雷达数据处理方法及装置、存储介质、电子装置制造方法及图纸

本发明专利技术提供了一种雷达数据处理方法及装置、存储介质、电子装置，其中，方法包括：获取目标时间段内目标物的雷达数据，其中，所述目标物包括：目标类型；根据所述雷达数据确定所述目标物的运动轨迹集，其中，所述运动轨迹集中包括一个或多个目标轨迹；根据所述雷达数据得到所述目标物的新建轨迹；在识别到所述运动轨迹集中的目标轨迹的目标类型与所述新建轨迹中的期望目标类型一致的情况下，根据所述新建轨迹强化所述运动轨迹集。通过本发明专利技术，解决了雷达数据标注的问题，进而达到了适应于多种环境辅助人工标注工作的效果。

【技术实现步骤摘要】
雷达数据处理方法及装置、存储介质、电子装置
本专利技术涉及雷达数据智能分类领域，具体而言，涉及一种雷达数据处理方法及装置、存储介质、电子装置。
技术介绍
基于雷达的监控技术在安防领域越来越受到重视，雷达以高检测概率获得移动目标的量测信息，后台目标跟踪算法基于雷达量测输入信息，快速准确起始真实目标轨迹，确认真实移动目标身份和运动信息，及时过滤虚假轨迹和终结目标轨迹，进而将准确的目标身份和运动信息输出给其它环节。目标身份识别过程是目标跟踪算法的核心环节之一，对应的方法称为目标身份识别方法。目标身份识别的目的是区分目标类别，目标类型筛选/过滤，跟踪特殊目标，例如在人行道区域内，如果是行人目标轨迹，则无需调动摄像机抓拍；如果在人行道区域内，发现车辆目标轨迹，则需及时调用摄像机抓拍目标。采用毫米波雷达可监控多种目标，从多种目标中提取用户感兴趣的目标，尽快终结/过滤用户不感兴趣的目标或虚假目标。目标轨迹分类的目的之一即是筛选/过滤目标。虽然采用机器学习方法可提高雷达对目标识别准确率，但是雷达数据的标注是一件费时费力的工作。针对相关技本文档来自技高网...

【技术保护点】
1.一种雷达数据处理方法，其特征在于，包括：/n获取目标时间段内目标物的雷达数据，其中，所述目标物包括：目标类型；/n根据所述雷达数据确定所述目标物的运动轨迹集，其中，所述运动轨迹集中包括一个或多个目标轨迹；/n根据所述雷达数据得到所述目标物的新建轨迹；/n在识别到所述运动轨迹集中的目标轨迹的目标类型与所述新建轨迹中的期望目标类型一致的情况下，根据所述新建轨迹强化所述运动轨迹集。/n

【技术特征摘要】
1.一种雷达数据处理方法，其特征在于，包括：
获取目标时间段内目标物的雷达数据，其中，所述目标物包括：目标类型；
根据所述雷达数据确定所述目标物的运动轨迹集，其中，所述运动轨迹集中包括一个或多个目标轨迹；
根据所述雷达数据得到所述目标物的新建轨迹；
在识别到所述运动轨迹集中的目标轨迹的目标类型与所述新建轨迹中的期望目标类型一致的情况下，根据所述新建轨迹强化所述运动轨迹集。


2.根据权利要求1所述的方法，其特征在于，还包括：在所述运动轨迹集中的目标轨迹的目标类型与所述新建轨迹中的期望目标类型不一致的情况下，根据所述新建轨迹校正所述运动轨迹集，
所述根据所述新建轨迹校正所述运动轨迹集包括：
匹配所述运动轨迹集中的目标轨迹的每一种目标类型与所述新建轨迹中的期望目标类型的相似度；
根据所述相似度匹配结果在所述运动轨迹集中确定与所述新建轨迹中的期望目标类型匹配的目标类型；
在所述新建轨迹中的期望目标类型匹配的目标类型与所述新建轨迹中的期望目标类型不一致的情况下，根据所述新建轨迹对所述运动轨迹集中的目标轨迹进行校正。


3.根据权利要求1所述的方法，其特征在于，所述获取在目标时间段内目标物的雷达数据，包括：
根据所述目标类型的选择结果，选择所述目标物的出现时间和结束时间；
根据所述目标物的出现时间和结束时间确定所述目标时间段；
在所述目标时间段内采集所述目标类型的雷达数据。


4.根据权利要求3所述的方法，其特征在于，所述根据所述雷达数据确定所述目标物的运动轨迹集，其中，所述运动轨迹集中包括一个或多个目标轨迹包括：
在量测周期内的N帧中的M帧的量测点满足预设阈值的情况下，确定一个或者多个目标轨迹，其中，N>M，N和M为整数；
将所述一个或者多个目标轨迹按照预设输出方式输出；
根据所述一个或者多个目标轨迹的评分结果和所述目标类型，确定所述目标物的运动轨迹集。


5.根据权利要求3所述的方法，其特征在于，所述根据所述雷达数据得到所述目标物的新建轨迹包括：
根据所述目标类型的雷达数据选...

【专利技术属性】
技术研发人员：李冬冬，李乾坤，卢维，沈达飞，方勇军，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33