半旋转半平面安检系统的扫描方法、安检系统及存储介质与流程

本申请属于安检技术领域，尤其涉及一种半旋转半平面安检系统的扫描方法、安检系统及存储介质。

背景技术：

毫米波波段信号，作为介于远红外波和微波的毫米量级波段，具有穿透等离子体、尘埃、衣物等物体的特性，使其工作波段不受限制并且对人体无害。基于其相关特性，采用毫米波波段的安检仪比较适合应用在机场、地铁等人流量大的公共场所。

目前，毫米波安检仪的漏检率相对较高，为了降低安检仪的漏检率，常常采用的方法是从硬件的角度提高开关阵列的检测精度，然而，这样无疑提高了安检仪的成本。

技术实现要素：

有鉴于此，本申请实施例提供了一种半旋转半平面安检系统的扫描方法、安检系统及存储介质，以在不提高安检系统硬件成本的前提下降低安检仪的漏检率。

本申请实施例的第一方面提供了一种半旋转半平面安检系统的扫描方法，所述安检系统包括：半旋转扫描开关阵列和半平面扫描开关阵列，所述扫描方法包括：

通过所述安检系统中的半旋转扫描开关阵列对待测人体的正面进行从左方到右方的旋转扫描或者从右方到左方的旋转扫描，获得半旋转扫描信号；

通过所述安检系统中的半平面扫描开关阵列对待测人体的背面进行从上方到下方的平面扫描或者从下方到上方的平面扫描，获得半平面扫描信号；

根据获得的半旋转扫描信号和半平面扫描信号获得扫描结果。

本申请实施例的第二方面提供了一种安检系统，包括：

安检踏板，所述安检踏板包括弧形边；

旋转轨道，安装在所述安检踏板的弧形边一侧；

竖直支架，垂直于所述旋转轨道，并设置在所述旋转轨道内，所述旋转支架在运动时沿着所述旋转轨道旋转；

半旋转扫描开关阵列，竖直分布在所述旋转支架上；

竖直轨道，安装在所述安检踏板的弧形边相对的另一侧；

水平支架，垂直于所述竖直轨道，并设置在所述竖直轨道内，所述水平支架在运动时沿着所述竖直轨道平移；

半平面扫描开关阵列，水平分布在所述水平支架上；

存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的所述方法的步骤。

本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现本申请实施例第一方面提供的所述方法的步骤。

本申请实施例提供了一种半旋转半平面安检系统的扫描方法，所述半旋转半平面安检系统包括：半旋转扫描开关阵列和半平面扫描开关阵列，通过所述安检系统中的半旋转扫描开关阵列对待测人体的正面进行从左方到右方的旋转扫描或者从右方到左方的旋转扫描，获得半旋转扫描信号；通过所述安检系统中的半平面扫描开关阵列对待测人体的背面进行从上方到下方的平面扫描或者从下方到上方的平面扫描，获得半平面扫描信号；根据获得的半旋转扫描信号和半平面扫描信号获得扫描结果。通过在人体正面设置半旋转扫描开关阵列，实现精确扫描，通过在人体背面设置半平面扫描开关阵列，降低成本，最后在通过将正面扫描结果和背面扫描结果融合的方式提高扫描的精确度，降低漏检率。

本申请实施例提供的安检系统和存储介质与上述扫描方法具有相同的有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种半旋转半平面安检系统的扫描方法的实现流程示意图；

图2是本申请实施例提供的一种安检系统中安检踏板的结构示意图；

图3是本申请实施例提供的一种安检系统的结构示意图；

其中，1、安检踏板；2、旋转轨道；3、弧形边；4、竖直支架；5、竖直轨道；6、半旋转扫描开关阵列；7、水平支架。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

