一种基于毫米波雷达的人流量动态监测方法技术

本发明专利技术公开了一种基于毫米波雷达的人流量动态监测方法，该方法首先建立人体目标回波信号模型，通过对人体目标回波信号进行二维快速傅里叶变换处理来获得人体散射点的距离以及多普勒频率信息；接着通过恒虚警处理滤除杂波散射点，并对保留散射点进行方位角估计，获取人体目标散射点的角度信息，并使用二维坐标变换得到散射点位置，与对应多普勒频率信息一起构成点云数据；然后依据多普勒频率的正负来判断人体的运动方向，同时根据人体运动时不同部位多普勒特征的差异对点云数据进行筛选以减少干扰点数，避免基于密度的聚类算法出现虚警问题；最后在双时间点对特定区域的人员数量进行统计，并利用双时间点之间所获取的聚类结果来进一步修正人流量数据，从而解决因人体行走速度不同而引起的误判问题。走速度不同而引起的误判问题。走速度不同而引起的误判问题。

【技术实现步骤摘要】
一种基于毫米波雷达的人流量动态监测方法


[0001]本专利技术涉及一种雷达目标检测领域的毫米波雷达人流量动态监测方法，具 体涉及一种基于数据筛选和双时间点检测的毫米波雷达人流量动态监测方法。

技术介绍

[0002]随着社会发展，人们的出行率不断提高，尤其是商场、车站和景区等公众 场合的人流量增加，导致安全问题日益突出。2020年新型冠状病毒肺炎席卷全 国，为了减缓疫情的传播，各地政府相继出台社交距离规定，因此对公共区域 进行人流量实时统计具有重要意义。通过实时人流量统计，可对人群进行及时 有效的分流、疏导和控制，不仅可以规避可能发生的安全事故，而且对优化公 共场合的资源配置有重要参考价值。
[0003]早期对公共场所的人流量统计主要使用人工计算的方式，该方法不能准确 统计人员数目，且人力成本高，管理复杂，不利于当下快速发展的大数据分析 及其应用。为了有效统计人流量，节约人力资本，守护公共区域安全，国内外 的学者在此基础上研究自动统计人流量方法。基于红外线传感器探测的人流量 监测方法利用发射红外线的发光二极管和感知红外线的接收二极管，实现红外 线感应，对经过感应区域的具有一定温度的目标自动计数，但是该方法应用场 景有限，不能区分目标个体的运动方向，且难以分辨多人并排行走的情况。基 于超声波探测的人流量监测方法通过对发射声波以及对其回波信号处理来实现 人体目标的位置测量，从而实现人流量的统计，但此方法作用距离有限，容易 受外界环境的干扰，存在测量盲区，因此在人流量监测应用中具有一定局限性。 随着人工智能算法的兴起，视频监控成为人流量监测的主要方式之一，目前基 于视频监控系统来统计人流量的检测追踪算法大体可分为三类：基于图像底层 特征的方法、基于特征点运动轨迹的方法以及基于运动目标的检测跟踪方法。 基于视频监控的人流量监测技术利用摄像头等光学传感器对应用环境有限制， 对于光照、烟雾等环境因素敏感度高，难以全天候工作，同时采集的监控数据 存在人员隐私泄露的风险。因此，研究如何以较高的准确率统计人流量且克服 现有人流量统计方法弊端的人流量监测方法是非常有必要的。

