CN110554368B - 一种基于四维信息权重的人车识别方法 - Google Patents
一种基于四维信息权重的人车识别方法 Download PDFInfo
- Publication number
- CN110554368B CN110554368B CN201910806299.2A CN201910806299A CN110554368B CN 110554368 B CN110554368 B CN 110554368B CN 201910806299 A CN201910806299 A CN 201910806299A CN 110554368 B CN110554368 B CN 110554368B
- Authority
- CN
- China
- Prior art keywords
- target
- moment
- tracking data
- vehicle
- value
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于四维信息权重的人车识别方法,属于雷达目标识别技术领域。包括:1、缓存X次目标的跟踪数据;2、计算X个归一化RCS值;3、分析雷达目标回波进行MTD后的谱,找到目标的最大谱峰位置,并在该位置±N点内计算该目标回波的其他谱峰数目;4、计算归一化RCS一阶矩Mσ以及归一化RCS二阶矩υσ;5、将权重H1、H2、H3及H4分别乘以归一化RCS一阶矩、二阶矩、谱峰数和速度,再计算得到当前X次跟踪数据判断为人的概率P人和判断为车的概率P车;6、判断若P人值大于P车值,则判定该目标为人;否则判定该目标为车,输出判定结果。所述识别方法只要雷达架设姿态正确且目标与雷达间没有遮挡,就能实现高识别概率,可实现稳定而可靠的识别。
Description
技术领域
本发明涉及一种基于四维信息权重的人车识别方法,属于雷达目标识别技术领域。
背景技术
雷达进行目标识别时,常规识别方式是:(1)利用目标的幅度和速度信息,当目标低速运动时,基本靠幅度信息来区分人和车,而幅度的起伏会导致识别结果特别不稳定。而本发明正是对这些方法的缺陷进行改进,采用多维信息来提高识别概率和稳定性,主要利用目标的四个维度信息,分别为归一化RCS一阶矩、归一化RCS二阶矩、谱峰数和速度。(2)采用小波变换、微多普勒、基于极化等先进方法进行目标识别,这些方法识别概率较高,但是运算量大。
经过仿真及实测,发现1:统计目标的归一化RCS一阶矩的值后,发现人正常情况下比车小;2:统计归一化RCS二阶矩的值,发现人正常情况下比车小;3:速度大于8m/s,发现目标是车的概率较大;4:统计后发现人的谱峰数正常情况下比车多;但是这些信息都没有绝对的分界线,如何利用好这四个维度信息并使识别概率达到最佳成为本申请的目标。
本申请拟基于雷达方程和目标的多普勒频谱信息,利用多维信息联合进而分别计算目标判为人和车的概率值,然后去比较这两个值得出最终的识别结果。
发明内容
本发明的目的是针对当前目标识别利用目标信息不全面导致目标识别概率不理想的情况,提出了一种基于四维信息权重的人车识别方法。
一种基于四维信息权重的人车识别方法,包括如下步骤:
步骤一、目标进入跟踪模式下,缓存X次目标的跟踪数据;
其中,X的取值范围为大于10小于等于50;每次缓存的目标跟踪数据中均包含如下信息:目标幅度A、距离D、谱峰数P以及速度V;
其中,目标幅度为回波做完MTD后的模值,速度为估计的目标运动实际速度;
步骤二、根据公式(1)计算步骤一中的每一次目标跟踪数据的归一化RCS值σ,得出X个归一化RCS值:
其中,σ为当前跟踪数据的归一化RCS值;K为系数;A为当前跟踪数据的幅度,D为当前跟踪数据的距离,A0为人在距离D0处多次测量统计的幅度值,距离D0的单位为米;α为幂次,取值介于2到4之间;
步骤三、分析雷达目标回波进行MTD后的谱,找到目标的最大谱峰位置,在目标最大谱峰值位置±N点内计算该目标回波的其他谱峰数目;
其中,N对应速度范围为1.5m/s~3m/s;
统计的谱峰数目,记为P;
步骤四、对步骤二算出的X个归一化RCS值求一阶矩,得到归一化RCS一阶矩Mσ,再对步骤二算出的X个归一化RCS值中的取最后Y个归一化RCS值求二阶矩,得到归一化RCS二阶矩υσ;
其中,Y的取值范围为大于8小于等于X;
其中,X的取值范围为大于10小于等于50;
步骤五、将权重H1、H2、H3以及H4分别乘以归一化RCS一阶矩、归一化RCS二阶矩、谱峰数和速度,再带入下列公式(2)和公式(3),计算得到当前缓存的X次跟踪数据判断为人的概率和判断为车的概率:
其中,权重H1、H2、H3以及H4满足如下a)和b)条件:
a)H1>0、H2>0、H3>0以及H4>0;
b)H1+H2+H3+H4=1;
其中,函数f1、f2、f3以及f4分别定义如下:
其中,M0为统计出人的归一化RCS一阶矩最大值;υ0为统计出人的归一化RCS二阶矩最大值;P0为统计出车的谱峰数最大值;V0为人可以达到的最大速度;
步骤六、判断步骤五算出的P人和P车的大小,若P人值大于P车值,则判定该目标为人;否则判定该目标为车,输出判定结果;
步骤七、对步骤六输出的判定结果继续进行M/N准则处理,具体操作如下:
若M次跟踪数据识别结果中有N次及以上判定结果为人,则第M次跟踪数据识别结果修订为人;同理若M次跟踪数据识别结果中有N次及以上判定结果为车,则第M次跟踪数据识别结果修订为车;
