基于金属探测门的神经网络训练数据获取方法及存储介质与流程

1.本发明涉及神经网络数据获取技术领域，尤其涉及一种基于金属探测门的神经网络训练数据获取方法及存储介质。


背景技术：

2.随着人们对公共交通安全检查的逐渐重视，金属探测门成为了当前公共交通安全检查的重要工具，目前金属探测门通常采用与平均特征向量值进行比对的方式来进行金属违禁品的识别，即将多次探测的特征向量值的平均值作为一个对比样本，然后采集所有相关金属违禁品的对比样本，并放入特征对比库中，当一个未知金属通过时，将采集的金属样本特征向量值与特征对比库中的所有对比样本的平均特征向量值进行方差计算，将方差最小值对应的对比样本判断为金属违禁品。
3.但是通过将采集的金属样本的特征向量值与对比样本的平均特征向量值进行比对的方式难以准确识别金属特征，极易造成误判，从而降低了金属探测门的金属检测能力。


技术实现要素：

4.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种基于金属探测门的神经网络训练数据获取方法，该方法实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
5.本发明的第二个目的在于提出一种计算机存储介质。
6.本发明的第三个目的在于提出一种金属探测门设备。
7.为达到上述目的，本发明第一方面实施例提出了一种基于金属探测门的神经网络训练数据获取方法，方法包括：对原始探测信号进行采样和插值处理，获得第一探测信号；在原始探测信号为含金属的探测信号时，根据分段函数对第一探测信号进行处理，获得第二探测信号，并对第二探测信号进行归一化处理，获得第三探测信号；在原始探测信号为无金属的探测信号时，对第一探测信号进行归一化处理，获得第四探测信号；将第三探测信号和第四探测信号进行相应的拼接，获得拼接数据；对拼接数据进行特征信息标注，获得神经网络训练数据集。
8.根据本发明实施例的基于金属探测门的神经网络训练数据获取方法，通过对原始探测信号进行采样和插值处理以获得第一探测信号，若原始探测信号为含金属的探测信号，则根据分段函数对第一探测信号进行处理以获得第二探测信号，并对第二探测信号进行归一化处理以获得第三探测信号，若原始探测信号为无金属的探测信号，则直接对第一探测信号进行归一化处理以获得第四探测信号，将第三探测信号和第四探测信号进行相应的拼接处理以获得拼接数据，并对拼接数据进行特征信息标注，获得神经网络训练数据集。由此，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
9.根据本发明的一个实施例，原始探测信号采用矩阵表示，其中，对原始探测信号进行采样和插值处理，包括：对矩阵中的每个信号值进行采样，获得第一信号矩阵；对矩阵中奇数列信号值进行采样，并根据相邻的奇数列信号值进行插值计算以更新矩阵中偶数列信号值，获得第二信号矩阵；对矩阵中第3m-2列信号值进行采样，并根据采样到的相邻列信号值进行插值计算以更新矩阵中第3m-1列和第3m列信号值，获得第三信号矩阵，其中，m=1、2、3、
…
、n，n为大于等于4的整数。
10.根据本发明的一个实施例，在根据分段函数对第一探测信号进行处理之前，方法还包括：在原始探测信号为无金属的探测信号时，计算无金属的探测信号的方差；根据无金属的探测信号、方差和含金属的探测信号所对应的第一探测信号确定分段函数。
11.根据本发明的一个实施例，将第三探测信号和第四探测信号进行相应的拼接，包括：将含金属的探测信号所对应的第一信号矩阵与无金属的探测信号所对应的第一信号矩阵进行拼接，并将含金属的探测信号所对应的第二信号矩阵与无金属的探测信号所对应的第二信号矩阵进行拼接，以及将含金属的探测信号所对应的第三信号矩阵与无金属的探测信号所对应的第三信号矩阵进行拼接。
12.根据本发明的一个实施例，根据以下公式对第二探测信号进行归一化处理：s3=s2/（2
l-1），其中，s2为第二探测信号中的每个信号值，s3为第三探测信号中的每个信号值，l为采样深度。
13.根据本发明的一个实施例，根据以下公式对第一探测信号进行归一化处理：s4=s1/（2
l-1），其中，s4为第四探测信号中的每个信号值，s1为无金属的探测信号所对应的第一探测信号中的每个信号值，l为采样深度。
