一种基于多普勒特征的人车自动识别方法及装置制造方法及图纸

本发明专利技术公开一种基于多普勒特征的人车自动识别方法及装置，该方法步骤包括：S1.使用雷达对探测范围内区域进行目标检测，每次检测到目标时得到一组目标检测结果；S2.获取雷达的连续多组目标检测结果并提取每组目标检测结果中目标的速度信息，得到目标的连续多组速度信息；S3.由步骤S2得到的连续多组速度信息获取目标的速度波动趋势，根据速度波动趋势识别目标是车辆还是行人。本发明专利技术能够自动识别行人与车辆，且具有实现方法简单、复杂度低、识别精度以及识别效率高等优点。

A Method and Device for Automatic Recognition of Human and Vehicle Based on Doppler Characteristics

【技术实现步骤摘要】
一种基于多普勒特征的人车自动识别方法及装置
本专利技术涉及雷达目标检测
，尤其涉及一种基于多普勒特征的人车自动识别方法及装置。
技术介绍
雷达具有出色的动目标检测能力，被广泛应用在如周界区域安防等领域中，但是雷达本身只能检测到目标并发出警报，并不能识别目标的类别，而在如周界区域安防等的应用场景中，通常需要能够快速区分出是移动的车辆还是行人，以执行针对性的处理。雷达目标分类可以实现目标的类型识别，现有技术中雷达目标分类即是将模式识别和机器学习的相关知识应用到雷达目标探测中，通常都是先将目标的雷达回波信号采用短时傅里叶变换，提取出能够体现目标特性的特征信息(如微多普勒特征)，再利用支持向量机、卷积神经网络等分类器，将提取的特征代入分类器中，对输入的目标数据做出类别判定，但是该类方式需要提取如微多普勒特征等的特征信息，而微多普勒特征是在提取到多普勒特征的基础上进一步提取得到，提取过程较为复杂，会延长识别处理时间，同时采用支持向量机、卷积神经网络等分类器的计算量大、计算复杂度高，因而识别效率并不高，难以快速区分出车辆与行人。而若考虑直接提取多普勒特征来实现车辆与行人的区分，虽然可以降低特征提取复杂度，但识别精度非常差，极易产生误检，如人的速度通常较慢，但车辆也可能在某些情况下速度变慢，单纯使用速度就难以区分出车辆与行人。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种实现方法简单、复杂度低、识别精度以及识别效率高的基于多普勒特征的人车自动识别方法及装置。为解决上述技术问题，本专利技术提出的技术方案为：一种基于多普勒特征的人车自动识别方法，步骤包括：S1.使用雷达对探测范围内区域进行目标检测，每次检测到目标时得到一组目标检测结果；S2.获取雷达的连续多组目标检测结果并提取每组目标检测结果中目标的速度信息，得到目标的连续多组速度信息；S3.由所述步骤S2得到的连续多组速度信息获取目标的速度波动趋势，根据所述速度波动趋势识别目标是车辆还是行人。作为本专利技术的进一步改进：所述步骤S2中提取每组目标检测结果中目标的速度信息时，还包括将提取到的速度信息使用盲速进行折算，得到最终的速度信息步骤。作为本专利技术的进一步改进：所述使用盲速进行折算时，具体按照式[|vk/vm1|]进行折算，其中雷达的盲速区间为-vm1～vm1，vk为第k次检测到目标的速度值，[·]为整除取余数操作。作为本专利技术的进一步改进：所述步骤S3中根据所述速度波动趋势识别目标时，若判断到目标的速度在预设第一时长内呈持续增加或持续下降的波动趋势，或判断到目标的速度在两个以上的预设第二时长内呈持续增加或持续下降的波动趋势，判定为车辆，否则判定为行人。作为本专利技术的进一步改进：所述步骤S3中获取目标的速度波动趋势时，使用预设大小的滑窗按照预设步长依次滑过目标的各组速度值，通过统计每个所述滑窗内前后两个速度值之间的波动状态，判断目标的速度在所述滑窗内的波动趋势。作为本专利技术的进一步改进：所述步骤S3中识别目标时，先使用第一滑窗进行判断，若判断到存在至少一个所述第一滑窗内呈持续增加或持续下降的波动趋势，判断为车辆，否则继续使用第二滑窗进行判断，若判断到存在至少两个所述第二滑窗内呈持续增加或持续下降的波动趋势，则判断为车辆，否则判定为行人，其中所述第二滑窗的长度小于所述第一滑窗的长度。