一种基于雷达及多网络融合的行人姿态识别方法及系统技术方案

本发明专利技术涉及一种基于雷达及多网络融合的行人姿态识别方法及系统，其方法包括对雷达信号的回波信号进行预处理，得到输出信号；将输出信号中的静止目标进行抑制处理；搜索经过抑制处理后的输出信号中的行人所处距离单元；对行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；利用多个卷积神经网络分别对回波信号时频图进行识别，得到每个卷积神经网络的识别结果；将每个卷积神经网络的识别结果进行融合，得到融合后的姿态识别结果。本发明专利技术的行人姿态识别方法，通过对雷达回波的分析，实时的给出行人姿态识别结果，通过多神经网络融合，能够保证较高的姿态识别准确率，不受光照条件、天气、烟雾等因素干扰，能够全天时、全天候工作。

A Pedestrian Attitude Recognition Method and System Based on Radar and Multi-network Fusion

The present invention relates to a pedestrian attitude recognition method and system based on radar and multi-network fusion. The method includes preprocessing the echo signal of radar signal to obtain the output signal, suppressing the stationary target in the output signal, searching the pedestrian distance list in the output signal after suppressing. Element; time-frequency analysis of echo signal corresponding to pedestrian distance unit is carried out to obtain time-frequency map of echo signal; time-frequency map of echo signal is identified by using multiple convolution neural networks, and the recognition results of each convolution neural network are obtained; recognition results of each convolution neural network are fused to get fusion. The attitude recognition results are obtained. The pedestrian attitude recognition method of the present invention can provide the results of pedestrian attitude recognition in real time through the analysis of radar echoes. Through multi-neural network fusion, it can ensure high accuracy of pedestrian attitude recognition, and can work all-day and all-weather without the interference of illumination, weather, smoke and other factors.

【技术实现步骤摘要】
一种基于雷达及多网络融合的行人姿态识别方法及系统
本专利技术涉及雷达信号处理及图像识别
，尤其涉及一种基于雷达及多网络融合的行人姿态识别方法及系统。
技术介绍
现有技术中对行人的姿态识别大多采用光学摄像机获取图像，然后对获取的图像进行图像识别处理，这样方式中由于受到光照条件、天气、烟雾等环境因素干扰，尤其是在夜间，其识别效果大大折扣，识别准确度不高，甚至出现无法识别的情况，稳定性非常差。因此，这种方式已经不能满足全天24小时等高要求的场合。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于雷达及多网络融合的行人姿态识别方法及系统。本专利技术解决上述技术问题的技术方案如下：依据本专利技术的一个方面，提供了一种基于雷达及多网络融合的行人姿态识别方法，包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用多个卷积神经网络分别对所述回波信号时频图进本文档来自技高网...

【技术保护点】
1.一种基于雷达及多网络融合的行人姿态识别方法，其特征在于，包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用多个卷积神经网络分别对所述回波信号时频图进行识别，得到每个所述卷积神经网络的识别结果；步骤6：将每个所述卷积神经网络的识别结果进行融合，得到融合后的姿态识别结果。

【技术特征摘要】
1.一种基于雷达及多网络融合的行人姿态识别方法，其特征在于，包括如下步骤：步骤1：对雷达信号的回波信号进行预处理，得到输出信号；步骤2：将所述输出信号中的静止目标进行抑制处理；步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；步骤5：利用多个卷积神经网络分别对所述回波信号时频图进行识别，得到每个所述卷积神经网络的识别结果；步骤6：将每个所述卷积神经网络的识别结果进行融合，得到融合后的姿态识别结果。2.根据权利要求1所述的基于雷达及多网络融合的行人姿态识别方法，其特征在于，所述步骤1中，所述对回波信号进行预处理具体包括：步骤11：对所述对回波信号进行去调频处理，具体如下：假设雷达信号st(τ)表示如下：st(τ)＝exp{jπ(2fcτ+γτ2)}其中，fc为发射频率，τ为快时间，t为慢时间，γ为调频频率；所述雷达信号对应的回波信号sr(t,τ)可表示为：sr(t,τ)＝Armexp{jπ(2fc(τ-td(t))+γ(τ-td(t))2)}τ∈(0,Tp]其中，Arm为一个幅值常数，Tp为一个频率调制周期，td(t)为时延，c为光速，a0、a1分别为目标的运动参数；则对所述回波信号进行去调频处理，计算公式为：s0(t,τ)表示去调频处理后的回波信号，sr(t,τ)表示所述雷达信号的回波信号，表示去调频处理后的回波信号的快时间相位，表示解调频参考信号sref(τ)的共轭信号；步骤12：将经过去调频后的所述回波信号s0(t,τ)进行傅里叶变换；步骤13：对傅里叶变换后的所述回波信号srm(t,f)进行离散采样，得到所述输出信号，表示为srm(m,n)。令t＝mΔT，f＝nΔf，其中ΔT，Δf为采样间隔，m为慢时间索引,且m＝0,1,2,…M，M为慢时间采集脉冲数，n为快时间索引，且n＝0,1,2,…N，N为快时间采样点数。3.根据权利要求2所述的基于雷达及多网络融合的行人姿态识别方法，其特征在于，所述步骤2中，对所述输出信号沿慢时间维度t采用三脉冲对消方法进行静止目标抑制，且经过抑制后的输出信号表示为sbs(m′,n)；其中，wi(i＝0,1,2)为三阶脉冲对消器的权值，srm(m′,n)表示经过去调频后的输出信号，m′表示经过抑制后的输出信号的慢时间索引，且m′＝0,1,2,…M-2。4.根据权利要求3所述的基于雷达及多网络融合的行人姿态识别方法，其特征在于，所述步骤3的具体实现为：步骤31：将经过抑制后的输出信号sbs(m′,n)沿慢时间维度求和，得到回波能量序列se(n)，计算公式为：其中，M为回波的总脉冲数，步骤32：选取所述回波能量序列se(n)中能量最大的距离单元n0，并将第n0个距离单元标记为行人所处距离单元。5.根据权利要求1所述的基于雷达及多网络融合的行人姿态识别方法...

【专利技术属性】
技术研发人员：张道明，高元正，龙希，
申请(专利权)人：武汉雷博合创电子科技有限公司，
类型：发明
国别省市：湖北,42