近年来，恐怖主义活动给人民的安全和经济的发展造成了巨大威胁，检测人体所携带的危险品已成为保障公共安全的迫切需求。毫米波全息成像系统是一种新型、安全的人体安检手段。毫米波能穿透衣物，同时又对人体无害，能直接用于人体成像，探测出人体藏匿的违禁物品，因此正逐步被应用于公共场所人体安检，为公共安全提供强有力的保障。　　毫米波图像中包含大量噪声，违禁物体纹理不清晰，并且和人体纹理非常接近，这些都为毫米波自动目标识别带来的巨大的困难。本文设计了两种基于卷积神经网络(Convolutional Neural Network，CNN)的毫米波图像自动目标识别算法。第一种基于穷尽式搜索策略，通过CNN获得毫米波图像概率累积图，进而确定目标存在的位置。第二种基于faster RCNN(Region-based CNN)算法，该算法通过RPN(Region Proposal Network)提取出物体候选框，再通过fast RCNN判别候选框是目标的概率以及目标的精确位置。实验表明，faster RCNN算法不仅具有更高的识别准确率，并且具有更快的识别速度。　　本文还提出了一种基于k-means和形态学处理技术的毫米波图像增强算法，在抑制背景噪声的前提下，能很好地保留人体细节信息，增强了毫米波图像的视觉效果。