14.根据本发明的一个实施例，特征信息包括：金属物的种类、尺寸、材质和空间角度。
15.根据本发明的一个实施例，在原始探测信号为无金属的探测信号时，方法还包括：在对无金属的探测信号进行采样和插值处理之前，对无金属的探测信号中的信号值进行均值计算。
16.为达到上述目的，本发明第二方面实施例提出了一种计算机存储介质，其上存储有基于金属探测门的神经网络训练数据获取程序，基于金属探测门的神经网络训练数据获取程序被处理器执行时实现如第一方面实施例中的基于金属探测门的神经网络训练数据获取方法。
17.根据本发明实施例的计算机存储介质，通过上述的基于金属探测门的神经网络训练数据获取方法，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
18.为达到上述目的，本发明第三方面实施例提出了一种金属探测门设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的基于金属探测门的神经网络训练数据获取程序，处理器执行基于金属探测门的神经网络训练数据获取程序时，实现如第一方面实施例中的基于金属探测门的神经网络训练数据获取方法。
19.根据本发明实施例的金属探测门设备，通过上述的基于金属探测门的神经网络训练数据获取方法，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，
从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
20.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
21.图1为根据本发明一个实施例的基于金属探测门的神经网络训练数据获取方法的流程图；图2为根据本发明一个实施例的原始探测信号采样和插值处理的示意性框图；图3为根据本发明一个实施例的含金属探测信号分段函数处理和无金属探测信号归一化处理的示意性框图；图4为根据本发明一个实施例的确定分段函数的流程图；图5为根据本发明一个实施例的探测信号拼接的示意性框图；图6为根据本发明一个实施例的金属探测门设备的示意性框图。
具体实施方式
22.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
23.下面参考附图描述本发明实施例提出的基于金属探测门的神经网络训练数据获取方法、计算机存储介质及金属探测门设备。
24.图1为根据本发明一个实施例的基于金属探测门的神经网络训练数据获取方法的流程图。如图1所示，该基于金属探测门的神经网络训练数据获取方法包括以下步骤：步骤s101，对原始探测信号进行采样和插值处理，获得第一探测信号。
25.需要说明的是，金属探测门的探测区包含有n个磁感应线圈，每个磁感应线圈独立连接到数据传感器，可选的，数据传感器为与磁感应线圈对应设置的adc转换器，可以同时将n个磁感应线圈获取的感应电流转换成n个数字信号。
26.具体地，通过金属探测门中的磁感应线圈及数据传感器获取原始探测信号，其中，金属探测门获取的原始探测信号分为两类，一类为含金属的探测信号，另一类为无金属的探测信号。
27.当原始探测信号为含金属的探测信号时，其对应的获取方法如下：对经过金属探测门的金属标定物进行探测信号采样，记录金属标定物的形状、尺寸、材质等信息，假设数据传感器的采样频率为f（次/秒），采样时间为t（秒），则在预设的采样时间（t）内，每个磁感应线圈获取含金属的采样信号个数m为采样频率与采样时间的乘积，即，将每个磁感应线圈采集到的m个含金属的采样信号按采样先后顺序进行排序，可以形成具有m个含金属采样信号的向量，则n个磁感应线圈可以形成n个不同的含金属采样数据的向量，将n个不同向量组成为矩阵a
n*m
，并将其作为含金属的探测信号。
28.当原始探测信号为无金属的探测信号时，其对应的获取方法如下：清空金属探测门探测区的所有金属物品，且在探测信号采样期间不允许金属物品通过探测区，同样假设数据传感器的采样频率为f（次/秒），采样时间为t（秒），则在预设的采样时间（t）内，每个磁
感应线圈获取无金属的采样信号个数m为采样频率与采样时间的乘积，即，将每个磁感应线圈采集到的m个无金属的采样信号按采样先后顺序进行排序，可以形成具有m个无金属采样信号的向量，则n个磁感应线圈可以形成n个不同的无金属采样数据的向量，将n个不同向量组成为矩阵b
