違禁品安檢技術(shù)現(xiàn)狀與展望綜述

鐘健 甘玉鳳 高向東

江西理工大學(xué)機電工程學(xué)院，江西贛州 341000

0 前言

隨著人類活動范圍的擴大和流動性的增加，公共安全面臨的挑戰(zhàn)越來越嚴(yán)峻。保障公共安全成為衡量各國政府和國家的社會治理能力的標(biāo)準(zhǔn)。安檢可有效預(yù)防公共事件的突發(fā)。本文對金屬探測、毫米波檢測、太赫茲檢測和X光檢測等4種主流安檢手段進行闡述，分析各自技術(shù)的優(yōu)劣并介紹相關(guān)研究進展，總結(jié)現(xiàn)有不足并展望未來發(fā)展趨勢。

1 金屬探測技術(shù)

金屬探測器是依據(jù)渦流效應(yīng)原理，當(dāng)儀器靠近金屬時，線圈感應(yīng)出渦流，產(chǎn)生新磁場并影響原磁場，從而引發(fā)報警器報警，根據(jù)聲音判斷是否有金屬物。

金屬探測器分手持式和過道式。手持式金屬探測器成本低，小巧便捷，易操作，對人體無害；缺點是只能檢測金屬，且易受干擾，效率低，需人工手檢。周游宇等人[1]基于STC89C52RC單片機設(shè)計了可調(diào)節(jié)靈敏度、可人機交互的智能金屬探測器。LAIDLAW JAMES等人[2]研究對比了手持式金屬探測器（HHMD）的連續(xù)波檢測（CWD）和靜態(tài)磁極裝置的磁異常檢測（MAD），發(fā)現(xiàn)MAD的極點搜索時間短于CWD，檢測效果顯著優(yōu)于CWD。MATSUSHIMA S等人[3]開發(fā)了可由操作員遠程操作的、具有金屬探測器的人形機器人，能將探測器擺動到離嫌疑人衣服表面很短的距離，并檢查衣服下隱藏的金屬物體。

過道式金屬安檢門穩(wěn)定性強，安裝簡單，靈敏度高，對人體無害；缺點是只能檢測金屬，無法定位物品，誤漏報問題較多，一定程度上需人工手檢。鄭海東等人[4]開發(fā)了基于PLC+PC的自動安檢門測試系統(tǒng)，該系統(tǒng)有良好檢測能力，可減少任務(wù)量和提高檢測性能。為彌補金屬安檢門無法準(zhǔn)確區(qū)分危險品和無害物品的不足，MAKKONEN J等人[5]研究了KNN（K-Nearest Neighbor）分類器在多大程度上可以區(qū)分各種金屬物體，如刀具、鞋柄、皮帶和容器。分類器使用從磁極化率張量中提取的特征，該張量表示物體的電磁特性，測試包括區(qū)分有威脅的物體和無害的物體。結(jié)果顯示，識別威脅的典型成功率超過 95%，正確分類的成功率超過 85%，并已證明該系統(tǒng)能夠可靠區(qū)分相似的對象。

2 毫米波探測

毫米波（Millimeter Wave，MMW）為頻率30 GHz～300 GHz的電磁波，可穿透衣物探測金屬和爆炸物等。其成像分主動和被動，兩者均有毫米波接收器，主動成像并有合適的輻射源。毫米波圖像目標(biāo)檢測方法有兩大類：圖像閾值方法和機器學(xué)習(xí)方法。圖像閾值方法大多是用圖像灰度直方圖確定分割閾值，根據(jù)閾值提取目標(biāo)物并分類，近年有最大類間閾值法[6]和模糊C均值閾值法等。機器學(xué)習(xí)包括傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)[7]。深度學(xué)習(xí)是傳統(tǒng)機器學(xué)習(xí)的深入研究，從卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）[8]開始，衍生出深度神經(jīng)網(wǎng)絡(luò)以及YOLOv3[9]等模型并用于圖像目標(biāo)檢測。

