[發(fā)明專利]基于微波雷達(dá)的未知環(huán)境多目標(biāo)檢測(cè)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910241637.2
• 申請(qǐng)日: 2019-03-28
• 公開（公告）號(hào): CN110109090B
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 李秀萍;李劍菡;李昱冰
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): G01S13/50
• 分類號(hào): G01S13/50;G06K9/00
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 陳宙

本發(fā)明公開了一種基于微波雷達(dá)的未知環(huán)境多目標(biāo)檢測(cè)方法和裝置，該方法包括步驟：分別采集多個(gè)典型場(chǎng)景的雷達(dá)數(shù)據(jù)，并拆分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；對(duì)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別進(jìn)行預(yù)處理；將預(yù)處理后數(shù)據(jù)，分別按人數(shù)分類，并將對(duì)應(yīng)人數(shù)的回波圖片進(jìn)行匯總和隨機(jī)排序，進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和測(cè)試；通過(guò)訓(xùn)練后的所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行未知場(chǎng)景的多目標(biāo)檢測(cè)。該裝置包括數(shù)據(jù)采集模塊、預(yù)處理模塊、訓(xùn)練模塊和檢測(cè)模塊。該方法和裝置，通過(guò)結(jié)合深度學(xué)習(xí)，對(duì)環(huán)境有很好的自適應(yīng)能力，能夠從多個(gè)不同的環(huán)境中提取出移動(dòng)目標(biāo)的共同特性，消除不同背景的差異性，實(shí)現(xiàn)對(duì)于常見的場(chǎng)景中人數(shù)的判斷。

技術(shù)領(lǐng)域

本發(fā)明涉及人數(shù)檢測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于微波雷達(dá)的未知環(huán)境多目標(biāo)檢測(cè)方法和裝置。

背景技術(shù)

人數(shù)檢測(cè)廣泛應(yīng)用于救援、智能家居、人流量統(tǒng)計(jì)、反恐和軍事當(dāng)中。現(xiàn)代社會(huì)通常使用攝像頭對(duì)人數(shù)進(jìn)行統(tǒng)計(jì)，然而攝像頭不能保護(hù)人們的隱私，也不能用于室外的惡劣環(huán)境中。WiFi也可用于檢測(cè)人數(shù)，然而WiFi不能穿墻檢測(cè)人數(shù)，且安全性不穩(wěn)定，并沒有得到廣泛使用。而雷達(dá)具有高分辨率、低功耗、抗干擾能力強(qiáng)、可穿透、可在黑暗復(fù)雜環(huán)境檢測(cè)，不會(huì)侵犯人們隱私等優(yōu)點(diǎn)，即則可以克服了以上缺點(diǎn)，從而補(bǔ)償了攝像頭和WiFi檢測(cè)的不足。近年來(lái)，雷達(dá)得到了廣泛應(yīng)用，而雷達(dá)的種類也有很多種，包括CW(連續(xù)波)雷達(dá)、UWB(微波)雷達(dá)，F(xiàn)MCW(調(diào)頻連續(xù)波)雷達(dá)，MIMO(多輸入多輸出)雷達(dá)等。

在MIMO雷達(dá)、FMCW雷達(dá)及雙頻CW雷達(dá)中，都使用天線陣和多個(gè)接收天線來(lái)確定目標(biāo)的位置信息，這種方法在實(shí)驗(yàn)場(chǎng)景中需安裝多個(gè)天線或使用大型的天線陣，這對(duì)于在家庭，空間較小的地方將較難安裝，實(shí)施過(guò)于復(fù)雜。

目前使用微波雷達(dá)進(jìn)行檢測(cè)時(shí)，一般使用閾值法或預(yù)先判斷環(huán)境特點(diǎn)的方法才能對(duì)移動(dòng)的多個(gè)目標(biāo)進(jìn)行判斷，當(dāng)場(chǎng)景變換時(shí)，以上方法則不能夠做到適應(yīng)場(chǎng)景變換，需要臨時(shí)調(diào)整，對(duì)于使用者來(lái)說(shuō)并不方便，且都未能很好的解決現(xiàn)存的問(wèn)題。例如，中國(guó)專利201510048330.X，公開了一種微波穿墻雷達(dá)運(yùn)動(dòng)目標(biāo)一維檢測(cè)與跟蹤的方法，該方法較為系統(tǒng)的介紹了雷達(dá)預(yù)處理過(guò)程及多目標(biāo)的跟蹤方法，能有效的還原目標(biāo)移動(dòng)軌跡，特別地處理了目標(biāo)周圍地雜波及刪除不穩(wěn)定的航跡，確保目標(biāo)移動(dòng)的準(zhǔn)確性。但是，該發(fā)明提供的算法只適用于較為理想的數(shù)據(jù)及后期的靜態(tài)處理，當(dāng)環(huán)境切換時(shí)算法可能不適用，因此不能用于環(huán)境多變及復(fù)雜的實(shí)時(shí)環(huán)境。

綜上，現(xiàn)有技術(shù)中的雷達(dá)檢測(cè)方案，對(duì)于環(huán)境切換的適應(yīng)能力較差，無(wú)法用于多種不同環(huán)境中的目標(biāo)檢測(cè)。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于微波雷達(dá)的未知環(huán)境多目標(biāo)檢測(cè)方法和裝置，以解決上述技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

本發(fā)明實(shí)施例的第一個(gè)方面，提供了一種基于微波雷達(dá)的未知環(huán)境多目標(biāo)檢測(cè)方法，包括步驟：

分別對(duì)多個(gè)典型場(chǎng)景用微波雷達(dá)采集雷達(dá)數(shù)據(jù)，并將所述雷達(dá)數(shù)據(jù)拆分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；

對(duì)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別進(jìn)行預(yù)處理；

將預(yù)處理后的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，分別按人數(shù)分類，并將對(duì)應(yīng)人數(shù)的回波圖片進(jìn)行匯總和隨機(jī)排序，進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和測(cè)試；

通過(guò)訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行未知場(chǎng)景的多目標(biāo)檢測(cè)。

可選的，對(duì)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別進(jìn)行預(yù)處理，包括：

對(duì)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別通過(guò)滑窗法、自適應(yīng)濾波、閾值法進(jìn)行處理，保留動(dòng)目標(biāo)軌跡、濾除靜態(tài)雜波。

可選的，對(duì)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別進(jìn)行預(yù)處理，包括步驟：

1)獲取當(dāng)前典型場(chǎng)景下特定人數(shù)的雷達(dá)回波信號(hào)，并將所述雷達(dá)回波信號(hào)轉(zhuǎn)化為功率信號(hào)；

2)應(yīng)用滑窗法截取雷達(dá)數(shù)據(jù)；