太赫兹无源探测成像安检系统因其被动成像机理,可实现对人体隐匿危险品的检测,且检测过程中不主动发射电磁波,而是通过天线接收人体及背景散发出来的该频段的电磁波,利用其亮温差进行成像。其成像结果虽较光学图像的分辨率低,但是比X射线成像更加安全,比毫米波图像更加清晰。显控单元作为成像系统的中心枢纽,承担着协调系统各部分工作与人机交互的责任,而识别算法的研究更是系统智能化的体现。本文以实际科研项目作为支撑点,围绕太赫兹成像系统工作原理及太赫兹图片存在的分辨率较低、样本数量较少等问题,开展了显控单元的研制及基于深度学习的目标识别算法的研究,其主要研究内容如下:(1)基于被动成像系统的成像原理,对太赫兹无源探测成像系统的系统结构框架进行了总体分析。通过分析系统各个部件之间的连接通信方式,确定了显控单元与系统各模块间的通信接口,并根据实际应用需求,对显控单元进行功能模块的划分。本文实现了显控单元图形用户界面的设计与各个功能模块的软件开发,并通过仿真与项目阶段性实验验证了显控单元在工程应用的可行性,实现了友好的人机交互。(2)针对太赫兹无源探测成像图片中,目标识别样本库中样本数量不充足的问题,提出了基于迁移学习的识别方法(Target Identification Based on Transfer Learning,TI-TL),通过手写数据集进行网络预训练,再用建立好的目标识别样本库对预训练网络进行再训练,减少了样本不足带来的过拟合问题,有效提高了目标识别网络的识别准确率。(3)针对安检场景中对于识别算法实时性的需求,分别提出了基于全连接网络和卷积神经网络的轻量化目标识别网络。全连接识别网络中采用了dropout及批量归一化层等有效的减少过拟合的手段,实现了准确率高且快速的目标识别分类。卷积识别网络则使用了小卷积代替大卷积的思想,对网络参数数量进行优化。同时针对传统卷积神经网络中全连接层参数过多的问题,提出了用1?1的卷积核代替传统全连接层,显著减少了网络参数数量,有效提高了网络运行速度,实现了对样本准确高效的识别。研究中的仿真结果及实验数据均验证了显控单元及识别算法的可行性。