CN110488264A - 人员检测方法、装置、电子设备及存储介质 - Google Patents
人员检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110488264A CN110488264A CN201910605656.9A CN201910605656A CN110488264A CN 110488264 A CN110488264 A CN 110488264A CN 201910605656 A CN201910605656 A CN 201910605656A CN 110488264 A CN110488264 A CN 110488264A
- Authority
- CN
- China
- Prior art keywords
- target
- target environment
- information
- motor point
- environment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010358 mechanical oscillation Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种人员检测方法、装置、电子设备及存储介质。方法包括：获取目标环境的毫米波雷达信号；从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个运动点组成；根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。将毫米波雷达技术与人工智能技术相结合，实现目标环境中人的检测，且不会侵犯人的隐私，为实现该目标环境的自动化控制、监控等操作，提供了可能性。
Description
技术领域
本申请涉及信号处理技术领域，尤其涉及一种人员检测方法、装置、电子设备及存储介质。
背景技术
随着雷达技术的不断发展，雷达信号灵敏度高、无需直接接触和可穿透性强的特点越来越受到研究者的重视。雷达信号的应用范围从最初的军事领域扩展到民用领域，例如机场安检仪器中使用太赫兹雷达成像技术、机械振动测量技术、人体生命体征检测技术等。
随着人工智能技术的发展，雷达技术在人工智能上的应用也成为一个重要的发展方向。
发明内容
本申请提供了一种人员检测方法、装置、电子设备及存储介质，用以将毫米波雷达技术与人工智能技术相结合，实现目标环境中人的检测。
第一方面，本申请提供了一种人员检测方法，包括：获取目标环境的毫米波雷达信号；从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
可选地，根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标之后，所述方法还包括：统计所述目标环境中类别为人的目标的信息；根据统计结果，对所述目标环境进行管理。
可选地，所述运动点的信息包括：所述运动点的速度信息和位置信息。
可选地，根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，包括：根据所述目标环境中的运动点的信息，对所述目标环境中的运动点进行聚类，得到至少一个聚类结果，将每个聚类结果作为一个目标；对每个所述目标进行跟踪，获得连续N帧中每个所述目标的信息，所述目标的信息中包括所述目标对应的各运动点的信息，N为大于1的整数；分别对所述目标环境中每个目标进行以下处理：根据所述连续N帧中每个所述目标的信息，确定所述目标的微多普勒特征。
可选地，根据所述连续N帧中每个所述目标的信息，确定所述目标的微多普勒特征，包括：统计连续N帧中所述目标对应的运动点的速度信息，根据统计结果确定所述连续N帧中所述目标对应的运动点的最大多普勒速度、最小多普勒速度以及平均多普勒速度，所述N为大于1的整数；将所述最大多普勒速度、所述最小多普勒速度以及所述平均多普勒速度，确定为所述目标的微多普勒特征。
可选地，根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标，包括：分别对所述目标环境中的每个目标进行以下处理：将所述目标的微多普勒特征输入至分类器模型中，根据分类器模型输出的分类结果确定所述目标所属的类别是否为人；其中，所述分类器模型为采用样本数据对二元分类器模型进行训练得到，所述样本数据中包括：人的微多普勒特征的集合，以及非人的微多普勒特征的集合。
可选地，从所述毫米波雷达信号中提取所述目标环境中的运动点的信息之前，所述方法还包括：将所述毫米波雷达信号中不属于所述目标环境的运动点的信息去除；和/或，将所述毫米波雷达信号中不是从指定区域进入至所述目标环境的运动点的信息去除。
第二方面，本申请提供了一种人员检测装置，包括：获取模块，用于获取目标环境的毫米波雷达信号；提取模块，用于从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；确定模块，用于根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；识别模块，用于根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
第三方面，本申请提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现所述的人员检测方法。