n*m
，并将其作为无金属的探测信号。
29.也就是说，无论获取的原始探测信号为含金属的探测信号还是为无金属的探测信号，其最终均采用矩阵表示，即将n个磁感应线圈感应的数字信号转换为矩阵表示的原始探测信号。
30.在获取矩阵表示的原始探测信号后，包括矩阵表示的含金属的探测信号或无金属的探测信号，将矩阵表示的原始探测信号进行采样和插值处理，获得第一探测信号，即对含金属的探测信号进行采样和差值处理，获得含金属的第一探测信号，对无金属的探测信号进行采样和差值处理，获得无金属的第一探测信号。
31.在一些实施例中，对原始探测信号进行采样和插值处理，包括：对矩阵中的每个信号值进行采样，获得第一信号矩阵；对矩阵中奇数列信号值进行采样，并根据相邻的奇数列信号值进行插值计算以更新矩阵中偶数列信号值，获得第二信号矩阵；对矩阵中第3m-2列信号值进行采样，并根据采样到的相邻列信号值进行插值计算以更新矩阵中第3m-1列和第3m列信号值，获得第三信号矩阵，其中，m=1、2、3、
…
、n，n为大于等于4的整数。
32.具体地，当原始探测信号为含金属的探测信号时，对矩阵表示的含金属的探测信号进行采样和插值处理，首先对矩阵中的每个信号值进行采样，获得含金属的探测信号所对应的第一信号矩阵v1
n*m
，即直接对矩阵a
n*m
中的信号值进行采样，形成含金属的探测信号所对应的第一信号矩阵v1
n*m
，也就是说，含金属的探测信号所对应的第一信号矩阵v1
n*m
与矩阵a
n*m
完全相同。
33.对矩阵中奇数列信号值进行采样，并根据相邻的奇数列信号值进行插值计算以更新矩阵中偶数列信号值，获得含金属的探测信号所对应的第二信号矩阵v2
n*m
，即对矩阵a
n*m
奇数列信号值进行采样，根据相邻的奇数列信号值进行插值计算，可选的，插值计算方法为单线性插值，将插值计算结果对原相邻奇数列之间的偶数列信号值进行更新替换，从而形成含金属的探测信号所对应的第二信号矩阵v2
n*m
。作为一个具体示例，假设矩阵a
n*m
为13*13的矩阵，即a
13*13
，其对应的第二信号矩阵v2
13*13
获取方法如下：对矩阵a1
3*13
第1、3、5、7、9、11、13列的信号值进行采样，根据第1和3列信号值进行插值计算，将插值计算结果对第2列信号值进行更新替换，类似的，根据第3和5列信号值进行插值计算，将插值计算结果对第4列信号值进行更新替换，根据第5和7列信号值进行插值计算，将插值计算结果对第6列信号值进行更新替换，......，直至完成对所有的偶数列信号值更新，形成相应的第二信号矩阵v2
13*13
。
34.对矩阵中第3m-2列信号值进行采样，并根据采样到的相邻列信号值进行插值计算以更新矩阵中第3m-1列和第3m列信号值，获得含金属的探测信号所对应的第三信号矩阵v3
n*m
，即对矩阵a
n*m
第3m-2列信号值进行采样，根据采样到的相邻列信号值进行插值计算，可选的，插值计算方法为单线性插值，分别获取第3m-1列和第3m列的插值计算结果，并将插值计算结果对矩阵中第3m-1列和第3m列的信号值进行更新替换，从而形成含金属的探测信号所对应的第三信号矩阵v3
n*m
。作为一个具体示例，假设矩阵a
n*m
为13*13的矩阵，即a
13*13
，
其对应的第三信号矩阵v3
13*13
获取方法如下：对矩阵a
13*13
第1、4、7、10、13列的信号值进行采样，根据第1和4列信号值进行插值计算，分别获取第2和3列的插值计算结果，并将插值计算结果对原第2和3列信号值进行更新替换，类似的，根据第4和7列信号值进行插值计算，分别获取第5和6列的插值计算结果，并将插值计算结果对原第5和6列信号值进行更新替换，根据第7和10列信号值进行插值计算，分别获取第8和9列的插值计算结果，并将插值计算结果对原第8和9列信号值进行更新替换，根据第10和13列信号值进行插值计算，分别获取第11和12列的插值计算结果，并将插值计算结果对原第11和12列信号值进行更新替换，从而形成相应的第三信号矩阵v3
13*13
。
35.由此，可以形成由含金属的探测信号所对应的第一信号矩阵、第二信号矩阵和第三信号矩阵组成的含金属的探测信号所对应的第一探测信号，增加了待输入神经网络的训练数据的鲁棒性，从而可以提升金属探测门的检测能力。
