基于AI报警技术的毫米波人体安检仪介绍

为平衡检查效果与检查效率的关系,ATR算法需要进行分档,如果需要进行非常细致的检查的时候,可以选择一种检出率很高的算法,如果不用细致检查的时候,可以选择一个误报比较低的算法。

  随着科技的进步,全球目前面临的恐怖威胁也在逐渐升级,新型违禁品层出不穷,各个国家均被迫进入反恐常态化的深水区以及全新安检技术的研发和部署窗口期,人体安检技术的替换需求日渐强烈。现在市场上仍然普遍采用金属探测门结合触摸式人工搜身的方法进行人员检查,这种方法虽操作简便,但可探测的违禁品种类少(仅限金属),且无法对隐私位置全面检查。而如何借助先进的技术手段进而高效、文明地发现人身隐匿的危爆物品,成为公共安全领域的重大需求。例如,当一名犯罪嫌疑人除去身上所有的金属物品,并在外套下捆绑了爆炸背心,装配了一把超过20厘米长的陶瓷刀,亦或者携带一瓶易于隐藏的腐蚀性化学液体或毒气,当这名嫌疑人员通过金属探测门时,是无法进行报警的。而在大部分安检场合下,如果金属门不进行报警,安检人员是不会对嫌疑人进行搜身的。换句话说,只要略懂金属探测门的工作原理,在大部分配备了该类技术结合手检搜查的安检场所,任何非金属的违禁物品都可以随心所欲的带进带出。

基于AI报警技术的毫米波人体安检仪介绍
  此外,人工搜身的方法过多地靠安检搜查人员的业务水平和责任心,且让安检员直接接触被检人,使得安检人员时刻暴露在潜在的暴恐突发风险之下。以全球安防投入成本最高的民航安检为例,2018年客流量排名全球前三十的机场,几乎全部都在针对旅客安检技术进行更新换代,如美国机场已全线批量部署了新型人体安检仪;中国、欧洲各国、土耳其、印度、马来西亚等大型国际机场也将在未来3~5年内全部完成新产品的替换,仅排名前三十的机场的毫米波人体安检仪需求量估计就在上亿美元量级。
  2018年6月,我国民航局颁布了《民用航空毫米波人体成像安全检查设备鉴定内控标准》及《民用航空毫米波人体成像安全检查设备违禁物品探测能力测试程序》,正式将毫米波人体成像设备纳入中国民航安检设备清单。中国也由此成为亚洲第一个、全球第三个独立颁布毫米波成像技术标准的国家。未来毫米波人体成像设备将逐步取代民用机场沿用26年之久的金属探测门。
  综上所述,因为毫米波成像设备能够依靠其无需接触被检人员,即可快速高效的形成清晰的安检图像这一优势,成为了近年来人体安检领域的重要技术手段和发展趋势,是国际上学术探索和科学研究的前沿热点之一,各国也均在安检领域大力开展相关技术和设备的研发和应用,拥有广阔的市场前景。这种新型安检方式将改变传统“只查金属+全面的人工搜身”的人体安检模式,一步跨越到“全面查验+自动报警辅助搜身”的人体安检2.0时代。
  通过以上可以看出毫米波安检仪是通过获得一张被检人员的扫描图像而完成检查的扫描成像类技术。但因其过高的扫描图像清晰度,往往导致被检查人员的身体隐私暴露在安检过程中。因此毫米波人体安检仪往往会融合基于人工智能技术(以下简称“AI”)的嫌疑物报警(以下简称“ATR”)功能以达到自动报警、保护隐私、节省判图人力成本的目的。
  近年来,AI技术的一个重要进展就是深度学习算法,与传统的机器学习算法相比,深度学习使用深层的神经网络取代了人工提取图像特征的过程,在图像识别相关的多个领域都取得了很好的应用效果,市场上几乎所有毫米波人体安检仪均采用了深度学习技术来实现嫌疑物自动报警。当然,为了使用更大更深的神经网络进行嫌疑物报警训练,需要大量的数据,所以要使用先进的ATR算法,首先要解决的就是如何获得大量嫌疑物图像样本的问题。当前的普遍做法是采集很多种类违禁品嫌疑物的图像信息,针对不同人在各种不同部位携带各种不同的物品获得大量的数据,并通过一些手段进行数据生成和增广,然后把这些数据应用在很深的神经网络上进行训练。随着数据量的增大和网络模型的优化就可以持续提高毫米波成像仪的嫌疑物报警准确率。
  这里说的“准确率”有两个含义:即“检出率”高的同时,“误报率”还要低。也就是说ATR算法的提升应该是提升检出率的同时降低误报率,这才是更好的算法。所以,ATR算法确定以后,需要平衡检出率与误报率的关系,也就是检查效果与检查效率之间的关系。如果对每个人都检查得非常细致非常严的话,检查效果更好,但检查效率会降低。这个平衡往往不仅需要依靠ATR技术手段的突破来实现,当ATR技术已经发展到一定程度的时候也需要通过对毫米波图像质量的优化,来平衡检查效果和检查效率。
  为平衡检查效果与检查效率的关系,ATR算法需要进行分档,如果需要进行非常细致的检查的时候,可以选择一种检出率很高的算法,如果不用细致检查的时候,可以选择一个误报比较低的算法。通过这种动态调整的方式来实现检查效果与检查效率的平衡。当然,这需要融合多元化的信息,如被检员身份信息、历史记录、行李信息、同行人信息等等,对待检人需要进行检查的严格程度进行分档,随后就可以动态地调整设备进行图像识别时的灵敏度,从而达到平衡检查效果和检查效率的目的。

