一种自动检测金属的方法

IPC分类号 : G01V3/12,H04B17/309

申请号

CN201710772193.6

可选规格: 数量

库存1件

确认取消

￥30000; 库存1件

首页

立即咨询

看了又看

专利摘要

本发明涉及一种自动检测金属的方法，基于无线网络信号传输技术，所述方法的步骤包括：无线接收端接收来自无线发射端的无线信号，并评估信道状态信息；利用异常检测算法识别信道状态信息变化的异常；将异常信号段取出，通过Hampel滤波器和1D差值算法去除信号中的噪声；再通过基于将目标材质和其他材质类进行区分的邻近算法，以金属的反射特性导致信道状态信息变化的异常模式为目标金属类，判断人体是否携带金属物质，若是，则发出警报信号；本发明的检测方法误报率较低；利用现有的无线网络及设备，无需安装其他特定的检测设备，具有极高的普及性；同时被检测者不需要携带任何额外传感设备，方便了检查人员的工作。

权利要求

1.一种自动检测金属的方法，所述方法基于无线网络信号传输技术，其特征在于，所述方法包括以下步骤：

S1、无线接收端接收来自无线发射端的无线信号并评估信道状态信息；

S2、利用异常检测算法识别信道状态信息变化是否异常，如是，则执行步骤S3，如否则放弃本次检测信号并返回S2步骤；

S3、对异常的信道状态信息进行去噪处理；

S4、根据目标材质类和其他材质类的振幅谱密度（ASD）的欧式距离不同作为特征项进行区分的近邻算法，以金属材质类导致信道状态信息变化的异常模式为目标材质类判断是否人体携带金属，若是，则发出报警信号给报警装置，若否，则通过检测；

检测时，人所站立的位置需要满足并不在发射端和接受端连线的延长线上；

所述步骤S3中的去噪处理是利用Hampel滤波器和1D插值算法；

所述步骤S3中还包括以下步骤：

S31、对识别信道状态信息利用Hampel滤波器进行滤波处理；

S32、利用1D线性插值算法在连续测量之间的预设时间内对数据中进行均匀插值并输出；

所述步骤S4中还包括以下步骤：

S41、基于统计学习理论，将去除噪声后的无线电磁波信号通过傅里叶变换从时域信息转换成频域信息；通过计算各种材质之间的欧式距离作为特征量，并以此作为训练样本；从而建立以特定空间内由于各项金属材质导致信道状态信息变化的异常模式的高维特征模型；

S42、将步骤S32输出的异常模式映射至近邻算法的高维特征模型中，当存在一个异常特征值与目标匹配数据实现了成功匹配，则认定 T 时间内检测到的无线电磁波信号受到了金属的影响；

S43、根据无线电磁信号受到金属影响判断发生人体携带金属，则发出报警信号。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中还包括以下步骤：

S11、采集初始信道状态数据，基于多输入多输出技术，所述初始信道状态数据包括N个空间流中的M个子载波的CSI值，N和M均为大于1的自然数；

S12、对每一个空间流，求取在同一时间点上的P个连续子载波的CSI值的平均值，将此平均值作为信道状态信息，P为大于1小于M的自然数；

S13、利用数据过滤技术和滑动平均方法对信道状态信息进行平滑处理。

3.根据权利要求2所述的方法，其特征在于：所述步骤S2利用异常检测算法识别信道状态信息变化的异常是基于局部异常因子的时间序列异常检测算法。

4.根据权利要求3所述的方法，其特征在于，所述步骤S2中还包括以下步骤：

S21、对信道状态信息的时间序列实施数据分割得到子序列，计算子序列的局部异常因子；

S22、当局部异常因子大于或等于预设阀值时，将子序列作为异常模式输出；

S23、预先设定的阀值作为判断是否金属反射过来的信号，把该信道状态信息设置为异常信息，并将该异常时间和之后 T 时间内的 N 个连续子载波的 CSI数据进行分析。

