CN110361737A - 识别移动的行人的方法 - Google Patents

识别移动的行人的方法 Download PDF

Info

Publication number
CN110361737A
CN110361737A CN201910279440.8A CN201910279440A CN110361737A CN 110361737 A CN110361737 A CN 110361737A CN 201910279440 A CN201910279440 A CN 201910279440A CN 110361737 A CN110361737 A CN 110361737A
Authority
CN
China
Prior art keywords
pedestrian
gait cycle
movement
micro
observation
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.)
Granted
Application number
CN201910279440.8A
Other languages
English (en)
Other versions
CN110361737B (zh
Inventor
闫鸿慧
张韬
W·多尔
亚历山大·伊奥澳夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aptiv Technologies Ltd
Original Assignee
Aptiv Technologies Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aptiv Technologies Ltd filed Critical Aptiv Technologies Ltd
Publication of CN110361737A publication Critical patent/CN110361737A/zh
Application granted granted Critical
Publication of CN110361737B publication Critical patent/CN110361737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/62—Sense-of-movement determination
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

识别移动的行人的方法。一种借助雷达传感器系统识别移动的行人的方法，包括以下步骤：将一次雷达信号发送到观察空间中并且接收被移动的行人反射的二次雷达信号。处理二次雷达信号，其中，对二次雷达信号的处理包括以下步骤：生成二次雷达信号的微多普勒谱图；基于微多普勒谱图，确定移动的行人的观察整体速度；基于微多普勒谱图，确定移动的行人的至少一个步态周期参数；以及基于所确定的观察整体速度和所确定的步态周期参数，确定移动的行人的移动方向与视线之间的照射角度。