图1是本申请实施例提供的一种半旋转半平面安检系统的扫描方法的实现流程示意图，如图所示，该方法包括以下步骤：

步骤s101，通过所述安检系统中的半旋转扫描开关阵列对待测人体的正面进行从左方到右方的旋转扫描或者从右方到左方的旋转扫描，获得半旋转扫描信号。

在本申请实施例中，所述扫描方法应用的安检系统中包括半旋转扫描开关阵列和半平面扫描开关阵列。示例性的，所述安检系统包括：

安检踏板，所述安检踏板包括弧形边；

旋转轨道，安装在所述安检踏板的弧形边一侧；

竖直支架，垂直于所述旋转轨道，并设置在所述旋转轨道内，所述竖直支架在运动时沿着所述旋转轨道旋转；

半旋转扫描开关阵列，竖直分布在所述竖直支架上；

竖直轨道，安装在所述安检踏板的弧形边相对的另一侧；

水平支架，垂直于所述竖直轨道，并设置在所述竖直轨道内，所述水平支架在运动时沿着所述竖直轨道平移；

半平面扫描开关阵列，水平分布在所述水平支架上；

在本申请实施例中，所述半旋转扫描开关阵列中包括多对开关天线，每对开关天线具有独立的控制开关，即每对开关天线互不干扰，所述开关天线包括：成对的发射天线和接收天线，所述发射天线可以发射毫米波信号，也可以发射太赫兹信号，毫米波信号传播过程中遇到遮挡物和障碍物，例如待安检的人体，毫米波信号返回并由接收天线接收。所述半旋转扫描开关阵列是竖直分布的多对开关天线，所述半旋转扫描开关阵列在人体正面从左到右或者从右到左旋转，旋转过程中，所述开关天线始终面向人体。

所述半旋转扫描开关阵列在旋转过程中可以是步进旋转，例如，每旋转一定角度就停止，停止后开关天线中的发射天线发射毫米波，开关天线中的接收天线接收反射回来的毫米波，然后继续按照一定角度进行步进旋转，……，当步进旋转扫描结束后，所述开关天线中的接收天线接收到的所有毫米波信号组成了半旋转扫描信号。

作为本申请另一实施例，所述通过所述安检系统中的半旋转扫描开关阵列对待测人体的正面进行从左方到右方的旋转扫描或者从右方到左方的旋转扫描，获得半旋转扫描信号包括：

通过所述安检系统中的半旋转扫描开关阵列中的发射天线阵列发射步进连续毫米波信号，并通过所述安检系统中的半旋转扫描开关阵列中的接收天线阵列接收与所述步进连续毫米波信号对应的第一扫描信号；

将接收到当前第一扫描信号的扫描开关阵列的编号和当前第一扫描信号的接收序号作为当前第一扫描信号的坐标；

在旋转扫描结束后，根据旋转扫描的方向和每个第一扫描信号的坐标生成半旋转扫描信号。

在本申请实施例中，所述半旋转扫描开关阵列中的多对开关天线均匀分布，同时，由于半旋转扫描开关阵列在扫描过程中是步进式旋转，因此，可以为每对开关天线进行编号，例如，半旋转扫描开关阵列中竖直分布的多对开关天线，从下到上的编号分别为1、2、3、…、n。其中n表示半旋转扫描开关阵列中所述开关天线的对数。在步进旋转过程中，每步进一次，对应获得一次反射的毫米波信号，可以按照接收的顺序进行编号，例如，编号为1的开关天线第一次接收到的毫米波信号的坐标为(1，1)，编号为i的开关电线第j次接收到的毫米波信号的坐标为(j，i)。将半旋转扫描开关阵列接收到的所有毫米波信号按照坐标排列就可以获得半旋转扫描信号。

需要说明的是，编号的顺序还可以从上到下，旋转的顺序可以从左到右，或者从右到左，在此均不做限制。

步骤s102，通过所述安检系统中的半平面扫描开关阵列对待测人体的背面进行从上方到下方的平面扫描或者从下方到上方的平面扫描，获得半平面扫描信号。

在本申请实施例中，所述半平面扫描开关阵列中包括多对开关天线，每对开关天线具有独立的控制开关，即每对开关天线互不干扰，所述开关天线包括：成对的发射天线和接收天线，所述发射天线可以发射毫米波信号，也可以发射太赫兹信号，毫米波信号传播过程中遇到遮挡物和障碍物，例如待安检的人体，毫米波信号返回并由接收天线接收。所述半平面扫描开关阵列是水平分布的多对开关天线，所述半平面扫描开关在人体背面从上到下或者从下到上平移，平移过程中，所述开关天线始终面向人体背面。

所述半平面扫描开关阵列在平移过程中可以是步进平移，例如，每平移一定距离就停止，停止后开关天线中的发射天线发射毫米波，开关天线中的接收天线接收反射回来的毫米波，然后继续按照一定距离进行平移，……，当步进平移扫描结束后，所述开关天线中的接收天线接收到的所有毫米波信号组成了半平面扫描信号。

作为本申请另一实施例，所述通过所述安检系统中的半平面扫描开关阵列对待测人体的背面进行从上方到下方的平面扫描或者从下方到上方的平面扫描，获得半平面扫描信号包括：

通过所述安检系统中的半平面扫描开关阵列中的发射天线阵列发射步进连续毫米波信号，并通过所述安检系统中的半平面扫描开关阵列中的接收天线阵列接收与所述步进连续毫米波信号对应的第二扫描信号；

