基于雷达的目标分类方法、系统及存储介质技术方案

本申请公开了一种基于雷达的目标分类方法、系统及存储介质。所述目标分类方法包括：通过所述雷达获取目标物的目标参数；输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别；以及基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别。本实施例提供的基于雷达的目标分类方法通过设定输出策略的方式，有效地提高雷达的分类准确率，而且也拓展了雷达的应用领域。且也拓展了雷达的应用领域。且也拓展了雷达的应用领域。

【技术实现步骤摘要】
基于雷达的目标分类方法、系统及存储介质


[0001]本申请涉及雷达识别
，尤其涉及一种基于雷达的目标分类方法、系统及存储介质。

技术介绍

[0002]在现有技术中，毫米波雷达的实际应用场景中仅能够提供目标物的方位、速度等信息，而无法识别目标物的种类。换言之，在仅使用毫米波雷达的情况下，用户无法获取目标物的种类。造成以上问题的原因在于，毫米波雷达的目标物分类方案的分类准确率过低，以至于毫米波雷达的分类结果是不具备参考价值的，进而使得毫米波雷达在目标物分类领域中没有量产的可能，极大地限制了毫米波雷达的发展方向。
[0003]因此，亟需对现有技术中存在的问题提出一种解决方法。

技术实现思路

[0004]本专利技术的目的在于，提供一种基于雷达的目标分类方法、系统及存储介质，以解决毫米波雷达的分类准确率过低的问题。
[0005]为实现上述目的，本专利技术实施例提供了一种基于雷达的目标分类方法，包括：通过所述雷达获取目标物的目标参数；输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别；以及基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别。
[0006]进一步地，所述通过所述雷达获取目标物的目标参数的步骤之前，包括：通过所述雷达获取至少两组训练样本；其中，每一组所述训练样本包括样本标识符，该样本标识符用于表示同一类别的参照物的参照参数；引入所述训练样本于预设的机器学习模型中进行训练，以构建成所述分类模型；以及所述输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别的步骤，包括：通过所构建成的分类模型，并根据所述目标物的目标参数输出所述目标物的参考类别。
[0007]进一步地，所述通过所述雷达获取目标物的目标参数的步骤之前，包括：判断所述目标物的目标标识符是否表示为最终类别；当判定所述目标物的目标标识符表示为最终类别时，重新执行所述判断所述目标物是否标记有最终类别的步骤。
[0008]进一步地，所述目标参数包括：雷达反射点数量、目标物尺寸、信噪比、雷达散射截面积、目标物对地速度、目标物加速度、目标物方位中的至少一种。
[0009]进一步地，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤之前，包括：保存所述参考类别、与所述参考类别对应的信心分数中的至少一种至与所述目标物对应的目标位置中。
[0010]进一步地，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤，还包括：获取在所述目标位置中的参考类别的总数；判断所述参考类别的总数是否等于第一阈值；当判定参考类别的总数等于所述第一阈值时，获取在所述目标位置中属于同一类别的参考类别的总数；判断所述目标位置中属于同一类别的参考类别的总数是否
大于或等于第二阈值；当判定所述目标位置中属于同一类别的参考类别的总数大于或等于所述第二阈值时，确定目标物的最终类别的值为所述同一类别的参考类别的值。
[0011]进一步地，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤，还包括：获取在所述目标物对应的目标位置中与属于同一类别的参考类别对应的所有信心分数；计算与属于同一类别的参考类别对应的所有信心分数的平均值；比较与属于不同类别的参考类别对应的平均值，以得到最大平均值；获取与所述最大平均值对应的参考类别；确定目标物的最终类别的值为与所述最大平均值对应的参考类别的值。
[0012]进一步地，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤，还包括：判断与所述目标物对应的目标位置是否存在最终类别；当判定存在最终类别时，获取所述参考类别的优先级以及所述最终类别的优先级；判断所述参考类别的优先级是否大于所述最终类别的优先级；当判定所述参考类别的优先级大于所述最终类别的优先级时，替换所述最终类别的值为所述参考类别的值。
