[發明專利]一種基于毫米波雷達的人員跟蹤與識別算法

有效

• 申請號: 202010680679.9
• 申請日: 2020-07-15
• 公開（公告）號: CN111708021B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 崔雄文;劉傳銀;周楊;馮冬陽;李劍鵬;萬瀟
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G01S13/88
• 分類號: G01S13/88
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 陳立志

本發明涉及毫米波雷達信號處理技術領，公開了一種基于毫米波雷達的人員跟蹤與識別算法，用以提高毫米波雷達在可視范圍內的跟蹤精度和識別準確率。本發明采用毫米波雷達結合固有的信號處理模塊得到回波點云數據之后，采用MCMC得到目標數量和點跡和軌跡的最終關聯，然后采用EKF進行狀態估計得到人員軌跡數據，完成跟蹤；對點云數據和軌跡數據分別進行特征提取、特征選擇，然后采用AdaBoost算法進行單幀識別，最后采用多幀融合的方法得到最終的識別結果。本發明適用于人員跟蹤與識別。

技術領域

本發明涉及毫米波雷達信號處理技術領域，特別涉及一種基于毫米波雷達的人員跟蹤與識別算法。

背景技術

場景內人員的運動參數和屬性參數是進行場景態勢智能感知中不可缺少的數據，如機場、商場、連鎖店、車站、博物館、會議室等場景。人員目標的跟蹤和識別在重要場所的安全管理、基于人機交互的智能服務、高級駕駛員輔助系統等領域有著重要的應用。

常見的人員跟蹤和識別主要基于光學成像和紅外成像，結合計算機視覺技術和人工智能技術完成。基于成像的人員跟蹤和識別不僅容易受到天氣、環境光照和溫度濕度的影響，而且成本較高，且高精度成像在更為嚴格的應用場景中存在隱私泄露的風險，因此在經濟性和通用性上很難達到理想的效果。毫米波雷達具有成本低、全天候、隱私性高的特點，因此在人員跟蹤和識別中有其獨特的優勢。

在目前基于毫米波雷達的人員跟蹤和識別中，存在以下問題：采用啟發式的數據關聯算法，如最近鄰數據關聯(Nearest Neighbor,NN)算法，其原理簡單，但是在目標密集及虛警率較高的場景下關聯錯誤率較高；采用卡爾曼或者擴展卡爾曼濾波算法，在非高斯和非線性條件下無法實現準確地進行狀態估計；人員識別中采用簡單的機器學習算法，如k近鄰(kNN)算法或者邏輯斯蒂回歸(Logistic Regression,LR)算法，無法準確魯棒地對目標進行識別。

發明內容

本發明要解決的技術問題是：提供一種基于毫米波雷達的人員跟蹤與識別算法，用以提高毫米波雷達在可視范圍內的跟蹤精度和識別準確率。

為解決上述問題，本發明采用的技術方案是：一種基于毫米波雷達的人員跟蹤與識別算法，包括如下步驟：

S1、通過毫米波雷達得到目標的回波點云數據；

S2、采用近鄰連通點云聚類算法并結合MCMC算法將點云數據中點跡和已有軌跡進行點軌關聯，并對已關聯的各個目標進行狀態估計更新，實現目標跟蹤；

S3、對跟蹤得到的各個目標進行識別。

具體的，所述點云數據包括點跡的數量、每個點跡的距離、每個點跡的多普勒信息和每個點跡的角度參數。

具體的，步驟S2進行點軌關聯的具體步驟包括：

在輸入點云數據后，隨機初始化關聯，然后對前一次迭代的關聯結果從多種軌跡變換方式中隨機等概率選擇一樣進行新關聯采樣，得到新采樣的關聯樣本后，計算采樣前后的關聯概率，然后判斷是否接受新關聯或者保留舊關聯，重復前述過程，得到最終的目標數量和點軌關聯結果。

具體的，所述多種軌跡變換方式包括軌跡新生、軌跡消亡、軌跡分裂、軌跡合并、軌跡延拓、軌跡縮減、軌跡更新和軌跡切換。

進一步的，步驟S2采用EKF算法進行狀態估計更新。

具體的，步驟S3具體包括：

S31、對點云數據和軌跡數據進行特征提?。?/p>

S32、對提取的點云數據特征和軌跡數據特征進行選擇；

S33、基于所選的點云數據特征和軌跡數據特征，采用特征加權的加性提升算法進行單幀目標識別；

S34、基于單幀目標識別結果，進行多幀目標識別結果融合。