[發明專利]一種基于雷達及多網絡融合的行人姿態識別方法及系統

有效

• 申請號: 201810247528.7
• 申請日: 2018-03-23
• 公開（公告）號: CN108920993B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 張道明;高元正;龍希
• 申請（專利權）人: 武漢雷博合創電子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 武漢大楚知識產權代理事務所(普通合伙) 42257
• 代理人: 徐楊松

1.一種基于雷達及多網絡融合的行人姿態識別方法，其特征在于，包括如下步驟：

步驟1：對雷達信號的回波信號進行預處理，得到輸出信號；

步驟2：將所述輸出信號中的靜止目標進行抑制處理；

步驟3：搜索經過抑制處理后的所述輸出信號中的行人所處距離單元；

步驟4：對所述行人所在距離單元對應的回波信號進行時頻分析，得到回波信號時頻圖；

步驟5：利用多個卷積神經網絡分別對所述回波信號時頻圖進行識別，得到每個所述卷積神經網絡的識別結果；

步驟6：將每個所述卷積神經網絡的識別結果進行融合，得到融合后的姿態識別結果；

所述步驟5具體包括：

步驟51：初始化所述多個卷積神經網絡的參數和行人姿態分類信息；

步驟52：通過樣本行人姿態實驗獲得樣本行人姿態的時頻圖與樣本行人當前姿態的標簽，并利用所述行人姿態分類信息對所述多個卷積神經網絡進行訓練，采用批處理梯度下降法調整所述多個卷積神經網絡參數，使得每個所述卷積神經網絡的姿態分類結果與行人的姿態相吻合，并將每個所述卷積神經網絡的參數保存；

步驟53：利用訓練后的所述多個卷積神經網絡對目標行人的所述回波信號時頻圖進行識別分類，獲取每個所述卷積神經網絡輸出的行人姿態識別結果；

其中，所述卷積神經網絡輸出的行人姿態識別結果包括行人姿態類別及其對應的概率。

2.根據權利要求1所述的基于雷達及多網絡融合的行人姿態識別方法，其特征在于，所述步驟1中，所述對雷達信號的回波信號進行預處理具體包括：

步驟11：對所述回波信號進行去調頻處理，具體如下：

假設雷達信號s_t(τ)表示如下：

s_t(τ)＝exp{jπ(2f_cτ+γτ²)}

其中，f_c為發射頻率，τ為快時間，t為慢時間，γ為調頻頻率；

所述雷達信號對應的回波信號s_r(t，τ)表示為：

s_r(t，τ)＝A_rmexp{jπ(2f_c(τ-t_d(t))+γ(τ-t_d(t))²)}τ∈(0，T_p]

其中，A_rm為一個幅值常數，T_p為一個頻率調制周期，t_d(t)為時延，c為光速，a₀、a₁分別為目標的運動參數；

則對所述回波信號進行去調頻處理，計算公式為：

s₀(t，τ)表示去調頻處理后的回波信號，s_r(t，τ)表示所述雷達信號的回波信號，表示去調頻處理后的回波信號的快時間相位，表示解調頻參考信號s_ref(τ)的共軛信號；

步驟12：將經過去調頻后的所述回波信號s₀(t，τ)進行傅里葉變換；

步驟13：對傅里葉變換后的所述回波信號s_rm(t，f)進行離散采樣，得到所述輸出信號，表示為s_rm(m，n)，令t＝mΔT，f＝nΔf，其中ΔT，Δf為采樣間隔，m為慢時間索引，且m＝0，1，2，…M，M為慢時間采集脈沖數，n為快時間索引，且n＝0，1，2，…N，N為快時間采樣點數。

3.根據權利要求2所述的基于雷達及多網絡融合的行人姿態識別方法，其特征在于，所述步驟2中，對所述輸出信號沿慢時間維度t采用三脈沖對消方法進行靜止目標抑制，且經過抑制后的輸出信號表示為s_bs(m′，n)；

其中，w_i(i＝0，1，2)為三階脈沖對消器的權值，s_rm(m′，n)表示經過去調頻后的輸出信號，m′表示經過抑制后的輸出信號的慢時間索引，且m′＝0，1，2，…M-2。