基于毫米波传感器的行人和车辆分类方法技术

本发明专利技术公开了一种基于毫米波传感器的行人和车辆分类方法，包括：根据行人的步态分析和车辆的运动分析获取行人和车辆目标的时域回波信号；目标时域回波信号处理，获得距离‑多普勒图；并构建距离‑多普勒图样本集；将样本集分成训练样本集和测试样本集，对训练样本集中的数据进行预处理；构建级联神经网络分类器，并将距离‑多普勒图作为训练数据输入到级联神经网络分类器中，进行有监督的学习，训练和学习出各级分类器的网络参数；基于训练的各级网络参数，获得具有行人和车辆分类功能的级联神经网络分类器。本发明专利技术通过构建级联神经网络分类器，有效降低了实际应用中行人和车辆样本不平衡对目标分类的影响，提高目标分类准确率。

Pedestrian and vehicle classification method based on millimeter wave sensor

【技术实现步骤摘要】
基于毫米波传感器的行人和车辆分类方法
本专利技术涉及一种基于毫米波传感器的行人和车辆分类方法，具体涉及一种基于级联分类器的毫米波传感器行人和车辆分类方法。
技术介绍
近年来，随着市场对汽车主动安全和智能化需求的不断提高，无人驾驶巨大的社会和经济价值越发凸显，越来越多的企业与科研机构积极参与并推动无人驾驶领域的发展。由于汽车行业对于行人的安全保障有着极高的要求，所以行人和车辆分类逐渐成为无人驾驶中一项关键技术。在自动驾驶领域，无人驾驶车辆必须具备通过车载传感器识别行人和车辆及其所在位置的能力，以实现进一步的决策。一旦检测错误则会造成伤亡，后果严重，所以对于行人和车辆识别的准确性要求极高。因此行人和车辆分类是一个极富挑战性的研究课题。传统的行人和车辆识别主要基于视觉传感器。就目前技术来说，视觉虽然可以提供丰富的图像信息，但是室外场景中的光照变化、遮挡、阴影等影响，导致视觉算法在复杂交通环境中鲁棒性较低。雷达也可被用来识别行人和车辆，与光学应用不同，雷达的使用不受光照条件限制。另外，雷达传感器可以嵌入到车辆内部，因此对设备的维护更容易，操作更稳定，避免了按钮故障的可能性。毫米波雷达作为无人本文档来自技高网...

【技术保护点】
1.一种基于毫米波传感器的行人和车辆分类方法，其特征在于：该方法包括以下步骤：(1)根据行人的步态分析和车辆的运动分析进行信号回波建模，获取行人和车辆目标的时域回波信号；(2)目标时域回波信号处理，获得距离‑多普勒图；并构建距离‑多普勒图训练样本集和测试样本集；(3)对上述训练样本集中的数据进行预处理；(4)构建级联神经网络分类器，并将距离‑多普勒图作为训练数据输入到构建的级联神经网络分类器中，进行有监督的学习，获得各级分类器的网络参数；(5)基于训练的各级网络参数，对构建的神经网络进行配置，获得具有行人和车辆分类功能的级联神经网络分类器，利用测试样本集的数据对该级联分类器性能进行评估。

【技术特征摘要】
1.一种基于毫米波传感器的行人和车辆分类方法，其特征在于：该方法包括以下步骤：(1)根据行人的步态分析和车辆的运动分析进行信号回波建模，获取行人和车辆目标的时域回波信号；(2)目标时域回波信号处理，获得距离-多普勒图；并构建距离-多普勒图训练样本集和测试样本集；(3)对上述训练样本集中的数据进行预处理；(4)构建级联神经网络分类器，并将距离-多普勒图作为训练数据输入到构建的级联神经网络分类器中，进行有监督的学习，获得各级分类器的网络参数；(5)基于训练的各级网络参数，对构建的神经网络进行配置，获得具有行人和车辆分类功能的级联神经网络分类器，利用测试样本集的数据对该级联分类器性能进行评估。2.根据权利要求1所述的基于毫米波传感器的行人和车辆分类方法，其特征在于：步骤(3)中，所述数据预处理包括以下步骤：(21)对步骤2所述的训练样本集进行恒虚警检测；(22)对步骤2所述训练样本集进行数据增强，具体为对所述距离-多普勒图的翻转；(23)将步骤2所述训练样本集和测试样本集中的每张距离-多普勒图进行线性插值；(24)计算训练样本集各像素点的均值；对每个像素点位置的每个通道，计算所有训练样本在该处该通道上的灰度平均值；(25)将步骤(22)所述训练样本集和测试样本集中的每个像素点上每个通道的灰度值减去其对应位置对应通道的平均值。3.根据权利要求1所述的基于毫米波传感器的行人和车辆分类方法，其特征在于：步骤(4)中，所述级联...

【专利技术属性】
技术研发人员：武其松，高腾，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32