Description

识别移动的行人的方法
技术领域
本发明涉及一种借助雷达传感器系统识别移动的行人的方法，其中，将一次雷达信号发送到观察空间中，并且接收并处理被移动的行人反射的二次雷达信号。
背景技术
雷达传感器系统被广泛应用。例如，现代机动车辆通常配备有雷达传感器系统，以检测其它车辆、障碍物或诸如行人或骑车人等交通弱势群体。对于各种高级驾驶辅助系统(ADAS)(诸如高级紧急制动(AEB)系统、自适应巡航控制(ACC)系统和自主驾驶系统)，尤其需要对主车辆的交通空间中的物体进行检测和分类。通常，已知的多普勒效应用于收集与运动的物体相关的信息。多普勒效应或多普勒频移是当波源相对于接收器移动时观察到的频率变化。当行人在机动车辆前方穿过马路时，行人越靠近车道中心，多普勒效应越不明显。因此，在实践中，难以正确识别穿过车道的行人。
发明内容
本发明的目的是即使在不利的环境下也使得能够可靠地识别移动的行人。
根据本发明，通过根据权利要求1的方法来达到该目的。
根据本发明，对二次雷达信号的处理包括以下步骤：
(i)生成二次雷达信号的微多普勒谱图，
(ii)基于微多普勒谱图，确定移动的行人的观察整体速度，其中，所观察整体速度对应于与行人身躯相关并且沿从移动的行人延伸到雷达传感器系统的视线定向的速度分量，
(iii)基于微多普勒谱图，确定移动的行人的至少一个步态周期参数，以及
(iv)基于所确定的观察整体速度和所确定的步态周期参数，确定移动的行人的移动方向与视线之间的照射角度。
多普勒频移主要是由被观察物体的整体运动(即在从行人身躯的运动观察到行人的情况下)引起的。除了由主体运动引起的这种频移之外，通常还有与物体的运动部位相关的边带。例如，行人的摆动的臂或腿会导致额外的多普勒频移。这种额外的频移在微多普勒谱图中是可辨别的。微多普勒谱图的生成在例如Chen V.C.的"The Micro-Doppler Effectin Radar"一书(Artech House，2011年)或Yan等人的论文"Micro-Doppler BasedClassifying Features for Automotive Radar VRU Target Classification"(第25届增强车辆安全(ESV)国际技术会议，2017年6月5-8日，美国密歇根州底特律)中被公开。
各个分量的多普勒频移的叠加被称为“微多普勒特征”。可以分析微多普勒特征来对所检测到的物体进行分类。例如，在Gürbüz S.Z.等人的论文"Detection andIdentification of Human Targets in Radar Data"(SPIE 6567，信号处理、传感器融合和目标识别XVI(Signal Processing,Sensor Fusion and Target Recognition XVI)，65670I，2007年5月)中公开了使用多普勒谱图来区分行人。
借助根据本发明的方法，仅仅通过分析微多普勒谱图就可以以快速简单的方式确定照射角度。在基于雷达的物体识别领域，照射角度是各种处理和评估步骤中使用的重要的量。照射角度的知识使得能够特别可靠地检测穿越马路的行人。尤其是，如果照射角度已知，则可以计算出行人在移动方向上的速度。
原则上，可以通过角度发现过程来估计照射角度。然而，这种过程需要相当昂贵的多通道雷达系统。相比之下，根据本发明的方法不依赖于多通道雷达传感器的存在，并且可以直接在距离多普勒域中实现。因此，本发明使得能够制造低成本的行人识别系统。
本发明的有利实施方式可以从从属权利要求、下文的描述以及附图中得出。
优选地，基于所确定的观察整体速度和所确定的照射角度，尤其是利用以下公式来确定移动的行人在移动方向上的速度：
v＝vob/cos(θ)
其中，v是移动的行人在移动方向上的速度，vob是观察整体速度，θ是照射角度。尤其是对于高级驾驶辅助系统，知道所检测的行人在移动方向上的速度非常有利。例如，如果已知行人在移动方向上的速度，则可以估计交通状况的潜在危险，尤其是与行人即将发生的碰撞。
微多普勒谱图可以借助时频分析生成，尤其是借助短时傅立叶变换(Short-Time-Fourier-Transform，STFT)或维格纳维尔分布技术(Wigner-Ville-Distribution，WVD技术)生成。根据应用，可以对二次雷达信号或从二次雷达信号获得的信号进行时频分析。
可以借助基于百分位的方法或曲线拟合法来确定观察整体速度。具体地，可以计算各时间片段的累积幅值分布，并且确定观察整体速度对应于累积幅值分布函数的大约50％的百分位。根据本发明的一个实施方式，Gürbüz S.Z.等人的论文"Operationalassessment and adaptive selection of micro-Doppler features"(IET Radar SonarNavig.，第9卷，第9期，1196–1204页，2015)所公开的基于百分位的方法或曲线拟合法可用于确定观察整体速度。