2.1 主動毫米波成像

主動毫米波（Active Millimeter Wave，AMMW）成像是對人體進行主動掃描，借助反射的毫米波生成相應(yīng)毫米級的人體輪廓圖像，可發(fā)現(xiàn)金屬與毒品等。AMMW成像為毫米級分辨率，成像效果好，靈敏度高，圖像信息豐富；缺點是顯示人體生理特征，只能靜態(tài)檢測和有一定的輻射。

夏祖學(xué)等人[10]在單極化的基礎(chǔ)上提出了雙極化毫米波成像方法；XUN L等人[11]則利用矢量網(wǎng)絡(luò)分析儀搭建多極化3D毫米波成像系統(tǒng)用于隱蔽武器檢測。對于近場AMMW成像，師君等人[12]對比熱圖檢測和YOLO（You Only Look Once）檢測，結(jié)果表明YOLO方法更適合實時性較高場合；對于性別隱私保護，周健等人[13]根據(jù)灰度值提取局域直方圖，采用多特征、多權(quán)值方法自動快速識別男女性，為保護隱私作局部圖像處理，但仍有少許隱私困擾。

學(xué)者們還研究深度學(xué)習(xí)在AMMW圖像的目標(biāo)檢測識別。LU SH B等人[14]在TensorFlow框架下采用目標(biāo)檢測API并對Ka波段成像結(jié)果校正，用CNN對目標(biāo)檢測識別，解決了圖像分層問題，系統(tǒng)分辨率接近5 mm；WANG C J等人[15]通過窮舉滑動窗口將圖像從一個CNN確定垂直位置到另一個CNN確定水平位置，完成對圖像搜索檢測。

2.2 被動毫米波成像

被動毫米波（Passive Millimeter Wave，PMMW）成像是通過被動檢測來自場景和目標(biāo)的自然毫米波輻射并生成圖像，可檢測金屬和爆炸物等。其優(yōu)勢在于動靜態(tài)檢測模式、無輻射、無隱私侵犯、高成像速度和非接觸式等；劣勢是厘米級分辨率、圖像質(zhì)量差和受環(huán)境限制。

CHENG Y Y等人[16]通過多極化亮溫模型研究人與隱蔽物的偏振差，計算兩者的亮度溫差，引入噪聲，減少入射角水平偏振差，融合多偏振圖像轉(zhuǎn)換，得到完全垂直極化圖像，結(jié)果表明，人和隱匿物的對比度得到增強。圖像邊緣是檢測識別的重要特征，PMMW圖像存在邊緣特征不連續(xù)問題，CHENG Y Y等人[17]通過研究融合多極化信息的物理邊緣生成方法，用可調(diào)線性偏振比建立人和接收源的偏振亮溫模型，通過偏振成像、圖像去噪插值、完全極化轉(zhuǎn)化、計算可調(diào)線性偏振比和邊緣標(biāo)定6個步驟能很好地顯示目標(biāo)邊緣，但實際應(yīng)用中會受到測量誤差、皮膚影響等因素干擾。

深度學(xué)習(xí)在PMMW圖像的目標(biāo)檢測識別亦是研究熱點。為解決PMMW圖像質(zhì)量低，雙手叉腰等特殊姿勢可能出現(xiàn)誤報現(xiàn)象，GUO L等人[18]手動標(biāo)注PMMW圖像和可見光圖像（Visible Image, VI），用深度神經(jīng)網(wǎng)絡(luò)分割人體輪廓，訓(xùn)練得到清晰的人體邊界，利用PMMW圖像和VI之間的精確區(qū)域配準(zhǔn)消除誤報，提升隱蔽區(qū)檢測性能；缺點是VI會增加成本和提高算法復(fù)雜度，同時指出，AMMW圖像和VI的互補結(jié)合亦值得探索。LOPEZ-TAPIA S 等人[19]用CNN-DL分類器檢測和定位隱匿物，深度架構(gòu)處理非平穩(wěn)噪聲，提高檢測性能，解決圖像質(zhì)量低和隱匿物的大小、形狀與位置等未知問題。