[0013]本专利技术实施例还提供了一种基于雷达的目标分类系统，所述目标分类系统包括：目标参数获取单元，用以通过所述雷达获取目标物的目标参数；参考类别获取单元，用以输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别；以及最终类别确定单元，用以基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别。
[0014]本专利技术实施例还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，执行上述基于雷达的目标分类方法中的任一步骤。
[0015]本专利技术的有益效果在于，本专利技术实施例所提供的一种基于雷达的目标分类方法通过设定输出策略的方式，有效地提高雷达的分类准确率，而且也拓展了雷达的应用领域。本专利技术实施例所述基于雷达的目标分类系统亦是如此。
附图说明
[0016]下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。
[0017]图1为本申请一实施例提供的一种基于雷达的目标分类方法的流程图。
[0018]图2为本申请上述实施例提供的所述基于雷达的目标分类方法的前置流程图。
[0019]图3为图1所示步骤S300的第一流程图。
[0020]图4为图1所示步骤S300的第二流程图。
[0021]图5为图1所示步骤S300的第三流程图。
[0022]图6为本申请一实施例提供的一种基于雷达的目标分类系统的结构示意图。
[0023]图7为图6所示最终类别确定单元的第一结构示意图。
[0024]图8为图6所示最终类别确定单元的第二结构示意图。
[0025]附图标记说明：100、目标分类系统；110、目标参数获取单元；120、参考类别获取单元；130、最终类别确定单元；131A、类别总数获取单元；132A、第一阈值比对单元；133A、同一类别获取单元；134A、第二阈值比对单元；135A、最终类别设定单元；131B、信心分数获取单元；
132B、全部均值获取单元；133B、最大均值获取单元；134B、均值类别获取单元；135B、最终类别对应单元。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]参阅图1所示，本实施例提供了一种基于雷达的目标分类方法，包括以下步骤。
[0028]步骤S100、通过雷达获取目标物的目标参数。其中，目标物可为上述雷达检测范围内的任一物体或行人。所述目标参数包括：雷达反射点数量、目标物尺寸、信噪比、雷达散射截面积、目标物对地速度、目标物加速度、目标物方位中的至少一种。
[0029]参阅图2所示，进一步地，步骤S100之前可包括步骤S10、S20。
[0030]步骤S10、通过雷达获取至少两组训练样本。其中，每一组训练样本包括样本标识符本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于雷达的目标分类方法，其特征在于，包括：通过所述雷达获取目标物的目标参数；输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别；以及基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别。2.如权利要求1所述的目标分类方法，其特征在于，所述通过所述雷达获取目标物的目标参数的步骤之前，包括：通过所述雷达获取至少两组训练样本；其中，每一组所述训练样本包括样本标识符，该样本标识符用于表示同一类别的参照物的参照参数；引入所述训练样本于预设的机器学习模型中进行训练，以构建成所述分类模型；以及所述输入所述目标参数于预设的分类模型，以获取所述目标物的参考类别的步骤，包括：通过所构建成的分类模型，并根据所述目标物的目标参数输出所述目标物的参考类别。3.如权利要求1所述的目标分类方法，其特征在于，所述通过所述雷达获取目标物的目标参数的步骤之前，包括：判断所述目标物的目标标识符是否表示为最终类别；当判定所述目标物的目标标识符表示为最终类别时，重新执行所述判断所述目标物是否标记有最终类别的步骤。4.如权利要求1所述的目标分类方法，其特征在于，所述目标参数包括：雷达反射点数量、目标物尺寸、信噪比、雷达散射截面积、目标物对地速度、目标物加速度、目标物方位中的至少一种。5.如权利要求1所述的目标分类方法，其特征在于，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤之前，包括：保存所述参考类别、与所述参考类别对应的信心分数中的至少一种至与所述目标物对应的目标位置中。6.如权利要求5所述的目标分类方法，其特征在于，所述基于所述参考类别，并根据预设的输出策略，确定目标物的最终类别的步骤，还包括：获取在所述目标位置中的参考类别的总数；判断所述参考类别的总数是否等于第一阈值；当判定参考类别的总数等于所述第一阈值时，获取在所述目...

【专利技术属性】
技术研发人员：胡溢鑫，郭坤鹏，张燎，
申请(专利权)人：南京隼眼电子科技有限公司，
类型：发明
国别省市：