桂林理工大学

详情

安检哨兵新力量——SAR毫米波安检成像系统

申报人：杨轶钧 申报日期：2025-01-08

基本情况

2025年批次
安检哨兵新力量——SAR毫米波安检成像系统 学生申报
创新训练项目
工学
电子信息类
学生来源于教师科研项目选题
一年期
合成孔径雷达(SAR,Synthetic Aperture Radar)是一种利用高频电磁波进行遥感探测的技术，能够生成高分辨率的影像。它通过发射毫米波信号，并接收回波信号，根据回波信号的时间差和频率变化来推测物体的距离、速度及其形态特征， 使得其在成图方面有着巨大潜力。 SAR成图具有极强的抗干扰特性，并且能够提供比传统金属探测器更详细的图像，但其仍存在部分问题：1、SAR 成像的分辨率较低，在一些细节处成图清晰度欠佳。2、毫米波SAR 成像技术对环境条件，尤其是温度和湿度非常敏感，所以成图稳定性不高，效果变差。因此，本项目计划基于SAR毫米波在穿透性强、分辨率高的优势下，凭借近些年来技术发展，大大提高原始回拨精度的同时，优化 FSRCNN 超分辨率重建算法与改进YOLOv5s 目标检测框架，依靠机器深度学习所开发的一款安检成像系统，提高成图精确性和稳定性，为我国在民生安全、社会安全、交通安全、国防安全等方面提供理论指导与实物支持。
1.作为核心成员参与并主持2024年大学生创新创业项目（国家级）“二价阳离子掺杂对层状氮化物ATiN2的光电性质影响研究”。已有初步成果。
2.撰写了学术论文 “First-principles study on the anisotropic physical properties of the layered nitride BaMN2 (M = Zr, Hf)*”正在投稿。
3.一项实用型专利“SAR毫米波测算方法以及装置”（已受理)
博士，教授，硕士生导师。桂林理工大学屏风学者。现任桂林理工大学物电学院电子信息工程教研室主任。研究方向：无线网络通信、深度学习与智能交通。主持或参与完成国家自然科学基金项目4项，主持或参与完成广西自然科学基金项目4项，其他省部级项目3项，荣获广西科技进步奖三等奖（排名第三）。发表科研论文40多篇，其中SCI收录11篇，EI收录20篇。获授权国家发明专利4项。IEEE Transactions on Intelligent Vehicles、The Journal of Supercomputing、《计算机科学》和《南京理工大学学报》等期刊审稿人，美国德州农工大学（(Texas A&M University）访问学者。
指导教师将会全程为本项目提供技术支持，并视项目需求提供必要的实验仪器和实验场地。
国家级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
杨轶钧 物理与电子信息工程学院 通信工程 2023 参与项目申请书的编写和全部工作
韦深威 物理与电子信息工程学院 电子信息工程（应用） 2022 负责算法构建和实验测算
岳飞宇 物理与电子信息工程学院 电子信息工程（应用） 2023 负责算法构建和实验测算
蒋心慈 物理与电子信息工程学院 通信工程 2023 项目数据的收集整理分析
韦富文 物理与电子信息工程学院 电子信息工程（应用） 2023 项目实物硬件的设计及开发