5.根据权利要求4所述的方法，其特征在于，所述步骤S43之后还包括步骤：

S44、针对报警信号的响应信息反馈调整近邻算法的高维特征模型。

6.根据权利要求5所述的方法，其特征在于，所述无线发射端的数目为一个或两个以上，所述无线接收端的数目为一个或两个以上。

7.根据权利要求1-6任一项所述的方法，其特征在于，提取特征与匹配的步骤在无线接收端的服务器中完成；或者通过无线传输将数据传输至云端服务器上进行特征的提取与匹配；所述报警装置接收到警报指令之前处于待机状态，当报警指令到达时，报警装置进入运作状态，通过播放音乐、发光、鸣笛或文字警报中的至少一种方式通知相关工作人员介入。

说明书

技术领域

本发明属于信息处理技术改进领域，尤其涉及一种基于无线网络对金属进行自动检测的方法。

背景技术

如今，由于恐怖主义的日益猖獗，公共安全成为了人们越来越重视的问题。金属的检测也变得尤其重要。目前检测金属的方式主要有以下几种：（1）利用X射线的穿透能力的来进行物品识别，其利用X光线的穿透性，集合光电技术，融合计算机、数字信号处理等技术，通过视觉和模式识别将图像的信息进行区分、提取、判别，最终实现异物处理识别金属等物品；X射线属于一种游离辐射射线，其主要应用于医学诊断，而目前市面上的行李的安检设备也主要采用这一种检测方式。但其实现成本非常的高，产品庞大笨重，难以运输和移动，并且其X光对人体能产生比较严重的危害，并且对使用人员也具有一定的技术要求；（2）利用电磁感应（霍尔效应、磁阻等）原理，通过有交流电通过的线圈，产生迅速变化的磁场从而检测金属对电磁场的影响来检测金属的存在。振荡器通过中间的发射线圈发射出一个高频磁场，与两个接收线圈相连，但极性相反，在磁场不受外界干扰的情况下，它们产生的电压输出信号相互抵消。一旦金属杂质进入磁场区域，两个输出线圈输出的信号无法抵消，金属检测机就能检测到金属的存在。与第（1）种方式相比，利用电磁感应相对第一种成本比较低，且对人体危害小，但需要近距离的探测，而且准确度与前者相比也有所降低。因此，以上两种都必须在被检测人配合的情况下进行，并且需要完成相应的动作或者到指定的位置，极大的限制了检测的范围和速度。因此，我们急切需要找到一种能够方便并有效的自动检测金属并做出回应的方法。为了实现对行为的准确检测，人们提出了利用环境设备、视觉或者传感器来进行检测的方法。然而采用这些方法搭建的检测系统本身都存在着种种不足。

发明内容

本发明的目的在于提供一种自动检测金属的方法，旨在解决在特定的室内环境中，通过利用现有的无线网络及设备，实现对人体携带金属的有效检测，并达到及时报警和反馈功能的技术问题。

本发明是这样实现的，一种自动检测金属的方法，所述方法基于无线网络信号传输技术，所述方法包括以下步骤：

S1、无线接收端接收来自无线发射端的无线信号并评估信道状态信息；

S2、利用异常检测算法识别信道状态信息变化是否异常，如是，则执行步骤S3，如否则放弃本次检测信号并返回S2步骤；

S3、对异常的信道状态信息信号进行去噪处理；

S4、根据目标材质类和其他材质类的振幅谱密度（ASD）的欧式距离不同作为特征项进行区分的临近算法，以金属材质类导致信道状态信息变化的异常模式为目标材质类判断是否人体携带金属，若是，则发出报警信号给报警装置，若否，则通过检测；

