CN109447004A - 基于微波的行人检测方法、装置、计算机设备及存储介质 - Google Patents
基于微波的行人检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109447004A CN109447004A CN201811294090.4A CN201811294090A CN109447004A CN 109447004 A CN109447004 A CN 109447004A CN 201811294090 A CN201811294090 A CN 201811294090A CN 109447004 A CN109447004 A CN 109447004A
- Authority
- CN
- China
- Prior art keywords
- doppler
- signal
- square
- microwave
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及基于微波的行人检测方法、装置、计算机设备及存储介质,该方法包括获取位于道路表面的多普勒微波雷达传感器的检测信号;对检测信号进行预处理,以形成多普勒方波信号;计算多普勒方波信号的多普勒信号频率;判断所述多普勒信号频率是否大于设定阈值;若是,则进行预警处理。本发明通过在道路表面上设置多普勒微波雷达传感器,可以设置在不同的位置,使得检测范围更广,利用多普勒微波雷达传感器进行检测,获取检测信号后进行信号放大和比较处理,得到多普勒方波信号,对多普勒方波信号按照每个周期计算多普勒信号频率,再根据多普勒信号频率判断是否有行人及动物经过,实现成本低,不仅能扩大检测区域,还可提高检测的准确性。
Description
技术领域
本发明涉及行人检测方法,更具体地说是指基于微波的行人检测方法、装置、计算机设备及存储介质。
背景技术
与日俱进的汽车保有量引发日益严峻的交通问题,交通系统运行效率降低,交通安全堪忧,环境污染严重,资源消耗加剧,严重阻碍经济社会持续高速发展。无人驾驶技术作为未来汽车产业发展的战略方向,可以极大程度改善上述问题。同时,智慧公路作为构建人、车、路、网协同综合感知体的关键部分,将与智能驾驶技术相互俘能增效,有力支撑自动驾驶应用,推进交通智能化建设。行人检测作为智慧公路重要的组成部分,广泛应用于智能辅助驾驶、智能监控、行人分析等领域。然而,在城市道路场景中,环境复杂多变,建筑物密集林立,人群流动密度大,难以实现实时、精准地进行行人检测及避免危险。
现有的行人检测方法包括采用计算机视觉获取视频图像进行行人检测、利用道路上行人、非机动车产生的不同温度信号呈现出热图像的热成像技术进行行人检测、基于红外对射探测器行人检测,这些方法大都采用交通监控设备进行区域性检测,例如市区十字路口、斑马线两端等,检测准确率低,然而大多数事故不仅发生于十字路口,道路中段、驾驶员视线受限的非灯控路口等也是事故的多发地点,且检测设备价格昂贵,难以大规模部署,大大降低了设备的适用性和渗透率。
因此,有必要设计一种新的方法,实现成本低,不仅能扩大检测区域,还可提高检测的准确性。
发明内容
本发明的目的在于克服现有技术的缺陷,提供基于微波的行人检测方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:基于微波的行人检测方法,包括:
获取位于道路表面的多普勒微波雷达传感器的检测信号;
对检测信号进行预处理,以形成多普勒方波信号;
计算多普勒方波信号的多普勒信号频率;
判断所述多普勒信号频率是否在设定范围内;
若是,则进行预警处理。
其进一步技术方案为:所述获取位于路面的多普勒微波雷达传感器的检测信号之前,还包括:
在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
其进一步技术方案为:所述对检测信号进行预处理,以形成多普勒方波信号,包括:
对检测信号进行信号放大;
对放大后的检测信号进行比较处理,以得到多普勒方波信号。
其进一步技术方案为:所述计算多普勒方波信号的多普勒信号频率之前,还包括:
对检测信号的获取时间进行计时,以得到累计时间;
获取预设的获取检测信号的周期长度;
判断所述累计时间是否达到周期长度;
若是,则进入所述计算多普勒方波信号的多普勒信号频率;
若否,则返回所述获取位于路面的多普勒微波雷达传感器的检测信号。
其进一步技术方案为:所述计算多普勒方波信号的多普勒信号频率,包括:
获取所述周期长度内所述多普勒方波信号上升沿的总个数;
根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
本发明还提供了基于微波的行人检测装置,包括:
检测信号获取单元,用于获取位于路面的多普勒微波雷达传感器的检测信号;
预处理单元,用于对检测信号进行预处理,以形成多普勒方波信号;
频率计算单元,用于计算多普勒方波信号的多普勒信号频率;
频率判断单元,用于判断所述多普勒信号频率是否在设定范围内;
预警单元,用于若是,则进行预警处理。
其进一步技术方案为:所述装置还包括:
部署单元,用于在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
其进一步技术方案为:所述预处理单元包括:
