[发明专利]基于追踪微多普勒图的行人识别方法和装置

说明书

本发明提供一种基于追踪微多普勒图的行人识别方法，包括以下步骤：获取雷达信号数据；对所述雷达信号数据进行处理得到雷达点云数据；对所述雷达点云数据进行聚类和目标追踪，得到目标轨迹信息；基于目标轨迹信息筛选得到稳定存在的目标，再对稳定存在的目标进行微多普勒数据的提取，累积多帧有效的微多普勒数据得到目标微多普勒图；选取目标轨迹信息中的目标速度、距离、强度以及累积得到的目标微多普勒图作为有效特征；根据不同类别目标的多组雷达信号数据获得的有效特征训练分类器；利用分类器将各种类别目标的特征分类，筛选出具有行人属性的目标。本发明能够消除环境干扰、提高识别准确度，具有高安全性、多目标适用的特点。

技术领域

本发明涉及一种目标识别方法，尤其是一种基于追踪微多普勒图的行人识别方法。

背景技术

随着经济的发展，科技的进步，人们对于安全需求也逐渐提升，行人识别技术的研究对于智能驾驶、预防交通事故以及安防领域等均有着重要意义。通过各类传感器对行人进行识别，使车辆获得信号从而对行人进行避让，减少交通事故的发生；针对区域安防需求，可以进行区域边界行人入侵的识别和预警。

现有技术中，基于毫米波雷达进行目标分类的算法主要包括以下几种，有些方法提出基于雷达点云数据进行目标特征提取，主要包括目标不同方向的展宽、速度均值方差、雷达散射截面积的均值方差等特征，并采用不同的支持向量机完成目标分类。但此类方法依赖于点云数据质量和数量，对毫米波雷达硬件条件要求较高，需要雷达具有较高的角分辨率。还有一些方法利用单幅、或者联合多副距离-多普勒图（RD图），提取目标距离维展宽、速度维展宽等能够反映目标物理结构或微动的特征，以及前后帧的RD图差异性提取，利用支持向量机完成对目标的分类。这一类的特征提取方法受限于RD图，且在多目标情况下不太适用。

发明内容

本发明的目的是在于克服现有技术中存在的不足，提供一种基于追踪微多普勒图的行人识别方法和装置，能够消除环境干扰、提高识别准确度，具有高安全性、多目标适用的特点，不仅能有效实时检测目标位置，还能快速进行行人识别，在工程上更具适用性。为实现以上技术目的，本发明实施例采用的技术方案是：

第一方面，本发明实施例提供了一种基于追踪微多普勒图的行人识别方法，包括以下步骤：

步骤S10，获取雷达信号数据；

步骤S20，对所述雷达信号数据进行处理得到雷达点云数据；

步骤S30，对所述雷达点云数据进行聚类和目标追踪，得到目标轨迹信息；

步骤S40，基于目标轨迹信息筛选得到稳定存在的目标，再对稳定存在的目标进行微多普勒数据的提取，累积多帧有效的微多普勒数据得到目标微多普勒图；

步骤S50，选取目标轨迹信息中的目标速度、距离、强度以及累积得到的目标微多普勒图作为有效特征；

步骤S60，根据不同类别目标的多组雷达信号数据获得的有效特征训练分类器；

步骤S70，利用分类器将各种类别目标的特征分类，筛选出具有行人属性的目标。

进一步地，所述雷达信号数据为发射的雷达探测信号被反射后的雷达回波信号经处理得到的雷达中频信号数据。

进一步地，所述对所述雷达信号数据进行处理得到雷达点云数据，具体包括：对所述雷达信号数据进行一维傅里叶变换、二维傅里叶变换、恒虚警检测、数字波束形成测角信号处理，得到雷达点云数据，所述雷达点云数据包括目标速度、距离、角度和强度信息。

进一步地，所述基于目标轨迹信息筛选得到稳定存在的目标，具体包括：根据目标轨迹存在长度筛选得到稳定存在的目标。

进一步地，所述对稳定存在的目标进行微多普勒数据的提取，累积多帧有效的微多普勒数据得到目标微多普勒图，具体包括：

步骤S401，初始化累积矩阵，所述累积矩阵用于保存累积的微多普勒数据和目标轨迹信息；