检测时，人所站立的位置需要满足并不在发射端和接受端连线的延长线上。

本发明的进一步技术方案是：所述步骤S1中还包括以下步骤：

S11、采集初始信道状态数据，基于多输入多输出技术，所述初始信道状态数据包括N个空间流中的M个子载波的CSI值，N和M均为大于1的自然数；

S12、对每一个空间流，求取在同一时间点上的P个连续子载波的CSI值的平均值，将此平均值作为信道状态信息，P为大于1小于M的自然数；

S13、利用数据过滤技术和滑动平均方法对信道状态信息进行平滑处理。

本发明的进一步技术方案是：所述步骤S2利用异常检测算法识别信道状态信息变化的异常是基于局部异常因子的时间序列异常检测算法。

本发明的进一步技术方案是：所述步骤S2中还包括以下步骤：

S21、对信道状态信息的时间序列实施数据分割得到子序列，计算子序列的局部异常因子；

S21、当局部异常因子大于或等于预设阀值时，将子序列作为异常模式输出。

本发明的进一步技术方案是：所述步骤S3利用识别信道状态信息变化的异常是基于利用Hampel滤波器和1D差值算法。

本发明的进一步技术方案是：所述步骤S3中还包括以下步骤：

S31、对信号信息里面的所有子载波均利用Hampel滤波器进行滤波处理；

S32、利用ID线性插值算法在连续测量之间的预设时间内对数据中进行均匀插值并输出。

本发明的进一步技术方案是：所述步骤S4中还包括以下步骤：

S43、根据无线电磁信号受到金属影响判断发生人体携带金属，则发出报警信号。

本发明的进一步技术方案是：所述步骤S43之后还包括步骤：

S44、针对报警信号的响应信息反馈调整近邻算法的高维特征模型。

本发明的进一步技术方案是：所述无线发射端的数目为一个或两个以上，所述无线接收端的数目为一个或两个以上。

本发明的进一步技术方案是：提取特征与匹配的步骤可以在无线接收端的服务器中完成；或者通过无线传输将数据传输至云端服务器上进行特征的提取与匹配；所述警报装置接收到警报指令之前处于待机状态，当报警指令到达时，报警装置进入运作状态，通过播放音乐、发光、鸣笛或文字警报中的至少一种方式通知相关工作人员介入。

本发明的有益效果是：本发明基于室内环境下的无线电传播机制，将信道状态信息CSI与金属类物质建立联系，通过CSI的变化判断人体携带金属的行为，确定被检测者是否有携带金属的行为，从而实现有效的报警的功能，其有益效果包括：在装饰物较少的室内环境（如实验室）中，被检测行为的检测准确率为84%～94%，而在装饰物较多的室内环境（如宿舍）中，检测准确率也达到78%，误报率较低，仅有15%～22%；能够实现对金属材质判断后发出警报信号，并利用系统的自学习功能处理误报情况，进一步降低误报率；本检测方法是在现有的无线网络及设备的基础上，进行人体携带金属行为的检测工作，被检测环境中无需安装其他特定的检测设备，可以在无线电磁波中的任何环境使用，具有极高的普及性，同时被检测者不需要携带任何额外传感设备，方便了检测者的工作。

附图说明

图1是本发明实施例提供的自动检测金属的检测方法的流程图。

图2是本发明实施例提供的人体携带金属自动检测方法的实现流程图。

具体实施方式

图1示出了本发明提供的自动检测金属的方法的流程图，所述方法基于无线网络信号传输技术，其详述如下：

步骤S1，无线接收端接收来自无线发射端的无线信号并评估信道状态信息；在实际应用中，本发明的自动检测金属的方法可在应用服务器上实现。优选地，所述无线接收端为无线网卡，所述无线发射端为无线路由器，该方法基于室内环境下的无线电传播机制，建立无线信号和金属对无线信号的影响的关系，只需要使用现有的无线网络设备，即能够通过对被检测者携带金属类物质变化而造成的无线信号的改变进行分析，判断出被检测者是否携带金属的行为并进行报警，减小了周围环境因素对材质检测的影响，将大大的提高检测的正确率。在特定的室内环境中，可通过无线网卡收集无线网络的丰富的信道状态信息。在本发明中，所述无线发射端的数目为一个或两个以上，所述无线接收端的数目为一个或两个以上。系统中分别由多根天线来发送和接收无线信号；系统所使用的无线网卡可以接收信道状态信息。优选地，无线发射端和无线接收端的数目均为2个或者3个。如附图1所述，被检测环境中存在两个无线发射端（第一发射器和第二发射器）和两个无线接收端（第一接收端和第二接收端）。其中第一接收端接收来自第一发射器的CSI（ChannelStateInformation的缩写，即信道状态信息，在无线通信领域，CSI就是通信链路的信道属性，描述了信号在每条传输路径上的衰弱因子），第二接收端接收来自第二发射器的CSI。在被检测环境中，被检测者无需携带其他额外设备。系统将利用两个无线接收端所接收的CSI来对被检测者的行为进行检测，并从而判断被检测者是否携带金属。