3 太赫茲探測

太赫茲（Terahertz，THz）為頻率0.1 THz～10 THz的電磁波，具有強穿透性、低輻射、可保護隱私的特點，固而使得THz技術(shù)在檢測危險品方面有良好的應(yīng)用前景。THz技術(shù)包括THz成像和THz光譜，根據(jù)是否有輻射源，分主動和被動成像。

3.1 THz光譜技術(shù)

THz光譜依據(jù)不同物質(zhì)在THz波段的光譜信息來檢測識別物質(zhì)并分類，具有物質(zhì)“指紋譜”。毒品在THz波段有特征吸收現(xiàn)象，HE T等人[20]通過實驗，用THz光譜獲得38種高純度毒品的光譜信息，用密度泛函理論分析信息，用部分光透過模型消除干涉峰并考慮包裝對光譜干擾，比較R平方值、空間圖樣法和自組織映射神經(jīng)網(wǎng)絡(luò)對毒品的定性識別，可知R平方值法效果最好；同時比較R平方值、支持向量機（SVM）和反向傳播、徑向基2種神經(jīng)網(wǎng)絡(luò)對毒品的定量識別，結(jié)果4種方法效果都不理想。

THz光譜技術(shù)亦可實現(xiàn)對液體的檢測。WANG C等人[21]用THz光譜技術(shù)建立5種類型液體和7種乙醇濃度的光譜信息，對處理后得到的特征光譜，用CNN進行檢測分類，結(jié)果表明，在高信噪比的情況下有100%準(zhǔn)確率，即使在低信噪比的情況下，準(zhǔn)確率也達97.14%，這對液體的檢測研究開辟了新思路。

爆炸物的吸收光譜有特異性，故用THz光譜可檢測爆炸物。SONG X Y等人[22]用密度泛函理論揭示了5,5'-聯(lián)四唑-1,1'-二氧二羥銨（TKX-50）的THz光譜特征，為THz光譜技術(shù)對它的檢測識別提供理論支撐。

THz光譜技術(shù)對其他違禁品（有毒氣體[23]和有毒藥物[24]等）和特定對象（郵件隱匿物[25]）的檢測識別同樣應(yīng)用廣泛。

3.2 主動式太赫茲成像

主動式THz成像是由輻射源向人或物照射THz波，接收反射回來的信號進行成像，特點是毫米級分辨率、圖像清晰，但系統(tǒng)硬件復(fù)雜、價格貴。

為提高THz獨立檢測人體和其他危險品的有效性，ZHANG J S等人[26]先將大量主動THz圖像標(biāo)記并分類，考慮光學(xué)圖像影響，通過遷移學(xué)習(xí)訓(xùn)練數(shù)據(jù)，用改進的Faster R-CNN檢測識別目標(biāo)并定位，解決人和物的相互沖突；同時分別用區(qū)域全卷積網(wǎng)絡(luò)、SSD（Single Shot Multi Box Detector）、Faster R-CNN和 YOLOv2訓(xùn)練數(shù)據(jù)集，將測試結(jié)果和改進的Faster R-CNN作對比，結(jié)果表明，改進的Faster R-CNN在有效性和效率方面的表現(xiàn)更優(yōu)越。薛飛等人[27]基于條件生成對抗網(wǎng)絡(luò)分割目標(biāo)，RetinaNet算法檢測識別目標(biāo)，實現(xiàn)較快速度對多類別物體的分割和檢測識別，并對比RetinaNet、YOLOv3和FRCN-OHEM三者算法，結(jié)果表明，RetinaNet算法對多目標(biāo)的檢測更優(yōu)越。

3.3 被動式太赫茲成像

被動式THz成像是探測器聚焦并接收人或物發(fā)出的THz輻射來進行成像，特點是可靠性和穩(wěn)定性高，無輻射，圖像重構(gòu)時間少，成本相對便宜，但圖像質(zhì)量差，信噪比低，分辨率為厘米級。