作为本专利技术的进一步改进：所述判断目标的速度在所述滑窗内的波动趋势时，具体通过分别计算所述滑窗内前后两个速度值之间的差值，若当前值-前一个值≥0，判定为增加波动状态，并对应设置第一波动标志；若当前值-前一个值＝0，判定为无波动状态，并对应设置第二波动标志；若当前值-前一个值<0，判定为下降波动状态，并对应设置第三波动标志，通过统计每个所述滑窗内各波动标志的数量，判定目标的速度在所述滑窗内的波动趋势。作为本专利技术的进一步改进：所述步骤S3的具体步骤包括：S31.获取雷达第1次到第n次检测到的速度值{v1,...vn}；S32.使用长度为n1的第一滑窗依次滑过各速度值{v1,...vn}，每次滑动时分别统计所述第一滑窗内各前后速度值之间的波动状态并设置对应的波动标志，得到多组第一滑窗的波动统计结果，判断是否存在所述第一滑窗是全为所述第一波动标志与所述第二波动标志的组合或全为所述第三波动标志与所述第二波动标志的组合，如果是，判定为车辆，退出识别，否则转入执行步骤S33；S33.使用长度为n2的第二滑窗依次滑过各速度值{v1,...vn}，每次滑动时分别统计所述第二滑窗内各前后速度值之间的波动状态并设置对应的波动标志，得到多组第二滑窗的波动统计结果，判断是否存在至少两个所述第二滑窗是全为所述第一波动标志与所述第二波动标志的组合或全为所述第三波动标志与所述第二波动标志的组合，如果是，判定为车辆，否则判定为行人，退出识别。一种基于多普勒特征的人车自动识别装置，包括：雷达检测模块，用于使用雷达对探测范围内区域进行目标检测，每次检测到目标时得到一组目标检测结果；多普勒特征提取模块，用于获取雷达的连续多组目标检测结果并提取每组目标检测结果中目标的速度信息，得到目标的连续多组速度信息；自动识别模块，用于根据所述多普勒特征提取模块得到的连续多组速度信息获取目标的速度波动趋势，根据所述速度波动趋势识别目标是车辆还是行人。一种基于多普勒特征的行人车自动识别装置，包括存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序执行时实现上述的方法。与现有技术相比，本专利技术的优点在于：1、本专利技术基于多普勒特征的人车自动识别方法及装置，充分考虑行人与车辆之间的速度点波动特性，利用该特性来实现行人车自动识别，通过先提取雷达目标检测结果中速度信息的多普勒特征，特征提取简单且高效，在此基础上由连续速度信息获取速度波动趋势，利用速度波动趋势来实现车辆与行人的区分，实现简单，能够快速区分出车辆与行人，且充分利用了车辆与行人之间速度波动特性，识别精度高，尤其适用于如安防等仅需要区分移动的车辆和行人的领域。2、本专利技术基于多普勒特征的人车自动识别方法及装置，通过判断是否存在在预设第一时长内呈持续增加或持续下降的波动趋势，或是否存在在两个以上的预设第二时长内呈持续增加或持续下降的波动趋势，利用车辆速度波动趋势的两种特性来识别目标是否为车辆，可以快速、准确的识别出车辆。3、本专利技术基于多普勒特征的人车自动识别方法及装置，通过先使用较大的滑窗来判断目标的速度波动趋势是否满足车辆的第一种速度波动趋势，若不满足再使用较小的滑窗来判断目标的速度波动趋势是否满足车辆的第二种速度波动趋势，可以快速的查找出是否符合车辆两种速度波动趋势，从而高效的区分出车辆及行人。附图说明图1是本实施例基于多普勒特征的人车自动识别方法的实现流程示意图。图2是在具体实施例中得到的人速度波动曲线示意图。图3是在具体实施例中得到的车辆速度波动曲线示意图。图4是本实施例使用滑窗滑过各速度值的实现原理示意图。图5是本实施例中统计计算滑窗内波动变化的原理示意图。图6是本专利技术具体应用实施例中步骤S3实现人车区分识别的实现流程示意图。具体实施方式以下结合说明书附图和具体优选的实施例对本专利技术作进一步描述，但并不因此而限制本专利技术的保护范围。如图1所示本文档来自技高网...