该文观点仅代表作者,本站仅提供信息存储空间服务,转载请注明出处。若需了解详细的安防行业方案,或有其它建议反馈,欢迎联系我们

(0)

相关推荐

  • 人工智能深度学习技术赋能金融科技创新

    深度学习在这些复杂模型在其他领域所表现出的优异结果,以及在金融建模领域的巨大差距,将会有一系列的创新涌现。可以更好地解决金融和贸易领域的关键问题,将会提高效率、提高透明度、加强风险管理和新的创新,其中最大的优势之一就是可以大幅减少人工参与的特征工程去"拟合"训练数据。

    2026年3月24日
  • 百度牵头20余单位共同制定《人工智能知识产权合作倡议》

    近日百度牵头联合国际商会中国国家委员会(ICC China)人工智能工作组20多家成员单位京东、海尔、浪潮等共同制定了《人工智能知识产权合作倡议》,并由国际商会中国国家委员会正式向社会各界发出倡议。

    2026年3月24日
  • 大华在人工智能领域的技术优势及拓展

    大华股份近些年深入研究视图萃取技术,视图萃取技术实现对海量视图的实时结构化提取,对人、车、物识别分离,提取有效结构化数据,并对视图中的车、人脸进行深度结构化处理,实时感知城市中的高危人员和车辆。其不仅可以对实时监控视图做结构化与应用,还可对历史视图做结构化归档与应用。

    2026年3月24日
  • 安防技术在无人驾驶中的应用

    在无人驾驶车上安装远程监控系统,可以实时跟踪无人驾驶车辆的动态,并在有紧急状况的条件下,对无人驾驶车辆进行实时操控,避免发生意外,从而达到安全运行的目的。无人驾驶车辆的远程监控系统的原理是无人驾驶车辆通过环境感知技术将周围的信息通过无线网络上传到监控终端,监控终端的操作人员通过下达控制命令,最终控制无人驾驶车的转向和速度。

    2026年3月24日
  • 人脸识别技术流程、分析算法及重要技术发展

    人脸识别系统的研究始于20世纪60年代,80年代后随着计算机技术和光学成像技术的发展得到提高,而真正进入初级的应用阶段则在90年后期;最近几年随着以深度学习为主的人工智能技术进步,人脸识别技术得到了迅猛的发展。“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术,是综合性比较强的系统工程技术。

    2026年3月24日
  • 让内存干CPU的活儿 这项技术将芯片运行速度提升百倍

    研究人员推出了一款新型计算机芯片,其运行速度是传统芯片的百倍。这到底是什么?它为何能显著提高芯片性能?科技日报记者就此采访了相关专家。

    2026年3月23日