36.当原始探测信号为无金属的探测信号时，需要对无金属的探测信号进行采样和插值处理，以获得无金属的探测信号所对应的第一探测信号。
37.需要说明的是，在一些实施例中，在原始探测信号为无金属的探测信号时，方法还包括：在对无金属的探测信号进行采样和插值处理之前，对无金属的探测信号中的信号值进行均值计算。
38.具体地，在对无金属的探测信号进行采样和插值处理之前，多次获取无金属的探测信号b
n*m
，例如重复获取k次无金属的探测信号b
n*m
，对无金属的探测信号b
n*m
中的信号值进行取平均值，计算得到矩阵b
avg_n*m
。也就是说，将矩阵b
avg_n*m
作为需要进行采样和插值处理的无金属的探测信号，根据矩阵b
avg_n*m
获得无金属的探测信号所对应的第一探测信号。
39.进一步地，在对无金属的探测信号进行采样和插值处理时，首先对矩阵b
avg_n*m
中的每个信号值进行采样，获得无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
，即直接对矩阵b
avg_n*m
中的信号值进行采样，形成无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
，也就是说，无金属的第一信号矩阵bg_v1
n*m
与矩阵b
avg_n*m
完全相同。
40.对矩阵中奇数列信号值进行采样，并根据相邻的奇数列信号值进行插值计算以更新矩阵中偶数列信号值，获得无金属的探测信号所对应的第二信号矩阵bg_v2
n*m
，即对矩阵b
avg_n*m
奇数列信号值进行采样，根据相邻的奇数列信号值进行插值计算，可选的，插值计算方法为单线性插值，将插值计算结果对原相邻奇数列之间的偶数列信号值进行更新替换，从而形成无金属的探测信号所对应的第二信号矩阵bg_v2
n*m
。作为一个具体示例，假设矩阵b
avg_n*m
为13*13的矩阵，即b
avg_13*13
，其对应的第二信号矩阵bg_v2
13*13
获取方法如下：对矩阵bg_v2
13*13
第1、3、5、7、9、11、13列的信号值进行采样，根据第1和3列信号值进行插值计算，将插值计算结果对第2列信号值进行更新替换，类似的，根据第3和5列信号值进行插值计算，将插值计算结果对第4列信号值进行更新替换，根据第5和7列信号值进行插值计算，将插值计算结果对第6列信号值进行更新替换，......，直至完成对所有的偶数列信号值更新，形成相应的第二信号矩阵bg_v2
13*13
。
41.对矩阵中第3m-2列信号值进行采样，并根据采样到的相邻列信号值进行插值计算以更新矩阵中第3m-1列和第3m列信号值，获得无金属的探测信号所对应的第三信号矩阵bg_v3
n*m
，即对矩阵b
avg_n*m
第3m-2列信号值进行采样，根据采样到的相邻列信号值进行插值计算，可选的，插值计算方法为单线性插值，将插值计算结果对矩阵中第3m-1列和第3m列的
信号值进行更新替换，从而形成无金属的探测信号所对应的第三信号矩阵bg_v3
n*m
。作为一个具体示例，假设矩阵b
avg_n*m
为13*13的矩阵，即b
avg_13*13
，其对应的第三信号矩阵bg_v3
13*13
获取方法如下：对矩阵b
avg_13*13
第1、4、7、10、13列的信号值进行采样，根据第1和4列信号值进行插值计算，分别获取第2和3列的插值计算结果，并将插值计算结果对原第2和3列信号值进行更新替换，类似的，根据第4和7列信号值进行插值计算，分别获取第5和6列的插值计算结果，并将插值计算结果对原第5和6列信号值进行更新替换，根据第7和10列信号值进行插值计算，分别获取第8和9列的插值计算结果，并将插值计算结果对原第8和9列信号值进行更新替换，根据第10和13列信号值进行插值计算，分别获取第11和12列的插值计算结果，并将插值计算结果对原第11和12列信号值进行更新替换，从而形成相应的第三信号矩阵bg_v3
13*13
。
42.由此，可以形成由无金属的探测信号所对应的第一信号矩阵、第二信号矩阵和第三信号矩阵组成的无金属的探测信号所对应的第一探测信号，增加了待输入神经网络的训练数据的鲁棒性，从而可以提升金属探测门的检测能力。
