人体特性测量方法、人体安检方法和FMCW雷达-毫米波安检装置与流程

本公开的实施例涉及安检领域，特别涉及人体特性测量方法、人体安检方法以及fmcw雷达-毫米波安检装置。

背景技术：

当前国内外反恐形式日益严峻，恐怖分子利用隐匿方式随身携带枪支、刀具以及爆炸物、毒品等危险品对航天安全构成了极大的威胁。机场、火车站等特点场合的人体安检技术得到了各国交通运输管理部门的高度重视。

现有技术中使用毫米波检查人体藏匿的可疑物的过程中，需要操作人员识别；此外，由于不同的人的体型不同，造成毫米波的图像识别不够清晰。

技术实现要素：

根据本公开的一方面，本公开的实施例提供一种使用fmcw雷达的人体特性测量方法，包括：

提供多个人体模特以及每个人体模特的量化体型数据；

提供多种人体体型分类，使用所述多个人体模特的量化体型数据分别代表所述多种人体体型分类的每一种类别的人体体型；

使用fmcw雷达分别朝向所述多个人体模特发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据从而得到所述多种人体体型分类的每一种类别的人体体型的人体模特的所述fmcw雷达电磁波的回波数据，即fmcw雷达电磁波回波数据-人体体型分类对应关系；

使用fmcw雷达朝向待测人体发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据，基于采集的所述fmcw雷达电磁波回波数据和-人体体型分类对应关系将待测人体确定为所述多种人体体型分类中的一种。

在一个实施例中，确定所述fmcw雷达电磁波回波数据-人体体型分类对应关系包括：将代表所述多种人体体型分类的每一种类别的人体体型的人体模特的量化体型数据修改为量化体型数据范围，从而将落入一种模特的量化体型数据范围的待测人体归类为与该模特对应的人体体型分类中的类别。

在一个实施例中，确定所述fmcw雷达电磁波回波数据-人体体型分类对应关系包括：

提供第一神经网络，将所述fmcw雷达电磁波的回波数据排成矢量，作为输入数据输入到所述第一神经网络的输入层；

将所述多种人体体型分类作为所述第一神经网络的输出层；以及

将所述多种人体体型分类的每一种类别的人体体型的所述fmcw雷达电磁波的回波数据作为输入数据以确定所述第一神经网络的参数。

在一个实施例中，基于采集的所述fmcw雷达电磁波回波数据和-人体体型分类对应关系将待测人体确定为所述多种人体体型分类中的一种包括：

将待测人体的fmcw雷达电磁波回波数据输入到第一神经网络中，得到待测人体为所述多种人体体型分类中的类别。

在一个实施例中，fmcw雷达包括竖直排布的fmcw雷达单元阵列，每个fmcw雷达单元测量与其靠近的人体的部分的表面轮廓。

本公开的实施例提供一种使用fmcw雷达-毫米波的人体安检方法，包括：如上所述使用fmcw雷达的人体特性测量方法将待检人体确定为所述多种人体体型分类的类别；使用毫米波照射所述多种人体体型分类的每种类别的人体模特以及携带可疑物的人体模特，得到从每种类别的人体模特返回的毫米波的回波数据，由所述毫米波的回波数据重建得到人体体表的毫米波图像，通过每种类别的人体模特的毫米波图像确定对应类别的人体模特身上的可疑物的位置；使用毫米波照射所述待测人体，获取所述待测人体的毫米波的回波数据；基于确定的待检人体的类别和该类别的人体模特的所述毫米波图像确定所述待检人体上可疑物的位置。

在一个实施例中，由所述毫米波的回波数据重建得到人体体表的毫米波图像，通过每种类别的人体模特的毫米波图像确定每种类别的人体模特身上的可疑物的位置包括：

提供第二神经网络，通过从所述多种人体体型分类的每种类别的人体模特返回的毫米波的回波数据生成该相应类别的人体模特的人体体表的毫米波图像并将该毫米波图像作为第二神经网络的输入层；