优选地，至少一个步态周期参数是行人步态周期的平均持续时间、平均步态周期重复频率或与一个步态周期相关的时间仓(time bin)的数量。一个步态周期通常对应于两个脚步。
根据本发明的实施方式，借助傅立叶分析确定至少一个步态周期参数。傅立叶分析使得能够从微多普勒谱图中提取与身体部位的特定运动相关的周期性分量。
具体地，可以将快速傅立叶变换(Fast Fourier Transform，FFT)应用于微多普勒谱图的上包络和/或下包络，以估计步态周期重复频率。可以借助如上所述的基于百分位的方法或曲线拟合法来确定上包络和/或下包络。具体地，可以计算各时间片段的累积幅值分布，并且确定上包络对应于累积幅值分布函数的大约95％的百分位，和/或确定下包络对应于累积幅值分布函数的大约5％的百分位。
根据本发明的另一实施方式，步骤(iv)包括将所确定的步态周期参数与所确定的观察速度关联起来，以及将所确定的步态周期参数与移动的行人的大腿估计高度关联起来。要利用的关系可以基于运动学人体模型。
可以基于移动的行人的大腿高度与行人的总高度之间的关系，尤其是基于以下关系来估计移动的行人的大腿高度：
Ht≈0.53·Hped
其中，Ht是移动的行人的大腿高度，Hped是行人的总高度。事实证明这种简单的关系可以提供足够精确的结果。
根据本发明的实施方式，基于行人的统计平均高度来估计移动的行人的总高度。已经表明，行人的典型高度在1.2m至1.8m之间。因此，Hped可以设置为1.5m。这使得照射角度的计算变得简单。
在步骤(iv)中，可以借助递归状态估计器，尤其是扩展卡尔曼滤波器(ExtendedKalman Filter，EKF)来估计照射角度。借助递归状态估计器，能够实现尤其高的精度。递归状态估计器可以利用包括照射角度和步态周期参数的状态向量，以及包括所观察整体速度和步态周期参数的测量向量。
本发明还涉及一种用于识别移动的行人的系统，该系统包括雷达传感器系统和电子处理装置，该雷达传感器系统用于将一次雷达信号发送到观察空间中并且接收被移动的行人反射的二次雷达信号，该电子处理装置用于处理二次雷达信号。
根据本发明，电子处理装置被配置为执行如上所述的方法。
根据应用，电子处理装置可以与雷达传感器系统结合或配置为单独的单元。电子处理装置可以包括计算机。
优选地，雷达传感器系统被配置为安装在机动车辆上或机动车辆中。
本发明还涉及一种计算机程序产品，其包括可执行程序代码，当执行可执行程序代码时，可执行程序代码执行如上所述的方法。
参照本发明的方法的公开内容也适用于本发明的系统和本发明的计算机程序产品。
附图说明
接下来参照附图基于示例性实施方式来更详细地解释本发明，在附图中：
图1以俯视图示出了机动车辆、安装在机动车辆上的雷达传感器系统和将由雷达传感器系统检测的行人；
图2是示出根据本发明的实施方式的方法的不同步骤的流程图；
图3示出了由根据图1的雷达传感器系统生成的微多普勒谱图；
图4以反向灰度级示出了根据图3的微多普勒谱图的放大部分；
图5示出了由未知行人高度引起的估计角度误差；
图6示出了随时间变化的估计照射角度；
图7示出了由扩展卡尔曼滤波器随时间估计的行人高度。
具体实施方式
在图1中示出了机动车辆11和安装在机动车辆11前部的雷达传感器系统13。雷达传感器系统13优选基于毫米波雷达传感器。优选采用单通道雷达传感器以最小化生产成本。然而，可以提供多通道雷达传感器来增强检测性能。雷达传感器系统13可以连接到电子处理装置(未示出)，例如高级紧急制动系统、行人防碰撞系统或自主驾驶系统。
在操作中，机动车辆11在车道17上沿行驶方向15移动。穿越车道17的行人19在移动方向21上移动。移动方向21至少基本垂直于驾驶方向15。原则上，移动方向21可以相对于驾驶方向15倾斜。
雷达传感器系统13被配置为将一次雷达信号发送到机动车辆11前方的交通空间23中，并且基于被行人19反射的二次雷达信号来检测交通空间23中存在的行人19。从行人19延伸到雷达传感器系统13的活动区的线25被称为“视线”。可以利用多普勒效应以已知的方式确定行人19的观察整体速度vob(即与行人的身躯27相关并且沿着视线25定向的速度分量)。具体地，已知所观察整体速度vob与行人19在移动方向21上的速度之间的关系给定为：
v＝vob/cos(θ) (1)
其中θ是照射角度，即移动方向21与视线25之间的角度。
根据本发明，照射角度θ和速度v是通过电子处理装置基于微多普勒谱图分析来确定的，这将在下面更详细地解释。
