[发明专利]基于微波雷达的未知环境多目标检测方法和装置

权利要求书

1.一种基于微波雷达的未知环境多目标检测方法，其特征在于，包括步骤：

分别对多个典型场景用微波雷达采集雷达数据，并将所述雷达数据拆分为训练数据和测试数据；

对所述训练数据和所述测试数据分别进行预处理；

将预处理后的所述训练数据和所述测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；

通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。

2.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤对所述训练数据和测试数据分别进行预处理，包括：

对所述训练数据和测试数据分别通过滑窗法、自适应滤波、阈值法进行处理，保留动目标轨迹、滤除静态杂波。

3.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤对所述训练数据和测试数据分别进行预处理，包括步骤：

1)获取当前典型场景下特定人数的雷达回波信号，并将所述雷达回波信号转化为功率信号；

2)应用滑窗法截取雷达数据；

3)使用自适应滤波法保留所述雷达数据中的动目标轨迹，滤除静态杂波；

4)使用阈值法滤除小于预设阈值的杂波；

重复步骤1)-4)将多个典型场景下的0-4人雷达回波信号进行预处理，得到预处理数据。

4.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤进行卷积神经网络模型的训练和测试之前，还包括步骤：

将部分n人与n-1人及n人与0人的典型场景的雷达数据拼接，用于处理瞬时出现多个移动目标及多个移动目标一起离开检测区域的情况，并将所述拼接数据转成RGB图片，作为训练数据或者测试数据，用于所述卷积神经网络模型的训练或测试。

5.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤通过训练后的所述卷积神经网络模型进行未知场景的多目标检测，之后还包括步骤：

采用SVM判别方法对检测出的多目标结果进行验证。

6.根据权利要求1-5任一项所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述卷积神经网络模型为GoogLeNet。

7.根据权利要求3所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤2)中滑窗的大小为255-340帧之间，雷达数据每隔2秒更新一次。

8.根据权利要求3所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤3)中将自适应系数设为不大于1。

9.根据权利要求4所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤将部分n人与n-1人及n人与0人的典型场景的雷达数据拼接，包括：将数据拼接的数据帧长度设为3秒。

10.基于微波雷达的未知环境多目标检测装置，其特征在于，包括数据采集模块、预处理模块、训练模块和检测模块；

所述数据采集模块，用于分别对多个典型场景用微波雷达采集雷达数据，并将所述雷达数据拆分为训练数据和测试数据；

所述预处理模块，用于对所述训练数据和测试数据分别进行预处理；

所述训练模块，用于将预处理后的所述训练数据和所述测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；

所述检测模块，用于通过训练后的卷积神经网络模型进行未知场景的多目标检测。