放大子单元,用于对检测信号进行信号放大;
处理子单元,用于对放大后的检测信号进行比较处理,以得到多普勒方波信号。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明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执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过在道路表面上设置多普勒微波雷达传感器,可以设置在不同的位置,使得检测范围更广,利用多普勒微波雷达传感器进行检测,获取检测信号后进行信号放大和比较处理,得到多普勒方波信号,对多普勒方波信号按照每个周期计算多普勒信号频率,再根据多普勒信号频率判断是否有行人及动物经过,实现成本低,不仅能扩大检测区域,还可提高检测的准确性。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,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,下面描述中的附图是本发明的一些实施例,对于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。
图1为本发明实施例提供的基于微波的行人检测方法的应用场景示意图;
图2为本发明实施例提供的基于微波的行人检测方法的流程示意图;
图3为本发明实施例提供的基于微波的行人检测方法的子流程示意图;
图4为本发明实施例提供的基于微波的行人检测方法的子流程示意图;
图5为本发明实施例提供的基于微波的行人检测方法的多普勒微波雷达传感器部署示意图一;
图6为本发明实施例提供的基于微波的行人检测方法的多普勒微波雷达传感器部署示意图二;
图7为本发明实施例提供的基于微波的行人检测方法的多普勒微波雷达传感器部署示意图三;
图8为本发明另一实施例提供的基于微波的行人检测方法的流程示意图;
图9为本发明实施例提供的基于微波的行人检测装置的示意性框图;
图10为本发明实施例提供的基于微波的行人检测装置的预处理单元的示意性框图;
图11为本发明实施例提供的基于微波的行人检测装置的频率计算单元的示意性框图;
图12为本发明另一实施例提供的基于微波的行人检测装置的示意性框图;
图13为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的基于微波的行人检测方法的应用场景示意图。图2为本发明实施例提供的基于微波的行人检测方法的示意性流程图。该基于微波的行人检测方法应用于服务器中。该服务器可以为分布式服务平台中的一台服务器,该服务器中部署有基于微波的行人检测平台,通过获取位于道路表面的多普勒微波雷达传感器的检测信号,对该检测信号进行预处理和计算频率,对频率进行判断以实现行人检测。
需要说明的是,图2中仅仅示意出一台服务器,在实际操作过程中,服务器可以对多普勒微波雷达传感器进行处理和频率计算,以实现多个路段的行人检测。
图2是本发明实施例提供的基于微波的行人检测方法的流程示意图。如图2所示,该方法包括以下步骤S110至S180。
S110、获取位于道路表面的多普勒微波雷达传感器的检测信号。
在本实施例中,检测信号是由多普勒微波雷达传感器发射的电磁波因馈元本身和目标物相对运动所引起的频率改变,形成的信号;
电磁波或声波频率因馈元本身和目标物相对运动所引起的频率改变称为多普勒频移,或称多普勒效应。由多普勒效应可知,固定安装的雷达发出的固定频率微波,遇到移动物体产生的反射波将会发生多普勒频移。多普勒雷达在发射微波信号的同时接收反射波信号,并将两者相混差频产生一个新的低频信号,称为多普勒信号,其频率称为多普勒频率,是发射频率与反射频率之差。
微波是指频率在300M-300G范围内极高频电磁波,其波长范围从1m-1mm。微波具有直线(视距)传播,不受其他电磁波干扰,频带宽,系统体积小等特点。首先在通信领域得到广泛应用。其次,微波技术另一个重要应用当属雷达,使用微波雷达对远距离移动目标进行测速、测距、侧方位等。
随着微波半导体技术的规模化应用,微波技术的物理实现不仅简单、低廉,而且体积甚小,成为目标探测装置中常见的组件。不同于其他探测器,微波组件对各种可以反射微波的物体都很敏感,且不受环境温度的影响,因此广泛用于工业、交通及民用装置中,如车辆测速、液位测定、自动门、自动灯、自动盥洗、倒车雷达等。微波传感器组件配合周边的电子器件,基于多普勒效用的应用就构成了移动目标微波探测器,即多普勒雷达。
采用体型小巧、价格低廉的多普勒微波雷达传感器检测行人异常过路行为,从而有效避免交通事故发生,能扩大检测区域。
S120、对检测信号进行预处理,以形成多普勒方波信号。
在本实施例中,当行人及动物有过街及闯入机动车道的行为发生时,位于路面的多普勒微波雷达传感器通过接收回波,以获取检测信号,检测信号较为微弱,需要对其进行放大,以便于得知检测信号的频率变化。
在一实施例中,如图3所示,上述的步骤S120可包括步骤S121~S122。
S121、对检测信号进行信号放大;
S122、对放大后的检测信号进行比较处理,以得到多普勒方波信号。
对检测信号进行放大且进行比较处理,可以更加准确地获取到频率发生变化的多普勒方波信号。
S130、对检测信号的获取时间进行计时,以得到累计时间。