在所述步骤S1中，评估信道状态信息中还包括：S11、采集初始信道状态数据，基于多输入多输出技术，所述初始信道状态数据包括N个空间流中的M个子载波的CSI值，N和M均为大于1的自然数；S12、对每一个空间流，求取在同一时间点上的P个连续子载波的CSI值的平均值，将此平均值作为信道状态信息，P为大于1小于M的自然数；S13、利用数据过滤技术和滑动平均方法对信道状态信息进行平滑处理。

当本发明的系统开始工作时，无线发射端传播无线网络信号，同时处于特定区域内的无线接收端（如装有网卡的电脑）会收集CSI作为初始信道状态数据，然后进行数据处理。以使用3×3的多入多出技术（Multiple-InputMultiple-Out-put，MIMO）为例，在感应阶段得到的初始信道状态数据会被分成9个空间流，而在每一个流中会有30个子载波。经实验发现，金属对无线信号的影响所造成的变化会对不同的空间流所包含的数据产生影响，而对每一个空间流中的所有子载波则会产生相似的影响。同时，实验表明，环境因素（如温度，房间的设置）也会造成收集的CSI有所起伏。因此，在本发明中，每一个独立的空间流中的30个子载波的CSI值被汇总成一个单独的信道状态信息。优选地，对每一个空间流，先求得连续5个子载波的CSI平均值，而且对9个空间流分别取同一时间点的CSI平均值作为信道状态信息。为了减小环境因素的干扰，本发明利用数据过滤技术和滑动平均方法，具体地，使用加权移动平均法（weightedmovingaverage）对通过上述处理的信道状态信息进行平滑处理，以减少数据中的噪声。

步骤S2，利用异常检测算法识别信道状态信息变化是否异常，如是，则执行步骤S3，如否则放弃本次检测信号并返回S2步骤；所述步骤S2利用异常检测算法识别信道状态信息变化的异常是基于局部异常因子的时间序列异常检测算法，进一步地，包括：S21、对信道状态信息的时间序列实施数据分割得到子序列，计算子序列的局部异常因子；S21、当局部异常因子大于或等于预设阀值时，将子序列作为异常模式输出；S23、预先设定的阀值作为判断是否金属反射过来的信号，把该该信道状态信息设置为异常信息，并将该异常时间和之后 T 时间内的 N 个连续子载波的 CSI数据进行分析。所述 T 时间可以根据用户的需求进行自定义设置，比如设置为十秒钟。具体数值可根据用户的需求进行自定义设置，只要设置 N 大于 0 即可。

步骤S3，对异常的信道状态信息信号进行去噪处理；所述步骤S3利用识别信道状态信息变化的异常是基于利用Hampel滤波器和1D差值算法。在去噪处理中步骤S3还包括：S31、对信号信息里面的所有子载波均利用Hampel滤波器进行滤波处理；采用一个移动窗口利用多个数据来确定的有效值。如果滤波器判定该数据有效，则输出。否则，如果判定该数据为奇异数据，用其他有效值替代。S32、利用ID线性插值算法在连续测量之间的预设时间内对数据中进行均匀插值并输出。为了解决由采样抖动和异常值去除所引起的CSI信息丢失，必须在内CSI信息中插值。特别地，我们利用1D线性插值算法来确保连续测量之间间隔10ms的数据中均匀插值。其根据已知两项有关的对应关系估算第三项对应的未知关系。