THz被動成像有獨到的長處，實用性強于主動式，但仍有劣勢，為進一步增強成像和提升安檢效果，近幾年眾學(xué)者對其研究取得了迅猛的發(fā)展。KOWALSKI M[28]采用250 GHz頻率探測各類衣服下的隱匿物，分別用YOLO3和R-FCN對THz圖像進行自動檢測分類，測試表明，R-FCN的表現(xiàn)優(yōu)勝于YOLO3。陶長劍等人[29]互補主、被動式THz的優(yōu)勢，研究兩者結(jié)合式的安檢機，在更苛刻、更復(fù)雜環(huán)境下具有優(yōu)越的檢測性能，但圖像融合技術(shù)尚未成熟，還需深入研究?？紤]成本因素和實用性，馮輝等人[30]設(shè)計單探測器被動THz成像系統(tǒng)，將掃描得到的圖像經(jīng)過圖像重構(gòu)、圖像拼接、圖像預(yù)處理、增加清晰度、偽彩色處理、提取邊緣線和自動標(biāo)記目標(biāo)7個步驟來檢測人體衣物下的物品，達到快速檢測和減少成本；最后增加THz頻率提高分辨率，增加探測器提升速度以及用某種神經(jīng)網(wǎng)絡(luò)提高自動標(biāo)記準(zhǔn)確率。為在較遠距離依然有較高分辨率，繆瑋杰等人[31]研究焦平面被動式THz成像系統(tǒng)，在110 GHz頻段下對6米遠的行人進行探測，分辨率達2.5 cm，可遠距離高分辨率成像。

THz技術(shù)在安檢領(lǐng)域前景光明，但各種干擾對THz圖像的分割和檢測識別仍有較大影響，存在成像質(zhì)量差、分辨率低導(dǎo)致檢測識別效果不佳問題。在圖像目標(biāo)分割方面，當(dāng)前研究了灰度特征[32]和深度學(xué)習(xí)的Mask-CGANs模型[33]。對于提高THz圖像分辨率，研究了雙閾值canny均衡化算法[34]和加深網(wǎng)絡(luò)結(jié)構(gòu)改進殘差結(jié)構(gòu)的CNN超分辨率重構(gòu)算法[35]。為增加檢測識別效果，研究了改進的Faster R-CNN算法[36]和對數(shù)模型的自適應(yīng)算法[37]。

4 X射線探測

X射線是一種位于紫外線和γ射線之間的電磁波，1895年由倫琴發(fā)現(xiàn)。X射線具有穿透和吸收作用，穿透物質(zhì)的同時被物質(zhì)吸收，廣泛用于醫(yī)療、法醫(yī)尸檢和安檢等領(lǐng)域。X光成像分單能X光成像、雙能X光成像、多視角X光成像、X光背散射成像、能量色散X射線衍射等。

管制刀具是X光安檢的重要目標(biāo)，檢測還需人工識別圖像，易因人為因素漏檢管制刀具小目標(biāo)。郭瑞鴻等人[38]用角度旋轉(zhuǎn)增加訓(xùn)練樣本后人工標(biāo)注分類，對ResNet34網(wǎng)絡(luò)后3層作卷積，形成低層網(wǎng)絡(luò)替換SSD的VGG16網(wǎng)絡(luò)，構(gòu)建SSD-ResNet3模型后對網(wǎng)絡(luò)部分?jǐn)U展層作反卷積，形成高層網(wǎng)絡(luò)，通過跳躍連接進行高低層網(wǎng)絡(luò)的多尺度特征融合；將改進模型與MFDSSD（Multi-scale Fusion Deconvolutional Single Shot Detector）、SSD、DSSD（Deconvolutional Single Shot Detector）對比，改進算法的魯棒性和精度要優(yōu)于其余三者，提高對管制刀具小目標(biāo)的安檢效果。

液體對于安檢有極大的挑戰(zhàn)，X光是常用檢測方法。YANG D等人[39]研究了將能量色散X射線衍射（Energy Dispersive X-ray Diffraction，EDXRD）結(jié)合線性判別分析和主成分分析對液體進行檢測分類的方法，隨后研究了將EDXRD結(jié)合光譜分離算法對液體進行篩選的方法[40]。

