[發明專利]基于毫米波感知的追蹤目標狀態識別方法和裝置

在審

• 申請號: 202210360722.2
• 申請日: 2022-04-07
• 公開（公告）號: CN114818788A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 周安福;曾憲林
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 宋教花

1.一種基于毫米波感知的追蹤目標狀態識別方法，其特征在于，該方法包括以下步驟：

基于毫米波雷達接收到的毫米波信號實時獲取點云數據，所述點云數據包括各個檢測點的空間坐標數據、多普勒速度信息和信噪比；

基于獲得的點云數據進行目標追蹤，確定追蹤目標的空間坐標數據；

對預定長度的時間窗口內的、與所述追蹤目標相關的點云數據按幀進行數據拆分，基于拆分的數據生成各幀數據對應的多維數據矩陣，所述多維數據矩陣至少包括多個屬性的數據，所述多個屬性的數據包括空間坐標屬性以及以下屬性中的至少一種：多普勒速度屬性和信噪比屬性；

將各幀數據對應的多維數據矩陣輸入至預訓練的神經網絡模型，輸出追蹤目標狀態預測結果，其中所述預訓練的神經網絡模型包括通道數與所述多維數據矩陣中數據的屬性數相同的多通道的多層卷積層、LSTM網絡層和全連接分類器；各幀數據對應的多維數據矩陣中各個屬性的數據分別輸入至相應通道的多層卷積層，并輸出各幀對應的特征序列作為所述LSTM網絡層的輸入，所述LSTM網絡層的輸出經融合后輸入至所述全連接分類器，以由所述全連接分類器輸出追蹤目標的狀態的預測結果，所述追蹤目標的狀態包括多種動作狀態；

基于所述追蹤目標狀態預測結果和預先建立的有限狀態機確定追蹤目標的最終狀態。

2.根據權利要求1所述的方法，其特征在于，所述多層卷積層輸出的各幀對應的特征序列為一維特征序列，所述全連接分類器輸出追蹤目標的狀態的預測結果為各動作狀態的預測概率值。

3.根據權利要求1所述的方法，其特征在于，所述動作狀態選自以下狀態中的部分或全部：站、跌、走、跑、跳、坐和躺。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：神經網絡模型訓練步驟。

5.根據權利要求1所述的方法，其特征在于，所述多維數據矩陣的中心坐標為追蹤目標的空間坐標，所述基于拆分的數據生成各幀數據對應的多維數據矩陣包括：

在當前幀的點云數據中的檢測點的數量小于預定數目時，使用距離當前幀的目標中心點最近的前一幀的部分檢測點進行空缺數據填充，直至當前幀的點云數據中的檢測點的數量達到所述預定數目。

6.根據權利要求2所述的方法，其特征在于，所述預先建立的有限狀態機中含有以各動作狀態為節點的各狀態之間的變換關系以及狀態預測概率最小閾值。

7.根據權利要求6所述的方法，其特征在于，所述基于所述追蹤目標狀態預測結果和預先建立的有限狀態機確定追蹤目標的最終狀態包括：

所述追蹤目標的最終狀態為符合狀態之間的變換關系且預測概率值大于預設的概率閾值的狀態，或者為不改變的狀態。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于有限狀態機確定的追蹤目標的最終狀態，產生提示信息和/或向通信終端發送提示信息。

9.一種基于毫米波感知的追蹤目標狀態識別裝置，包括處理器和存儲器，其特征在于，所述存儲器中存儲有計算機指令，所述處理器用于執行所述存儲器中存儲的計算機指令，當所述計算機指令被處理器執行時該裝置實現如權利要求1至8中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至8中任一項所述方法的步驟。