[发明专利]一种超宽带雷达人体目标姿态可视化增强方法

说明书

本发明提供了一种超宽带雷达人体目标姿态可视化增强方法，针对传统超宽带雷达人体成像结果比较抽象且分辨率低，很难直观理解的问题，通过首先对探测场景进行三维成像；检测人体目标的位置，获取人体目标的成像结果；然后使用resnet网络对人体目标对应的雷达图像进行特征提取；使用headnet网络将特征矩阵转化为人体骨骼点的概率分布；最后使用soft‑argmax函数提取人体骨骼点位置坐标，并将坐标点进行连接显示，得到人体目标的可视化三维姿态图。本方法借助深度神经网络工具从抽象的三维雷达图像中估计出三维人体姿态，增强了超宽带雷达人体目标探测的可视化性能，辅助使用人员对人体目标的姿态进行更高精度的判读。

技术领域

本发明涉及雷达信号处理领域，特别是一种超宽带雷达人体目标姿态可视化增强方法。

背景技术

超宽带雷达相比于窄带雷达具有宽频和低频的特点，可获取更为丰富的目标散射信息，可对墙体、挡板、树叶等非透明介质进行穿透探测，在目标成像、目标识别、穿墙探测、叶簇透视等方面有较大的优势。其中，穿墙雷达人体探测是超宽带雷达的一个重要应用，穿墙雷达可获取墙后人体目标的位置和运动信息，提升人们对建筑物的透视感知能力，辅助决策人员对建筑物内部情况进行判断，在反恐维稳、战场监视、灾后救援等方面发挥了重要的作用，因此超宽带雷达技术的研究具有重要的实践意义和应用价值。

雷达成像是穿墙雷达系统使用人员了解墙后人体目标情况最直观、有效的手段，尤其对于三维超宽带穿墙雷达，可以从三维成像结果中获取目标的距离-方位-高度信息，甚至是人体目标各个肢体部位的位置信息。然而，受应用需求以及硬件水平的限制，超宽带雷达系统的距离分辨率和方位分辨率通常较低，导致成像结果的分辨率比较低，无法给出直观的人体目标姿态可视化结果，不利于非专业使用人员对墙后目标的正确判读。

近年来，神经网络技术飞速发展，在信号和图像处理方面得到了广泛应用。在光学图像处理领域，基于深度神经网络的人体目标姿态估计已经取得了一定的成效，并且优于传统的人体姿态数据库匹配方法。然而，相比于光学图像，低频超宽带雷达的成像结果分辨率较低，传统方法很难准确估计出人体目标的姿态并得到较好的可视化结果，而基于深度神经网络的研究也比较少。因此，借助深度神经网络强大的非线性拟合能力对超宽带雷达图像的人体姿态可视化增强方法进行研究是很有必要的。

发明内容

本发明所要解决的技术问题是针对现有技术不足，提供了一种超宽带雷达人体目标姿态可视化增强方法，通过深度神经网络工具从抽象的低分辨率雷达数据中估计人体姿态，并进行三维显示，提高了传统超宽带雷达系统的人体目标姿态可视化能力。

本发明所采用的技术方案是：

一种超宽带雷达人体目标姿态可视化增强方法，包括以下步骤：

1)输入接收的雷达信号并进行三维BP成像，得到探测场景的三维成像结果；

2)对成像结果进行检测，获得人体目标的三维成像区域；

3)将连续多帧人体目标雷达成像结果输入resnet网络进行特征提取；

4)使用headnet网络将resnet网络提取的特征转换为人体目标各个骨骼点概率分布；

5)使用soft-argmax函数从骨骼点概率分布中提取人体目标各个骨骼点的位置坐标，并将所有骨骼点坐标按照顺序连接。