如图2所示，生成微多普勒谱图30作为后续步骤的输入。在步骤31中，基于微多普勒谱图30确定移动的行人19的观察整体速度vob。在步骤32中，基于微多普勒谱图30确定移动的行人19的步态周期持续时间Tgaitcycle形式的步态周期参数。在步骤33中，基于在步骤31中确定的观察整体速度vob和在步骤32中确定的步态周期参数Tgaitcycle来确定照射角度θ。在步骤34中，基于在步骤31中确定的观察整体速度vob和在步骤33中确定的照射角度θ来确定移动的行人19在移动方向21(图1)上的速度v。
微多普勒谱图30的生成是借助短时傅立叶变换(STFT)或维格纳维尔分布技术(WVD技术)来进行的。图3示出了示例性的微多普勒谱图30。横轴是时间轴，而纵轴是多普勒频移轴。图3的右侧部分示出了微多普勒谱图30的分段，其对应于行人19的步态周期。步态周期从某一只脚的地面接触持续到这只脚的下一次地面接触，因此通常对应于两个连续的脚步。行走期间脚的周期性运动在微多普勒谱图30中生成至少基本周期性的图案。
图4以放大视图示出了根据图3的微多普勒谱图30的右侧部分。在微多普勒谱图30中示出了对应于不同运动分量的路线的三条曲线。具体而言，所观察整体速度vob的路线50示出为实心黑线，而微多普勒谱图30的上包络41与微多普勒谱图30的下包络42示出为虚线。
为了确定所观察整体速度vob的路线40、上包络41和下包络42，针对各时间片段确定累积幅值分布函数。所观察整体速度vob的路线40被指定为累积幅值分布函数的大约50％的百分位。上包络41被指定为累积幅值分布函数的大约95％的百分位，而下包络42被指定为累积幅值分布函数的大约5％的百分位。
通过在上包络41和下包络42上应用快速傅立叶(FFT)变换来估计步态周期的重复频率。步态周期的持续时间Tgaitcycle是步态周期的重复频率的倒数。
根据在Chen V.C.的"The Micro-Doppler Effect in Radar"一书(ArtechHouse，2011年)中公开的运动学模型，步态周期的持续时间Tgaitcycle可以表示为：
其中，Ht是行人的大腿高度。通常，行人的大腿高度Ht可以表示为：
Ht≈0.53*Hped (3)
其中，Hped是行人的高度。
假设微多普勒谱图30的时间分辨率是ρTimebin，则在一个步态周期中包含有Ngaitcycle个时间仓：
其中Nfootstep是对应于一个脚步的分段中包含的时间仓的数量。在等式(4)中，因子2解释了上述事实，即通常一个步态周期包括两个脚步。
等式(1)-(4)的组合提供了：
其中，对于如下的给定谱图，K为常数：
从等式(6)可以得出：
如果Hped是已知的，则照射角度θ可以根据等式(8)确定。计算照射角度θ的一种变型例是利用等式(8)并且将Hped设置为专用应用场景的统计平均行人高度Hped_avg。未知的行人高度引起的角度估计误差为：
在图5中示出了对于在60°和120°之间变化的照射角度θ，角度估计误差小于6°，对于大多数应用来说是足够的。行人高度越接近Hped_avg，估计误差越小。对于大多数行人穿越马路的场景，照射角度θ总是在60°和120°之间。
估计照射角度θ的另一种变型例是利用递归状态估计器，例如扩展卡尔曼滤波器(EKF)。与利用平均行人高度的上述变型例相比，利用这种递归状态估计器能够更精确地估计照射角度θ。
在基于扩展卡尔曼滤波器的算法中，θ的状态空间模型和vob的测量模型可以给定为：
其中，随机变量wn-1和qn代表过程噪声和测量噪声。下标n、n-1分别表示当前状态和先前状态。圆点表示θ的导数。
使用等式(10)和等式(11)，可以估计照射角度θ。图6示出了针对雷达传感器系统13(图1)的一系列扫描的估计照射角度θ。基于EKF的方法相比基于示例性固定高度的方法提供了更加可靠的估计。
在确定照射角度θ之后，行人19在移动方向21上的速度可以通过重新整理公式(1)来确定：
v＝vob/cos(θ) (12)
由于Hped是等式(10)中给出的EKF的状态向量的分量，它也可以由EKF估计。这种估计的示例如图7所示。由EKF估计Hped使得能够利用等式(5)来估计行人19在移动方向21上的速度v：
本发明能够通过雷达传感器系统可靠地识别移动的行人，而不需要使用复杂且昂贵的硬件。
附图标记列表：
11 机动车辆
13 雷达传感器系统
15 行驶方向
17 车道
19 行人
21 移动方向
23 交通空间
25 视线
27 身躯
30 微多普勒谱图
31 确定所观察整体速度的步骤
32 确定步态周期的持续时间的步骤
33 确定照射角度的步骤
33 确定速度的步骤
40 所观察整体速度的路线
41 上包络
42 下包络