第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的人员检测方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，利用毫米波雷达信号对目标环境中的目标进行识别，并识别出目标环境中类别为人的目标，从而将毫米波雷达技术与人工智能技术相结合，实现目标环境中人的检测，且不会侵犯人的隐私，为实现该目标环境的自动化控制、监控等操作，提供了可能性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的人员检测方法的流程示意图；
图2为本申请实施例提供的目标环境与检测区域示意图；
图3为本申请实施例提供的毫米波雷达的回波信号处理过程示意图；
图4为本申请实施例提供的客厅区域与检测区域示意图；
图5为本申请实施例提供的人员检测装置的结构示意图；
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。
需要说明的是，以下各实施例中，运动点是指处于运动状态的点，相对于运动点，静止点是指处于静止状态的点。
图1为本申请实施例提供的人员检测方法的流程示意图，该方法可以应用于任意一个电子设备中，该电子设备本身可以集成有毫米波雷达，也可以是本身未集成毫米波雷达，但是能够获取毫米波雷达信号，或者存储有毫米波雷达信号。人员检测的过程主要包括以下步骤：
步骤101，获取目标环境的毫米波雷达信号。
其中，目标环境的区域边界等参数可以是用户预先输入，也可以是自身通过测量获得。
例如，如图2所示，内部的长方形区域为目标环境的区域，外部的长方形区域为雷达所能检测的区域，则用于确定目标环境的边界可以是用户预先输入的。
步骤102，从毫米波雷达信号中提取目标环境中的运动点的信息。
一个实施例中，获取目标环境的毫米波雷达信号之后，先对毫米波雷达信号中的干扰信号去除，然后，从去除干扰数据后的毫米波雷达信号中提取目标环境中的运动点的信息。通过将干扰数据去除，能够减少计算量，提高计算效率，以及提高计算结果的准确性。
例如，将该毫米波雷达信号中不属于目标环境的运动点的信息去除；或者，将该毫米波雷达信号中不是从指定区域进入至该目标环境的运动点的信息去除；或者，将该毫米波雷达信号中不属于目标环境的运动点的信息去除，并且，将该毫米波雷达信号中不是从指定区域进入至该目标环境的运动点的信息去除。
一个实施例中，如图3所示，按照以下过程对毫米波雷达的回波信号进行处理：
步骤301，将毫米波雷达信号(即毫米波雷达的回波信号)输入至低通滤波器(如IIR滤波器)滤除中、高频信号。
步骤302，通过模数转换(ADC)将滤波后的毫米波雷达信号转换为离散的数字信号。
步骤303，采用离散快速傅里叶变换(FFT)对离散数字信号进行频域分析，并提取出频谱信息。
步骤304，利用该频谱信息计算运动点的信息。
其中，运动点的信息至少包括运动点的速度信息和位置信息。
具体地，从频谱信息中提取运动点的距离、方位角和仰角，其中，运动点的距离、方位角和仰角是相对于毫米波雷达而言的，即，运动点的距离是指运动点与毫米波雷达之间的距离，运动点的方位角是指运动点与毫米波雷达所形成的方位角，运动点的仰角是指运动点与毫米波雷达所形成的仰角。
步骤305，通过恒虚警率(Constant False-Alarm Rate，CFAR)过程，在保持虚警率恒定的条件下，识别并过滤掉毫米波雷达信号中的噪声，即过滤掉毫米波雷达信号中信噪比较低的信号。
步骤306，在FFT变换的基础上，利用多普勒效应，根据前后帧不同的相位差来估计运动点的径向速度。
至此，可以得到运动点的距离、方位角、仰角、径向速度以及频谱信息。并且，从频谱信息中提取运动点的信息的过程中，会过滤掉静止点的信息，根据得到的运动点的信息可以计算出该运动点在空间坐标系中的具体位置。
步骤103，根据目标环境中的运动点的信息，确定目标环境中的每个目标的微多普勒特征。
其中，目标环境中的目标由至少一个运动点组成，毫米波雷达信号中会包含一个目标的多个运动点，可以采用聚类算法将属于同一个目标的运动点聚类到一起，根据聚类的结果获取目标的特征。
具体地，确定目标环境中的每个目标的微多普勒特征的具体过程如下：根据目标环境中的运动点的信息，对该目标环境中的运动点进行聚类，得到至少一个聚类结果，将每个聚类结果作为一个目标；对每个目标进行跟踪，获得连续N帧中每个目标的信息，该目标的信息中包括该目标对应的各运动点的信息，N为大于1的整数；分别对该目标环境中每个目标进行以下处理：根据连续N帧中每个目标的信息，确定该目标的微多普勒特征。
需要说明的是，对运动点进行聚类所采用的聚类算法可以有多种，本申请实施例中并不限制具体所采用的聚类算法。
在一个具体的实施例中，对运动点进行聚类的过程为：从未聚类的运动点中随机选取一个运动点，将选取的运动点作为中心点，并将该选取的运动点保存至类a的集合中；分别对除该中心点之外的未聚类的运动点进行以下处理，直至遍历每个未聚类的运动点：
步骤a，计算运动点与中心点之间的距离，判断该距离是否大于预设阈值；
步骤b，若判定该距离大于预设阈值，确定该运动点与中心点不属于同一类，从未聚类的运动点中获取下一个运动点后，执行步骤a；
步骤c，若判定该距离不大于预设阈值，确定该运动点与中心点属于同一类，将该运动点保存至类a的集合中，计算类a的集合中的所有运动点的位置的平均值，并采用该平均值所确定的点作为新的中心点，从未聚类的运动点中删除该运动点，并从未聚类的运动点中获取下一个运动点后，执行步骤a。
通过上述过程进行聚类后得到至少一个聚类结果。
其中，确定目标的微多普勒特征的具体过程如下：统计连续N帧中该目标对应的运动点的速度信息，根据统计结果确定该连续N帧中该目标对应的运动点的最大多普勒速度、最小多普勒速度以及平均多普勒速度，N为大于1的整数，例如N＝30；将该最大多普勒速度、最小多普勒速度以及平均多普勒速度，确定为该目标的微多普勒特征。