X光能無損、準(zhǔn)確檢測出隱匿在人體行李或包裹中的毒品和炸藥。HUANG S L等人[41]用Geant4工具包建立模型，背向散射和X光透射分別照射不同遮掩物下的毒品和炸藥，測試表明，背向散射的對比度高于透射成像，適合檢測隱匿在行李中或人體衣服下的毒品和炸藥，較易分辨面粉這種無定形狀物質(zhì)。SONG Q H等人[42]通過EDXRD掃描毒品等物質(zhì)得到衍射光譜，用光譜角度填圖法、相關(guān)系數(shù)和主成分分析的綜合算法識別衍射光譜，可準(zhǔn)確檢測出被遮擋的毒品；同時，對無固定形狀的粉末物質(zhì)可調(diào)整算法權(quán)重，利用有效閾值來分辨。

5 檢測技術(shù)對比

表1是各種違禁品檢測技術(shù)的總結(jié)對比，對相關(guān)檢測技術(shù)的優(yōu)點、缺點、檢測類別進行了分析和歸納。

除了現(xiàn)代藝術(shù)，我們還能在柏林見到來自世界各地的古代藝術(shù)品。柏林市中心的一個島上布滿了博物館，俗稱博物館島。在這里，古代埃及文明和古代東方文明只有幾步之遙，老博物館、老國家藝術(shù)畫廊、博德博物館、新博物館和佩加蒙博物館等如同一部部時空機器，帶領(lǐng)我們開啟一場驚心動魄的文化藝術(shù)之旅。

表1 違禁品檢測技術(shù)對比

6 總結(jié)和展望

各種安檢技術(shù)有各自的特點，都能較好地實現(xiàn)違禁品的檢測與識別，但繁重的工作量和多樣的物品種類使安檢技術(shù)面臨諸多挑戰(zhàn)。自動和高效安檢是研究熱點，深度學(xué)習(xí)在安檢圖像的應(yīng)用處于發(fā)展階段，但模型改進對安檢實時性、檢測精度等都有顯著提高。本文分析了金屬探測、毫米波、太赫茲和X光檢測技術(shù)在安檢領(lǐng)域的發(fā)展，總結(jié)了各自的優(yōu)缺點。

（1）檢測技術(shù)互補化

法律定義的違禁品種類繁多，檢測技術(shù)各有千秋，但也分別存在劣勢，無法檢測出萬千類別的物品或各種復(fù)雜情況下的物品。針對不同檢測要求，融合多種技術(shù)，互補其優(yōu)缺點，在一定程度上可增加檢測性能和檢測類別。例如雙能X光結(jié)合EDXRD方案，可快速檢測和精確識別違禁品。集各種檢測技術(shù)的有效融合是一個熱門方向，能快速、準(zhǔn)確檢測出更多類別的危險品和增強環(huán)境適應(yīng)性。

（2）網(wǎng)絡(luò)集成化

傳統(tǒng)安檢是每臺設(shè)備都配有安檢員，且相互獨立，高峰時段存在人員不足、任務(wù)繁重的困難，平低峰時段出現(xiàn)工作量少、人員浪費情況。對于安全與效率的矛盾，在安檢技術(shù)不變下，可結(jié)合云技術(shù)和大數(shù)據(jù)等將獨立安檢機轉(zhuǎn)向網(wǎng)絡(luò)化，做到實時、遠程和集中判別，減少人員，提高效率。合理的安檢新模式可減員增效，對地鐵等場合是可研究的熱點。

（3）探索更先進的安檢技術(shù)

（4）深度學(xué)習(xí)與安檢圖像

目前，深度學(xué)習(xí)在安檢圖像的研究中取得了突出成果，但大多是較少數(shù)據(jù)集和少量物品類別的研究，與真實場景難以相比，模型部署到真實現(xiàn)場仍有諸多難題需解決。X光、毫米波及THz圖像和可見光圖像存在不小的區(qū)別，如何依據(jù)圖像特點有針對性地改進模型和研究特征提取算法，還需深入探索。