Claims (15)

1.一种借助雷达传感器系统(13)识别移动的行人(19)的方法，其中，
将一次雷达信号发送到观察空间(23)中，并且
接收并处理被所述移动的行人(19)反射的二次雷达信号，
其中，对所述二次雷达信号的处理包括以下步骤：
(i)生成所述二次雷达信号的微多普勒谱图(30)，
(ii)基于所述微多普勒谱图，确定所述移动的行人(19)的观察整体速度，其中，所述观察整体速度对应于与行人的身躯(27)相关并沿从所述移动的行人(19)延伸到所述雷达传感器系统(13)的视线(25)定向的速度分量，
(iii)基于所述微多普勒谱图(30)，确定所述移动的行人(19)的至少一个步态周期参数，以及
(iv)基于所确定的观察整体速度和所确定的步态周期参数，确定所述移动的行人(19)的移动方向(21)与所述视线(25)之间的照射角度。
2.根据权利要求1所述的方法，
其特征在于，
基于所确定的观察整体速度和所确定的照射角度，尤其利用以下公式，来确定所述移动的行人(19)在所述移动方向(21)上的速度：
v＝vob/cos(θ)
其中，v是所述移动的行人(19)在所述移动方向(21)上的速度，vob是所述观察整体速度，并且θ是所述照射角度。
3.根据权利要求1或2所述的方法，
其特征在于，
所述微多普勒谱图(30)是借助时频分析来生成的，尤其是借助短时傅立叶变换(STFT)或维格纳维尔分布技术(WVD技术)来生成的。
4.根据前述权利要求中任一项所述的方法，
其特征在于，
借助基于百分位的方法或曲线拟合法来确定所述观察整体速度。
5.根据前述权利要求中任一项所述的方法，
其特征在于，
所述至少一个步态周期参数是行人的步态周期的平均持续时间、平均步态周期重复频率或与一个步态周期相关的时间仓的数量。
6.根据前述权利要求中任一项所述的方法，
其特征在于，
借助傅立叶分析确定所述至少一个步态周期参数。
7.根据权利要求6所述的方法，
其特征在于，
将快速傅立叶变换(FFT)应用于所述微多普勒谱图(30)的上包络(41)和/或下包络(42)，以估计所述步态周期重复频率。
8.根据前述权利要求中任一项所述的方法，
其特征在于，
步骤(iv)包括将所确定的步态周期参数与所确定的观察整体速度关联起来，以及将所确定的步态周期参数与所述移动的行人的大腿的估计高度关联起来。
9.根据权利要求8所述的方法，
其特征在于，
使用基于运动学人体模型的关系。
10.根据权利要求8或9所述的方法，
其特征在于，
基于所述移动的行人的大腿的高度与所述行人(19)的总高度之间的关系，尤其是基于以下关系，来估计所述移动的行人的大腿的高度：
Ht≈0.53·Hped
其中，Ht是所述移动的行人的大腿的高度，Hped是所述行人(19)的总高度。
11.根据权利要求10所述的方法，
其特征在于，
基于行人的统计平均高度来估计所述移动的行人(19)的总高度。
12.根据前述权利要求中任一项所述的方法，
其特征在于，
在步骤(iv)中，借助递归状态估计器，尤其是借助扩展卡尔曼滤波器(EKF)，来估计所述照射角度。
13.一种识别移动的行人(19)的系统，该系统包括：
雷达传感器系统(13)，所述雷达传感器系统(13)用于将一次雷达信号发送到观察空间中，并且接收被所述移动的行人(19)反射的二次雷达信号，以及
电子处理装置，所述电子处理装置用于处理所述二次雷达信号，
其特征在于，
所述电子处理装置被配置为执行根据前述权利要求中任一项所述的方法。
14.根据权利要求13所述的系统，
其特征在于，
所述雷达传感器系统(13)被配置为安装在机动车辆(11)上或机动车辆(11)中。
15.一种包括可执行程序代码的计算机程序产品，当执行所述可执行程序代码时，所述可执行程序代码执行根据权利要求1至12中任一项所述的方法。
CN201910279440.8A 2018-04-11 2019-04-09 识别移动的行人的方法 Active CN110361737B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18166844.3A EP3553552B1 (en) 2018-04-11 2018-04-11 Method for the recognition of a moving pedestrian
EP18166844.3 2018-04-11