需要说明的是，对聚类结果进行跟踪所采用的算法可以有多种，本申请实施例并不限制跟踪所采用的具体算法。例如，采用扩展卡尔曼滤波跟踪算法对聚类结果进行跟踪。
步骤104，根据目标环境中每个目标的微多普勒特征，从目标环境中识别出类别为人的目标。
一个实施例中，从目标环境中识别出类别为人的目标的过程如下：分别对该目标环境中的每个目标进行以下处理：将目标的微多普勒特征输入至分类器模型中，根据分类器模型输出的分类结果确定该目标所属的类别是否为人。
其中，分类器模型为采用样本数据对二元分类器模型进行训练得到，样本数据中包括：人的微多普勒特征的集合，以及非人的微多普勒特征的集合。
本申请实施例中，从目标环境中识别出类别为人的目标后，可以进一步统计该目标环境中类别为人的目标的信息，根据该目标环境中类别为人的目标的信息，对该目标环境进行管理。
一个具体场景中，本申请实施例提供的人员检测方法可以用于对目标环境中的人数进行统计，即，统计目标环境中类别为人的个数，并获取该目标环境中类别为人的目标的位置信息。
例如，如图4所示，内部的小长方形区域为客厅区域，外部的大长方形区域为雷达所能检测的区域，客厅通过出口门、阳台门和进出口与其他区域连通，假设需要检测客厅内的人数，则对一开始是从出口门、阳台门和进出口进入到客厅的目标才确定为需要被识别的目标，而对从客厅其他区域出现的目标直接删除，以能够快速过滤掉客厅内一些非人物体的运动，间接降低非人物体被识别为人的概率。
以家庭环境为例，统计家中人数以及人所处的位置，并反馈给家电智能控制系统，使得能够对家电进行个性化或节能控制。例如，在检测到家内没有人的情况下，如果有正在运行的家电时，且该家电没有被设置为无人情况下继续运行，则可自动控制关闭正在运行的家电。
另外，根据统计的目标环境中是否有人，还能够对目标环境进行智能监控。例如，在上班时间家庭环境中一般是没有人的，如果检测到家中有人，则及时向家庭成员的手机等移动终端发送报警提示，以确认家中是否有不安全人员。
本申请实施例中，毫米波雷达的发射天线和接收天线阵列数，可以根据不同的应用场景进行设计，设计的原则是在保证检测精度的情况下尽量节约成本。例如，家庭环境内雷达发射天线数为3，接收天线数为4。
本申请实施例中，利用毫米波雷达信号对目标环境中的目标进行识别，并识别出目标环境中类别为人的目标，从而将毫米波雷达技术与人工智能技术相结合，实现目标环境中人的检测，且不会侵犯人的隐私，为实现该目标环境的自动化控制、监控等操作，提供了可能性。
基于同一发明构思，本申请实施例中还提供了一种人员检测装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：
获取模块501，用于获取目标环境的毫米波雷达信号；
提取模块502，用于从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；
确定模块503，用于根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；
识别模块504，用于根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、通信接口602、存储器603和通信总线604，其中，处理器601、通信接口602和存储器603通过通信总线604完成相互间的通信。其中，存储器603中存储有可被至处理器601执行的程序，处理器601执行存储器603中存储的程序，实现如下步骤：获取目标环境的毫米波雷达信号；从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
本申请实施例所提供的电子设备，处理器通过执行存储器上所存放的程序，利用毫米波雷达信号对目标环境中的目标进行识别，并识别出目标环境中类别为人的目标，从而将毫米波雷达技术与人工智能技术相结合，实现目标环境中人的检测，且不会侵犯人的隐私，为实现该目标环境的自动化控制、监控等操作，提供了可能性。
上述电子设备中提到的通信总线604可以时外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线604可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总下。
通信接口602用于上述电子设备与其他设备之间的通信。
存储器603可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。
在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的人员检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种人员检测方法，其特征在于，包括：
获取目标环境的毫米波雷达信号；
从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；
根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；
根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
2.根据权利要求1所述的人员检测方法，其特征在于，根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标之后，所述方法还包括：
统计所述目标环境中类别为人的目标的信息；
根据统计结果，对所述目标环境进行管理。
3.根据权利要求2所述的人员检测方法，其特征在于，所述运动点的信息包括：所述运动点的速度信息和位置信息。
4.根据权利要求3所述的人员检测方法，其特征在于，根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，包括：
