一种金属器具检测方法、装置、电子设备以及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种金属器具检测方法、装置、电子设备以及存储介质。


背景技术：

2.随着我国基础设施建设日益完善，公共交通日益发达，对公共场所的治安环境的要求也越来越高，现有的安检手段已不能满足社会的需要。
3.对于进出人员较复杂的公共场所，通常设置安检门，用于检测进出人员是否随身携带管制刀具等金属物品，但是安检门占地面积较大，设置成本较高，并且安检门穿透性较强，对人体存在一定的辐射危害。


技术实现要素：

4.本发明提供了一种金属器具检测方法、装置、电子设备以及存储介质，以实现快速准确对金属器具、管制刀具等金属物品进行检测，使得用于安检方面的费用降低并减小了对人体的辐射危害。
5.第一方面，本发明实施例提供了一种金属器具检测方法，该方法包括：
6.实时获取待识别微波雷达图像；
7.所述待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度；
8.将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
9.第二方面，本发明实施例还提供了一种金属器具检测装置，该装置包括：
10.待识别微波雷达图像获取模块，用于实时获取待识别微波雷达图像；
11.所述待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度；
12.金属器具检测结果获取模块，用于将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
13.第三方面，本发明实施例还提供了一种计算机设备，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计算机程序，处理器执行程序时实现如本发明实施例中任一金属器具检测方法。
14.第四方面，本发明实施例还提供了一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的金属器具检测方法。
15.本发明实施例的技术方案，通过实时获取待识别微波雷达图像，待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度，将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，
得到金属器具检测模型输出的金属器具检测结果。本技术方案通过微波雷达进行扫描，并应用训练好的金属器具检测模型直接检测雷达图像中有无金属器具，避免给人体带来辐射，检测成本降低且提高了金属器具检测的效率和精度。
16.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
17.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明实施例一提供的一种金属器具检测方法的流程图；
19.图2a是本发明实施例二提供的一种金属器具检测方法的流程图；
20.图2b是本发明实施例二中提供的一种信号插值的示意图；
21.图3是本发明实施例三提供的一种金属器具检测装置的结构示意图；
22.图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
23.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
24.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
25.实施例一
26.图1为本发明实施例一提供了一种金属器具检测方法的流程图，本实施例可适用于检测进出人员是否随身携带管制刀具等金属器具的情况，该方法可以在金属器具检测装置中执行，该金属器具检测装置可以采用硬件和/或软件的形式实现，具体的，该金属器具检测装置可配置于具有模型运行环境的系统中，并于微波雷达配合使用。
27.如图1所示，本实施例公开了一种金属器具检测方法，具体包括如下步骤：
28.s110、实时获取待识别微波雷达图像。
29.其中，待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度。
30.微波雷达图像是指微波雷达发射机向扫描区域发射无线电波，接收机接收散射回波所形成的图像。微波雷达图像实际上反映的是微波雷达探测到的扫描区域中的各位置的强度数据，微波雷达图像与扫描区域相对应，各像素点表示扫描区域中对应的各子区域，各像素点的位置、灰度值等信息，可以反映各子区域信息。例如，扫描区域中出现金属器具时，会造成该位置的雷达反射波信号强度较高，雷达反射波的信号强度以像素点的灰度值的形式体现，所以微波雷达图像的灰度值可以反映扫描区域的金属器具信息。