43.进一步地，为使本领域技术人员能够更清楚的了解本技术，参考图2和图3所示进行说明。
44.具体地，如图2所示，获取含金属的探测信号矩阵a
n*m
，并对含金属的探测信号矩阵a
n*m
进行采样和插值处理，即分别对含金属的探测信号矩阵a
n*m
进行尺度1、尺度2和尺度3的采样和插值变换，其中，尺度1对应的采样周期为t，尺度2对应的采样周期为2t，尺度3对应的采样周期为3t，以获得含金属的探测信号所对应的第一信号矩阵v1
n*m
、第二信号矩阵v2
n*m
和第三信号矩阵v3
n*m
，含金属的探测信号所对应的第一信号矩阵v1
n*m
、第二信号矩阵v2
n*m
和第三信号矩阵v3
n*m
具体如图3所示；获取无金属金属的探测信号矩阵b
n*m
，重复获取k次无金属的探测信号b
n*m
，对无金属的探测信号b
n*m
中的信号值进行取平均值，计算得到矩阵b
avg_n*m
，对无金属的探测信号矩阵b
avg_n*m
进行采样和插值处理，即分别对无金属的探测信号矩阵b
avg_n*m
进行尺度1、尺度2和尺度3的采样和插值变换，其中，尺度1对应的采样周期为t，尺度2对应的采样周期为2t，尺度3对应的采样周期为3t，以获得无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
、第二信号矩阵bg_v2
n*m
和第三信号矩阵bg_v3
n*m
，无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
、第二信号矩阵bg_v2
n*m
和第三信号矩阵bg_v3
n*m
具体如图3所示，从而经过对原始信号的采样和插值处理，可以获得含金属的探测信号和无金属的探测信号各自对应的第一探测信号。
45.步骤s102，在原始探测信号为含金属的探测信号时，根据分段函数对第一探测信号进行处理，获得第二探测信号，并对第二探测信号进行归一化处理，获得第三探测信号。
46.具体地，当原始探测信号为含金属的探测信号时，根据分段函数对含金属的探测信号所对应的第一探测信号进行处理，即根据分段函数分别对含金属的探测信号所对应的第一探测信号中第一信号矩阵、第二信号矩阵和第三信号矩阵进行处理，从而获得由分段函数处理后的含金属的探测信号所对应的第一信号矩阵、第二信号矩阵和第三信号矩阵组成的第二探测信号。
47.进一步地，在一些实施例中，如图4所示，在根据分段函数对第一探测信号进行处理之前，方法还包括：步骤s201，在原始探测信号为无金属的探测信号时，计算无金属的探测信号的方
差；具体地，在原始探测信号为无金属的探测信号时，计算无金属的探测信号对应的第一信号矩阵、第二信号矩阵和第三信号矩阵的方差，计算公式如下所示：所示：其中，为无金属的探测信号对应的第i个信号矩阵中的信号平均值，为无金属的探测信号对应的第i个信号矩阵，为无金属的探测信号对应的第i个信号矩阵的方差。
48.步骤s202，根据无金属的探测信号、方差和含金属的探测信号所对应的第一探测信号确定分段函数。
49.具体地，根据无金属的探测信号对应的第一信号矩阵、方差和含金属的探测信号所对应的第一信号矩阵确定分段函数，根据无金属的探测信号对应的第二信号矩阵、方差和含金属的探测信号所对应的第二信号矩阵确定分段函数，根据无金属的探测信号对应的第三信号矩阵、方差和含金属的探测信号所对应的第三信号矩阵确定分段函数，分段函数公式如下所示：其中，为分段函数处理后第i个信号矩阵，为含金属的探测信号所对应的第i个信号矩阵，为无金属的探测信号对应的第i个信号矩阵，为无金属的探测信号对应的第i个信号矩阵的方差。
50.根据上述的分段函数公式对第一探测信号进行处理，如图3所示，即通过相应的分段函数分别对含金属的探测信号所对应的第一信号矩阵v1
n*m
、第二信号矩阵v2
n*m
和第三信号矩阵v3
n*m
进行处理，获取分段函数处理后的含金属的探测信号所对应的第一信号矩阵v_1
n*m
、第二信号矩阵v_2
n*m
和第三信号矩阵v_3
n*m
，分段函数处理后的含金属的探测信号所对应的第一信号矩阵v_1
n*m
、第二信号矩阵v_2
n*m
和第三信号矩阵v_3
n*m
具体如图5所示。
51.进一步地，由分段函数处理后的含金属的探测信号所对应的第一信号矩阵v_1
n*m
、第二信号矩阵v_2
n*m
和第三信号矩阵v_3
n*m