其中,M取值介于3和20之间且小于X,N取值介于M/2和M之间。
有益效果
本发明一种基于四维信息权重的人车识别方法,与常规的人车识别方法相比,具有如下有益效果:
1、常规的目标识别方法利用目标信息不全面,导致识别概率不高且不稳定,而本发明所述方法克服了传统方法基于信息不全的缺陷,只要雷达架设姿态正确且目标与雷达间没有遮挡,就能实现高识别概率;
2、本发明所述方法在具体识别过程中,除了使用雷达回波现有数据外,基于所述步骤,只需要调整权重参数即可实现稳定而可靠的识别;
3、本发明所采用方法具有代码运算量小以及实现简单的优势,可用于窄带雷达人车识别。
附图说明
图1为本发明一种基于四维信息权重的人车识别方法的实施流程图。
实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述。
实施例1
本实施例阐述了采用本发明所述基于四维信息权重的人车识别方法的具体实施,如图1所示,为本发明的实施流程图的实施流程。
步骤1、积累40次目标的跟踪数据;
步骤2、根据公式(1)计算步骤1中40个点目标跟踪数据的归一化RCS值,其中,K为100,A0为152,D0为10000,α为2.4,得出40个归一化RCS值;
步骤3、分析雷达回波进行MTD后的谱,找到目标的谱峰位置,在目标谱峰值位置左右范围16点内统计谱峰数目;
步骤4、对当前跟踪数据及之前39个跟踪数据根据步骤2算出的40个归一化RCS值求一阶矩得到归一化RCS一阶矩Mσ,对当前需要目标识别的跟踪数据及之前7个跟踪数据根据步骤2算出的8个归一化RCS值求二阶矩得到归一化RCS二阶矩Vσ;
步骤5、将权重0.21、0.22、0.24和0.33分别分配给归一化RCS一阶矩、归一化RCS二阶矩、谱峰数和速度,再基于(2)和(3)加权求和,计算得到当前积累的X次跟踪数据判断为人的概率和判断为车的概率:
在公式(2)和(3)计算过程中,H1为200,H2为86,H3为5,H4为10;
步骤6、比较步骤5算出的P人和P车大小,若P人值大则认为当前跟踪的目标是人,若P车值大则认为当前跟踪的目标是车,若相等,则把Y加1跳至步骤4继续执行。
步骤7、对步骤6输出的判定结果继续进行M/N准则处理,具体操作如下:若7次跟踪数据识别结果中有4次及以上判定结果为人,则第7次跟踪数据识别结果修订为人;同理若7次跟踪数据识别结果中有4次及以上判定结果为车,则第7次跟踪数据识别结果修订为车;
采用所述方法进行实验。基于某型号地面侦查雷达检测到的目标特征信息做测试。即根据目标的距离、幅度信息计算出归一化RCS的一阶矩、二阶矩、频谱和速度信息计算判别最终的识别结果。下表1展示了具体实施时识别的效果。
具体实测时,我们选取的合作目标为低速运行的全顺车和正常行走的人,表1中,为了与常规目标识别方法进行对比,车辆运行速度仅为10km/h;因为,常规识别方法中认为车和人的速度有显著区别;往往通过速度本身来识别目标;这种常规方法是有应用局限的,本发明克服了仅依据速度对目标进行识别的技术缺陷。表1中列出了在某外场4个不同距离段的人和全顺车识别概率。
表1本发明与常规目标识别方法概率对比
从表1可以看出本发明所采用的方法比常规方法的识别结果高出许多,而且本发明采用方法比较可靠,识别结果都在90%以上,本发明采用方法通过修改权重参数系数,可以应用到所有距离段的目标识别。
以上所述为本发明的较佳实施例而已,本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (8)
1.一种基于四维信息权重的人车识别方法,其特征在于:包括如下步骤:
步骤一、目标进入跟踪模式下,缓存X次目标的跟踪数据;
其中,每次缓存的目标跟踪数据中均包含如下信息:目标幅度A、距离D、谱峰数P以及速度V;
其中,目标幅度A为回波做完MTD后的模值,速度V为估计的目标运动实际速度;
步骤二、根据公式(1)计算步骤一中的每一次目标跟踪数据的归一化RCS值σ,得出X个归一化RCS值:
其中,σ为当前跟踪数据的归一化RCS值;K为系数,A为当前跟踪数据的幅度,D为当前跟踪数据的距离,A0为人在距离D0处多次测量统计的幅度值;α为幂次;
步骤三、分析雷达目标回波进行MTD后的谱,找到目标的最大谱峰位置,在目标最大谱峰值位置±N点内计算该目标回波的其他谱峰数目;
其中,统计的谱峰数目,记为P;
步骤四、对步骤二算出的X个归一化RCS值求一阶矩,得到归一化RCS一阶矩Mσ,再对步骤二算出的X个归一化RCS值中的后Y个归一化RCS值求二阶矩,得到归一化RCS二阶矩υσ;
步骤五、将权重H1、H2、H3以及H4分别乘以归一化RCS一阶矩、归一化RCS二阶矩、谱峰数和速度,再带入下列公式(2)和公式(3),计算得到当前缓存的X次跟踪数据判断为人的概率和判断为车的概率:
其中,权重H1、H2、H3以及H4满足如下a)和b)条件:
a)H1>0、H2>0、H3>0以及H4>0;
b)H1+H2+H3+H4=1;
其中,函数f1、f2、f3以及f4分别定义如下:
其中,M0为统计出人的归一化RCS一阶矩最大值;υ0为统计出人的归一化RCS二阶矩最大值;P0为统计出车的谱峰数最大值;V0为人可以达到的最大速度;
步骤六、判断步骤五算出的P人和P车的大小,若P人值大于P车值,则判定该目标为人;否则判定该目标为车,输出判定结果;