根据所述目标环境中的运动点的信息，对所述目标环境中的运动点进行聚类，得到至少一个聚类结果，将每个聚类结果作为一个目标；
对每个所述目标进行跟踪，获得连续N帧中每个所述目标的信息，所述目标的信息中包括所述目标对应的各运动点的信息，N为大于1的整数；
分别对所述目标环境中每个目标进行以下处理：根据所述连续N帧中每个所述目标的信息，确定所述目标的微多普勒特征。
5.根据权利要求4所述的人员检测方法，其特征在于，根据所述连续N帧中每个所述目标的信息，确定所述目标的微多普勒特征，包括：
统计连续N帧中所述目标对应的运动点的速度信息，根据统计结果确定所述连续N帧中所述目标对应的运动点的最大多普勒速度、最小多普勒速度以及平均多普勒速度，所述N为大于1的整数；
将所述最大多普勒速度、所述最小多普勒速度以及所述平均多普勒速度，确定为所述目标的微多普勒特征。
6.根据权利要求3至5任一项所述的人员检测方法，其特征在于，根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标，包括：
分别对所述目标环境中的每个目标进行以下处理：将所述目标的微多普勒特征输入至分类器模型中，根据分类器模型输出的分类结果确定所述目标所属的类别是否为人；
其中，所述分类器模型为采用样本数据对二元分类器模型进行训练得到，所述样本数据中包括：人的微多普勒特征的集合，以及非人的微多普勒特征的集合。
7.根据权利要求1所述的人员检测方法，其特征在于，从所述毫米波雷达信号中提取所述目标环境中的运动点的信息之前，所述方法还包括：
将所述毫米波雷达信号中不属于所述目标环境的运动点的信息去除；
和/或，将所述毫米波雷达信号中不是从指定区域进入至所述目标环境的运动点的信息去除。
8.一种人员检测装置，其特征在于，包括：
获取模块，用于获取目标环境的毫米波雷达信号；
提取模块，用于从所述毫米波雷达信号中提取所述目标环境中的运动点的信息；
确定模块，用于根据所述目标环境中的运动点的信息，确定所述目标环境中的每个目标的微多普勒特征，其中，所述目标由至少一个所述运动点组成；
识别模块，用于根据所述目标环境中每个目标的微多普勒特征，从所述目标环境中识别出类别为人的目标。
9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1至7任一项所述的人员检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的人员检测方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910605656.9A CN110488264A (zh) | 2019-07-05 | 2019-07-05 | 人员检测方法、装置、电子设备及存储介质 |
| PCT/CN2020/098362 WO2021004299A1 (zh) | 2019-07-05 | 2020-06-28 | 人员检测方法、装置、电子设备及存储介质 |
| US17/623,658 US20220252712A1 (en) | 2019-07-05 | 2020-06-28 | Human Detection Method and Device, Electronic Apparatus and Storage Medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910605656.9A CN110488264A (zh) | 2019-07-05 | 2019-07-05 | 人员检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110488264A true CN110488264A (zh) | 2019-11-22 |
Family
ID=68546666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910605656.9A Pending CN110488264A (zh) | 2019-07-05 | 2019-07-05 | 人员检测方法、装置、电子设备及存储介质 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220252712A1 (zh) |
| CN (1) | CN110488264A (zh) |
| WO (1) | WO2021004299A1 (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111208508A (zh) * | 2019-12-25 | 2020-05-29 | 珠海格力电器股份有限公司 | 运动量测量方法、装置及电子设备 |
| CN111337897A (zh) * | 2020-04-21 | 2020-06-26 | 湖南红船科技有限公司 | 一种lfmcw雷达快速目标识别方法 |
| CN111845258A (zh) * | 2020-06-16 | 2020-10-30 | 宁波吉利汽车研究开发有限公司 | 一种车内设备调控方法、装置、终端及存储介质 |
| CN112068079A (zh) * | 2020-08-28 | 2020-12-11 | 森思泰克河北科技有限公司 | 用于安防雷达的防区划分方法、装置、终端及存储介质 |
| CN112184956A (zh) * | 2020-09-07 | 2021-01-05 | 珠海格力电器股份有限公司 | 智能门锁电量提醒方法、装置、存储介质及电子设备 |
