缺点。

(1)检测技术互补化

法律定义的违禁品种类繁多,检测技术各有千秋,但也分别存在劣势,无法检测出万千类别的物品或各种复杂情况下的物品。针对不同检测要求,融合多种技术,互补其优缺点,在一定程度上可增加检测性能和检测类别。例如双能X光结合EDXRD方案,可快速检测和精确识别违禁品。集各种检测技术的有效融合是一个热门方向,能快速、准确检测出更多类别的危险品和增强环境适应性。

(2)网络集成化

传统安检是每台设备都配有安检员,且相互独立,高峰时段存在人员不足、任务繁重的困难,平低峰时段出现工作量少、人员浪费情况。对于安全与效率的矛盾,在安检技术不变下,可结合云技术和大数据等将独立安检机转向网络化,做到实时、远程和集中判别,减少人员,提高效率。合理的安检新模式可减员增效,对地铁等场合是可研究的热点。

(3)探索更先进的安检技术

(4)深度学习与安检图像

目前,深度学习在安检图像的研究中取得了突出成果,但大多是较少数据集和少量物品类别的研究,与真实场景难以相比,模型部署到真实现场仍有诸多难题需解决。X光、毫米波及THz图像和可见光图像存在不小的区别,如何依据图像特点有针对性地改进模型和研究特征提取算法,还需深入探索。

猜你喜欢
X光光谱金属
基于三维Saab变换的高光谱图像压缩方法
基于3D-CNN的高光谱遥感图像分类算法
记忆X光机(下)
记忆X光机(上)
仿生武器大揭秘
薄膜光伏组件在不同光谱分布下的测试差异
X光眼镜的神秘历史
工业金属Ⅱ个股表现
金属美甲
苦味酸与牛血清蛋白相互作用的光谱研究