在本实施例中,在获取检测信号的时间进行累计计算,根据一段时间内的检测信号进行行人检测,可提高检测的准确度,避免单个时间点检测信号所造成的误判。
S140、获取预设的获取检测信号的周期长度。
具体地,可采用定时器用来设置捕获信号的周期长度。
S150、判断所述累计时间是否达到周期长度;
若否,则返回所述步骤S110。
在本实施例中,每隔一个周期长度进行一次频率计算,通过多个检测信号以及多次的判断,可提高检测的准确性。
S160、若是,则计算多普勒方波信号的多普勒信号频率。
在本实施例中,上述的多普勒信号频率指的是在每个周期长度时间内,该多普勒方波信号的信号上升沿所占的频率。
在一实施例中,如图4所示,上述的步骤S160可包括步骤S161~S162。
S161、获取所述周期长度内所述多普勒方波信号上升沿的总个数;
S162、根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
利用内部定时器与计数器计算多普勒信号频率。其中,定时器用来设置捕获检测信号的周期长度T,在此周期内,计数器将持续捕获多普勒方波信号上升沿的个数,以此作为捕获方波信号的个数。当定时器定时周期结束时,计数器将获得此周期内捕获的方波信号的总个数C。在此基础上计算多普勒信号频率f/Hz:f=C/T。
当多普勒信号频率则代表了多普勒方波信号的上升沿变化的频率,利用该频率可用于检测是否行人经过。
S170、判断所述多普勒信号频率是否在设定范围内。
具体地,将此多普勒信号频率与判别的设定阈值进行比较处理,其中判别的设定阈值区间设置为10~1000,当获取的多普勒信号频率在此区间时,判别当前检测结果为有行人或动物经过。基于以上信号处理与比较可有效判断出是否为行人及动物;
S180、若是,则进行预警处理。
在本实施例中,预警处理包括发送预警信息至移动终端,还可以点亮指示灯进行预警指示。
若否,则返回所述步骤S110。
采用多普勒微波雷达检测道路中的行人及动物,结构简单,性能稳定,检测准确率高。通过搭载多普勒微波雷达传感器以实时、精确的采集行人和动物信息,实时监测路面状况以及行人和动物的异常行为,通过传感器的大规模低成本部署,进一步提升对行人和动物检测的准确性,降低交通事故发生率,保证道路安全。利用传感技术自动识别路面安全状况,如行人与动物的过路行为,为驾驶员提供及时地道路紧急情况预警信息,有效避免交通事故的发生。
该方法可用于检测道路上闯入机动车道以及过街的行人及动物。通过在道路上部署多普勒微波雷达,可以准确及时地检测到上述行为,通过预警方式,可以有效避免交通事故的发生,提高道路智能化水平。使用多普勒微波雷达传感器实现对行人及动物的准确检测,具有高灵敏度,高灵活性,低成本等特点;不受温度、湿度、噪声、气流、尘埃、光线等影响,对恶劣环境有很高的鲁棒性;使用多普勒微波雷达传感器作为检测传感器,具有抗射频干扰能力强,性能稳定,反应快速等特点;多普勒微波雷达传感器体积小巧,安装方便,后期维护费用极小。
将大量的多普勒微波雷达传感器部署于园区的道路上,当行人及动物闯入道路或者横穿道路时,多普勒微波雷达能够检测到有行人或动物闯入道路,将触发预警模块对来往的车辆进行提醒,避免了交通事故的发生。该方法对行人及动物的检测准确率高,作用效果显著。该多普勒微波雷达传感器部署如图5至图7所示。
上述的基于微波的行人检测方法,通过在道路表面上设置多普勒微波雷达传感器,可以设置在不同的位置,使得检测范围更广,利用多普勒微波雷达传感器进行检测,获取检测信号后进行信号放大和比较处理,得到多普勒方波信号,对多普勒方波信号按照每个周期计算多普勒信号频率,再根据多普勒信号频率判断是否有行人及动物经过,实现成本低,不仅能扩大检测区域,还可提高检测的准确性。
图8是本发明另一实施例提供的一种基于微波的行人检测方法的流程示意图。如图8所示,本实施例的基于微波的行人检测方法包括步骤S210-S290。其中步骤S220至S290与上述实施例中的步骤S110至S180类似,在此不再赘述。下面详细说明本实施例中所增加的步骤S210。
S210、在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
将多普勒微波雷达传感器大规模部署在道路表面,包括道路边沿,各车道线两侧等位置。在部署过程中,传感器之间保持等距间隔,且保证各传感器之间无检测盲区。
将大量传感器部署于道路表面进行行人及动物的检测,适用场景广阔,不局限于某些特定地点,如十字路口等,且通过多组传感器进行检测,检测准确性高。
图9是本发明实施例提供的一种基于微波的行人检测装置300的示意性框图。如图9所示,对应于以上基于微波的行人检测方法,本发明还提供一种基于微波的行人检测装置300。该基于微波的行人检测装置300包括用于执行上述基于微波的行人检测方法的单元,该装置可以服务器中。
具体地,请参阅图9,该基于微波的行人检测装置300包括:
检测信号获取单元302,用于获取位于路面的多普勒微波雷达传感器的检测信号;
预处理单元303,用于对检测信号进行预处理,以形成多普勒方波信号;
频率计算单元307,用于计算多普勒方波信号的多普勒信号频率;
频率判断单元308,用于判断所述多普勒信号频率是否在设定范围内;
预警单元309,用于若是,则进行预警处理。
另外,上述的装置还包括:
计时单元304,用于对检测信号的获取时间进行计时,以得到累计时间;
周期长度获取单元305,用于获取预设的获取检测信号的周期长度;