| WO2021004299A1 (zh) * | 2019-07-05 | 2021-01-14 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
| CN112396791A (zh) * | 2020-11-26 | 2021-02-23 | 珠海格力电器股份有限公司 | 入侵行为的报警方法和装置、存储介质、电子装置 |
| CN112782684A (zh) * | 2020-12-31 | 2021-05-11 | 深圳大学 | 一种人体目标检测方法、装置、计算机设备和存储介质 |
| CN112835036A (zh) * | 2020-12-29 | 2021-05-25 | 湖南时变通讯科技有限公司 | 一种移动分布图的生成方法、装置、设备和存储介质 |
| CN112859063A (zh) * | 2021-01-13 | 2021-05-28 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的多人体目标识别及计数方法 |
| CN112965054A (zh) * | 2021-02-03 | 2021-06-15 | 南京众控电子科技有限公司 | 基于雷达技术的舱门启闭识别方法 |
| CN113495270A (zh) * | 2020-04-07 | 2021-10-12 | 富士通株式会社 | 基于微波雷达的监控装置以及方法 |
| CN113822154A (zh) * | 2021-08-11 | 2021-12-21 | 普行智能停车（深圳）有限公司 | 一种智能停车保护隐私的方法、装置、设备和介质 |
| CN114037044A (zh) * | 2021-10-12 | 2022-02-11 | 深圳绿米联创科技有限公司 | 人员计数方法、装置、电子设备以及存储介质 |
| CN114563784A (zh) * | 2022-04-27 | 2022-05-31 | 武汉理工大学 | 一种基于双毫米波雷达的船载环境入侵检测方法及系统 |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112946630B (zh) * | 2021-01-27 | 2022-11-01 | 上海兰宝传感科技股份有限公司 | 一种基于毫米波雷达的人员计数跟踪方法 |
| CN113050057B (zh) * | 2021-03-18 | 2022-12-30 | 森思泰克河北科技有限公司 | 一种人员检测方法、装置及终端设备 |
| CN113534138B (zh) * | 2021-06-18 | 2024-01-30 | 西安电子科技大学 | 基于fpga的毫米波雷达室内人员统计计数方法 |
| US20230288536A1 (en) * | 2022-03-14 | 2023-09-14 | Plume Design, Inc. | Radar-based movement sensors arranged in a domestic setting |
| CN114779241B (zh) * | 2022-06-27 | 2022-09-30 | 北京航空航天大学杭州创新研究院 | 一种包裹安检方法、装置、存储介质及电子设备 |
| CN115236627B (zh) * | 2022-09-21 | 2022-12-16 | 深圳安智杰科技有限公司 | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 |
| CN116702015B (zh) * | 2023-08-09 | 2023-11-28 | 中国科学技术大学 | 信号处理方法、装置、无人机及计算机可读存储介质 |
| CN117908018A (zh) * | 2024-03-19 | 2024-04-19 | 清澜技术(深圳)有限公司 | 一种挥手告警方法、系统、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106855941A (zh) * | 2016-12-09 | 2017-06-16 | 清华大学 | 基于雷达微多普勒信号稀疏优化的手势识别方法及系统 |
| CN108256488A (zh) * | 2018-01-19 | 2018-07-06 | 中国人民解放军陆军装甲兵学院 | 一种基于微多普勒特征提取和深度学习的雷达目标识别方法 |
| CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
| CN109375217A (zh) * | 2018-11-22 | 2019-02-22 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端及检测系统 |
| CN109557535A (zh) * | 2017-09-26 | 2019-04-02 | 英飞凌科技股份有限公司 | 用于使用毫米波雷达传感器的占用检测的系统和方法 |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006328853A (ja) * | 2005-05-27 | 2006-12-07 | Nabtesco Corp | 扉用複合センサ及び自動ドアシステム |
| US9891312B2 (en) * | 2013-04-29 | 2018-02-13 | Greina Technologies, Inc. | Personal radar |
