基于微波雷达的未知环境多目标检测方法和装置制造方法及图纸

本发明专利技术公开了一种基于微波雷达的未知环境多目标检测方法和装置，该方法包括步骤：分别采集多个典型场景的雷达数据，并拆分为训练数据和测试数据；对训练数据和测试数据分别进行预处理；将预处理后数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。该装置包括数据采集模块、预处理模块、训练模块和检测模块。该方法和装置，通过结合深度学习，对环境有很好的自适应能力，能够从多个不同的环境中提取出移动目标的共同特性，消除不同背景的差异性，实现对于常见的场景中人数的判断。

Multiobjective Detection Method and Device for Unknown Environment Based on Microwave Radar

【技术实现步骤摘要】
基于微波雷达的未知环境多目标检测方法和装置
本专利技术涉及人数检测
，特别是涉及一种基于微波雷达的未知环境多目标检测方法和装置。
技术介绍
人数检测广泛应用于救援、智能家居、人流量统计、反恐和军事当中。现代社会通常使用摄像头对人数进行统计，然而摄像头不能保护人们的隐私，也不能用于室外的恶劣环境中。WiFi也可用于检测人数，然而WiFi不能穿墙检测人数，且安全性不稳定，并没有得到广泛使用。而雷达具有高分辨率、低功耗、抗干扰能力强、可穿透、可在黑暗复杂环境检测，不会侵犯人们隐私等优点，即则可以克服了以上缺点，从而补偿了摄像头和WiFi检测的不足。近年来，雷达得到了广泛应用，而雷达的种类也有很多种，包括CW(连续波)雷达、UWB(微波)雷达，FMCW(调频连续波)雷达，MIMO(多输入多输出)雷达等。在MIMO雷达、FMCW雷达及双频CW雷达中，都使用天线阵和多个接收天线来确定目标的位置信息，这种方法在实验场景中需安装多个天线或使用大型的天线阵，这对于在家庭，空间较小的地方将较难安装，实施过于复杂。目前使用微波雷达进行检测时，一般使用阈值法或预先判断环境特点的方法才能对移动的多个目标进行判断，当场景变换时，以上方法则不能够做到适应场景变换，需要临时调整，对于使用者来说并不方便，且都未能很好的解决现存的问题。例如，中国专利201510048330.X，公开了一种微波穿墙雷达运动目标一维检测与跟踪的方法，该方法较为系统的介绍了雷达预处理过程及多目标的跟踪方法，能有效的还原目标移动轨迹，特别地处理了目标周围地杂波及删除不稳定的航迹，确保目标移动的准确性。但是，该专利技术提供的算法只适用于较为理想的数据及后期的静态处理，当环境切换时算法可能不适用，因此不能用于环境多变及复杂的实时环境。综上，现有技术中的雷达检测方案，对于环境切换的适应能力较差，无法用于多种不同环境中的目标检测。
技术实现思路
本专利技术的目的是提出一种基于微波雷达的未知环境多目标检测方法和装置，以解决上述技术问题。为实现上述目的，本专利技术提供了如下方案：本专利技术实施例的第一个方面，提供了一种基于微波雷达的未知环境多目标检测方法，包括步骤：分别对多个典型场景用微波雷达采集雷达数据，并将所述雷达数据拆分为训练数据和测试数据；对训练数据和测试数据分别进行预处理；将预处理后的训练数据和测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的卷积神经网络模型进行未知场景的多目标检测。可选的，对训练数据和测试数据分别进行预处理，包括：对训练数据和测试数据分别通过滑窗法、自适应滤波、阈值法进行处理，保留动目标轨迹、滤除静态杂波。可选的，对训练数据和测试数据分别进行预处理，包括步骤：1)获取当前典型场景下特定人数的雷达回波信号，并将所述雷达回波信号转化为功率信号；2)应用滑窗法截取雷达数据；3)使用自适应滤波法保留所述雷达数据中的动目标轨迹，滤除静态杂波；4)使用阈值法滤除小于预设阈值的杂波；重复步骤1)-4)将多个典型场景下的0-4人雷达回波信号进行预处理，得到预处理数据。可选的，进行卷积神经网络模型的训练和测试之前，还包括步骤：将部分n人与n-1人及n人与0人的典型场景的雷达数据拼接，用于处理瞬时出现多个移动目标及多个移动目标一起离开检测区域的情况，并将拼接数据转成RGB图片，作为训练数据或者测试数据，用于卷积神经网络模型的训练或测试。可选的，通过训练后的卷积神经网络模型进行未知场景的多目标检测，之后还包括步骤：采用SVM判别方法对检测出的多目标结果进行验证。可选的，卷积神经网络模型为GoogLeNet。可选的，步骤2)中滑窗的大小为255-340帧之间，雷达数据每隔2秒更新一次。可选的，步骤3)中将自适应系数设为不大于1。可选的，将部分n人与n-1人及n人与0人的典型场景的雷达数据拼接，包括：将数据拼接的数据帧长度设为3秒。本专利技术实施例的第二个方面，还提供一种基于微波雷达的未知环境多目标检测装置，包括数据采集模块、预处理模块、训练模块和检测模块；数据采集模块，用于分别对多个典型场景用微波雷达采集雷达数据，并将雷达数据拆分为训练数据和测试数据；预处理模块，用于对训练数据和测试数据分别进行预处理；训练模块，用于将预处理后的训练数据和测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；检测模块，用于通过训练后的卷积神经网络模型进行未知场景的多目标检测。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术针对现有微波雷达运动目标检测的方法的存在的以上缺陷，提供一种可在未知环境下目标数据复杂多变的多个移动目标实时检测的系统及方法，分别对多个典型场景用微波雷达采集雷达数据，基于雷达数据训练卷积神经网络模型，利用卷积神经网络模型对待检测场景的雷达特征数据进行识别，做到实时检测时的智能场景区分，实现了多个移动目标在具有典型特点的场景中的识别，可适用于多种不同的场景，场景适应能力更强；对训练数据或者测试数据进行预处理，并将对应人数的回波图片进行汇总和随机排序，作为卷积神经网络模型训练或者测试的数据基础，可以有效提升卷积神经网络模型检测的准确性；进一步地，将部分n人与n-1人(n＞0)以及n人与无人的数据进行拼接，可用于实时处理时突然出现多个移动目标及多个移动目标一起离开检测区的情况，对目标数量突变的情况也能很好地识别和区分。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于微波雷达的未知环境多目标检测方法实施例1的流程示意图；图2为本专利技术基于微波雷达的未知环境多目标检测方法实施例2的实现原理示意图；图3为本专利技术基于微波雷达的未知环境多目标检测方法实施例2的简要流程示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1本专利技术实施例1提供了一种基于微波雷达的未知环境多目标检测方法，如图1所示，该方法包括如下步骤：步骤S100：分别对多个典型场景用微波雷达采集雷达数据，并将雷达数据拆分为训练数据和测试数据。雷达数据主要包括雷达回波信号。典型场景即生活中较为常见的场景，例如教室、会议室、办公室、仓库等等。作为一种可实施方式，从多个典型场景中随机选择一个场景，将其对应的雷达数据设为测试数据，其余典型场景的雷达数据设为训练数据；也可从中随机选择多个场景作为测试数据，其余场景作为训练数据。训练数据和测试数据的划分有多种实施方式，本专利技术不一一列举。步骤S101：对雷达数据进行预处理。需要说明的是，将数据划分为训练数据和测试数据的步骤既可以在预处理的步骤之前，也可在进行预处理之后进行，本专利技术本文档来自技高网...