步骤S4，根据目标材质类和其他材质类的振幅谱密度（ASD）的欧式距离不同作为特征项进行区分的临近算法，以金属材质类导致信道状态信息变化的异常模式为目标材质类判断是否人体携带金属，若是，则发出报警信号给报警装置，若否，则通过检测；在判断是否携带金属的过程中进一步还包括：S41、基于统计学习理论，将去除噪声后的无线电磁波信号通过傅里叶变换从时域信息转换成频域信息；通过计算各种材质之间的欧式距离作为特征量，并以此作为训练样本；从而建立以特定空间内由于各项金属材质导致信道状态信息变化的异常模式的高维特征模型；基于统计学习理论，将去除噪声后的无线电磁波信号通过傅里叶变换从时域信息转换成频域信息，即把时域上的振幅信息转换为频域上接收信号的振幅谱密度（ASD）来表示。再通过计算各种材质振幅谱密度（ASD）之间的欧式距离作为特征量，并以此作为训练样本。从而建立以设定空间内由于各项金属材质导致信道状态信息变化的异常模式的高维特征模型。S42、将步骤S32输出的异常模式映射至近邻算法的高维特征模型中，当存在一个异常特征值与目标匹配数据实现了成功匹配，则认定 T 时间内检测到的无线电磁波信号受到了金属的影响；将步骤S32输出的异常模式映射至近邻算法（KNN）的高维特征模型中，分离出目标材质类。即一个S23输出的异常数据样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。而K值是根据样本特征人为设定的。这种机器学习算法将目标数据与特征库中保存的特征进行匹配，若存在一个特征与目标数据匹配成功，则认定 T 时间内检测到的数据受到了金属的影响。S43、根据无线电磁信号受到金属影响判断发生人体携带金属，则发出报警信号。步骤S44，针对报警信号的响应信息反馈调整近邻算法的高维特征模型。反馈针对、警报信号的响应信息，调整KNN的高维特征模型。当携带金属的行为被检测出之后，将进入警报处理阶段，系统会发生警报。如果警报被及时关闭，则说明被检测者携带的金属并不会对其他人造成危险，此时系统利用反馈的响应信息，更新人行为判断的历史记录，并用于调整完善KNN的高维特征模型，提供可以优化检测和决策算法的系统反馈。如果警报没有及时被关闭，系统判断正确，并将此次结果存入到特征库中。

本发明基于室内环境下的无线电传播机制，将信道状态信息CSI与金属类物质建立联系，通过CSI的变化判断人体携带金属的行为，确定被检测者是否有携带金属的行为，从而实现有效的报警的功能，其有益效果包括：在装饰物较少的室内环境（如实验室）中，被检测行为的检测准确率为84%～94%，而在装饰物较多的室内环境（如宿舍）中，检测准确率也达到78%，误报率较低，仅有15%～22%；能够实现对金属材质判断后发出警报信号，并利用系统的自学习功能处理误报情况，进一步降低误报率；本检测方法是在现有的无线网络及设备的基础上，进行人体携带金属行为的检测工作，被检测环境中无需安装其他特定的检测设备，可以在无线电磁波中的任何环境使用，具有极高的普及性，同时被检测者不需要携带任何额外传感设备，方便了检测者的工作。

本发明自动检测金属的方法的三个重要步骤，包括：CSI数据处理、异常检测和行为分类。

如图2所示，本发明还提供了一种实施例的人体携带金属自动检测方法的实现流程，其步骤包括：

S301、无线接收端接收来自无线发射端的无线信号，同时采集初始信道状态数据；

S302、求取合并子载波的CSI平均值作为信道状态信息；

S303、对信道状态信息进行平滑处理；

S304、利用异常检测算法对信道状态信息的正常轮廓进行估计，计算局部异常因子；

S305、输出异常模式；

S306、将输出异常模式去除噪声；

S307、将去噪后的异常模式映射至KNN的高维特征模型中；

S308、利用KNN进行分类，其中以金属材质导致信道状态信息变化的异常模式为目标材质类；

S309、判断是否分离出目标材质类，若是，执行步骤S310，否则返回步骤S301；

S310、判定发生人体携带金属的行为，发出警报信号；