31.本发明实施例的技术方案，采用微波雷达图像进行金属器具的识别，相比于现有技术中通过安检门进行金属器具检测的方式，对人体的辐射更小，安全性更高。
32.s120、将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
33.其中，预先训练得到的金属器具检测模型可以理解为搭建金属器具检测网络后，经过金属器具相关的图像数据集训练生成具有识别金属器具能力的模型。金属器具检测结果可以理解为将待识别的微波雷达图像输入金属器具检测模型中形成的检测结果。
34.具体的，金属器具检测模型的训练过程为：确定样本微波雷达图像；根据样本微波雷达图像，对预设的金属器具检测模型进行训练。
35.根据样本微波雷达图像组成训练集，训练金属器具检测网络，经过反复的迭代训练，金属器具检测网络的训练结果收敛，并学习到金属器具的所有特征，形成金属器具检测模型。训练好的金属器具检测模型即可识别实时获得的微波雷达图像中的金属器具。
36.可选的，为提高金属器具检测模型的准确性，可以通过对抗生成网络模型，对样本微波雷达图像进行扩充。具体的，确定随机噪声图像以及样本微波雷达图像；根据随机噪声图像以及样本微波雷达图像，对对抗生成网络模型中的生成器进行训练，直至根据对抗生成网络模型中的鉴别器确定所述生成器的生成结果符合样本微波雷达图像要求；根据训练得到的对抗生成网络模型中的生成器，对样本微波雷达图像进行扩充，以根据扩充后的样本微波雷达图像进行金属器具检测模型的训练。
37.其中，随机噪声图像可以理解为随机生成具有不同色值的黑白杂点并随机的分布在图像的坐标内，示例性的，随机噪声图像可以是基础的白噪声图像。具体的，可以采用高斯噪声、随机噪声等算法使得图像为具有随机分布的白色点状的图像，生成的随机噪声图像区分微波雷达图像。样本微波雷达图像可以理解为在历史时间段内获取的，并已标注是否存在金属器具，以及金属器具位置的微波雷达图像。
38.可选的，在根据样本微波雷达图像对对抗生成网络模型进行训练之前，还可以对样本微波雷达图像进行预处理、归一化等操作，本实施例对此不进行限制。
39.其中，对抗生成网络模型(gan，generative adversarial networks)是将生成的数据实例经过不断的迭代训练和进化，使其和原始图像实例难辨真伪的网络模型。对抗生成网络包括两个子网络，一端为生成器generator，一端为鉴别器discrimator，生成器通过将输入生成一个结果，鉴别器将生成器的结果与真值输入结果比较，判定生成器端提供的输入是否为造假输入，二者在不断地迭代训练中互相进化，生成器生成的结果越来越接近真实输入，鉴别器鉴别伪造的能力也越来越强，直到最终二者达到纳什均衡的状态，即鉴别器已经无法对生成器的结果辨伪，此时生成器生成的结果最逼近真值输入。
40.在本发明实施例中，样本微波雷达图像作为对抗生成网络的真值输入结果，随机
噪声图像作为对抗生成网络中生成器的输入，通过生成器的迭代训练，鉴别器对生成器模拟生成的图像和样本微波雷达图像进行比对。生成器的生成结果符合样本微波雷达图像要求，可以指生成器模拟生成的图像越来越接近样本微波雷达图像，具体的，可以是指生成器模拟生成的图像和样本微波雷达图像之间的相似度超过一定相似度阈值，但本实施例对生成器模拟生成的图像和样本微波雷达图像进行比对的方式不进行限制。
41.根据训练完成的对抗生成网络中的生成器，可以将随机噪声图像模拟成和样本微波雷达图像接近的图像，从而对样本微波雷达图像进行扩充，训练集样本数量增加，训练得到的金属器具检测模型的识别准确率更高。
42.可选的，预设的金属器具检测模型包括一个根模块、第一残差模块、第二残差模块以及第三残差模块；第一残差模块、第二残差模块以及第三残差模块均包括将输入作为输出的第一分支操作；第一残差模块、第二残差模块以及第三残差模块的输出，为将除第一分支操作之外的其他分支操作的结果进行堆叠后进行卷积，并与第一分支操作的输出进行相加得到。
43.其中，残差模块可以理解为输入图像经过几层卷积层的非线性变换后堆叠输出特征图像，特征图像与原输入图像相加，从而防止原始图像特征消失的网络结构。
44.由于待识别微波雷达图像为灰度图，其中包含的特征量较少，如果再经过深层次大量的卷积操作后，很容易产生梯度消失的问题，最后的分类器分类阶段可能已经没有多少特征被保留，从而导致金属器具检测模型的准确率较差。因此在本发明实施例中，采用残差块连接的设计，将起始输入与其他分支操作的输出进行加和后进行输出，作为下一层的输入，能够最大化的保留原始特征，从而保证金属器具检测模型的准确率。