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
神显豪 物理与电子信息工程学院 否

立项依据

目前随着射频、天线和数字技术的不断提高，雷达技术的应用领域越来越广泛，不仅仅运用于早期的随机信号[1]的确定实现目标距离和方位的探测[2]还可以实现目标速度测量和成像等多种功能。目前，SAR合成孔径雷达（Synthetic Aperture Radar，SAR）是一种具有高分辨力的成像雷达，[3]我们希望通过FSRCNN 超分辨率重建算法的改进，不断提高其分辨率，使其在安检、辅助驾驶等近场领域中发挥出潜在的应用价值，提升其在民生领域的用途。
本项目目标为研究SAR毫米波利用其穿透性强、分辨率高的优势，深入理解其特性，构建出一套人体安检图像违禁品检测方法及装置。通过采集人体安检图像，构建数据集，优化FSRCNN 超分辨率重建算法与改进YOLOv5s目标检测框架，增强图像质量的同时，提高目标检测的准确性，能够有效地检测出人体携带的危险品，增强了对电子设备、金属物品等非违禁品与危险品的区分能力。在实际操作中表现出比传统单一技术更优越的处理能力，特别是需要高精度的毫米波SAR 人体安检场景，不仅在车站这种噪声较高和背景复杂的环境中，提升了违禁品检测系统的效率和准确性，有助于更好地识别和防止潜在的安全威胁的同时减少了误报造成的不便和降低成本，还显著地提高了整体系统的性能和实用价值，为我国交通安全，人民人生安全提供保障，为后续其他运用方面提供理论支持和技术指导。
本项目旨在构建一个基于毫米波合成孔径雷达（SAR）技术的人体安检系统，该系统能够高效地检测出藏匿于人体上的违禁品。
首先，通过毫米波SAR设备捕获藏匿于人体不同部位的常见违禁品图像。这些图像将被用于构建一个详细的数据集，为后续的模型训练提供基础数据。同时对采集到的图像数据集进行精确标注，以确保模型能够识别和学习违禁品的特征。然后利用FSRCNN（Fast Super-Resolution Convolutional Neural Network）模型对低分辨率图像进行超分辨率重建，显著提升图像分辨率与质量。接着在模型训练过程中，通过峰值信噪比（PSNR）和结构相似性指数（SSIM）对FSRCNN模型性能进行评估，确保图像重建的高相似度和质量。然后在违禁品检测模型开发上基于改进的YOLOv5s算法，对超分辨重建后的图像进行进一步训练，以识别和检测违禁品。目前，YOLOv5s作为一种单阶段目标检测算法，以其速度快和精度高而著称，特别适合于实时性要求高的场景。通过优化损失函数，特别是MPDlou（Mean Pixel-wise Distance Loss），模型能够在最小化损失的同时，提高检测的准确性，将训练好的模型整合到人体安检系统中，并进行实地测试，以验证系统的检测能力和准确性。最后总结归纳，将测试结果将反馈用于进一步优化模型性能。
（1）国内研究现状
国内，INSAR的研究起步相对较晚，最早在相关方面主要研究的是小型区域地形测绘方面的工作[4]，经过20年的不断探索，我国已经在机载毫米波飞行成像[5]、三维地图绘制[6]、地震形变研究[7]、自然资源探测[8]、军事情报检测等方面取得巨大进展。随着民用微波遥感的需求量日益增大，SAR因其可以全天时、全天候工作，且具有能穿透一定掩盖物的特点[9]在民用方面体现出了巨大潜力，SAR毫米波技术在民用方面有着巨大的进步空间，例如在车站或特殊节日的广场使用 SAR 进行藏匿物品探测[10]可以有效防恐防暴。在易发生地质滑坡的山体旁使用 SAR 进行地质微小形变监测[11]汽车上安装毫米波合成孔径雷达能够提供碰撞预警、主动刹车等辅助驾驶功能[12]等等。目前随着SAR成像技术的不断发展，越来越多的行业对此产生了需求，并对SAR成像提出了更高的要求。
近些年来，在安检这一方面，我国的安检仪器主要是X 射线安检机、金属安检探测门、手持金属探测器，主要依靠金属磁感应和辐射成像的原理，但是仍存在很大的弊端，一是无法检测非金属危险品二是虽可成像清晰但是对人体产生的辐射较大，不利于人体健康，而SAR毫米波成像系统可进行无接触式检查，成图效果好，对检测者健康危害小，安全性高，因此SAR技术在安检方面在近些年来逐渐成为了SAR在民用发展方面的发展热点，但是在算法环境匹配上仍未做到优秀，目前正在不断地研发优化。
（2）国外研究现状
第一部SAR面世于上个世纪60年代，但仅仅利用了其强度信息[13],上世纪80年代后期，得益于计算机大规模集成电路的快速发展，SAR技术得到了明显突破。美国和欧洲在20世纪末期，不断加大了SAR毫米波的研发，同时可以在不同的频段实现高质量成像，引起了世界各国的关注。
随后进入21世纪，芯片的发展带动了计算机识别系统以及学习能力不断加强，SAR也逐渐引入到了成像平台，并且得到迅速推广。基于SAR成像平台应用前景十分的可观，尤其是在安检方面。美国华盛顿的西北太平洋国家实验室开发了世界上第一台平面毫米波全息成像系统，成功检测道路人体模型的全息图像[14]。此外，目前正在加强优化近场三维雷达成像系统，完成目标的三维重建[15]。通过机械控制，除系统本身成像算法外其他会降低成像分辨率的因素产生的干扰[16]。
在算法方面,已经有了相当多的成像模式,例如层析SAR[17] 、阵列下视三维
SAR[18]、圆迹 SAR[19]等。目前,最早使用的是BP算法,但是BP算法过于冗长,效率太低,所以人们开始研发了一种三维成像算法,降低了运算时常,提高了成图精度。自此基础上,我们可以通过目前FSRCNN模型进行迭代训练,FSRCNN 模型是一种基于快速超分辨率卷积神经网络它具有更小的卷积层，避免过度平滑，有效降低计算成本[20]。在利用图像质量 的同时，提高目标检测的准确性模型的同时,加上深度学习的算法YOLOv5s 对超分辨重建图像进行训练[21],从而得到更加准确的违禁品检测模型,经过初步运算,大大提高了图像质量的同时，提高目标检测的准确性。
因此我们可以借鉴三维成像的算法基础,加上优化后的FSRCNN和深度学习的算法YOLOv5s,将此运用到本次SAR毫米波的安检成像系统中。
(3)参考文献
[1]刘国岁,宋耀良.随机信号雷达的现状与展望[J].现代雷达,1992,14(2):1-6
[2]吴兴云.近场毫米波SAR成像系统设计及算法研究[D].桂林电子科技大学,2023.DOI:10.27049/d.cnki.ggldc.2023.001200.
[3]Yin J, Li D, Wu Y. Research on the method of moving target detection and location with three-frequency three-aperture along-track spaceborne SAR[J]. 电子与信息学报, 2010, 32(4): 902-907.
[4]杨娟.高保相毫米波干涉SAR技术研究[D].电子科技大学,2013.
