基于太赫兹扫描的实时图像采集与危险品检测系统

开发者：刘洁、张钰、李新 (QQ:1348513)

一、项目简介

太赫兹显像是目前可用的X光替代方案，且无辐射，对人体无伤害。本项目功能即是通过太赫兹放射源与接收设备获得反馈信号，对信号处理后形成RGB格式的图像，并对图像中的枪支、刀具、可燃油等危险物品进行自动实时识别与图像保存。

图0 软件主界面

二、软件系统介绍

以项目需求为依据，本系统共分解为三部分进行设计与开发：图像采集子系统、图像显示子系统与图像识别子系统，整体结构图如图1所示。

图1 系统结构图

图像采集子系统完成对太赫兹设备所接收信号的采集与处理，最终实现太赫兹信号到RGB格式的图像的转换，其功能结构图如图2所示。

图2 图像采集子系统功能结构图

图像识别子系统完成对图像中危险物品的位置和类别的识别并返回识别结果字符串，其功能结构图如图3所示。

图像显示子系统接收以上两个子系统所提供的图像和识别结果，完成显示原图像及在图像上绘制识别结果的任务，并可将疑似图像保存至本地，将识别结果保存至数据库，同时它也为其它两个子系统提供了操作参数配置，如背景提取中的背景设置，识别过程中的阈值参数等，其功能结构图如图4所示。

图3 图像识别子系统功能结构图

图4 图像显示子系统功能结构图

三、界面设计

本系统界面可分为三部分：图像显示面板、功能配置面板以及历史图像面板。图像显示面板对应图像显示子系统的功能；功能配置面板则是对图像采集子系统中背景提取、正则化等操作规定操作参数，为图像识别子系统提供阈值、模型名称等参数设置，并提供基本的操作控制按钮；历史图像面板则是显示识别过程中保存的疑似危险物品的图像。软件整体界面如图5所示。

图5 系统界面

四、关键技术

本系统开发语言使用了Python 2.7，UI的开发主要使用了wxPython。对THz信号的处理多涉及到线性计算，如正则化操作等，主要使用了Numpy作矩阵操作。此外在形成图像的过程中也使用了OpenCV。作为核心模块的图像识别子系统，则移植了Linux平台下的Darknet框架，使用的深度学习网络模型则采用了改善过的YoloV2以平衡准确率和识别速度。

五、成果展示

   本系统基本满足了预期项目需求，能够实时采集太赫兹信号形成图像，并对图像中的危险物品进行自动检测，历史图像的存在也提供了查阅凭借，方便实际应用中的查找和确认。在视频1中我们可以看到一段危险物品实时检测的过程，而视频2中则展示了软件的部分操作与危险品检测效果。