| US10620307B2 (en) * | 2015-11-04 | 2020-04-14 | University Of Hawaii | Systems and methods for detection of occupancy using radio waves |
| CN107422318A (zh) * | 2017-05-27 | 2017-12-01 | 南京理工大学 | 一种基于多普勒技术的占用传感器及其检测方法 |
| CN107506794B (zh) * | 2017-08-23 | 2020-08-14 | 西安电子工程研究所 | 基于决策树的地面运动目标分类算法 |
| US11204647B2 (en) * | 2017-09-19 | 2021-12-21 | Texas Instruments Incorporated | System and method for radar gesture recognition |
| CN109239703B (zh) * | 2018-09-27 | 2021-05-11 | 中国科学院电子学研究所 | 运动目标实时跟踪方法 |
| CN110488264A (zh) * | 2019-07-05 | 2019-11-22 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
-
2019
- 2019-07-05 CN CN201910605656.9A patent/CN110488264A/zh active Pending
-
2020
- 2020-06-28 WO PCT/CN2020/098362 patent/WO2021004299A1/zh active Application Filing
- 2020-06-28 US US17/623,658 patent/US20220252712A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106855941A (zh) * | 2016-12-09 | 2017-06-16 | 清华大学 | 基于雷达微多普勒信号稀疏优化的手势识别方法及系统 |
| CN109557535A (zh) * | 2017-09-26 | 2019-04-02 | 英飞凌科技股份有限公司 | 用于使用毫米波雷达传感器的占用检测的系统和方法 |
| CN108256488A (zh) * | 2018-01-19 | 2018-07-06 | 中国人民解放军陆军装甲兵学院 | 一种基于微多普勒特征提取和深度学习的雷达目标识别方法 |
| CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
| CN109375217A (zh) * | 2018-11-22 | 2019-02-22 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端及检测系统 |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN109581361A (zh) * | 2018-11-22 | 2019-04-05 | 九牧厨卫股份有限公司 | 一种检测方法、检测装置、终端以及检测系统 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021004299A1 (zh) * | 2019-07-05 | 2021-01-14 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
| CN111208508A (zh) * | 2019-12-25 | 2020-05-29 | 珠海格力电器股份有限公司 | 运动量测量方法、装置及电子设备 |
| WO2021128923A1 (zh) * | 2019-12-25 | 2021-07-01 | 珠海格力电器股份有限公司 | 运动量测量方法、装置及电子设备 |
| CN113495270A (zh) * | 2020-04-07 | 2021-10-12 | 富士通株式会社 | 基于微波雷达的监控装置以及方法 |
| CN111337897A (zh) * | 2020-04-21 | 2020-06-26 | 湖南红船科技有限公司 | 一种lfmcw雷达快速目标识别方法 |
| CN111845258A (zh) * | 2020-06-16 | 2020-10-30 | 宁波吉利汽车研究开发有限公司 | 一种车内设备调控方法、装置、终端及存储介质 |
| CN112068079A (zh) * | 2020-08-28 | 2020-12-11 | 森思泰克河北科技有限公司 | 用于安防雷达的防区划分方法、装置、终端及存储介质 |
| CN112184956A (zh) * | 2020-09-07 | 2021-01-05 | 珠海格力电器股份有限公司 | 智能门锁电量提醒方法、装置、存储介质及电子设备 |
| CN112396791A (zh) * | 2020-11-26 | 2021-02-23 | 珠海格力电器股份有限公司 | 入侵行为的报警方法和装置、存储介质、电子装置 |
| CN112835036A (zh) * | 2020-12-29 | 2021-05-25 | 湖南时变通讯科技有限公司 | 一种移动分布图的生成方法、装置、设备和存储介质 |
| CN112782684A (zh) * | 2020-12-31 | 2021-05-11 | 深圳大学 | 一种人体目标检测方法、装置、计算机设备和存储介质 |