将在人体模特身上标记的可疑物的位置作为所述第二神经网络的输出层；以及

将每种类别的人体模特的毫米波图像作为输入数据以确定用于所述多种人体体型分类的每种类别的所述第二神经网络的参数。

在一个实施例中，由所述毫米波的回波数据重建得到人体体表的毫米波图像，通过毫米波图像确定每种类别的人体模特身上的可疑物的位置包括：

使用毫米波照射每种类别的人体模特，其中在人体模特的多个部位放置可疑物，采集被放置可疑物的人体模特的毫米波的回波信号并由此生成人体体表的毫米波图像；和

将放置多种可疑物的人体模特的人体体表的毫米波图像输入到第二神经网络，将每种可疑物在人体模特的每个部位的位置作为输出，确定针对每种类别的人体模特的第二神经网络的参数。

在一个实施例中，使用毫米波收发阵列发射毫米波和接收回波，并且使用毫米波收发阵列在竖直平面内扫描人体。

在一个实施例中，使用沿水平方向排列的毫米波收发阵列沿竖直方向平移扫描人体或使用沿竖直方向排列的毫米波收发阵列沿水平方向平移扫描人体。

在一个实施例中，使用沿竖直方向排列的毫米波收发阵列通过旋转人体实现毫米波收发阵列对人体的曲面扫描。

在一个实施例中，使用在竖直平面内布置的毫米波收发面阵列沿围绕人体的曲面对人体扫描直接完成对人体的曲面扫描。

本公开的实施例提供一种fmcw雷达-毫米波安检装置，包括：

fmcw雷达，配置成朝向待测人体发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据，使用如权利要求1所述的人体特性测量方法将所述待测人体归类为所述多种人体体型分类中的一种类别；和

毫米波安检器，包括毫米波收发阵列，配置成使用毫米波照射多种人体体型分类的每种类别的人体模特和待测人体并采集毫米波的回波信号，由所述毫米波的回波数据重建得到每种类别的人体模特和待测人体的人体体表的毫米波图像，通过每种类别的人体模特的毫米波图像确定对应类别的人体模特身上的可疑物的位置，基于确定的待检人体的类别和该类别的人体模特的所述毫米波图像确定所述待检人体上可疑物的位置，其中毫米波照射人体模特包括毫米波照射不携带可疑物的人体模特和毫米波照射携带可疑物的人体模特。

在一个实施例中，所述毫米波阵列配置成使用毫米波照射所述多种人体体型分类中每种类别的人体模特并采集毫米波的回波信号包括：使用毫米波照射所述多种人体体型分类中每种类别的人体模特和在多个部位放置可疑物的人体模特，采集人体模特和被放置可疑物的人体模特的毫米波的回波信号，由所述回波信号获得人体体表的毫米波图像以及可疑物的图像。

在一个实施例中，提供第二神经网络，将在多个部位放置多种可疑物的、所述多种人体体型分类的每种类别的人体模特的人体体表的毫米波图像以及可疑物的图像输入到第二神经网络的输入层，将每种可疑物在人体模特的每个部位的位置作为输出，确定所述多种人体体型分类的每种类别对应的第二神经网络的参数。

在一个实施例中，将待测人体的毫米波图像作为所述待测人体所属类别的所述第二神经网络的输入，得到待测人体上的可疑物的位置。

在一个实施例中，所述fmcw雷达包括竖直排布的fmcw雷达单元阵列，每个fmcw雷达单元测量与其靠近的人体部分的表面轮廓。

在一个实施例中，毫米波安检器包括毫米波收发阵列，配置成在竖直平面内扫描。

在一个实施例中，沿水平方向排列的毫米波收发阵列沿竖直方向平移扫描人体或沿竖直方向排列的毫米波收发阵列沿水平方向平移扫描人体。

在一个实施例中，毫米波收发阵列沿竖直方向排列，通过旋转人体实现毫米波收发阵列对人体的扫描。

在一个实施例中，毫米波收发阵列为毫米波收发面阵列沿围绕人体的曲面对人体扫描，直接完成对人体的曲面扫描。

附图说明

图1示出fmcw雷达电磁波的频率-时间曲线；

图2示出fmcw雷达工作原理的示意图；

图3示出fmcw雷达角度测量原理；

图4示出本公开的一个实施例的fmcw雷达进行人体体型分类；

图5示出本公开的一个实施例的fmcw雷达得到的典型的人体体表轮廓图；

图6示出用于fmcw雷达的第一神经网络的示意图；

图7示出本公开的一个实施例的一维毫米波收发阵列的布置示意图，其中图7a中一维毫米波收发阵列沿水平方向布置，图7b中一维毫米波收发阵列沿竖直方向布置并且人体旋转；

图8示出使用fmcw雷达-毫米波的人体安检方法的示意框图。

具体实施方式

尽管本公开的容许各种修改和可替换的形式，但是它的具体的实施例通过例子的方式在附图中示出，并且将详细地在本文中描述。然而，应该理解，随附的附图和详细的描述不是为了将本公开的限制到公开的具体形式，而是相反，是为了覆盖落入由随附的权利要求限定的本公开的精神和范围中的所有的修改、等同形式和替换形式。附图是为了示意，因而不是按比例地绘制的。

