一种目标识别方法、目标识别装置以及计算机存储介质制造方法及图纸

本申请公开了一种目标识别方法、目标识别装置以及计算机存储介质，该目标识别方法包括：获取目标所在区域的雷达信号；基于所述雷达信号，生成三维点云，其中，所述三维点云中每一数据点包含雷达强度信息；从所述三维点云中提取目标点云，基于所述目标点云的雷达强度信息分布分析所述目标的行为。本申请的目标识别装置利用雷达传感器从物理上获取距离向信息，准确性高；雷达传感器的回波信息具有主流可见光方案不具备的优点，可以从回波距离向及中提取更多的有效信息，如生命体征和极向距离等；通过构建二维特征矩阵，利用雷达强度信息分布分析目标的行为，减少数据量且保证丰富的信息量。量。量。

【技术实现步骤摘要】
一种目标识别方法、目标识别装置以及计算机存储介质


[0001]本申请涉及行为识别
，特别是涉及一种目标识别方法、目标识别装置以及计算机存储介质。

技术介绍

[0002]目前，主流人体姿态行为的识别基本采用2D平面图像作为检测数据源。然而，主流人体姿态行为的识别存在以下问题：
[0003]1、目前主流方案无法保护受检测对象的个人隐私，应用场景受限，只能在公开场合中使用。
[0004]2、对检测环境光线要求苛刻，在可见光较弱或受检测物被遮挡的情况下效果欠佳。
[0005]3、图像为2D单模态数据，无法直接获感受野中取受检对象的距离。
[0006]4、图像数据量偏大，数据传输、处理、运算的吞吐量大，对检测系统的要求高。
[0007]因此，主流人体姿态行为的识别无法满足的诸多问题包括：隐私、光线要求、2D无法直接准确获取距离向信息、设备相对复杂，安装要求高等问题。此外，现有视频图像方案所识别处理的距离向信息均为估测值，其稳定性及准确性存在天然缺陷。

