[发明专利]基于车载雷达的目标识别方法及设备

权利要求书

1.一种基于车载雷达的目标识别方法，其特征在于，包括：

利用车载雷达分别获取行人和车辆的多个测量数据集，其中，每个所述测量数据集包括多个数据子集，每个所述数据子集包括一组测量数据；

利用每个所述测量数据集内的所述多个数据子集的所述测量数据计算与每个所述测量数据集对应的训练数据，其中，所述训练数据至少包括横向速度的频域特征，每个所述测量数据集所对应的所述训练数据作为一个特征元素；

将多个所述特征元素汇总成特征集，并对每个所述特征元素进行所述行人或所述车辆标记；

利用所述特征集训练初始识别模型，以标记为所述行人的所述特征元素作为正类训练样本，以标记为所述车辆的所述特征元素作为负类训练样本，以得到目标识别模型；

利用所述目标识别模型对目标进行识别，以确定所述目标为行人或者车辆。

2.根据权利要求1所述的目标识别方法，其特征在于，所述测量数据包括径向速度、距离以及方位角；

所述利用所述每个测量数据集内的所述多个数据子集的所述测量数据计算与每个所述测量数据集对应的训练数据，其中，所述训练数据至少包括横向速度的频域特征，每个所述测量数据集所对应的所述训练数据作为一个特征元素的步骤包括：

利用每个所述测量数据集内的所述多个数据子集的所述径向速度和所述方位角计算与每个所述测量数据集对应的所述横向速度的频域特征；

利用每个所述测量数据集内的所述多个数据子集的所述径向速度计算与每个所述测量数据集对应的速度像、速度方差和速度偏差；

利用每个所述测量数据集内的所述多个数据子集内的所述距离计算与每个所述测量数据集对应的距离像、距离方差和距离偏差；

其中，所述训练数据包括所述横向速度的频域特征、所述速度像、所述速度方差、所述速度偏差、所述距离像、所述距离方差以及所述距离偏差，每个所述测量数据集所对应的所述训练数据作为一个所述特征元素。

3.根据权利要求2所述的目标识别方法，其特征在于，所述利用每个所述测量数据集内的所述多个数据子集的所述径向速度和所述方位角计算与每个所述测量数据集对应的所述横向速度的频域特征的步骤包括：

根据正弦公式利用每个所述测量数据集内的每个所述数据子集的所述径向速度和所述方位角分别计算与每个所述数据子集对应的横向速度；

将每个所述测量数据集内的多个所述数据子集所对应的所述横向速度所形成的向量通过小波变换进行一层分解，以得到近似系数和细节系数；

利用所述细节系数重建横向速度的细节特征；

对所述横向速度的细节特征进行快速傅里叶变换，以得到与每个所述测量数据集对应的所述横向速度的频域特征。

4.根据权利要求2所述的目标识别方法，其特征在于，所述利用每个所述测量数据集内的所述多个数据子集的所述径向速度计算与每个所述测量数据集对应的速度像、速度方差和速度偏差的步骤包括：

利用以下公式计算所述速度像：

v_profile＝v_rmax-v_rmin；

利用以下公式计算所述速度方差：

利用以下公式计算所述速度偏差：

其中，v_profile、v_var、v_dev分别为所述速度像、所述速度方差和所述速度偏差，v_rmax和v_rmin分别为所述测量数据集内的最大径向速度和最小径向速度，N为所述测量数据集内的所述数据子集的数量，v_j为N个所述数据子集中的第j个所述数据子集的所述径向速度，为N个所述数据子集的所述径向速度的平均值。