[发明专利]一种雷达的遮挡识别的方法、装置及存储介质

说明书

本发明公开了一种雷达的遮挡识别的方法、装置及存储介质，用以解决现有技术中存在的雷达被遮挡导致无法正常工作的技术问题，该方法包括：将设定时长内的多帧雷达数据，构建成一幅第一图像；第一图像采用预设色彩模式，第一图像中的一个像素与雷达覆盖区域中的一个子区域对应，所有子区域的大小均相同，构成一个像素的色彩值对应的多个第一参数的值分别由多帧雷达数据中与像素对应的子区域内的所有量测点的多个第二参数的值确定；用训练好的深度学习网络模型对第一图像进行识别，以确定雷达是否被遮挡；其中，训练好的深度学习网络模型是用已知遮挡类型的图像训练得到的；若识别结果为雷达被遮挡则发出报警信息，以提示用户清除遮挡雷达的遮挡物。

技术领域

本发明涉及安防领域，尤其是涉及一种雷达的遮挡识别的方法、装置及存储介质。

背景技术

随着安防技术的迅速发展，及公众对安防的重视，各类安防产品也层出不穷，安防应用领域也在不断扩展。

基于毫米波雷达的区域监视技术是最近五年研究的一大热点。传统的安防终端器材主要是可见光摄像机，但是可见光摄像机在晚上无法工作；尽管有红外摄像机可补充可见光摄像机的缺陷，但此举无疑增加了成本和操作难度。此外光学传感器也受天气影响，大雾天或雨雪天，监控效果无法令人满意。毫米波雷达主动发射电磁波并接受同频率信号，对移动物体或雷达反射面积(Radar Cross-Section，RCS)较大的物体，有非常高的检测概率，对于静止物体有较低的检测概率(检测概率不为零)。且，毫米波雷达可全天24小时工作，受天气影响较小。因此，目前市场上对基于毫米波雷达的监控产品需求旺盛。

毫米波雷达可监控多种目标，从多种目标中提取用户感兴趣的目标，尽快终结/过滤用户不感兴趣的目标或虚假目标。目标轨迹分类的目的之一即是筛选/过滤目标。例如在公园中，偶然间刮起3级风，树木摇晃进而形成一条低速且小范围运动的目标轨迹，其目标类型为非人非车非动物目标，此类型目标无需上报，或尽快调用轨迹终结方法对其删除。如果是一条小狗从花园穿过，则由于不是用户关注的目标(用户关注的目标是人或车)，也应该及时终结轨迹。如果是行人形成的一条轨迹，则雷达将行人轨迹信息输出至摄像机，摄像机依据雷达提供的轨迹空间位置信息，对其拍照或录像。

因各种原因雷达可能处于失效状态，最常见的一种原因是遮挡，如雷达前面放置一块金属板，或一辆大车正好停滞在雷达前面。这些现象均可导致雷达无法正常工作，无法正常进行目标跟踪。

发明内容

本发明提供一种雷达的遮挡识别的方法、装置及存储介质，用以解决现有技术中存在的雷达被遮挡导致无法正常工作的技术问题。

第一方面，为解决上述技术问题，本发明实施例提供的一种雷达的遮挡识别的方法的技术方案如下：

将设定时长内的多帧雷达数据，构建成一幅第一图像；其中，所述第一图像采用预设色彩模式，所述第一图像中的一个像素与雷达覆盖区域中的一个子区域对应，所有子区域的大小均相同，构成一个所述像素的色彩值对应的多个第一参数的值分别由所述多帧雷达数据中与所述像素对应的所述子区域内的所有量测点的多个第二参数的值确定；

用训练好的深度学习网络模型对所述第一图像进行识别，以确定所述雷达是否被遮挡；其中，所述训练好的深度学习网络模型是用已知遮挡类型的图像训练得到的；

若识别结果为所述雷达被遮挡，则发出报警信息，所述报警信息用于提示用户清除遮挡所述雷达的遮挡物。

一种可能的实施方式，将设定时长内的多帧雷达数据，构建成一幅第一图像，包括：

获取每帧雷达数据对应的量测图，并将所述量测图进行栅格化处理，其中，一个栅格与一个所述子区域对应；

对所述多帧雷达数据中位于同一所述子区域内的所有所述量测点对应的每个所述第二参数值进行和运算，获得所述子区域对应的每个所述第二参数的和值；其中，所述第二参数包括量测点的数量、雷达反射面积、径向速度；