时间判断单元306,用于判断所述累计时间是否达到周期长度;若是,则进入所述计算多普勒方波信号的多普勒信号频率;若否,则返回所述获取位于路面的多普勒微波雷达传感器的检测信号。
在一实施例中,如图10所示,所述预处理单元303包括:
放大子单元3031,用于对检测信号进行信号放大;
处理子单元3032,用于对放大后的检测信号进行比较处理,以得到多普勒方波信号。
在一实施例中,如图11所示,所述频率计算单元307包括:
总个数获取子单元3071,用于获取所述周期长度内所述多普勒方波信号上升沿的总个数;
相除子单元3072,用于根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
图12是本发明另一实施例提供的一种基于微波的行人检测装置300的示意性框图。如图12所示,本实施例的基于微波的行人检测装置300是上述实施例的基础上增加了部署单元301。
部署单元301,用于在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述基于微波的行人检测装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述基于微波的行人检测装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图13所示的计算机设备上运行。
请参阅图13,图13是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图13,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种基于微波的行人检测方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种基于微波的行人检测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取位于道路表面的多普勒微波雷达传感器的检测信号;
对检测信号进行预处理,以形成多普勒方波信号;
计算多普勒方波信号的多普勒信号频率;
判断所述多普勒信号频率是否在设定范围内;
若是,则进行预警处理。
在一实施例中,处理器502在实现所述获取位于路面的多普勒微波雷达传感器的检测信号步骤之前,还实现如下步骤:
在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
在一实施例中,处理器502在实现所述对检测信号进行预处理,以形成多普勒方波信号步骤时,具体实现如下步骤:
对检测信号进行信号放大;
对放大后的检测信号进行比较处理,以得到多普勒方波信号。
在一实施例中,处理器502在实现所述计算多普勒方波信号的多普勒信号频率步骤之前,还实现如下步骤:
对检测信号的获取时间进行计时,以得到累计时间;
获取预设的获取检测信号的周期长度;
判断所述累计时间是否达到周期长度;
若是,则进入所述计算多普勒方波信号的多普勒信号频率;
若否,则返回所述获取位于路面的多普勒微波雷达传感器的检测信号。
在一实施例中,处理器502在实现所述计算多普勒方波信号的多普勒信号频率步骤时,具体实现如下步骤:
获取所述周期长度内所述多普勒方波信号上升沿的总个数;
根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取位于道路表面的多普勒微波雷达传感器的检测信号;
对检测信号进行预处理,以形成多普勒方波信号;
计算多普勒方波信号的多普勒信号频率;
判断所述多普勒信号频率是否在设定范围内;
若是,则进行预警处理。
在一实施例中,所述处理器在执行所述计算机程序而实现所述获取位于路面的多普勒微波雷达传感器的检测信号步骤之前,还实现如下步骤:
在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对检测信号进行预处理,以形成多普勒方波信号步骤时,具体实现如下步骤:
对检测信号进行信号放大;
对放大后的检测信号进行比较处理,以得到多普勒方波信号。
在一实施例中,所述处理器在执行所述计算机程序而实现所述计算多普勒方波信号的多普勒信号频率步骤之前,还实现如下步骤:
对检测信号的获取时间进行计时,以得到累计时间;
获取预设的获取检测信号的周期长度;
判断所述累计时间是否达到周期长度;
若是,则进入所述计算多普勒方波信号的多普勒信号频率;
若否,则返回所述获取位于路面的多普勒微波雷达传感器的检测信号。
在一实施例中,所述处理器在执行所述计算机程序而实现所述计算多普勒方波信号的多普勒信号频率步骤时,具体实现如下步骤:
获取所述周期长度内所述多普勒方波信号上升沿的总个数;
根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于微波的行人检测方法,其特征在于,包括:
获取位于道路表面的多普勒微波雷达传感器的检测信号;
对检测信号进行预处理,以形成多普勒方波信号;
计算多普勒方波信号的多普勒信号频率;
判断所述多普勒信号频率是否在设定范围内;
若是,则进行预警处理。
2.根据权利要求1所述的基于微波的行人检测方法,其特征在于,所述获取位于路面的多普勒微波雷达传感器的检测信号之前,还包括:
在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
3.根据权利要求1所述的基于微波的行人检测方法,其特征在于,所述对检测信号进行预处理,以形成多普勒方波信号,包括:
对检测信号进行信号放大;
对放大后的检测信号进行比较处理,以得到多普勒方波信号。
4.根据权利要求1所述的基于微波的行人检测方法,其特征在于,所述计算多普勒方波信号的多普勒信号频率之前,还包括:
对检测信号的获取时间进行计时,以得到累计时间;
获取预设的获取检测信号的周期长度;
判断所述累计时间是否达到周期长度;
若是,则进入所述计算多普勒方波信号的多普勒信号频率;
若否,则返回所述获取位于路面的多普勒微波雷达传感器的检测信号。
5.根据权利要求4所述的基于微波的行人检测方法,其特征在于,所述计算多普勒方波信号的多普勒信号频率,包括:
获取所述周期长度内所述多普勒方波信号上升沿的总个数;
根据所述多普勒方波信号上升沿的总个数与周期长度相除,以得到多普勒方波信号的多普勒信号频率。
6.基于微波的行人检测装置,其特征在于,包括:
检测信号获取单元,用于获取位于路面的多普勒微波雷达传感器的检测信号;
预处理单元,用于对检测信号进行预处理,以形成多普勒方波信号;
频率计算单元,用于计算多普勒方波信号的多普勒信号频率;
频率判断单元,用于判断所述多普勒信号频率是否在设定范围内;
预警单元,用于若是,则进行预警处理。
7.根据权利要求6所述的基于微波的行人检测装置,其特征在于,所述装置还包括:
部署单元,用于在道路表面部署若干个等距间隔布置的多普勒微波雷达传感器。
8.根据权利要求7所述的基于微波的行人检测装置,其特征在于,所述预处理单元包括:
放大子单元,用于对检测信号进行信号放大;
处理子单元,用于对放大后的检测信号进行比较处理,以得到多普勒方波信号。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
10.一种存储介质,其特征在于,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执行时可实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294090.4A CN109447004A (zh) | 2018-11-01 | 2018-11-01 | 基于微波的行人检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294090.4A CN109447004A (zh) | 2018-11-01 | 2018-11-01 | 基于微波的行人检测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447004A true CN109447004A (zh) | 2019-03-08 |
Family
ID=65549829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811294090.4A Pending CN109447004A (zh) | 2018-11-01 | 2018-11-01 | 基于微波的行人检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447004A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201229402Y (zh) * | 2008-03-14 | 2009-04-29 | 武光杰 | 微波传感器 |
CN102214396A (zh) * | 2010-04-09 | 2011-10-12 | 罗仁泽 | 基于微波检测的智能交通系统 |
CN104076349A (zh) * | 2014-05-29 | 2014-10-01 | 西北大学 | 一种基于多普勒频移的被动式移动目标定位方法 |
CN204204201U (zh) * | 2014-11-18 | 2015-03-11 | 深圳市鹏城交通网络股份有限公司 | 一种起双重警示作用的安全斑马线智能装置 |
CN204596178U (zh) * | 2015-03-06 | 2015-08-26 | 金健 | 一种微波弯道安全行车警示系统 |
CN106468772A (zh) * | 2016-09-23 | 2017-03-01 | 南京特艺科技有限公司 | 一种基于距离‑多普勒量测的多站雷达人体跟踪方法 |
CN108648507A (zh) * | 2018-06-29 | 2018-10-12 | 中国矿业大学 | 一种斑马线“鬼探头”车辆和行人互识与预警方法 |
-
2018
- 2018-11-01 CN CN201811294090.4A patent/CN109447004A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201229402Y (zh) * | 2008-03-14 | 2009-04-29 | 武光杰 | 微波传感器 |
CN102214396A (zh) * | 2010-04-09 | 2011-10-12 | 罗仁泽 | 基于微波检测的智能交通系统 |