组成第二探测信号，并对第二探测信号进行归一化处理，即对分段函数处理后的含金属的探测信号所对应的第一信号矩阵v_1
n*m
、第二信号矩阵v_2
n*m
和第三信号矩阵v_3
n*m
进行归一化处理，获取归一化处理后的由含金属的探测信号所对应的第一信号矩阵v_x1
n*m
、第二信号矩阵v_x2
n*m
和第三信号矩阵v_x3
n*m
组成的第三探测信号，其中，对第二探测信号进行归一化处理的公式如下所示：s3=s2/（2
l-1），其中，s2为第二探测信号中的每个信号值，s3为第三探测信号中的每个信号值，l
为采样深度。
52.也就是说，如图5所示，将分段函数处理后的含金属的探测信号所对应的第一信号矩阵v_1
n*m
、第二信号矩阵v_2
n*m
和第三信号矩阵v_3
n*m
中的每个信号值除以2
l-1，进行归一化处理，以获取归一化处理后的含金属的探测信号所对应的第一信号矩阵v_x1
n*m
、第二信号矩阵v_x2
n*m
和第三信号矩阵v_x3
n*m
。
53.步骤s103，在原始探测信号为无金属的探测信号时，对第一探测信号进行归一化处理，获得第四探测信号。
54.具体地，当在原始探测信号为无金属的探测信号时，对无金属的探测信号所对应的第一探测信号进行归一化处理，即对无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
、第二信号矩阵bg_v2
n*m
和第三信号矩阵bg_v3
n*m
进行归一化处理，获取归一化处理后的由无金属的探测信号所对应的第一信号矩阵bg_x1
n*m
、第二信号矩阵bg_x2
n*m
和第三信号矩阵bg_x3
n*m
组成第四探测信号，其中，对无金属的探测信号所对应的第一探测信号进行归一化处理的公式如下所示：s4=s1/（2
l-1），其中，s4为第四探测信号中的每个信号值，s1为无金属的探测信号所对应的第一探测信号中的每个信号值，l为采样深度。
55.也就是说，参考图3和图5所示，将无金属的探测信号所对应的第一信号矩阵bg_v1
n*m
、第二信号矩阵bg_v2
n*m
和第三信号矩阵bg_v3
n*m
中的每个信号值除以2
l-1，进行归一化处理，获取的归一化处理后的无金属的探测信号所对应的第一信号矩阵bg_x1
n*m
、第二信号矩阵bg_x2
n*m
和第三信号矩阵bg_x3
n*m
具体如图5所示。
56.步骤s104，将第三探测信号和第四探测信号进行相应的拼接，获得拼接数据。
57.具体地，将第三探测信号中的第一信号矩阵、第二信号矩阵和第三信号矩阵和第四探测信号中的第一信号矩阵、第二信号矩阵和第三信号矩阵进行相应的拼接，获得拼接数据。
58.在一些实施例中，将第三探测信号和第四探测信号进行相应的拼接，包括：将含金属的探测信号所对应的第一信号矩阵与无金属的探测信号所对应的第一信号矩阵进行拼接，并将含金属的探测信号所对应的第二信号矩阵与无金属的探测信号所对应的第二信号矩阵进行拼接，以及将含金属的探测信号所对应的第三信号矩阵与无金属的探测信号所对应的第三信号矩阵进行拼接。
59.具体地，继续参考图5所示，将分段函数和归一化处理后的含金属的探测信号所对应的第一信号矩阵v_x1
n*m
和归一化处理后无金属的探测信号所对应的第一信号矩阵bg_x1
n*m
进行叠放拼接，并将分段函数和归一化处理后含金属的探测信号所对应的第二信号矩阵v_x2
n*m
和归一化处理后无金属的探测信号所对应的第一信号矩阵bg_x2
n*m
对上述已叠放拼接的矩阵v_x1
n*m
和矩阵bg_x1
n*m
再次进行叠放拼接，以及将分段函数和归一化处理后含金属的探测信号所对应的第三信号矩阵v_x3
n*m
和归一化处理后无金属的探测信号所对应的第一信号矩阵bg_x3
n*m
对上述已叠放拼接的矩阵v_x1
n*m
、矩阵bg_x1
n*m
、矩阵v_x2
n*m
和矩阵bg_x2
n*m
再次进行叠放拼接。也就是说，将获得的6个矩阵按照图5所示的顺序依次进行叠放拼接，最终形成第三维度数为6的三维矩阵，该三维矩阵即为最后的拼接数据。
60.进一步的，拼接数据可以具体通过下式表示：其中，为拼接数据，即拼接数据为第三维度数为6的三维矩阵。
61.步骤s105，对拼接数据进行特征信息标注，获得神经网络训练数据集。