Publications (2)

Publication Number Publication Date
CN110361737A true CN110361737A (zh) 2019-10-22
CN110361737B CN110361737B (zh) 2023-05-23

Family

ID=61971970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910279440.8A Active CN110361737B (zh) 2018-04-11 2019-04-09 识别移动的行人的方法

Country Status (3)

Country Link
US (1) US10929653B2 (zh)
EP (1) EP3553552B1 (zh)
CN (1) CN110361737B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3553551B1 (en) 2018-04-10 2022-06-01 Aptiv Technologies Limited Method for the recognition of an object
EP3553559B1 (en) 2018-04-11 2022-06-01 Aptiv Technologies Limited Method for the recognition of objects
DE102018205532A1 (de) * 2018-04-12 2019-10-17 Robert Bosch Gmbh Verfahren zum Erkennen eines Hindernisses vor einem Fahrzeug
TWI734252B (zh) * 2019-11-08 2021-07-21 立積電子股份有限公司 雷達及雷達回波訊號的背景成分更新方法
KR102227393B1 (ko) * 2020-02-03 2021-03-15 재단법인대구경북과학기술원 도플러 정보 기반의 보행자 및 차량 인식 장치 및 그 방법
US11415670B2 (en) 2020-03-20 2022-08-16 Aptiv Technologies Limited Object classification using low-level radar data
CN113189555B (zh) * 2021-04-12 2023-02-14 浙江大学 基于时-距包围盒目标截取的多目标分割方法、步态识别方法、装置、系统和存储介质
CN116453227B (zh) * 2023-06-19 2023-09-19 武汉理工大学 一种基于双毫米波雷达的船舶环境下步态识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012189338A (ja) * 2011-03-08 2012-10-04 Panasonic Corp レーダ装置及び移動機器用レーダシステム
CN103593980A (zh) * 2012-08-14 2014-02-19 业纳遥控设备有限公司 用于行驶车辆分类的方法
CN104330791A (zh) * 2014-10-24 2015-02-04 上海无线电设备研究所 一种基于频域切变的相参积累方法
US20160245911A1 (en) * 2013-07-15 2016-08-25 Texas Instruments Incorporated 2-D Object Detection in Radar Applications
CN107358250A (zh) * 2017-06-07 2017-11-17 清华大学 基于双波段雷达微多普勒融合的人体步态识别方法及系统
CN107728146A (zh) * 2016-08-10 2018-02-23 松下知识产权经营株式会社 雷达设置角度计算装置、雷达装置及雷达设置角度计算方法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4958638A (en) 1988-06-30 1990-09-25 Georgia Tech Research Corporation Non-contact vital signs monitor
US5689268A (en) 1996-08-02 1997-11-18 Boeing North American, Inc. Radar detection and classification of helicopters
US6653971B1 (en) 1999-05-14 2003-11-25 David L. Guice Airborne biota monitoring and control system
US6121916A (en) 1999-07-16 2000-09-19 Eaton-Vorad Technologies, L.L.C. Method and apparatus for recognizing stationary objects with a moving side-looking radar
US20020028003A1 (en) * 2000-03-27 2002-03-07 Krebs David E. Methods and systems for distinguishing individuals utilizing anatomy and gait parameters
US7016782B2 (en) 2002-05-30 2006-03-21 Delphi Technologies, Inc. Collision detection system and method of estimating miss distance
US6674394B1 (en) 2003-03-28 2004-01-06 Visteon Global Technologies, Inc. Method for determining object location from side-looking sensor data
US20100074379A1 (en) 2008-04-01 2010-03-25 Ming-Chiang Li Tuning replica generation methods and apparatus for their most optimum performance in processing transient signals