技术实现思路

[0004]实时人流量统计能对公共场合的人员进行有效管控，以避免人数过于密集 导致安全事故的发生。针对现有人流量监测方法的弊端，本专利技术利用毫米波雷 达体积小、成本低、分辨率高的特点，提出一种基于数据筛选和双时间点检测 的人流量动态监测方法。
[0005]本专利技术提供如下技术方案：
[0006]该方法首先建立人体目标回波信号模型，通过对人体目标回波信号进行二 维快速傅里叶变换(Fast Fourier Transform,FFT)处理来获得人体散射点的距离 以及多普勒频率信息；接着通过恒虚警(constant false alarm rate,CFAR)处理滤 除杂波散射点，并对保留散射点进行方位角估计，获取人体散射点目标的角度 信息，并使用二维坐标变换得到散射点位置，与对应多普勒频率信息一起构成 点云数据；然后依据多普勒频率的正负来
判断人体的运动方向，同时根据人体 运动时不同部位多普勒特征的差异对点云数据进行筛选以减少干扰点数，避免 基于密度的聚类算法(density
‑
based spatial clustering of applications with noise, DBSCAN)出现虚警问题；最后在双时间点对特定区域的人员数量进行统计， 并利用双时间点之间所获取的聚类结果来进一步修正人流量数据，从而解决因 人体行走速度不同而引起的误判问题。本专利技术能够用匿名的方式以较高的正确 率统计人员的进出。
[0007]本专利技术的一种基于毫米波雷达的人流量动态监测方法，包括以下步骤：
[0008]步骤1：
[0009]将人体目标回波信号经混频处理获得中频信号，然后进行二维FFT处理、 恒虚警检测和相位法测角，从而获取人体散射点的点云数据集P0，可表示为 P0:{(x
i
,y
i
,f
di
),i＝1,2,...,I}，其中，x
i
和y
i
分别为第i个散射点在二维平面的坐 标位置，f
di
为第i个散射点的多普勒频率，I为人体目标散射点数。
[0010]步骤2：
[0011]为了降低人的呼吸、心跳和手臂小幅度摆动的散射点对人体目标凝聚的影 响，通过设置适当的多普勒门限来滤除这些小多普勒频率的散射点，只保留人 整体躯干平动产生的散射点。设置多普勒门限为f
t
，在点云数据集P0中滤除小 多普勒频率的点之后获得的数据集P1:{(x
j
,y
j
,f
dj
)||f
dj
|＞f
t
,j＝1,2,...,J}，其 中，x
j
和y
j
分别表示多普勒频率大于门限值的第j个散射点在二维平面的坐标 位置，f
dj
表示第j个散射点的多普勒频率，J表示满足|f
dj
|＞f
t
的所有散射点数， |
·
|为绝对值。
[0012]步骤3：
[0013]根据多普勒频率的正负，将数据集P1分成人员进和出的两个数据集，即为
[0014][0015]式中，P
in
和P
out
分别表示人员进和出的点云数据集，J1和J2分别为对应人员 进和出的散射点数。使用DBSCAN算法分别对两个集合P
in
和P
out
中点云数据进 行聚类，将人员进和出的散射点凝聚成人体目标的位置集合其中，和分别表示进和出的人体目标聚类 后的位置集合；x
p
和y
p
为进入人员的坐标位置；x
q
和y
q
为出去人员的坐标位置；和
ꢀꢀ
分别凝聚后的人体目标数。
[0016]步骤4：
[0017]每隔Δt时间对检测区域内人员位置聚类集合和中人体目标进和出的 数量进行统计，其中Δt＝t2‑
t1，t1和t2分别为两个检测时间点，检测区域在y 轴的宽度为y
r
‑
y
l
<vΔt，v为人体正常行走速度，人体在检测区域内沿着y轴方 向直线行走。
[0018]根据t1和t2时间点时位置聚类集合可知，若只有一个时间点t1或t2在检测 区域
内同一路径上检测到人体目标，则该时间点检测到的人员数量统计为进入 人数；若t1和t2时间点在检测区域内同一路径上都没有检测到人体目标存在，则 转到步骤41；若t1和t2时间点在检测区域内同一路径上都检测到人体目标存在， 则转到步骤42。
[0019]步骤41：通过遍历t1和t2之间的其余时间点在检测区域内同一路径上的人员 数据来进行修正，若检测区域内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的人流量动态监测方法，其特征在于，包括以下步骤：S1、将人体目标回波信号经混频处理获得中频信号，然后进行二维FFT处理、恒虚警检测和相位法测角，从而获取人体散射点的点云数据集P0，可表示为P0:{(x
i
,y
i
,f
di
),i＝1,2,...,I}，其中，x
i
和y
i
分别为第i个散射点在二维平面的坐标位置，f
di
为第i个散射点的多普勒频率，I为人体目标散射点数；S2、设置多普勒门限为f
t
，在点云数据集P0中滤除小多普勒频率的点之后获得的数据集P1:{(x
j
,y
j
,f
dj
)||f
dj
|＞f
t
,j＝1,2,...,J}，其中，x
j
和y
j
分别表示多普勒频率大于门限值的第j个散射点在二维平面的坐标位置，f
dj
表示第j个散射点的多普勒频率，J表示满足|f
dj
|＞f
t
的所有散射点数，|
·
|为绝对值；S3、根据多普勒频率的正负，将数据集P1分成人员进和出的两个数据集，即为式中，P
in
和P
out
分别表示人员进和出的点云数据集，J1和J2分别为对应人员进和出的散射点数；使用DBSCAN算法分别对两个集合P
in
和P
out
中点云数据进行聚类，将人员进和出的散射点凝聚成人体目标的位置集合其中，和分别表示进和出的人体目...

【专利技术属性】
技术研发人员：陈金立，瞿彦涛，范晨阳，付善腾，王礼正，
申请(专利权)人：南京常格科技发展有限公司，
类型：发明
国别省市：