CN104076349A (zh) * | 2014-05-29 | 2014-10-01 | 西北大学 | 一种基于多普勒频移的被动式移动目标定位方法 |
CN204204201U (zh) * | 2014-11-18 | 2015-03-11 | 深圳市鹏城交通网络股份有限公司 | 一种起双重警示作用的安全斑马线智能装置 |
CN204596178U (zh) * | 2015-03-06 | 2015-08-26 | 金健 | 一种微波弯道安全行车警示系统 |
CN106468772A (zh) * | 2016-09-23 | 2017-03-01 | 南京特艺科技有限公司 | 一种基于距离‑多普勒量测的多站雷达人体跟踪方法 |
CN108648507A (zh) * | 2018-06-29 | 2018-10-12 | 中国矿业大学 | 一种斑马线“鬼探头”车辆和行人互识与预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686088B (zh) | 一种交通视频告警方法、设备及系统 | |
EP2471053B1 (en) | Network of traffic behavior-monitoring unattended ground sensors (netbugs) | |
EP2814012B1 (en) | Cooperative intrusion detection | |
CN109444872A (zh) | 行人与车辆的区分方法、装置、计算机设备及存储介质 | |
US20100149020A1 (en) | Detecting roadway targets across beams | |
CN104105981A (zh) | 定向速度和距离传感器 | |
Ahmed et al. | A threshold-based real-time incident detection system for urban traffic networks | |
Khattak et al. | Sensing technologies for traffic flow characterization: From heterogeneous traffic perspective | |
CN109872527B (zh) | 基于重力感应的行人闯红灯监控装置及监控方法 | |
CN109444871A (zh) | 行人及动物检测方法、装置、计算机设备及存储介质 | |
CN109447004A (zh) | 基于微波的行人检测方法、装置、计算机设备及存储介质 | |
CN115214631A (zh) | 一种车辆监测方法、装置和车辆 | |
Lücken et al. | Density‐Based Statistical Clustering: Enabling Sidefire Ultrasonic Traffic Sensing in Smart Cities | |
Desai et al. | Instinctive traffic control and vehicle detection techniques | |
US20220172610A1 (en) | Passive infrared sensing and detection for traffic | |
Dorrazehi et al. | A Warning System Design for Camel-Vehicle Collisions Mitigation | |
Ragab | Simulating camel-vehicle accidents avoidance system | |
Yang et al. | Parameter selection for radar systems in roadside units | |
CN112466114A (zh) | 一种基于毫米波技术的交通监测系统与方法 | |
CN109685010A (zh) | 一种高速公路边坡防护网漏洞位置定位方法及系统 | |
CN110673127A (zh) | 混合场景中区分移动物体的方法及系统 | |
Vaishali et al. | A survey on intelligent system for automobile collision avoidance at intersection of roads | |
Ball et al. | Analysis of fixed and mobile sensor systems for parking space detection | |
Yun et al. | A Before‐and‐After Study of a Collision Risk Detecting and Warning System on Local Roads | |
CN114333392B (zh) | 基于rfid的路侧停车监测预警方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |
|
RJ01 | Rejection of invention patent application after publication |