45.可选的，根模块可以包括四个分支操作：对输入的待识别微波雷达图像进行一次平均池化以及一次1x1卷积、对输入的待识别微波雷达图像进行一次1x1卷积、对输入的待识别微波雷达图像进行一次1x1卷积和一次5x5卷积，以及对输入的待识别微波雷达图像进行一次1x1卷积、一次3x3卷积和一次5x5卷积，将四个分支操作的结果进行堆叠后进行输出，作为第一残差模块的输入。
46.第一残差模块同样包括四个分支操作：第一分支操作，也即将输入作为输出，其他三个分支操作为：对输入进行一次1x1的32通道的卷积、对输入进行一次1x1的32通道的卷积和一次3x3的32通道的卷积，以及对输入进行一次1x1的32通道的卷积、一次3x3的48通道和一次3x3的64通道卷积，将后三个分支操作的结果进行堆叠后，进行一次1x1卷积，并与第一分支操作的结果相加进行输出，作为第一恢复模块的输入。
47.第一恢复模块包括三个分支操作：对输入进行一次3x3最大池化、对输入进行一次3x3卷积以及对输入进行一次1x1卷积、一次3x3卷积和一次5x5卷积，将三个分支操作的结果进行堆叠后进行输出，作为第二残差模块的输入。
48.第二残差模块包括三个分支操作：第一分支操作，也即将输入作为输出，其他两个分支操作为：对输入进行一次1x1的192通道的卷积，对输入进行一次1x1的128通道的卷积、一次1x7的160通道的卷积和一次7x1的192通道的卷积，将后两个分支操作的结果进行堆叠后，进行一次1x1卷积，并与第一分支操作的结果相加进行输出，作为第二恢复模块的输入。
49.第二恢复模块包括四个分支操作：对输入进行一次3x3最大池化，对输入进行一次1x1的256通道卷积，一次3x3的384通道卷积，对输入进行一次1x1的256通道卷积，一次3x3
的288通道卷积，以及对输入进行一次1x1的256通道卷积，一次3x3的288通道卷积，一次3x3的320通道卷积，将四个分支操作的结果进行堆叠后进行输出，作为第三残差模块的输入。
50.第三残差模块包括三个分支操作：第一分支操作，也即将输入作为输出，其他两个分支操作为：对输入进行一次1x1的192通道的卷积，对输入进行一次1x1的192通道的卷积、一次1x3的224通道的卷积和一次3x1的256通道的卷积，将后两个分支操作的结果进行堆叠后，进行一次1x1卷积，并与第一分支操作的结果相加进行输出。
51.对第三残差模块的输出进行平均池化之后，进行随机失活(dropout)操作，并通过softmax分类器进行二分类任务，得到分类结果。
52.需要进行说明的是，上述仅作为对金属器具检测模型结构的示例，本实施例对金属器具检测模型的具体结构不进行限制。
53.本发明实施例的技术方案，通过实时获取待识别微波雷达图像，待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度，将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。本技术方案通过微波雷达进行扫描，并应用训练好的金属器具检测模型直接检测雷达图像中有无金属器具，避免给人体带来辐射，检测成本降低且提高了金属器具检测的效率和精度。
54.实施例二
55.图2a为本发明实施例二提供的一种金属器具检测方法的流程图，本发明实施例在上述实施例的基础上，对获取待识别微波雷达图像的过程进行了进一步的具体化。
56.如图2a所示，公开了一种金属器具检测方法，具体包括如下步骤：
57.s210、获取以微波雷达为原点，以预设方位角对扫描区域进行旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度。
58.其中，微波雷达发射机以自身为原点进行旋转，向扫描区域发射无线电波，并接收反射后的回波。
59.具体的，微波雷达扫描一周的同时，根据接收到的反射波的信号强度，生成信号强度矩阵。本发明实施例技术方案，通过雷达绕中心旋转扫描周围的场景，雷达每次发射探测信号的探测方向可以用方位角进行表征，一个探测方向的方位角可以为是从雷达指北方向线起，依顺时针方向到该探测方向之间的水平夹角。每束数据记为数列{an|n∈[1,n]}，an表示为距雷达n
×
δ米远处的信号强度，由信号强度判断场景中是否包括目标物体，其中n为采样数，δ为雷达的距离分辨率。由于微波雷达扫描一周可以包含若干个方位角，因此信号强度矩阵可描述为m行n列的矩阵，m表示第m个方位角，n表示第n个采样数。则信号强度矩阵可表示为：
[0060][0061]
对矩阵做归一化操作，使得元素取值范围在[0，255]之间，归一化公式如下：
[0062][0063]
其中，round()是四舍五入取整函数，a
ij
表示第i束第j个功率值，min()表示最小
值函数，max()表示最大值函数。
[0064]
s220、根据各反射波的信号强度，以及信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