TR201205754T1 (tr) 2009-11-03 2012-09-21 Vawd Applied Science & Technology Corporation Emniyet mesafeli, engele rağmen algılayan radar sistemi.
US8854251B2 (en) 2010-06-16 2014-10-07 Toyota Jidosha Kabushiki Kaisha Object identification device and method
DE102010062235A1 (de) 2010-12-01 2012-06-06 Robert Bosch Gmbh Fahrerassistenzsystem zur Detektion eines Objekts in einer Fahrzeugumgebung
EP2589979A1 (en) 2011-11-03 2013-05-08 Thales Nederland B.V. System for characterizing motion of an individual, notably a human individual
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
WO2015144741A1 (en) 2014-03-27 2015-10-01 Sony Corporation Camera with radar system
US10809365B2 (en) 2014-08-25 2020-10-20 Texas Instruments Incorporated Vibration parameters monitoring using FMCW radar
US10185030B2 (en) 2014-09-05 2019-01-22 GM Global Technology Operations LLC Object boundary detection for automotive radar imaging
DE102014218092A1 (de) 2014-09-10 2016-03-10 Volkswagen Aktiengesellschaft Erstellen eines Abbilds der Umgebung eines Kraftfahrzeugs und Bestimmen der relativen Geschwindigkeit zwischen dem Kraftfahrzeug und Objekten in der Umgebung
CN104360336B (zh) 2014-11-24 2017-02-08 电子科技大学 一种自适应提取雷达目标微动周期的新方法
US10168785B2 (en) 2015-03-03 2019-01-01 Nvidia Corporation Multi-sensor based user interface
KR102002112B1 (ko) 2015-04-30 2019-07-19 구글 엘엘씨 제스처 추적 및 인식을 위한 rf―기반 마이크로―모션 추적
DE102015007040B4 (de) 2015-05-30 2020-09-24 Audi Ag Verfahren zur Detektion und Klassifikation von Fußgängern in einer Umgebung eines Kraftfahrzeugs und Kraftfahrzeug
US9604639B2 (en) * 2015-08-28 2017-03-28 Delphi Technologies, Inc. Pedestrian-intent-detection for automated vehicles
US10054672B2 (en) 2015-08-31 2018-08-21 Veoneer Us, Inc. Apparatus and method for detecting and correcting for blockage of an automotive radar sensor
US10817065B1 (en) 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US10571562B2 (en) 2016-03-25 2020-02-25 Magna Electronics Inc. Vehicle short range sensing system using RF sensors
JP2017223461A (ja) 2016-06-13 2017-12-21 パナソニックＩｐマネジメント株式会社 レーダ装置および検出方法
DE102016213007A1 (de) * 2016-07-15 2018-01-18 Robert Bosch Gmbh Verfahren und System zur Abtastung eines Objekts
DE102016213254B3 (de) 2016-07-20 2017-07-13 Volkswagen Aktiengesellschaft Verfahren zum Erfassen einer Objektbewegung eines Objekts in einer Umgebung eines Kraftfahrzeugs, Steuervorrichtung und Kraftfahrzeugs
DE102016215102A1 (de) * 2016-08-12 2017-12-07 Conti Temic Microelectronic Gmbh Fußgängererkennung mittels Radar
WO2019006473A1 (en) * 2017-06-30 2019-01-03 The Johns Hopkins University ACTION RECOGNITION SYSTEMS AND METHOD USING MICRO-DOPPLER SIGNATURES AND RECURRING NEURAL NETWORKS
DE102017211432A1 (de) 2017-07-05 2019-01-10 Robert Bosch Gmbh System zum Detektieren eines bewegten Objekts
EP3553551B1 (en) * 2018-04-10 2022-06-01 Aptiv Technologies Limited Method for the recognition of an object

