成果简介：

成熟程度及推广应用情况：

目前处于何种研发阶段：☒研发 ☐小试 ☐中试 ☐小批量生产 ☐产业化；

样机：☒有 ☐无

技术优势：

2. 结合图像融合算法和深度神经网络，快速高效完成核辐射识别。由于监控图像分辨率较高、视频数据量庞大，对每一帧图像进行像素级的图形算法运算，将会产生巨大的计算负荷。结合图像融合算法构造训练数据和测试数据，用于对大量图像处理有良好性能表现的卷积神经网络模型训练和测试，得到具有特定权值结点的网络模型。将训练得到的模型用于实时探测，只需输入图像，便可迅速得到识别结果。

3. 结合行人重识别技术，可实现多终端全方位的辐射事件监测网络。近年来，行人重识别发展十分迅速，模型效率提升巨大，公开的数据库更是便于改进和提升现有的模型。其模型结构为大量残差网络和卷积网络，能够快速对目标进行检测和跟踪。其次，该模型可移植到智能手机、智慧电视、车载系统等智能终端，能够方便快捷对辐射事件进行识别和跟踪。

4. 该成果属于核辐射探测的新方法和新技术，充分利用现有监控网络，成本低且便于推广。CCD/CMOS 传感器与传统核辐射探测器相比，具有成本低、广覆盖的特点。我国已经建成世界上最大的视频监控网——“中国天网”，全国约 600 城市正建设“平安城市”以及“智慧城市”，大部分城市都会安装 20 万到 60 万个视频摄像头，全国监控摄像头超过 2000 万个，并已经完成国家多级联网监控工程，并利用人工智能和大数据进行警务预测。可以利用我国已建成的巨大的视频监控网，推广应用到城市的各个角落，实现城市公共场所和人员密集区域的全覆盖。同时，我国智能手机用户数量庞大，几乎人手一部，该项目可开发手机 APP，移植到手机等智能终端，便于推广。

性能指标：

1. 使用手机摄像头进行核辐射探测和心率监测。

使用智能手机摄像头，用手指遮盖镜头进行视频采集，采用帧间差分和高斯滤波等算法以及 PPG 信号处理技术，实现了实时核辐射探测和人体心率监测，该研究通过实验，在放射源为 33 mCi 的 99mTc 环境下，拟合出单位时间(1min）内辐射帧数量（N）与辐射源距离（D）之间的关系为：N=1.2047*10^5/D，同时采用该方法进行心率监测结果与使用血氧仪测量结果的平均误差在 0.48bpm 左右。

2. 使用监控摄像头在动态场景下进行核辐射探测。

在放射源为 7×108 Bq Tc-99m 的环境下，使用 CMOS 监控摄像头采集数据，采用帧间差分和图像形态学处理等算法进行运动物体的去除，以降低监控图像中运动物体对核辐射亮斑提取的干扰，实现了动态场景下摄像头未遮光的核辐射探测，辐射帧的识别准确率达到了 97.24%。此外，将 CMOS 监控摄像头与长波通滤光片相结合，其中滤光片过滤的可见光成分对应图像中 RGB 三通道值的 B 值成分。根据核辐射粒子的穿透性原理，辐射亮斑在摄像头滤光后形成的图像中，其 B 值并无减弱。对采集的图像采用帧间差分和高斯平滑相结合的方法，减少噪声干扰，实现了核辐射的有效探测，辐射帧的识别准确率达到了 97.27%。

3. 结合图像融合算法和卷积神经网络进行核辐射的实时探测。

实验平台为深度学习服务器，含有英特尔 E5-4655 处理器，GPU 型号为 NVIDIAGeForce GTX 1080Ti。通过实验分别采集无辐射环境下监控视频和辐射环境下遮蔽摄像头的成像视频，然后进行图像融合，得到监控场景下的核辐射成像视频，以此进行深度学习模型搭建和训练，使用指标 2 中的实验数据进行测试，实验结果能够实现达到了97.36%的召回率与 91.41%的准确率，表明可以成功识别更多的辐射事件。

4. 基于行人重识别算法进行可疑辐射源携带人员追踪。

市场分析:

经济效益分析：