[0065]
可选的，根据各反射波的信号强度，以及信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值，可以包括：对各反射波的信号强度进行插值处理；根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
[0066]
当距雷达中心的长度增加时，相邻两个数据点的圆弧间距增加，两个数据点的圆弧中间没有采样点数据，可以采用插值的方法增加数据密度，插值方式如下：
[0067]
具体的，图2b提供了一种信号插值的示意图，如图2b所示，在两束距离雷达相同位置的两个点a与b点上，新增两束与a、b两点距离雷达位置相同的c点和d点，这两点的功率值可表示为：
[0068][0069]
示例性的，初始信号强度矩阵的大小为m
×
n，若在相邻位置点之间插入两个插值位置点，则插值矩阵大小为3m
×
n，初始信号强度矩阵通过上述插值方法获取新的信号强度矩阵如下：
[0070][0071]
其中表示向下取整，％表示求余运算,round()为四舍五入取整。经过插值之后，相邻两束的角度间隔为与微波雷达距离相同的点，相邻两束的角度间隔也相等。
[0072]
将待识别微波雷达图像f表示为p行q列的灰度值矩阵：
[0073][0074]
其中，f
pq
表示位置(p,q)的像素点的灰度值。
[0075]
信号强度与灰度值之间的映射关系的确定过程为：确定扫描区域的尺寸，以及待识别微波雷达图像中的像素点对应的区域尺寸；根据扫描区域的尺寸以及像素点对应的区域尺寸，确定待识别微波雷达图像中的像素点的像素坐标与笛卡尔坐标系坐标之间的映射关系；根据像素坐标与笛卡尔坐标系坐标之间的映射关系，以及笛卡尔坐标系坐标与极坐标之间的映射关系，确定待识别微波雷达图像中的像素点的灰度值与各信号强度之间的映射关系。
[0076]
其中，扫描区域的尺寸记为pδ
×
qδ，像素点对应的区域记为边长为δ米的正方形区域，待识别微波雷达图像中的像素点的像素坐标与笛卡尔坐标系坐标之间的映射关系
可以表示为：
[0077][0078]
其中，(x,y)为笛卡尔坐标系坐标，(p,q)为像素点的像素坐标。
[0079]
笛卡尔坐标系坐标与极坐标之间的映射关系可以表示为：
[0080][0081][0082]
其中，(r,θ)为极坐标。
[0083]
最终，可以得到待识别微波雷达图像中的像素点的灰度值与各信号强度之间的映射关系：
[0084][0085]
因此，根据微波雷达进行扫描时得到的信号强度矩阵，即可以根据预先确定的像素点的灰度值与各信号强度之间的映射关系，确定待识别微波雷达图像中各像素点的灰度值。
[0086]
s230、将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
[0087]
上述实施例已对金属器具检测模型的训练过程以及具体结构进行了示例说明，本实施例在此不再赘述。
[0088]
实施例三
[0089]
图3为本发明实施例三提供的一种金属器具检测装置的结构示意图。如图3所示，该装置包括：待识别微波雷达图像获取模块310和金属器具检测结果获取模块320，其中：
[0090]
待识别微波雷达图像获取模块310，用于实时获取待识别微波雷达图像；
[0091]
待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度；
[0092]
金属器具检测结果获取模块320，用于将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
[0093]
本发明实施例的技术方案，通过实时获取待识别微波雷达图像，待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度，将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。本技术方案通过微波雷达进行扫描，并应用训练好的金属器具检测模型直接检测雷达图像中有无金属器具，避免给人体带来辐射，检测成本降低且提高了金属器具检测的效率和精度。
[0094]
可选的，待识别微波雷达图像获取模块310，包括：
[0095]
信号强度获取单元，用于获取以微波雷达为原点，以预设方位角对扫描区域进行
旋转微波雷达扫描时，距微波雷达不同间距处的各反射波的信号强度；
[0096]
灰度值获取单元，用于根据各反射波的信号强度，以及信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
[0097]
可选的，灰度值获取单元，具体用于：
[0098]
对各反射波的信号强度进行插值处理；
[0099]
根据插值处理后的各信号强度，以及预先确定的信号强度与灰度值之间的映射关系，得到待识别微波雷达图像中各像素点的灰度值。
