安全成像中的高级自动威胁识别[INACTIVE]
R4-B.3
项目描述
[截至2016年6月]
概述及意义
这个项目是按照两个方向组织的。第一个推力是高通量筛选。我们提出了基于分级网络的分类器算法。这在门户系统中是至关重要的，在门户系统中，高吞吐量需要大量的自动化决策支持，而在隔离系统中，多模态数据的激增可能会压倒人工解释。具体来说，该项目将利用现有的传感器、成像模式和爆炸物探测算法。
一些模式，如主动毫米波(AMMW)和人工检查可能是耗时的。为了提高检测性能并保持高吞吐量，所提出的方案将有选择地将受试者按顺序通过不同阶段。不构成威胁的主体将提前退出系统。在我们涉及几个基准数据集的初步实验中，我们已经表明，在不牺牲检测性能的情况下，我们的方案平均可以将吞吐量提高50%。我们还进行了AMMW、红外和被动毫米波(PMMW)模式的实验。对于我们提出的方案中的这种情况，我们可以证明，在47%的AMMW利用率下，即在47%的选择性选择的受试者上，当AMMW用于所有受试者时，我们可以匹配检测率。由于AMMW比红外(IR)更耗时，因此我们的吞吐量收益可以显著提高。
第二个重点是检测方法。我们的高通量筛选方法依赖于不同成像和传感模式的高精度探测器。该项目的目标是为先进成像技术(AIT)和防伪检测开发下一代ATR算法的概念，这些算法具有鲁棒性，增加检测概率，减少误报，并扩展到广泛的AIT/ATR传感器，如毫米波扫描仪、被动红外、x射线后向散射和其他概念。这套新算法将提高机场人员筛查的有效性，这是TSA非常感兴趣的。我们的基本假设是，无论是用于训练还是实时操作，收集每个感兴趣对象的完整传感器数据都太慢或成本太高。因此，重要的是开发技术，根据最新收集的信息自动识别要收集的个人信息的正确集合。
新的算法还将影响针对自杀式炸弹袭击者的对峙探测算法，这是国防部和国务院其他机构感兴趣的。这些努力的目的是开发一个强大的监视系统，具有普遍和持久的探测能力。毫米波和x射线反向散射供应商对AIT的改进ATR概念特别感兴趣。我们的目标是在低虚警概率和接近一定探测概率的情况下对隐藏爆炸物进行对峙探测。这项研究的长期影响将是为不同的传感模式组合开发自适应的、高通量的基于风险的筛查算法，这些算法比传统方法表现出更好的敏感性/特异性。