在本说明书中使用了“上”、“下”、“左”、“右”等术语，并不是为了限定元件的绝对方位，而是为了描述元件在视图中的相对位置帮助理解；本说明书中“顶侧”和“底侧”是相对于一般情况下，物体正立的上侧和下侧的方位；“第一”、“第二”等也不是为了排序，而是为了区别不同部件。

下面参照附图描述根据本公开的多个实施例。

本公开提供人体特性测量方法、人体安检方法以及fmcw雷达-毫米波安检装置。根据本公开的实施例，首先使用调频连续波(fmcw，frequency-modulatedcontinuous-wave)雷达装置发射电磁波对人体扫描以对人体进行辨识和分类，随后使用毫米波对人体扫描，结合分类以及相应类别的毫米波图像对人体是否藏匿可疑物进行非人工的辨识，由此避免人工辨识不利于保护受检查的人员的隐私的问题(现有的安检方法是人眼识别图像中的可疑物)，并且，提高了毫米波检查的识别率。

首先说明本公开的fmcw雷达对人体扫描和分类的工作原理。

fmcw雷达产生频率随时间变化的电磁波信号，被目标反射后由雷达的接收天线接收，接收信号与本振参考信号混频，由于接收信号在空间传播一定时间，混频后差频频率与反射目标的距离成正比(参照图1)：

其中δf为混频后的差频频率，r为反射目标与雷达之间的距离，s＝b/δt为fmcw调制斜率(b为带宽，δt为脉冲持续时间)。

典型的fmcw雷达工作原理图如图2所示。毫米波源产生fmcw信号，通过功分器分成两路信号，一路信号由发射天线辐射到自由空间内，实现对目标的照射，目标的反射信号由接收天线接收，经过放大器1放大，然后输入到混频器里与第二路信号混频，混频器输出的差频信号经过低通滤波器滤波，由放大器2进行放大，最后由a/d模拟数字转换器将模拟信号转换成数字信号，数字信号最终传输到数据处理终端。

fmcw雷达通过多个接收单元可以实现对目标所处角度的检测，如下图，两个排布间隔d的接收天线接收同一目标的反射信号，两个接收信号的路程差为dsinθ，fmcw雷达的两个接收天线的相位差为ω，则目标角度为(参照图3)：

其中λ为中心频率波长。

综上fmcw雷达能够测量目标的距离与角度，即空间位置坐标。

本公开的一个实施例提出采用多个竖直排布的fmcw雷达单元101i构成的fmcw雷达单元阵列101进行人体轮廓的测量，如图4所示，i可以是大于1的自然数，例如6、8、10甚至20、30等。每个fmcw雷达单元101i收到的信号包含了在竖直一定高度内人体的表面轮廓。fmcw雷达包括竖直排布的fmcw雷达单元阵列101，每个fmcw雷达单元101i测量与其靠近的人体的部分的表面轮廓。典型的fmcw人体体表轮廓图如图5所示。

fmcw雷达获取的人体体表轮廓数据无法直接用于体型特征的划分，根据本实施例，通过第一神经网络将fmcw雷达数据与体型分类进行对应从而实现人体特性测量，例如可以将人体体型分成不同类别。

在本公开的一个实施例中，以胸围、腰围或身高、体重等作为量化指标，将人体体型分为正常体型、偏胖体型、特胖体型、偏瘦体型、特瘦体型五种类别。应该理解，可以设定其他分类，例如更细分的六种分类，七种分类等，多种分类应用的原理和方法与本公开中针对五种类别描述的原理和方法相类似或相同。

