现形式，使用其他数学形式应用本方法应当视为对本发 明的直接应用；
[0046] 当探测门存在m个探测分析值和η种典型被测物时，探测分析值矩阵A为1行m列，关 联度系数矩阵C为m行η列，典型被测物敏感度矩阵S为η行1列，可疑度Q则为：
[0047] Q=AXCXS (1)
[0048] 为使Q值具有更好的可比性，将上述公式中的Q值进行归一化处理：
[0050] 其中，因一个探测分析值对应一种典型被测物存在非线性的情况;在该情况下，上 述公式(2)中探测分析值矩阵A，关联度系数矩阵C和典型被测物敏感度矩阵S的关系为非线 性关系；比如，利用人工智能方法使关联度系数矩阵C中的参数为随探测分析值矩阵A数值 变化的因变参数，通过样本训练的方法形成矩阵f(A，C)，即非线性公式为：
[0051] Q=AXf(A,C) XS (3)。
[0052] 应当注意的是，所述的人工智能方法只是计算非线性矩阵C的一种具体方法，使用 其他方法计算非线性矩阵C也应视为对本发明的直接应用。
[0053]下面结合具体实施例来详细描述本发明。
[0054] 实施例
[0055] 本实施例涉及一种安检门参数智能调定方法，仅以基于磁传感器的通讯录音设备 检测门为例来说明本发明的技术思想。
[0056] 如上所述，本实施例提供一种基于磁传感器的通讯录音设备检测门的参数智能调 定方法，其以通讯录音设备检测门的探测分析值作为输入，包括由磁传感器直接测得各个 检测点的磁场强度，也包括磁场强度的最大值，最小值，平均值，中值，导数最大值，导数平 均值，频域最大值，最大值频率等等。对于若干检测点而言，还包括临近探测点的差值，临近 探测点差值最大值，时域重合度，频域重合度，导数重合度等。
[0057]假设基于磁传感器的探测门有12个磁探头，直接测得12个检测点的磁场强度，那 么就存在12个探测分析值作为输入，探测分析值矩阵A为1行12列。
[0058] A=[ai a2 …ai2]
[0059] 该参数智能调定方法以一系列关联度系数作为参数设置的中间层，关联度系数是 指每一探测分析值a对应每一种典型被测物s的可能性大小。关联度系数可以通过经验，统 计，人工智能计算方法，实验修正获得。
[0060] 当探测门存在12个探测分析值和6种典型被测物时，关联度系数矩阵C为12行6列。
[0062] 该参数智能调定方法以每一类典型被测物的敏感度设置数值作为对用户开放的 可调参数。所谓可调参数，是技术人员预设的，或一般使用者调定的。安检门针对一种典型 被测物设定一个敏感度数值。该敏感度取值范围包括正数，〇和负数。负的敏感度表示针对 该典型被测物类别采取避免误报的策略，负值的绝对值越大表示避免对该典型被测物误报 的愿望越强烈;敏感度为〇，则表示针对该典型被测物采取忽视的策略;敏感度为正数，数值 越大针对典型被测物的检出率越高。
[0063] 当探测门有6种典型被测物的敏感度参数时，敏感度矩阵S为6行1列，S=[S1 s2… S6]-1
[0064] 那么最终检测结果可疑度Q矩阵为
[0065] Q=AXCXS
[0066] 为使Q值具有更好的可比性，将上述公式中的Q值进行归一化。
[0068] 特殊情况下，一个探测分析值对应一种典型被测物存在非线性的情况。这种情况 下，上述公式中矩阵A，矩阵C和矩阵S的关系为非线性关系。利用人工智能方法使矩阵C中的 参数为随矩阵A数值变化的因变参数，通过样本训练的方法形成矩阵f(A，C)，即非线性公式 为
[0069] Q=AXf(A,C) XS
[0070] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形 也应视为本发明的保护范围。