将接收到当前第二扫描信号的扫描开关阵列的编号和当前第二扫描信号的接收序号作为当前第二扫描信号的坐标；

在平面扫描结束后，根据平面扫描的方向和每个第二扫描信号的坐标生成半平面扫描信号。

在本申请实施例中，所述半平面扫描开关阵列中的多对开关天线均匀分布，同时，由于半平面扫描开关阵列在扫描过程中是步进式平移，因此，可以为每对开关天线进行编号，例如，半平面扫描开关阵列中水平分布的多对开关天线，从左到右的编号分别为1、2、3、…、m。其中m表示半平面扫描开关阵列中所述开关天线的对数。在步进平移过程中，每步进一次，对应获得一次反射的毫米波信号，可以按照接收的顺序进行编号，例如，编号为1的开关天线第一次接收到的毫米波信号的坐标为(1，1)，编号为p的开关电线第q次接收到的毫米波信号的坐标为(p，q)。将半平面扫描开关阵列接收到的所有毫米波信号按照坐标排列就可以获得半平面扫描信号。

需要说明的是，编号的顺序还可以从右到左，平移的顺序可以从上到下，或者从下到上，在此均不做限制。

步骤s103，根据获得的半旋转扫描信号和半平面扫描信号获得扫描结果。

在本申请实施例中，获得的半旋转扫描信号可以得到人体正面的扫描图像，该扫描图像是正面三维图像，获得的半平面扫描信号可以得到人体背面的扫描图像，该扫描图像是背面二维图像，然后将人体正面的扫描图像和人体背面的扫描图像进行融合增强处理，就可以获得最终的扫描结果。

在此需要说明，由于半旋转扫描信号和半平面扫描信号的坐标设置方向可能存在差异，因此，需要通过旋转处理和/或翻转处理，使得正面三维图像和背面二维图像的方向一致。

作为本申请另一实施例，将所述正面三维图像和背面二维图像进行融合增强处理，获得扫描结果包括：

构建级联的三级神经网络模型，其中，第一级神经网络为双输入神经网络；

通过训练样本集中的训练样本对构建的三级神经网络模型进行训练，获得训练后的三级神经网络模型；

将正面三维图像和背面二维图像输入训练后的三级神经网络模型，第二级神经网络的输出为扫描结果。

在本申请实施例中，可以通过神经网络模型将正面三维图像和背面二维图像进行融合，以获得比较精确的扫描图像，降低漏检率；还可以通过神经网络模型对融合后的图像进行增强处理(例如清晰化处理)，以获得更精确的扫描图像，进一步降低漏检率。

构建的三级神经网络模型，第一级神经网络模型用于对正面三维图像和背面二维图像进行融合获得融合图像，因此需要双输入；第二级神经网络用于对融合图像进行增强处理，获得清晰化的融合图像；第三级神经网络用于对第二级神经网络进行训练。在训练过程中，三级神经网络级联在一起进行训练，在训练结束后，对正面三维图像和背面二维图像进行融合增强处理时，将第三级神经网络去除，保留级联的第一级神经网络和第二级神经网络，第二级神经网络输出的结果为融合增强处理后的扫描结果。