在本公开的一个实施例中，一种使用fmcw雷达的人体特性测量方法，包括：提供多个人体模特以及每个人体模特的量化体型数据；提供多种人体体型分类，使用所述多个人体模特的量化体型数据分别代表所述多种人体体型分类的每一种类别的人体体型；使用fmcw雷达分别朝向所述多个人体模特发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据从而得到所述多种人体体型分类的每一种类别的人体体型的人体模特的所述fmcw雷达电磁波的回波数据，即fmcw雷达电磁波回波数据-人体体型分类对应关系；使用fmcw雷达朝向待测人体发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据，基于采集的所述fmcw雷达电磁波回波数据和-人体体型分类对应关系将待测人体确定为所述多种人体体型分类中的一种。在本实施例中，fmcw雷达包括竖直排布的fmcw雷达单元阵列101，每个fmcw雷达单元101i测量与其靠近的人体部分的表面轮廓。

在本实施例中，确定所述fmcw雷达电磁波回波数据-人体体型分类对应关系包括：将代表所述多种人体体型分类的每一种类别的人体体型的人体模特的量化体型数据修改为量化体型数据范围，从而将落入一种类别人体模特的量化体型数据范围的待测人体归类为与该类别的人体模特对应的人体体型分类的类别，即确定待测人体的所述类别。在本实施例中，确定所述fmcw雷达电磁波回波数据-人体体型分类对应关系包括提供一种自学习训练方法，具体地，包括：提供第一神经网络，将所述fmcw雷达电磁波的回波数据排成矢量，作为输入数据输入到所述第一神经网络的输入层；将所述多种人体体型分类作为所述第一神经网络的输出层；以及将所述多种人体体型分类的每一种类别的人体体型的所述fmcw雷达电磁波的回波数据作为输入数据以确定所述第一神经网络的参数。

具体地，首先收集人体模特的量化体型数据，对其按照例如上述五种进行分类；使用fmcw雷达发射电磁波照射每种类别的人体模特，采集人体模特的fmcw雷达回波数据。这样就获得了大量所有五种类别的人体模特的fmcw雷达回波数据以及对应的人体模特的体型分类。将fmcw雷达数据排成向量，作为输入数据输入到神经网路输入层，其对应的体型分类数据作为输出层的输出，针对五种体型，典型的输出数据为(o1＝1o2＝0o3＝0o4＝0o5＝0)。由于有了输入数据和输出数据，通过网络训练方法获得整个网络的参数，如图6所示。

完成神经网络训练(也就是前文说的，将大量所有五种类别的人体模特的fmcw雷达回波数据排成向量作为输入数据输入到神经网路输入层)后，得到第一神经网络的参数，或者说，一个具备辨识能力的第一神经网络，此时当有未知的fmcw数据输入到该神经网络中，输出数据即反映了未知人体的特性分类。例如，将待测人体的fmcw雷达电磁波回波数据输入到第一神经网络中，得到待测人体为所述多种人体体型分类中的类别。

本公开的另一个实施例提供一种使用fmcw雷达-毫米波的人体安检方法，包括：如上述实施例中描述的使用fmcw雷达的人体特性测量方法将待检人体确定为所述多种人体体型分类的一种类别；使用毫米波照射所述多种人体体型分类的每种类别的人体模特以及携带可疑物的人体模特，得到从每种类别的人体模特返回的毫米波的回波数据，由毫米波的回波数据重建得到人体体表的毫米波图像，通过毫米波图像可以确定每种类别的人体模特身上的可疑物的位置；使用毫米波照射所述待测人体，获取所述待测人体的毫米波的回波数据；基于确定的待检人体的类别和该类别的人体模特的所述毫米波图像确定所述待检人体上可疑物的位置。

采用毫米波全息成像技术能够形成人体体表图像，典型地，使用毫米波人体安检装置发射毫米波和接收回波，并且对人体进行扫描。毫米波人体安检装置可以采用一维毫米波收发阵列201进行平面扫描如图7(a)所示，即使用沿水平方向布置的一维毫米波收发阵列201，沿竖直方向平移对人体进行扫描；或，采用图7(a)的变形形式，一维毫米波收发阵列201沿竖直方向布置，沿水平方向平移对人体进行扫描。在本公开的另一实施例中，采用竖直布置的一维毫米波收发阵列202、通过旋转人体实现人体的曲面扫描，如图7(b)所示。在本公开的另一实施例中，使用在竖直平面内布置的毫米波收发面阵列沿围绕人体的曲面对人体扫描直接完成对人体的曲面扫描，此时毫米波收发面阵列不用移动，待测人体也不用移动，毫米波收发面阵列通过控制系统完成对待测人体的扫描。