[0100]
可选的，所述装置，还包括：
[0101]
尺寸确定模块，用于确定扫描区域的尺寸，以及待识别微波雷达图像中的像素点对应的区域尺寸；
[0102]
坐标映射关系确定模块，用于根据扫描区域的尺寸以及像素点对应的区域尺寸，确定待识别微波雷达图像中的像素点的像素坐标与笛卡尔坐标系坐标之间的映射关系；
[0103]
灰度值-信号强度映射关系确定模块，用于根据像素坐标与笛卡尔坐标系坐标之间的映射关系，以及笛卡尔坐标系坐标与极坐标之间的映射关系，确定待识别微波雷达图像中的像素点的灰度值与各信号强度之间的映射关系。
[0104]
可选的，所述装置，还包括：
[0105]
样本微波雷达图像确定模块，用于，确定样本微波雷达图像；
[0106]
金属器具检测模型训练模块，用于根据样本微波雷达图像，对预设的金属器具检测模型进行训练。
[0107]
可选的，样本微波雷达图像确定模块，包括：
[0108]
随机噪声图像确定单元，用于确定随机噪声图像以及样本微波雷达图像；
[0109]
对抗生成网络模型训练单元，用于根据随机噪声图像以及样本微波雷达图像，对对抗生成网络模型进行训练；
[0110]
样本微波雷达图像扩充单元，用于根据训练得到的对抗生成网络模型，对样本微波雷达图像进行扩充，以根据扩充后的样本微波雷达图像进行金属器具检测模型的训练。
[0111]
可选的，所述预设的金属器具检测模型包括一个根模块、第一残差模块、第二残差模块以及第三残差模块；
[0112]
其中，第一残差模块、第二残差模块以及第三残差模块均包括将输入作为输出的第一分支操作；
[0113]
第一残差模块、第二残差模块以及第三残差模块的输出，为将除第一分支操作之外的其他分支操作的结果进行堆叠后进行卷积，并与第一分支操作的输出进行相加得到。
[0114]
本发明实施例所提供的金属器具检测装置可执行本发明任意实施例所提供的金属器具检测方法，具备执行方法相应的功能模块和有益效果。
[0115]
实施例四
[0116]
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器70、存储器71、输入装置72和输出装置73；计算机设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。
[0117]
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程
序以及模块，如本发明实施例中的金属器具检测方法对应的模块(例如，金属器具检测装置中的待识别微波雷达图像获取模块310和金属器具检测结果获取模块320)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的金属器具检测方法。该方法包括：
[0118]
实时获取待识别微波雷达图像；
[0119]
所述待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度；
[0120]
将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
[0121]
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0122]
输入装置72可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
[0123]
实施例五
[0124]
本发明实施例五还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种金属器具检测方法，该方法包括：
[0125]
实时获取待识别微波雷达图像；
[0126]
待识别微波雷达图像中各像素点的灰度值，用于反映以微波雷达为原点，对扫描区域进行微波雷达扫描时反射波的信号强度；
[0127]
将待识别微波雷达图像输入至预先训练得到的金属器具检测模型中，得到金属器具检测模型输出的金属器具检测结果。
[0128]
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的金属器具检测方法中的相关操作。
[0129]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0130]
值得注意的是，上述金属器具检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0131]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，
本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。