作为本申请另一实施例，所述通过训练样本集中的训练样本对构建的三级神经网络模型进行训练，获得训练后的三级神经网络模型包括：

第一次迭代训练过程：

将训练样本集中的样本图像对输入第一级神经网络，获得第一级输出图像，其中，所述样本图像对包括：三维样本图像和二维样本图像；

将第一级输出图像输入第二级神经网络，获得第二级第一输出图像，将第二级第一输出图像的标签设为0；

将高清样本集中的高清图像的标签设为1，将高清图像和第二级第一输出图像训练第三级神经网络，获得本次训练后的第三级神经网络；

将二维样本图像输入第二级神经网络，获得第二级第二输出图像，将第二级第二输出图像的标签设为1，输入本次训练后的第三级神经网络；

将所述本次训练后的第三级神经网络的参数设置为不更新，反向训练第二级神经网络，获得本次训练后的第二级神经网络；

获取第一级神经网络的损失函数，并基于第一级神经网络的损失函数反向训练第一级神经网络，获得本次训练后的第一级神经网络。

作为本申请另一实施例，第i次迭代训练过程，其中，i为大于1的整数：

将训练样本集中的样本图像对输入上一次训练后的第一级神经网络，获得第一级输出图像，其中，所述样本图像对包括：三维样本图像和二维样本图像；

将第一级输出图像输入上一次训练后的第二级神经网络，获得第二级第一输出图像，将第二级第一输出图像的标签设为0；

将高清样本集中的高清图像的标签设为1，将高清图像和第二级第一输出图像训练上一次训练后的第三级神经网络，获得本次训练后的第三级神经网络；

将二维样本图像输入上次训练后的第二级神经网络，获得第二级第二输出图像，将第二级第二输出图像的标签设为1，输入本次训练后的第三级神经网络；

将所述本次训练后的第三级神经网络的参数设置为不更新，反向训练上一次训练后的第二级神经网络，获得本次训练后的第二级神经网络；

获取第一级神经网络的损失函数，并基于第一级神经网络的损失函数反向训练上一次训练后的第一级神经网络，获得本次训练后的第一级神经网络。

在本申请实施例中，神经网络模型(也称卷积神经网络模型)的训练过程分为前向传播过程和反向传播过程。前向传播过程：通过构建的神经网络模型对待处理图像进行处理，获得输出图像或者输出结果；反向传播过程：基于输出图像或者输出结果与输入图像的标签之间的差异进行反向传播，更新所述神经网络的参数；在所述神经网络收敛之后获得训练后的神经网络模型。通过训练后的神经网路模型处理待处理图像就可以获得输出图像。

本申请实施例的第一级神经网络模型是为了将正面三维图像和背面二维图像融合在一起，即第一级神经网络模型最终输出的融合图像需要和正面三维图像的内容特征差异性较小，又需要和背面二维图像的内容特征差异性较小。因此，可以将第一级神经网络的损失函数设置为：

将第一级输出图像(训练过程中第一级神经网络输出的图像)和三维样本图像(训练过程中输入的三维的训练样本)的sift特征的差值的绝对值记为第一损失函数，将第一级输出图像(训练过程中第一级神经网络输出的图像)和二维样本图像(训练过程中输入的二维的训练样本)的sift特征的差值的绝对值记为第二损失函数，将所述第一损失函数和第二损失函数的和作为第一级神经网络的损失函数。

当然，每次训练过程中，输入的三维的训练样本和二维的训练样本是成对的训练样本。本申请实施例提供的扫描方法不需要输出图像一定存在标签值，因此，利用这种训练方法采用的训练样本可以不必是样本库中存在标签的样本，只要通过本申请实施例提供的安检系统扫描一定数量的人体样本即可。

本申请实施例提供的第二级神经网络和第三级神经网络需要级联在一起进行训练，第二级神经网络是一种图像增强网络，输入一个原始样本，第二级神经网络将所述原始样本包装为一个比较清晰的图像输出；原始样本的分辨率可以较低，输出的图像的分辨率较高，就是对图像清晰化重建的过程。第三级神经网络可以作为一个二分类器使用。第二级神经网络输出的图像输入到第三级神经网络之后，第三级神经网路可以判断一下这个图像到底是神经网络包装成的清晰图像，还是本来就是清晰图像。输出的值通常是0-1范围内的数值，例如，输出值大于0.5就认为输入的样本是一个本来分辨率就很高的图像，输出值小于0.5就认为输入的样本是一个经过清晰化的图像。

在训练的过程中，我们希望第三级网络模型对输入的本来清晰度较高的图像，获得的判别结果接近1，对输入的经过第二级神经网络清晰化处理过的图像，获得的判别结果接近0，那么第三级神经网络模型就完美了，达到了很好判别的目的。所以第三级神经网络的损失函数是希望本来就清晰的图像的结果越大越好，经过第二级神经网络的图像的结果越小越好，所以训练第三级神经网络时的损失函数为：

高清图像(样本库中本来就清晰的图像，这部分高清图像可以由高清设备采集的图像组成)输入第三级神经网络后的输出函数的倒数加上第二级第一输出图像(经过第二级神经网络清晰化处理后的图像)输入第三级神经网络后的输出函数。

在本申请实施例中，训练第三级神经网络时的损失函数也可以理解为，高清样本集中本来就清晰的图像输入第三级神经网络后的判别结果无限大(趋于1)，经过第二级神经网络清晰化处理后的图像输入第三级神经网络后的判别结果无限小(趋于0)，因为在训练过程中，希望损失函数越小越好，因此，可以将高清样本集中本来就清晰的图像输入第三级神经网络后的判别函数的倒数加上经过第二级神经网络清晰化处理后的图像输入第三级神经网络后的判别函数组成第三级神经网络的损失函数。

