技术特征：
1.一种安全检测方法，其特征在于，包括：获取待检测对象的一组一维毫米波数据；获取所述待检测对象的一组运动信息，所述运动信息与所述一维毫米波数据一一对应；其中，所述运动信息包括：所述待检测对象与安检设备之间的距离、所述待检测对象相对于所述安检设备的角度及所述待检测对象的轮廓信息；根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，获取所述待检测对象的安检图像；根据所述安检图像完成对所述待检测对象的安全检测。2.根据权利要求1所述的安全检测方法，其特征在于，所述根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，获取所述待检测对象的安检图像，包括：根据预设运动信息组，确定所述与所述一维毫米波数据对应的运动信息中的n帧参考运动信息，所述n为正整数；根据所述n帧参考运动信息分别对应的n个一维毫米波数据，生成所述待检测对象的安检图像。3.根据权利要求1所述的安全检测方法，其特征在于，所述根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，获取所述待检测对象的安检图像，包括：根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，采用神经网络模型，生成所述待检测对象的安检图像。4.根据权利要求3所述的安全检测方法，其特征在于，所述神经网络模型包括：第一神经网络模型；所述第一神经网络的训练参数包括所述运动信息和所述一维毫米波数据；根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，采用神经网络，生成所述待检测对象的安检图像，包括：将根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据输入所述第一网络，通过所述第一神经网络模型生成所述待检测对象的安检图像。5.根据权利要求3所述的安全检测方法，其特征在于，所述神经网络模型包括：第二神经网络模型；所述第二神经网络的训练参数包括：所述一维毫米波数据、所述运动信息中的距离、所述运动信息中的角度和与所述一维毫米波数据对应的所述待检测对象的位姿信息；所述根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，采用神经网络，生成所述待检测对象的安检图像，包括：提取所述运动信息中所述轮廓信息中的关键点，生成位姿信息；将所述一维毫米波数据、所述运动信息中的距离、所述运动信息中的角度和与所述一维毫米波数据对应的所述待检测对象的位姿信息，输入第二网络，通过所述第二神经网络模型生成所述待检测对象的安检图像。6.根据权利要求1所述的安全检测方法，其特征在于，所述获取待检测对象的一组一维毫米波数据；获取所述待检测对象的一组运动信息，所述运动信息与所述一维毫米波数据一一对应，包括：在所述运动信息为预设运动信息组中参数时，获取所述运动信息对应的一维毫米波数
据。7.根据权利要求1至6中任一项所述的安全检测方法，其特征在于，通过以下设备获取所述待检测对象的一组运动信息，包括：深度相机或激光雷达。8.一种安全检测装置，其特征在于，包括：第一获取模块，用于获取待检测对象的一组一维毫米波数据；第二获取模块，用于获取所述待检测对象的一组运动信息，所述运动信息与所述一维毫米波数据一一对应；其中，所述运动信息包括：所述待检测对象与安检设备之间的距离、所述待检测对象相对于所述安检设备的角度及所述待检测对象的轮廓信息；图像获取模块，用于根据与所述一维毫米波数据对应的运动信息及所述一维毫米波数据，获取所述待检测对象的安检图像；检测模块，用于根据所述安检图像完成对所述待检测对象的安全检测。9.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的安全检测方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的安全检测方法。
技术总结
本发明实施例涉及毫米波成像领域，公开了一种安全检测方法、装置、电子设备及存储介质。本申请实施例中，获取待检测对象的一组一维毫米波数据；获取待检测对象的一组运动信息，运动信息与一维毫米波数据一一对应；其中，运动信息包括：待检测对象与安检设备之间的距离、待检测对象相对于安检设备的角度及待检测对象的轮廓信息；根据与一维毫米波数据对应的运动信息及一维毫米波数据，获取待检测对象的安检图像；根据安检图像完成对待检测对象的安全检测。不需要设置二维的毫米波阵列，也不需要等待一维毫米波阵列进行机械扫描，在不降低安检图像质量的前提下，成本较低，耗时较短，提升用户体验。用户体验。用户体验。
技术研发人员：谭君华
受保护的技术使用者：苏州毫感科技有限公司
技术研发日：2022.07.19
技术公布日：2022/11/22