[5]王辉, 赵凤军, 邓云凯. Development and application of the millimeter wave SAR[J]. Journal of Infrared and Millimeter Waves, 2015, 34(4): 452-459.
[6]刘龙龙,张继贤,王世杰,等新型 FMCW 地基 SAR 和三维激光扫描仪在大坝变形监测中的应用[J]. 2019.
[7]陈立泽, 申旭辉, 田勤俭. 合成孔径雷达 (SAR) 及其在地质和地震研究中的应用[J]. 地震, 2021, 23(1): 29-35.
[8]王立贵, 黄韦艮, 杨劲松, 等. 海底油渗 SAR 探测综述[J]. 遥感技术与应用, 2007, 22(5): 673-676.
[9]林华. 无人机载太赫兹合成孔径雷达成像分析与仿真[J]. 信息与电子工程, 2010, 8(4): 373-377.
[10]阚瀛芝. 毫米波近场隐匿目标三维成像技术[D]. 长沙: 国防科学技术大学, 2017.
[11]周志伟, 程翔, 周伟, 等. 地基 SAR 在滑坡形变监测中的应用[J]. 测绘通报, 2022 (7): 60.
[12]汪林. 基于 77GHz 的毫米波雷达成像应用研究[D]. 桂林电子科技大学, 2021
[13]田小林, 焦李成, 缑水平. 基于 PSO 优化空间约束聚类的 SAR 图像分割[J]. 电子学报, 2008, 36(3): 453.
[14]Sheen D M, McMakin D L, Hall T E. Three-dimensional millimeter-wave imaging for concealed weapon detection[J]. IEEE Transactions on microwave theory and techniques, 2001, 49(9): 1581-1592.
[15]Sheen D, McMakin D, Hall T. Near-field three-dimensional radar imaging techniques and applications[J]. Applied Optics, 2010, 49(19): E83-E93.
[16]Alvarez J. Near-field 2-D-lateral scan system for RCS measurement of full-scale targets located on the ground[J]. IEEE Transactions on Antennas and Propagation, 2019, 67(6): 4049-4058.
[17]谭维贤, 洪文, 王彦平, 等. 基于波数域积分的人体表面微波三维成像算法研究[J]. 电子与信息学报, 2009, 31(11): 2541-2545.
[18]Deng G, Ma Z, Yang Q, et al. Fast three-dimensional image reconstruction algorithm for layered medium target with array radar system[J]. Journal of Applied Remote Sensing, 2022, 16(1): 016514-016514.
[19]Chen X, Yang Q, Deng B, et al. A FFT-based millimeter-wave imaging algorithm with range compensation for near-field MIMO-SAR[J]. Journal of Infrared, Millimeter, and Terahertz Waves, 2021, 42: 391-408.
[20]Passarella L S, Mahajan S, Pal A, et al. Reconstructing high resolution ESM data through a novel fast super resolution convolutional neural network (FSRCNN)[J]. Geophysical Research Letters, 2022, 49(4): e2021GL097571.
Wang D, He D. Channel pruned YOLO V5s-based deep learning approach for rapid and accurate apple fruitlet detection before fruit thinning[J]. Biosystems Engineering, 2021, 210: 271-281.
将SAR运用于民用安检领域，我们将三维成像SAR毫米波技术与FSRCNN超分辨率重建算法和改进YOLOv5s目标检测框架结合。
在理论上凭借SAR毫米波技术以其穿透力强、分辨率高的特点，在民用安检中具有显著优势。通过这种技术，能够检测到隐藏的金属和非金属物品，增强了安检的深度和广度。
同时利用FSRCNN算法通过优化网络结构，减少了计算复杂度，保持了图像重建的高质量。在SAR毫米波成像中，FSRCNN能够将低分辨率图像重建为高分辨率，提升了图像的清晰度和细节表现，将改进的YOLOv5s框架通过引入先进的特征融合技术和注意力机制，提高了对小目标和复杂背景下目标的检测能力。实现了从成像到检测的全流程优化，提高了安检系统的综合性能和可靠性,改进了低分辨率可能导致图像细节不够清晰，难以识别较小的或者是彼此紧密接触的物体缺点和降低了毫米波SAR 成像技术对环境条件苛刻程度。
目前SAR在民用方面研究较少，此项目在现实生活中推动了SAR在民生安全环境中的发展与运用,为我国在民生安全、社会安全、交通安全、国防安全等方面提供理论指导与实物支持。
summernote-img
第一阶段（2025.05~2025.06），收集资料，查找文献，对所进行的研究项目进行充分的认识，并进行项目内容研究、方案设计、项目申报书撰写。
第二阶段（2025.07~2024.09），设计出合适算法,通过技术仿真得到初步结果。
第三阶段（2025.10~2026.01），调试优化算法,在实验室搭建相关仪器,与SAR稳定结合,得到成像成果。
第四阶段（2026.02~2026.05），对本次项目研究成果进行总结、整理，撰写论文，投稿，专利申请等，提交项目结题报告。
1.与本项目有关的研究积累和已取得的成绩
本项目指导老师和负责人目前已经进行初步理论计算，得到了初步算法，已申请一项专利，本项目是在此项专利的研究结果为基础的深化研究。项目申请人已经提前进入指导老师的科研小组进行相关算法和实验进行学习，项目成员也有在相关项目学习的经验，为后续研究打下基础。
2.已具备的条件，尚缺少的条件及解决方法
目前，本项目已具备初步实验的相关理论指导，但是缺少实验设备和场地，后续需要制定更为精确的实验器材选型、参数等，使得整体系统构建精确程度得以提升，使得得到的数据推演更加合理和准确，购买实验设备和实验材料需要通过本项目的资助经费解决。