步骤七、对步骤六输出的判定结果继续进行M/N准则处理,具体操作如下:
若M次跟踪数据识别结果中有N次及以上判定结果为人,则第M次跟踪数据识别结果修订为人;同理若M次跟踪数据识别结果中有N次及以上判定结果为车,则第M次跟踪数据识别结果修订为车。
2.根据权利要求1所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤一中,X的取值范围为大于10小于等于50。
3.根据权利要求2所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤二中,α的取值介于2到4之间。
4.根据权利要求3所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤三中,N对应速度范围为1.5m/s~3m/s。
5.根据权利要求4所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤四中,X的取值范围为大于10小于等于50。
6.根据权利要求5所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤四中,Y的取值范围为大于8小于等于X。
7.根据权利要求6所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤七中,M取值介于3和20之间且小于X。
8.根据权利要求7所述的一种基于四维信息权重的人车识别方法,其特征在于:步骤七中,N取值介于M/2和M之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806299.2A CN110554368B (zh) | 2019-08-29 | 2019-08-29 | 一种基于四维信息权重的人车识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910806299.2A CN110554368B (zh) | 2019-08-29 | 2019-08-29 | 一种基于四维信息权重的人车识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110554368A CN110554368A (zh) | 2019-12-10 |
CN110554368B true CN110554368B (zh) | 2021-08-17 |
Family
ID=68738297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910806299.2A Expired - Fee Related CN110554368B (zh) | 2019-08-29 | 2019-08-29 | 一种基于四维信息权重的人车识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554368B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111175718B (zh) * | 2019-12-18 | 2023-08-08 | 南京理工大学 | 联合时频域的地面雷达自动目标识别方法及系统 |
CN112965038B (zh) * | 2021-02-02 | 2023-07-21 | 西安电子工程研究所 | 一种基于点迹数据和频谱特征的地面活动目标分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9505412B2 (en) * | 2013-08-02 | 2016-11-29 | Honda Motor Co., Ltd. | System and method for detection and utilization of driver distraction level |
CN107506794A (zh) * | 2017-08-23 | 2017-12-22 | 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 |
CN108734124A (zh) * | 2018-05-18 | 2018-11-02 | 四川国软科技发展有限责任公司 | 一种激光雷达动态行人检测方法 |
CN109444872A (zh) * | 2018-11-01 | 2019-03-08 | 深圳市戴升智能科技有限公司 | 行人与车辆的区分方法、装置、计算机设备及存储介质 |
CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150130651A1 (en) * | 2013-11-10 | 2015-05-14 | Chris Mogridge | Passive Radar Activated Anti-Collision Apparatus |
-
2019
