[发明专利]一种基于DBSCAN算法的交通目标识别方法

说明书

本发明公开了一种基于DBSCAN算法的交通目标识别方法，属于数据处理技术领域。首先利用毫米波雷达对待测目标进行连续时间段内的探测，得到待测目标不同的位置信息；然后将位置信息作为点云数据，利用DBSCAN聚类算法对点云数据进行聚类，得到各簇；接着，利用簇内的散射点数量进行目标类型的识别划分，得到各簇对应的目标类型后，对目标类型的数量进行统计，最终完成综合交通环境中交通目标的识别和计数。本发明提高了目标识别的准确性，识别过程简单高效。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于DBSCAN算法的交通目标识别方法。

背景技术

随着全国机动车保有量的迅猛提高，交通拥堵、乱停乱放、事故纠纷和车辆安全等交通相关的问题日益严重。为了应对此类问题，各类“电子警察系统”应运而生，而雷达在电子警察系统中占有重要的地位。其中，毫米波雷达因为其全天候工作、体积小、质量轻和空间分辨率好的优点，被广泛应用在电子警察系统中。

现有的对交通目标进行识别的常用技术手段是通过摄像头采集数据，之后进行图像数据处理进行目标识别。但是，针对雷达的目标识别技术方案一般是通过目标的雷达散射截面积(Radar Cross Section,RCS)来对目标进行分类识别，也有学者通过构建基于多特征融合的决策树-支持向量机分类器，对目标进行分类识别。同样，也有专利提出新的雷达目标分类方法。

如公开号为CN 109870680 A的一种目标分类方法及装置，通过比较散射点的静止径向速度以及雷达实际检测到的散射点的径向速度，确定散射点的运动状态，代替直接将雷达实际检测到的散射点的径向速度与车速比较确定散射点的运动状态的方案，实现对目标的分类。但是，该方法通过速度对目标进行运动和静止的分类，并没有对在综合交通环境下的交通目标进行目标识别与分类。

发明内容

为了解决综合交通环境下目标识别的问题，本发明提出了一种基于DBSCAN算法的交通目标识别方法，不仅实现目标识别，同时能够对目标进行计数。

所述的基于DBSCAN算法的交通目标识别方法，具体步骤包括：

步骤一，针对某个待识别目标，利用毫米波雷达在该目标所在范围内进行探测，获取一段时间内目标的位置信息；

步骤二，将目标的位置信息作为点云数据，利用DBSCAN聚类算法，对点云数据进行聚类；

所述的聚类过程如下：

步骤201，从点云数据中选出核心样本点以及各核心样本点的邻居；

核心样本点的选择为：针对点p，其与周围各点的距离小于等于ε的所有点的数量大于阈值MinPts；则标记点p为核心样本点；

与点p距离小于等于ε的点称为点p的邻居；ε为人为规定的距离阈值，根据实际情况设定。

步骤202，逐个选择点云数据中的各点，判断当前点p是否为核心样本，如果是，给点p分配一个簇标签，进入步骤203；否则，点p被标记为噪声。

步骤203，访问核心样本点p的所有邻居，并将点p的簇标签分配给所有邻居。

步骤204，判断每个被访问的邻居是否为核心样本点，若是，则点p依次访问各核心样本的邻居，并将点p的簇标签分配给所有访问的邻居点，直到点p的邻居没有核心样本点为止。

步骤205，选取点云数据中另一个未被访问过的点，返回步骤202重复上述过程，直至所有点云数据都被分配簇标签或被标记为噪声，完成聚类。

步骤三，针对聚类后的点云数据，根据每个簇中的邻居点数量进行目标识别，得到各个簇标签对应的目标类型，保存到目标标签表中。

具体为：

首先，创建一个空的目标标签表，其长度与簇的数量相同；