技术实现思路

[0008]本申请提供一种目标识别方法、目标识别装置以及计算机存储介质。
[0009]本申请采用的一个技术方案是提供一种目标识别方法，所述目标识别方法包括：
[0010]获取目标所在区域的雷达信号；
[0011]基于所述雷达信号，生成三维点云，其中，所述三维点云中每一数据点包含雷达强度信息；
[0012]从所述三维点云中提取目标点云，基于所述目标点云的雷达强度信息分布分析所述目标的行为。
[0013]其中，所述基于所述目标点云的雷达强度信息分布分析所述目标的行为，包括：
[0014]按照所述目标点云的高度信息，获取所述目标点云不同高度的雷达强度信息；
[0015]基于所述不同高度的雷达强度信息，分析得到所述目标点云的雷达垂直信号分布强度；
[0016]按照所述雷达垂直分布强度获取所述目标的当前姿态。
[0017]其中，所述按照所述雷达垂直分布强度获取所述目标的当前姿态，包括：
[0018]获取连续多帧雷达信号的雷达垂直分布强度；
[0019]比较连续多个雷达垂直分布强度的变化情况，获取所述目标的姿态变化情况。
[0020]其中，所述连续多个雷达垂直分布强度的变化情况由连续多帧雷达信号的雷达垂直分布强度的归一化结果映射为预设位数的整形数据表示。
[0021]其中，所述从所述三维点云中提取目标点云，包括：
[0022]基于密度对所述三维点云进行聚类，将聚类得到的若干点云集组成所述目标点云；
[0023]所述基于所述目标点云的雷达强度信息分布分析所述目标的行为，包括：
[0024]基于所述目标点云提取所述目标的高度信息，和/或三维检测框信息；
[0025]利用所述目标的高度信息，和/或三维检测框信息提取所述目标点云相应范围内的雷达强度信息分布，用于分析所述目标的行为。
[0026]其中，所述基于密度对所述三维点云进行聚类，将聚类得到的若干点云集组成所述目标点云，包括：
[0027]获取连续多帧三维点云聚类得到的点云集；
[0028]获取每一帧点云集的对象质心坐标，基于目标点云集的目标质心坐标对每一阵点云集的对象质心坐标进行轨迹匹配；
[0029]将轨迹匹配成功的多帧点云集的对象质心坐标以及所述目标质心坐标组成所述目标的运动轨迹；
[0030]按照所述目标的运动轨迹在每一帧三维点云提取目标点云。
[0031]其中，所述获取连续多帧三维点云聚类得到的点云集，包括：
[0032]获取每一帧三维点云的数字信号；
[0033]基于所述数字信号提取所述目标的坐标位置、方位角以及俯仰角；
[0034]基于所述目标的坐标位置获取每一帧三维点云中的目标点云集；
[0035]基于所述方位角和所述俯仰角将所述连续多帧目标点云集按照时间轴叠加到同一坐标系上。
[0036]其中，所述获取目标所在区域的雷达信号之后，所述目标识别方法还包括：
[0037]获取连续多帧雷达信号的多普勒图；
[0038]比较连续多帧的多普勒图，将其中的运动区域设置为目标区域；
[0039]获取连续多帧雷达信号的目标区域相位；
[0040]提取所述目标区域相位的频率分量；
[0041]从所述频率分量中分离出呼吸频率分量和心跳频率分量；
[0042]按照所述呼吸频率分量提取所述目标的呼吸频率，按照所述心跳频率分量提取所述目标的心跳频率。
[0043]其中，所述按照所述呼吸频率分量提取所述目标的呼吸频率，包括：
[0044]将所述呼吸频率分量输入模态分解器，其中，所述模态分解器预设呼吸频率分量带宽；
[0045]利用所述模态分解器的呼吸频率分量带宽从所述呼吸频率分量提取所述目标的呼吸频率；
[0046]所述按照所述心跳频率分量提取所述目标的心跳频率，包括：
[0047]将所述心跳频率分量输入模态分解器，其中，所述模态分解器预设心跳频率分量带宽；
[0048]利用所述模态分解器的心跳频率分量带宽从所述心跳频率分量提取所述目标的心跳频率。
[0049]本申请采用的另一个技术方案是提供一种目标识别装置，所述目标识别装置包括
存储器以及与所述存储器耦接的处理器；
[0050]其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的目标识别方法。
[0051]本申请采用的另一个技术方案是提供一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如上述的目标识别方法。
[0052]本申请的有益效果是：目标识别装置获取目标所在区域的雷达信号；基于所述雷达信号，生成三维点云，其中，所述三维点云中每一数据点包含雷达强度信息；从所述三维点云中提取目标点云，基于所述目标点云的雷达强度信息分布分析所述目标的行为。本申请的目标识别装置利用雷达传感器从物理上获取距离向信息，准确性高；雷达传感器的回波信息具有主流可见光方案不具备的优点，可以从回波距离向及中提取更多的有效信息，如生命体征和极向距离等；通过构建二维特征矩阵，利用雷达强度信息分布分析目标的行为，减少数据量且保证丰富的信息量；从根本上区别于目前主流的可见光视觉方法，可以利用生物体表皮肤高水量对毫米波的吸收和含水量少的其他环境物品的回波强度差异，获取目标的准确位置和行为分析。
附图说明
[0053]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0054]图1是本申请提供的目标识别方法一实施例的流程示意图；
[0055]图2是本申请提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标识别方法，其特征在于，所述目标识别方法包括：获取目标所在区域的雷达信号；基于所述雷达信号，生成三维点云，其中，所述三维点云中每一数据点包含雷达强度信息；从所述三维点云中提取目标点云，基于所述目标点云的雷达强度信息分布分析所述目标的行为。2.根据权利要求1所述的目标识别方法，其特征在于，所述基于所述目标点云的雷达强度信息分布分析所述目标的行为，包括：按照所述目标点云的高度信息，获取所述目标点云不同高度的雷达强度信息；基于所述不同高度的雷达强度信息，分析得到所述目标点云的雷达垂直信号分布强度；按照所述雷达垂直分布强度获取所述目标的当前姿态。3.根据权利要求2所述的目标识别方法，其特征在于，所述按照所述雷达垂直分布强度获取所述目标的当前姿态，包括：获取连续多帧雷达信号的雷达垂直分布强度；比较连续多个雷达垂直分布强度的变化情况，获取所述目标的姿态变化情况。4.根据权利要求3所述的目标识别方法，其特征在于，所述连续多个雷达垂直分布强度的变化情况由连续多帧雷达信号的雷达垂直分布强度的归一化结果映射为预设位数的整形数据表示。5.根据权利要求1所述的目标识别方法，其特征在于，所述从所述三维点云中提取目标点云，包括：基于密度对所述三维点云进行聚类，将聚类得到的若干点云集组成所述目标点云；所述基于所述目标点云的雷达强度信息分布分析所述目标的行为，包括：基于所述目标点云提取所述目标的高度信息，和/或三维检测框信息；利用所述目标的高度信息，和/或三维检测框信息提取所述目标点云相应范围内的雷达强度信息分布，用于分析所述目标的行为。6.根据权利要求5所述的目标识别方法，其特征在于，所述基于密度对所述三维点云进行聚类，将聚类得到的若干点云集组成所述目标点云，包括：获取连续多帧三维点云聚类得到的点云集；获取每一帧点云集的对象质心坐标，基于目标点云集的目标质心坐标对每一阵点云集的对象质心坐标进行轨迹匹配；将轨迹匹配成功的多帧点云集的对象质心坐标以及所述目标...

【专利技术属性】
技术研发人员：黄湘烨，郑旭，骆睿，
申请(专利权)人：深圳市华讯方舟光电技术有限公司，
类型：发明
国别省市：