由于第二级神经网络模型的作用就是生成清晰化的图像，所以我们希望在训练过程中，使得第二级神经网络模型制造清晰化图像的能力尽可能强，但是，强到什么程度呢，第三级神经网络模型没法判断第二级神经网络模型制造的清晰化的图像到底是本来就清晰度很高还是制作的清晰度很高(这也表示第二级神经网络生成的清晰化图像足够清晰、且足够自然)。需要说明的是，所述第二级神经网络模型生成的清晰化图像再强，也终究是生成再造的，所以将第二级神经网络生成的清晰化图像统称为假图像，自然，不是第二级神经网络模型生成的就是真图像，例如，高清样本集中的高清图像(需要说明，高清图像用于表示相对与第一级神经网络融合后的图像清晰)就可以作为真样本等。

那么训练第二级神经网络模型时，其实是不需要真图像的，只要将第一级输出的图像输入，获得第二级输出图像后，判断一下第二级输出图像与真图像的差距是不是足够小即可，若是第二级输出的图像与真图像的差距足够小，就可以认为第二级神经网络模型训练好了，所以训练第二级神经网络时对应的损失函数，只需要第二级神经网络模型生成的假图像经过第三级神经网络模型判别的结果越接近1越好，所以我们需要第二级神经网络模型生成的假图像输入第三级神经网络模型后的判别结果越大越好，这样就可以得到训练第二级神经网络时的损失函数：训练第二级神经网络时第二级神经网络的输出图像输入第三级神经网络后的输出函数的倒数。

在确定了三级神经网络的损失函数后，就可以训练三级神经网络模型。在训练过程中，可以将预先扫描人体获得的三维正面图像和二维背面图像成对关联，这些图像组成训练样本集，每组成对的三维正面图像和二维背面图像可以成为样本图像，三维正面图像为三维样本图像，二维背面图像为二维样本图像。

正向传播过程：

将一对三维样本图像和二维样本图像输入第一级神经网络，获得第一级输出图像；

第一级输出图像输入第二级神经网络，获得第二级第一输出图像，将第二级第一输出图像的标签设为0；

将高清样本集中的高清图像的标签设为1，将高清图像和第二级第一输出图像输入第三级神经网络，获得判别结果；

反向传播过程：

第三级神经网络反向更新：基于第三级神经网络的损失函数以及第三级神经网络的判别结果，训练第三级神经网络，获得本次训练后的第三级神经网络。

第二级神经网络反向更新：将二维样本图像输入第二级神经网络，获得第二级第二输出图像，将第二级第二输出图像的标签设为1，输入本次训练后的第三级神经网络；

将所述本次训练后的第三级神经网络的参数设置为不更新，基于第三级神经网络的判别结果和第二级神经网络的损失函数反向更新第二级神经网络中的参数，获得本次训练后的第二级神经网络。

第一级神经网络反向更新：基于第一级神经网络的损失函数反向训练第一级神经网络，获得本次训练后的第一级神经网络。

后续的训练过程与第一次训练过程类似，在此不再赘述。

这样，三级神经网络的训练过程均不是独立循环的过程，每一次循环过程采用的是相互关联的样本，使得三级神经网络之间的关联衔接更匹配、鲁棒性较好。

构建的三级神经网络训练结束的标志为：可以设置循环的次数，例如，1000次，当循环1000次后自动停止，即获得训练后的三级神经网络，将第三级神经网络去除，剩下的第一级神经网络和第二级神经网络级联后就是可以实现正面三维图像和背面二维图像融合增强的网络模型。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图2和图3是本申请实施例提供的一种半旋转半平面安检系统的示意图，为了便于说明，仅示出与本申请实施例相关的部分。

所述半旋转半平面安检系统包括：

安检踏板，所述安检踏板包括弧形边；

旋转轨道，安装在所述安检踏板的弧形边一侧；

竖直支架，垂直于所述旋转轨道，并设置在所述旋转轨道内，所述竖直支架在运动时沿着所述旋转轨道旋转；

半旋转扫描开关阵列，竖直分布在所述竖直支架上；

竖直轨道，安装在所述安检踏板的弧形边相对的另一侧；

水平支架，垂直于所述竖直轨道，并设置在所述竖直轨道内，所述水平支架在运动时沿着所述竖直轨道平移；

半平面扫描开关阵列，水平分布在所述水平支架上；

存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述扫描方法实施例中的步骤。

在本申请实施例中，所述处理器执行所述计算机程序时实现如上述扫描方法实施例中的步骤，可以是图1所示的步骤s101至s103。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述安检系统中的执行过程。例如，所述计算机程序可以被分割成多个模块或者单元。

所述处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器可以是所述安检系统的内部存储单元，例如安检系统的硬盘或内存。所述存储器也可以是所述安检系统的外部存储设备，例如所述安检系统上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。所述存储器还可以既包括所述安检系统的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述安检系统所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的安检系统和扫描方法，可以通过其它的方式实现。例如，以上所描述的安检系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个扫描方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。