(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221021940 3.X (22)申请日 2022.03.08 (71)申请人 博微太赫兹信息科技有限公司 地址 231283 安徽省合肥市高新区香 樟大 道199号机载集成中心 (72)发明人 余开　柳桃荣　李诚　涂昊　 刘泽鑫　 (74)专利代理 机构 合肥昊晟德专利代理事务所 (普通合伙) 3415 3 专利代理师 何梓秋 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种毫米波图像目标检测方法及系统 (57)摘要 本发明公开了一种毫米波图像目标检测方 法及系统， 属于主动式毫米波图像处理技术领 域， 包括以下步骤： S1： 标注主动式毫米波图像； S2： 训练语义分割模型； S3： 训练目标检测模型； S4： 对实时图片进行目标检测并增强显示。 本发 明利用基于深度学习的语义分割模型对原始图 像进行分割， 并将分割之后的图像与原始图像同 时送入基于深度学习的目标检测模型中进行训 练， 从而提高目标检测的检出率， 降低虚警概率， 值得被推广使用。 权利要求书2页 说明书5页 附图3页 CN 114581950 A 2022.06.03 CN 114581950 A 1.一种毫米波图像目标检测方法， 其特 征在于， 包括以下步骤： S1： 标注主动式毫米波图像 对主动式毫米波图像中进行标注， 标注分为两种， 分别为语义分割标注与目标检测标 注， 其中语义分割 标注出前景区域、 背景区域以及目标区域， 得到分类标签图像， 前景区域 包括人体区域， 不包含目标区域部分， 背景区域包括人体以外的区域以及人身体周围的杂 波部分； 目标检测标注按照矩形框的形式， 标注出目标矩形框以及人体矩形框， 得到用于目 标检测使用的标签图像； S2： 训练语义分割模型 利用语义分割标注得到像素级分类标签， 训练语义分割深度学习模型， 观察训练集和 验证集损失， 达 到训练停止条件后， 完成训练， 得到语义分割模型； S3： 训练目标检测模型 输入原始图像以及经过语义分割的像素级分类标签图像， 采用目标检测深度 学习模型 进行训练， 观察训练集和验证集损失， 达 到训练停止条件后， 完成训练， 得到目标检测模型； S4： 对实时图片进行目标检测并增强显示 将主动式毫米波实时图像先通过语义分割 模型进行分割， 图像分割之后的图片以及原 始图片都输入进行目标检测模型中， 得到最终像素预测结果， 再将预测结果的矩形框叠加 到主动式毫米波图像中， 实现对主动式毫米波图像的目标检测。 2.根据权利要求1所述的一种毫米波图像目标检测方法， 其特征在于： 所述主动式毫米 波图像为灰度图像。 3.根据权利要求2所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S1 中， 语义分割标注得到的像素级分类标签存在0、 1以及2三类值， 其中0代表背景、 1代表人 体、 2代表目标。 4.根据权利要求3所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S1 中， 目标检测标注得到的标签图像存在0、 1以及2三类值， 其中0代表人体， 1代表目标框， 2代 表其他物体。 5.根据权利要求1所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S2 中， 语义分割深度学习模型采用基于U型网络的语义分割模型。 6.根据权利要求1所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S3 中， 目标检测深度学习模型采用基于改进yo lo系列的目标检测模型。 7.根据权利要求4所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S3 中， 通过语义分割后的分类标签图像训练指示原始图片， 完成对人体、 背景以及目标的区 分。 8.根据权利要求7所述的一种毫米波图像目标检测方法， 其特征在于： 在所述步骤S4 中， 语义分割模型输出的分类概 率值乘以原 始图像像素值， 得到 显示图像 像素值。 9.一种毫米波图像目标检测系统， 其特征在于， 采用 如权利要求1～8任一项所述的目 标检测方法对主动式毫米波图像进行目标检测， 包括： 标注模块， 用于对主动式毫米波图像 中进行标注， 标注分为两种， 分别为语义分割标注 与目标检测标注， 其中语义分割标注出前景区域、 背 景区域以及目标区域， 得到 分类标签图 像， 前景区域包括人体区域， 不包含目标区域部分， 背 景区域包括人体以外的区域以及人身权　利　要　求　书 1/2 页 2 CN 114581950 A 2体周围的杂波部 分； 目标检测标注按照矩形框的形式， 标注出目标矩形框以及人体矩形框， 得到用于目标检测使用的标签图像； 语义分割模型训练模块， 用于利用语义分割标注得到像素级分类标签， 训练语义分割 深度学习模型， 观察训练集和验证集损失， 达到训练停止条件后， 完成训练， 得到语义分割 模型； 目标检测模型训练模块， 用于输入原始图像以及经过语义分割的像素级分类标签图 像， 采用目标检测深度学习模型进行训练， 观察训练集和验证集损失， 达到训练停止条件 后， 完成训练， 得到目标检测模型； 目标检测显示模块， 用于将主动式毫米波实时图像先通过语义分割模型进行分割， 图 像分割之后的图片以及原始图片都输入进行目标检测模型中， 得到最终像素预测结果， 再 将预测结果的矩形框 叠加到主动式毫米波图像中， 实现对主动式毫米波图像的目标检测； 中央处理模块， 用于向各模块发出指令， 完成相关动作； 所述标注模块、 所述语义分割模型训练模块、 所述目标检测模型训练模块、 所述目标检 测显示模块均 与中央处 理模块电连接 。权　利　要　求　书 2/2 页 3 CN 114581950 A 3