【主权项】
1. 一种安检门参数智能调定方法，其特征在于，其包括如下步骤： 步骤1:根据每一种典型被测物的可能性大小，确定一系列参数设置的关联度系数； 步骤2:针对每一类典型被测物预先设置典型被测物敏感度； 步骤3:安检门对被测物实时采集探测分析值； 步骤4:根据所述步骤1中确定的一系列参数设置的关联度系数、步骤2中预设的典型被 测物敏感度以及步骤3中实时采集的探测分析值，获得检测结果可疑度。2. 如权利要求1所述的安检门参数智能调定方法，其特征在于， 所述典型被测物敏感度，是指技术人员预设的，或一般使用者调定的，安检门针对一种 典型被测物设定一个敏感度数值;该敏感度取值范围包括正数，0和负数； 负的敏感度表示针对该典型被测物类别采取避免误报的策略，负值的绝对值越大表示 避免对该典型被测物误报的愿望越强烈;敏感度为〇，则表示针对该典型被测物采取忽视的 策略;敏感度为正数时，数值越大针对典型被测物的检出率越高。3. 如权利要求1所述的安检门参数智能调定方法，其特征在于， 所述探测分析值包括：由安检门探测器直接测得的数据以及经过一系列分析获得的衍 生数据； 所述衍生数据包括：同一探测点的衍生数据以及一组探测点的衍生数据； 所述同一探测点的衍生数据包括最大值，最小值，平均值，中值，导数最大值，导数平均 值，频域最大值，最大值频率； 所述一组探测点的衍生数据包括：临近探测点的差值，临近探测点差值最大值，时域重 合度，频域重合度，导数重合度。4. 如权利要求1所述的安检门参数智能调定方法，其特征在于， 所述一系列参数设置的关联度系数，是指对应每一种典型被测物的可能性;该关联度 系数通过经验，统计，人工智能计算方法，实验修正获得。5. 如权利要求1-4任一项所述的安检门参数智能调定方法，其特征在于， 所述探测分析值，一系列参数设置的关联度系数和典型被测物敏感度均由矩阵表示； 当探测门存在m个探测分析值和η种典型被测物时，探测分析值矩阵A为1行m列，关联度 系数矩阵C为m行η列，典型被测物敏感度矩阵S为η行1列，可疑度Q则为： Q=AXCXS (1) 为使Q值具有更好的可比性，将上述公式中的Q值进行归一化处理： QxQm：x-AxCxSx(AmaxxCxS)-1 (2)。6. 如权利要求5所述的安检门参数智能调定方法，其特征在于，因一个探测分析值对应 一种典型被测物存在非线性的情况;在该情况下，上述公式⑵中探测分析值矩阵A，关联度 系数矩阵C和典型被测物敏感度矩阵S的关系为非线性关系;利用人工智能方法使关联度系 数矩阵C中的参数为随探测分析值矩阵A数值变化的因变参数，通过样本训练的方法形成矩 阵f(A，C)，即非线性公式为： Q=AXf(A,C) XS (3)〇
【专利摘要】本发明属于物品特征识别技术领域，具体涉及一种安检门参数智能调定方法，其应用于具有区分被测物类型功能的安检门。与现有技术相比较，本发明技术方案以安检门的探测分析值作为输入，以一系列关联度系数作为参数设置的中间层，以针对每一类典型被测物的敏感度设置数值作为向普通用户开放的参数系列。使安检门的一般使用者调节安检门参数时只需针对具体常见被测物设定敏感度和报警阈值，同样实现对被测物分类报警的功能。进一步的，通过对已知被测物的检测过程数据的智能分析，自动校正参数设置。在简化设置过程的同时，提高检测性能。
【IPC分类】G01V13/00
【公开号】CN105607148
【申请号】CN201510957337
【发明人】何竞择, 徐圆飞, 丁洁, 刘晓超, 王俊峰, 廖继明, 温子宽
【申请人】北京航星机器制造有限公司
【公开日】2016年5月25日
【申请日】2015年12月18日