| CN112859063A (zh) * | 2021-01-13 | 2021-05-28 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的多人体目标识别及计数方法 |
| CN112859063B (zh) * | 2021-01-13 | 2023-12-05 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的多人体目标识别及计数方法 |
| CN112965054A (zh) * | 2021-02-03 | 2021-06-15 | 南京众控电子科技有限公司 | 基于雷达技术的舱门启闭识别方法 |
| CN112965054B (zh) * | 2021-02-03 | 2023-09-19 | 南京众控电子科技有限公司 | 基于雷达技术的舱门启闭识别方法 |
| CN113822154A (zh) * | 2021-08-11 | 2021-12-21 | 普行智能停车（深圳）有限公司 | 一种智能停车保护隐私的方法、装置、设备和介质 |
| CN113822154B (zh) * | 2021-08-11 | 2024-02-27 | 普行智能停车（深圳）有限公司 | 一种智能停车保护隐私的方法、装置、设备和介质 |
| CN114037044A (zh) * | 2021-10-12 | 2022-02-11 | 深圳绿米联创科技有限公司 | 人员计数方法、装置、电子设备以及存储介质 |
| CN114563784A (zh) * | 2022-04-27 | 2022-05-31 | 武汉理工大学 | 一种基于双毫米波雷达的船载环境入侵检测方法及系统 |
| CN114563784B (zh) * | 2022-04-27 | 2022-08-09 | 武汉理工大学 | 一种基于双毫米波雷达的船载环境入侵检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021004299A1 (zh) | 2021-01-14 |
| US20220252712A1 (en) | 2022-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110488264A (zh) | 人员检测方法、装置、电子设备及存储介质 | |
| US20150260838A1 (en) | Sparse Array RF Imaging for Surveillance Applications | |
| CN111512178A (zh) | 基于无线信号属性的机器学习的运动检测 | |
| CN110456321B (zh) | 滤除雷达误报的方法、终端设备及存储介质 | |
| CN115542308B (zh) | 基于毫米波雷达的室内人员探测方法、装置、设备及介质 | |
| CN109917390A (zh) | 基于雷达的车辆检测方法和系统 | |
| CN113721213B (zh) | 生命体检测方法、终端及存储介质 | |
| CN112102370A (zh) | 目标的跟踪方法和装置、存储介质、电子装置 | |
| CN109061632A (zh) | 一种无人机识别方法 | |
| CN110687513A (zh) | 人体目标检测方法、装置及存储介质 | |
| Qin et al. | Situational awareness of chirp jamming threats to GNSS based on supervised machine learning | |
| CN112327286B (zh) | 低复杂度下日常活动分类方法、装置、设备及存储介质 | |
| CN108199757B (zh) | 一种利用信道状态信息检测消费级无人机入侵的方法 | |
| CN113837138B (zh) | 一种着装监控方法、系统、介质及电子终端 | |
| Dakhlallah et al. | Type-2 Fuzzy Kalman Hybrid Application for Dynamic Security Monitoring Systems based on Multiple Sensor Fusion | |
| CN113205059A (zh) | 车位的检测方法、系统、终端及计算机可读存储介质 | |
| CN115047419A (zh) | 一种毫米波雷达恒虚警率检测方法及装置 | |
| CN114047503A (zh) | 活动对象检测方法、装置、电子设备和存储介质 | |
| CN117471421B (zh) | 对象跌倒检测模型的训练方法及跌倒检测方法 | |
| CN110766005A (zh) | 目标特征提取方法、装置和终端设备 | |
| CN112394334B (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
| CN113050057B (zh) | 一种人员检测方法、装置及终端设备 | |
| CN113391276B (zh) | 一种雷达遮挡检测方法、装置及终端设备 | |
| CN118112562A (zh) | 一种雷达目标检测方法、装置、电子设备以及存储介质 | |
| Zhang et al. | Pulsar Signal Detection |
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: 20191122 |
|
| RJ01 | Rejection of invention patent application after publication |