- 2019-08-29 CN CN201910806299.2A patent/CN110554368B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9505412B2 (en) * | 2013-08-02 | 2016-11-29 | Honda Motor Co., Ltd. | System and method for detection and utilization of driver distraction level |
CN107506794A (zh) * | 2017-08-23 | 2017-12-22 | 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 |
CN108734124A (zh) * | 2018-05-18 | 2018-11-02 | 四川国软科技发展有限责任公司 | 一种激光雷达动态行人检测方法 |
CN109444872A (zh) * | 2018-11-01 | 2019-03-08 | 深圳市戴升智能科技有限公司 | 行人与车辆的区分方法、装置、计算机设备及存储介质 |
CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
Non-Patent Citations (2)
Title |
---|
"RCS Measurements for Vehicle and Pedestrian at 26 and 79 GHz";Isamu MATSUNAMI et al.;《The Institute of Electronics,Information and Communication Engineers》;20161231;全文 * |
"Tracking and classfication using aspect-dependent RCS and kinematic data";Sutharsan S. et al.;《Signal and Data Processing of Small Targets 2008》;20081231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110554368A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110244271B (zh) | 基于多重同步压缩变换的雷达辐射源分选识别方法及装置 | |
Liu et al. | Deep learning and recognition of radar jamming based on CNN | |
CN107577999B (zh) | 一种基于奇异值和分形维数的雷达信号脉内调制方式识别方法 | |
CN107301381A (zh) | 基于深度学习和多任务学习策略的雷达辐射源识别方法 | |
CN103439692B (zh) | 基于协方差矩阵广对称特性的stap方法 | |
CN110554368B (zh) | 一种基于四维信息权重的人车识别方法 | |
CN102254319A (zh) | 一种多层次分割的遥感影像变化检测方法 | |
CN110175541B (zh) | 一种海平面变化非线性趋势提取的方法 | |
CN102592280B (zh) | 采用多窗口特征分析的高光谱图像异常检测方法 | |
CN102930533A (zh) | 一种基于改进k-均值聚类的半监督高光谱影像降维方法 | |
CN104156929B (zh) | 基于全局滤波的红外弱小目标背景抑制方法及其装置 | |
CN110133632B (zh) | 一种基于cwd时频分析的复合调制信号识别方法 | |
CN113657491A (zh) | 一种用于信号调制类型识别的神经网络设计方法 | |
CN110232371B (zh) | 基于小样本的高精度hrrp雷达多目标识别方法 | |
CN103064063A (zh) | 基于cwd特征的多相编码雷达信号波形自动识别方法 | |
CN109001702B (zh) | 无载波超宽带雷达人体动作识别方法 | |
CN114112400A (zh) | 一种基于多角度信息融合的机械轴承故障诊断方法 | |
CN112115795B (zh) | 一种基于Triple GAN的高光谱图像分类方法 | |
CN110516525A (zh) | 基于gan和svm的sar图像目标识别方法 | |
CN110991544B (zh) | 一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法 | |
CN114355298B (zh) | 一种雷达复合调制脉冲信号识别方法 | |
CN104680536A (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
CN106842161B (zh) | 基于置信度评价的微动周期提取方法 | |
CN107526064A (zh) | 基于二维特征的自适应lfm信号参数估计方法 | |
CN107395540B (zh) | 基于lmd近似熵、高积累积量和svm的调制信号识别方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210817 |