例如，如图7(a)所示，在对人体进行检测时，人体保持不动，一维毫米波收发阵列201通过电子开关的快速切换完成一个维度的扫描，例如，每个发射单元发射毫米波信号，其相邻两个接收单元接收毫米波信号，同时，由驱动装置沿竖直方向平移一维毫米波收发阵列201完成竖直方向的扫描。在本实施例中，毫米波安检器包括一维毫米波收发阵列201，配置成在竖直平面内扫描。在另一实施例中，毫米波安检器包括沿竖直方向排列的一维毫米波收发阵列，通过旋转人体实现毫米波收发阵列对人体的扫描，例如待测人体站在平台上，平台承载人体并旋转，从而实现人体的全表面的扫描。在另一实施例中，毫米波安检器包括沿竖直方向排列的一维或二维毫米波收发阵列，保持人体不动，通过旋转一维或二维毫米波收发阵列实现人体的全表面的扫描。

扫描完成后获得平面或圆柱面的毫米波全息数据，然后通过图像重建算法反演得到反映人体体表反射率的毫米波图像。

由于镜面反射效应的存在，毫米波发生装置的天线发出的毫米波波束照射人体体表，其反射信号主要集中在镜面反射方向。在现有技术中，针对不同体型的人体，得到的毫米波图像会表现出不同的特征，如胖体型将会在图像中存在非常多的阴影区域，而瘦体型则会得到亮度均匀的体表图像。这样导致图像不清晰，检查时造成漏检或误判。此外，在毫米波人体安检装置使用中，为了保护旅客隐私，不再推荐使用人眼检查，需要采用人工智能技术进行计算机自动判图，给出旅客携带违禁品的位置，最后在卡通人偶图像上打框来进行结果显示。

在深度学习进行网络训练中(神经网络的输入层为毫米波图像，输出为人体上可疑物位置)，本公开的人体安检方法使用第一神经网络，并采用fmcw雷达对人体体型进行预分类并针对每种类别的人体模特使用对应的神经网络参数，克服由于不同体型的人体模特的毫米波图像差异较大造成的辨识困难，使用一种类别人体模特的神经网络适用该种类别的待测人体能改善识别效果。

在本公开的一个实施例中，由所述毫米波的回波数据重建得到人体体表的毫米波图像，通过每种类别的人体模特的毫米波图像可以确定对应类别的人体模特身上的可疑物的位置，人体安检方法提供第二神经网络，通过从所述多种人体体型分类的每种类别的人体模特返回的毫米波的回波数据生成该相应类别的人体模特的人体体表的毫米波图像并将该毫米波图像作为第二神经网络的输入层；将在人体模特身上标记的可疑物的位置(换句话说，可疑物的位置是已知的)作为所述第二神经网络的输出层；以及将每种类别的人体模特的毫米波图像作为输入数据以确定用于所述多种人体体型分类的每种类别的所述第二神经网络的参数。

得到了针对每种类别的人体模特的第二神经网络的参数，就可以利用这种第二神经网络辨识属于一种类别的待测人体的毫米波图像以及待测人体上的可疑物的位置。

在本公开的一个实施例中，特别地，由所述毫米波的回波数据重建得到人体体表的毫米波图像，通过毫米波图像可以确定每种类别的人体模特身上的可疑物的位置包括：使用毫米波照射每种类别的人体模特，其中在人体模特的多个部位放置可疑物，采集被放置可疑物的人体模特的毫米波的回波信号并生成毫米波图像；和将放置多种可疑物的人体模特的毫米波图像输入到第二神经网络，将每种可疑物在人体模特的每个部位的位置作为输出，确定针对每种类别的人体模特的第二神经网络的参数。

为了示意地说明，图8示出了使用fmcw雷达-毫米波的人体安检方法的示意框图。首先获得fmcw雷达回波数据，随后得出第一神经网络和待测人体的体型分类；再提供第二神经网络，针对多种体型的每一种体型使用毫米波回波信号以及生成的毫米波图像得到适用该种体型的第二神经网络的参数，例如第二神经网络的体型一网络、体型二的网络等；对待测人体应用其对应的类别的第二神经网络可以得出可疑物的位置。