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012189338A (ja) * 2011-03-08 2012-10-04 Panasonic Corp レーダ装置及び移動機器用レーダシステム
CN103593980A (zh) * 2012-08-14 2014-02-19 业纳遥控设备有限公司 用于行驶车辆分类的方法
US20160245911A1 (en) * 2013-07-15 2016-08-25 Texas Instruments Incorporated 2-D Object Detection in Radar Applications
CN104330791A (zh) * 2014-10-24 2015-02-04 上海无线电设备研究所 一种基于频域切变的相参积累方法
CN107728146A (zh) * 2016-08-10 2018-02-23 松下知识产权经营株式会社 雷达设置角度计算装置、雷达装置及雷达设置角度计算方法
CN107358250A (zh) * 2017-06-07 2017-11-17 清华大学 基于双波段雷达微多普勒融合的人体步态识别方法及系统

Also Published As

Publication number Publication date
EP3553552A1 (en) 2019-10-16
US10929653B2 (en) 2021-02-23
US20190318162A1 (en) 2019-10-17
CN110361737B (zh) 2023-05-23
EP3553552B1 (en) 2022-05-25

Similar Documents

Publication Publication Date Title
CN110361737A (zh) 识别移动的行人的方法
CN110361736B (zh) 识别物体的方法
US10605896B2 (en) Radar-installation-angle calculating device, radar apparatus, and radar-installation-angle calculating method
CN109490874B (zh) 确定雷达目标作为位置地标的适合性的方法
CN107076836B (zh) 用于对机动车辆周围区域中的对象分类的方法、驾驶员辅助系统和机动车辆
EP3663790A1 (en) Method and apparatus for processing radar data
US8077075B2 (en) Object verification method for use in radar systems for motor vehicles
JPH063443A (ja) マルチスロープ周波数変調波形レーダシステムの距離測定、検知、および解像方法
CN110320515B (zh) 用于测试目标物体作为单点散射中心的方法
CN110832340B (zh) 用于探测运动对象的系统
CN104793202A (zh) 多雷达成像传感器的对象融合系统
Meyer et al. Performance analysis of the TerraSAR-X traffic monitoring concept
JP2010501952A (ja) 運転者支援システム、および対象物の妥当性を確定する方法
US9812008B2 (en) Vehicle detection and tracking based on wheels using radar and vision
CN111386476B (zh) 确定车辆雷达系统中的对象运动和加速度矢量
US11158192B2 (en) Method and system for detecting parking spaces which are suitable for a vehicle
CN110431436A (zh) 用于求取至少一个目标的径向相对加速度的方法和雷达设备
CN111615641A (zh) 用于探测关键横向运动的方法和设备
JP2016045767A (ja) 運動量推定装置及びプログラム
Held et al. Micro-doppler extraction of bicycle pedaling movements using automotive radar
JP6555132B2 (ja) 移動物体検出装置
EP3290945A1 (en) Misalignment detection for a vehicle radar sensor
KR20150001393A (ko) 레이더 배열 안테나 빔 감지 장치 및 방법
Kamann et al. Test methodology for automotive surround sensors in dynamic driving situations
Held et al. Normalization of micro-doppler spectra for cyclists using high-resolution projection technique

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
GR01 Patent grant
GR01 Patent grant