62.具体地，在获取拼接数据后，将拼接数据中的数据保存为自定义的文件格式，举例来说，如图5所示，将文件后缀命名为file_00001.bin，在本发明的一些实施例中，还将文件内部的拼接数据以小端格式存储，即将高字节存储在高地址中，将低字节存储在低地址中。
63.进一步地，准备金属标定物，包括匕首、剪刀、刀片和指虎等金属违禁品，通过人工的方式对金属标定物探测信号进行采集拼接，以及对拼接的数据进行特征信息标注，可选的，特征信息包括：金属物的种类、尺寸、材质和空间角度，也就是说，将采集到的金属标定物的金属物的种类、尺寸、材质和空间角度与该金属标定物的拼接数据进行绑定，并生成标注文件file_00001.txt，举例来说，标注文件file_00001.txt的格式可以如下所示：file_name：file_00001.binmetal_type：scissorsmetal_size：60metal_material：nickelmetal_θx：π4/7metal_θy：π4/3将上述的标注文件file_00001.txt和对应的file_00001.bin作为一个训练样本，通过获取大量的金属标定物的拼接数据即可获得神经网络训练数据集。
64.综上所述，根据本发明实施例的基于金属探测门的神经网络训练数据获取方法，通过对原始探测信号进行采样和插值处理以获得第一探测信号，若原始探测信号为含金属的探测信号，则根据分段函数对第一探测信号进行处理以获得第二探测信号，并对第二探测信号进行归一化处理以获得第三探测信号，若原始探测信号为无金属的探测信号，则直接对第一探测信号进行归一化处理以获得第四探测信号，将第三探测信号和第四探测信号进行相应的拼接处理以获得拼接数据，并对拼接数据进行特征信息标注，获得神经网络训练数据集。由此，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
65.本发明的实施例还提供一种计算机存储介质，其上存储有基于金属探测门的神经网络训练数据获取程序，基于金属探测门的神经网络训练数据获取程序被处理器执行时实现上述的基于金属探测门的神经网络训练数据获取方法。
66.根据本发明实施例的计算机存储介质，通过上述的基于金属探测门的神经网络训练数据获取方法，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
67.图6为根据本发明一个实施例的金属探测门设备的示意性框图。如图6所示，该金属探测门设备100包括：存储器110和处理器120，其中，基于金属探测门的神经网络训练数据获取程序存储在存储器110上并可在处理器120上运行，处理器120执行基于金属探测门的神经网络训练数据获取程序时，实现上述的基于金属探测门的神经网络训练数据获取方法。
68.根据本发明实施例的金属探测门设备，通过上述的基于金属探测门的神经网络训练数据获取方法，实现了将金属探测门的探测信号转换为可进行神经网络训练的数据集，从而可以通过神经网络对探测信号进行判别，提高了金属探测门的金属检测能力。
69.需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（ram），只读存储器（rom），可擦除可编辑只读存储器（eprom或闪速存储器），光纤装置，以及便携式光盘只读存储器（cdrom）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
70.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（pga），现场可编程门阵列（fpga）等。
71.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
72.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
73.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内
部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
74.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。