本公开的一个实施例提供一种fmcw雷达-毫米波安检装置，包括：fmcw雷达和毫米波安检器。

fmcw雷达配置成朝向待测人体发射fmcw雷达电磁波并采集fmcw雷达电磁波的回波数据，使用如前文所述的人体特性测量方法将所述待测人体归类为所述多种人体体型分类中的一种类别。在一个实施例中，所述fmcw雷达可以包括竖直排布的fmcw雷达单元阵列101，每个fmcw雷达单元101i测量与其靠近的人体部分的表面轮廓。

在本实施例中，毫米波安检器包括毫米波收发阵列，配置成使用毫米波照射多种人体体型分类的每种类别的人体模特和待测人体并采集毫米波的回波信号，由所述毫米波的回波数据重建得到每种类别的人体模特和待测人体的人体体表的毫米波图像，通过每种类别的人体模特的毫米波图像确定对应类别的人体模特身上的可疑物的位置，基于确定的待检人体的类别和该类别的人体模特的所述毫米波图像确定所述待检人体上可疑物的位置，其中毫米波照射人体模特包括毫米波照射不携带可疑物的人体模特和毫米波照射携带可疑物的人体模特。具体地，所述毫米波阵列配置成使用毫米波照射所述多种人体体型分类中每种类别的人体模特并采集毫米波的回波信号包括：使用毫米波照射所述多种人体体型分类中每种类别的人体模特和在多个部位放置可疑物的人体模特，采集人体模特和被放置可疑物的人体模特的毫米波的回波信号，由所述回波信号获得人体体表的毫米波图像以及可疑物的图像。

根据本公开的实施例，提供第二神经网络，将在多个部位放置多种可疑物的、所述多种人体体型分类的每种类别的人体模特的人体体表的毫米波图像以及可疑物的图像输入到第二神经网络的输入层，将每种可疑物在人体模特的每个部位的位置作为输出，确定所述多种人体体型分类的每种类别对应的第二神经网络的参数。

根据本实施例，可以将待测人体的毫米波图像作为所述待测人体所属类别的所述第二神经网络的输入，得到待测人体上的可疑物的位置。此时，全部操作不用人眼参与，有效地保护了待检人员的隐私。

在本公开的一个实施例中，所述fmcw雷达包括竖直排布的fmcw雷达单元阵列101，每个fmcw雷达单元101i测量与其靠近的人体部分的表面轮廓。

在本公开的一个实施例中，毫米波安检器包括毫米波收发阵列201、202，配置成在竖直平面内扫描。具体地，沿水平方向排列的一维毫米波收发阵列201沿竖直方向扫描人体；或沿竖直方向排列的一维毫米波收发阵列202沿水平方向扫描人体。在本公开的另一实施例中，毫米波安检器包括为毫米波收发面阵列沿围绕人体的曲面对人体扫描，直接完成对人体的曲面扫描。

在毫米波图像的可疑物自动识别神经网络训练中，将训练数据即人体模特的回波数据以及生成的毫米波图像按照体型特征的多种类别进行分类，分别对每种体型的人体模特数据进行单独训练，也就是将毫米波图像代入到每种类别对应的第二神经网络中，得到针对不同体型的人体模特的多个第二神经网络模型，从而形成多种自动识别算法，即得到针对每种类别的人体模特的第二神经网络的参数。以五种体型为例，采用五种体型数据进行各自单独训练，得到分别针对正常体型、偏胖体型、特胖体型、偏瘦体型、特瘦体型的识别算法，即第二神经网络的参数；当有未知旅客(待测人体)进行安检时，使用fmcw雷达朝向旅客发射fmcw雷达电磁波，获取旅客的fmcw雷达回波数据，使用人体特性测量方法的第一神经网络算法对其进行体型判别，当该旅客完成毫米波全息成像扫描后，其毫米波图像借助人体特性测量方法输出的旅客的体型类别选择对应的第二神经网络算法进行可疑物的识别。由于对不同体型采用了单独的神经网路训练，能够显著提高可疑物自动识别算法的适应能力，从而总体上提升识别率降低误报率。

虽然本总体专利构思的一些实施例已被显示和说明，本领域普通技术人员将理解，在不背离本总体专利构思的原则和精神的情况下，可对这些实施例做出改变，本公开的范围以权利要求和它们的等同物限定。