【技术保护点】
1.一种基于多普勒特征的人车自动识别方法，其特征在于，步骤包括：S1.使用雷达对探测范围内区域进行目标检测，每次检测到目标时得到一组目标检测结果；S2.获取雷达的连续多组目标检测结果并提取每组目标检测结果中目标的速度信息，得到目标的连续多组速度信息；S3.由所述步骤S2得到的连续多组速度信息获取目标的速度波动趋势，根据所述速度波动趋势识别目标是车辆还是行人。

【技术特征摘要】
1.一种基于多普勒特征的人车自动识别方法，其特征在于，步骤包括：S1.使用雷达对探测范围内区域进行目标检测，每次检测到目标时得到一组目标检测结果；S2.获取雷达的连续多组目标检测结果并提取每组目标检测结果中目标的速度信息，得到目标的连续多组速度信息；S3.由所述步骤S2得到的连续多组速度信息获取目标的速度波动趋势，根据所述速度波动趋势识别目标是车辆还是行人。2.根据权利要求1所述的基于多普勒特征的人车自动识别方法，其特征在于，所述步骤S2中提取每组目标检测结果中目标的速度信息时，还包括将提取到的速度信息使用盲速进行折算，得到最终的速度信息步骤。3.根据权利要求2所述的基于多普勒特征的人车自动识别方法，其特征在于：所述使用盲速进行折算时，具体按照式[|vk/vm1|]进行折算，其中雷达的盲速区间为-vm1～vm1，vk为第k次检测到目标的速度值，[·]为整除取余数操作。4.根据权利要求1或2或3所述的基于多普勒特征的人车自动识别方法，其特征在于，所述步骤S3中根据所述速度波动趋势识别目标时，若判断到目标的速度在预设第一时长内呈持续增加或持续下降的波动趋势，或判断到目标的速度在两个以上的预设第二时长内呈持续增加或持续下降的波动趋势，判定为车辆，否则判定为行人。5.根据权利要求4所述的基于多普勒特征的人车自动识别方法，其特征在于，所述步骤S3中获取目标的速度波动趋势时，使用预设大小的滑窗按照预设步长依次滑过目标的各组速度值，通过统计每个所述滑窗内前后两个速度值之间的波动状态，判断目标的速度在所述滑窗内的波动趋势。6.根据权利要求5所述的基于多普勒特征的人车自动识别方法，其特征在于，所述步骤S3中识别目标时，先使用第一滑窗进行判断，若判断到存在至少一个所述第一滑窗内呈持续增加或持续下降的波动趋势，判断为车辆，否则继续使用第二滑窗进行判断，若判断到存在至少两个所述第二滑窗内呈持续增加或持续下降的波动趋势，则判断为车辆，否则判定为行人，其中所述第二滑窗的长度小于所述第一滑窗的长度。7.根据权利要求6所述的基于多普勒特征的人车自动识别方法，其特征在于，所述判断目标的速度在所述滑窗...

【专利技术属性】
技术研发人员：车驰，陈超，孟庆愚，王帅，张臣勇，白炳潮，王雨，
申请(专利权)人：成都纳雷科技有限公司，
类型：发明
国别省市：四川,51