本项目指导老师和负责人目前已经进行初步理论计算，得到了初步算法，已申请一项专利，本项目是在此项专利的研究结果为基础的深化研究。项目申请人已经提前进入指导老师的科研小组进行相关算法和实验进行学习，项目成员也有在相关项目学习的经验，为后续研究打下基础。
1、理论储备
目前，经过初步推演和相关基础，我们已经得到一些算法的计算公式，例如数据集对FSRCNN模型进行迭代训练使用Adam 算法进行优化训练，利用损失函数MSE达到最小或到达迭代总次数时，停止训练。损失函数MSE用来衡量超分辨重建图像与原始高分辨率图像之间的误差，计算公式为：
我们在改进改进的YOLOv5s算法对超分辨重建图像进行训练时，已经推演发现，损失函数CMPplou最小 时，得到违禁品检测模型，其初步算法为：
所以，我们可以基于后续的实验结果，继续改进，从而提高数据精度。
2、专利申请
本项目在初步的演算结果后，负责人与老师一起申报了一项新型实用型专利已经受理，作为本项目的基础。

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 18000.00 项目研发以及成果出品 4500.00 13500.00
1. 业务费 12000.00 无 1000.00 11000.00
（1）计算、分析、测试费 2000.00 计算测试、分析 1000.00 1000.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 10000.00 版面费 0.00 10000.00
2. 仪器设备购置费 2000.00 项目实体制作 1000.00 1000.00
3. 实验装置试制费 2000.00 实验装置的使用 1000.00 1000.00
4. 材料费 2000.00 项目实体材料 1500.00 500.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司