【技术保护点】
1.一种基于微波雷达的未知环境多目标检测方法，其特征在于，包括步骤：分别对多个典型场景用微波雷达采集雷达数据，并将所述雷达数据拆分为训练数据和测试数据；对所述训练数据和所述测试数据分别进行预处理；将预处理后的所述训练数据和所述测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。

【技术特征摘要】
1.一种基于微波雷达的未知环境多目标检测方法，其特征在于，包括步骤：分别对多个典型场景用微波雷达采集雷达数据，并将所述雷达数据拆分为训练数据和测试数据；对所述训练数据和所述测试数据分别进行预处理；将预处理后的所述训练数据和所述测试数据，分别按人数分类，并将对应人数的回波图片进行汇总和随机排序，进行卷积神经网络模型的训练和测试；通过训练后的所述卷积神经网络模型进行未知场景的多目标检测。2.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤对所述训练数据和测试数据分别进行预处理，包括：对所述训练数据和测试数据分别通过滑窗法、自适应滤波、阈值法进行处理，保留动目标轨迹、滤除静态杂波。3.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤对所述训练数据和测试数据分别进行预处理，包括步骤：1)获取当前典型场景下特定人数的雷达回波信号，并将所述雷达回波信号转化为功率信号；2)应用滑窗法截取雷达数据；3)使用自适应滤波法保留所述雷达数据中的动目标轨迹，滤除静态杂波；4)使用阈值法滤除小于预设阈值的杂波；重复步骤1)-4)将多个典型场景下的0-4人雷达回波信号进行预处理，得到预处理数据。4.根据权利要求1所述的基于微波雷达的未知环境多目标检测方法，其特征在于，所述步骤进行卷积神经网络模型的训练和测试之前，还包括步骤：将部分n人与n-1人及n人与0人的典型场景的雷达数据拼接，用于处理瞬时出现多个移动目标及多个移动目标一起离开检测区域的情况，并将所述拼接数据转成RGB图片...

【专利技术属性】
技术研发人员：李秀萍，李剑菡，李昱冰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11