CN110766005A - 目标特征提取方法、装置和终端设备 - Google Patents
目标特征提取方法、装置和终端设备 Download PDFInfo
- Publication number
- CN110766005A CN110766005A CN201911012955.8A CN201911012955A CN110766005A CN 110766005 A CN110766005 A CN 110766005A CN 201911012955 A CN201911012955 A CN 201911012955A CN 110766005 A CN110766005 A CN 110766005A
- Authority
- CN
- China
- Prior art keywords
- target
- noise
- region
- signal
- interested
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明适用于车载雷达技术领域,提供了一种目标特征提取方法、装置和终端设备。该方法包括:获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域;根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;根据所述待识别目标的信噪比确定所述待识别目标的特征信息。本发明能够降低不同雷达采集的热力图一致性差对目标识别的影响,精准提取目标特征,进一步提高目标识别的准确率。
Description
技术领域
本发明属于车载雷达技术领域,尤其涉及一种目标特征提取方法、装置和终端设备。
背景技术
目标检测、关联和跟踪是汽车雷达实现碰撞报警、主动避障、自适应巡航等功能的技术基础。毫米波雷达在制作完成后由于天线角度差异、器件差异等原因使得产生的热力图一致性差,即会造成对同一运动目标的能量的检测强度不一致,有时这种差异会很大,使得目标识别误差大。
发明内容
有鉴于此,本发明实施例提供了一种目标特征提取方法、装置和终端设备,以解决现有技术中雷达产生的热力图一致性差影响目标识别准确度的问题。
本发明实施例的第一方面提供了一种目标特征提取方法,包括:
获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域;
根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;
根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
可选的,确定所述热力图集中每幅热力图的噪声区域,包括:
根据雷达的探测角度确定每幅热力图中的噪声范围;
将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。
可选的,根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比,包括:
根据预设尺寸的窗口将所述热力图集转换为多个窗口样本,每个窗口样本均包括预设数量的热力图;
根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,每个窗口样本中预设数量的噪声区域均相同,每个窗口样本中的每个感兴趣区域的数量均为所述预设数量。
可选的,根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,包括:
计算每个窗口样本中每个感兴趣区域的能量均值;
每个感兴趣区域的能量均值与所述噪声区域的能量值之比得到对应感兴趣区域的信噪比,每个窗口样本包括至少两个感兴趣区域的信噪比,所述待识别目标的信噪比包括每个窗口样本的信噪比。
可选的,在计算每个窗口样本中每个感兴趣区域的能量均值之后,还包括:
每个窗口样本中,根据每个感兴趣区域的能量均值与至少两个感性兴趣区域的能量均值之和的比值确定每个感兴趣区域的比重系数,根据每个感兴趣区域的能量均值之间的比值确定至少两个感性兴趣区域之间的相关系数。
可选的,根据所述待识别目标的信噪比确定所述待识别目标的特征信息,包括:
根据所述待识别目标的信噪比、所述比重系数和所述相关系数确定所述待识别目标的特征信息。
本发明实施例的第二方面提供了一种目标特征提取装置,包括:
区域确定模块,用于获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域;
信噪比模块,用于根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;
特征确定模块,用于根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
可选的,所述区域确定模块具体用于:
根据雷达的探测角度确定每幅热力图中的噪声范围;
将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如实施例的第一方面提供的任一项所述的目标特征提取方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述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如实施例的第一方面提供的任一项所述的目标特征提取方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:通过获取雷达探测的待识别目标的热力图集,并确定热力图集中每幅热力图的噪声区域和至少两个感兴趣区域,合理选择了噪声区域;根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;根据所述待识别目标的信噪比确定所述待识别目标的特征信息,即以信噪比作为目标识别的特征,降低了不同雷达采集的热力图一致性差对目标识别的影响,精准提取目标特征,进一步提高目标识别的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的目标特征提取方法的实现流程示意图;
图2是图1步骤S101的具体实现流程示意图;
图3是图1步骤S102的具体实现流程示意图;
图4是图3步骤S302的具体实现流程示意图;
图5是本发明实施例提供的噪声区域和感兴趣区域的示意图;
图6是本发明实施例提供的目标特征提取装置的结构示意图;
图7是本发明实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,为本实施例提供的目标特征提取方法的一个实施例实现流程示意图,详述如下:
步骤S101,获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域。
实际应用中,毫米波雷达在使用时由于天线角度差异、器件差异等原因会产生对同一运动目标的能量的检测强度不一致的问题,有时这种差异会很大,就会造成后续目标识别过程出现较大误差。本实施例通过选取热力图中合适的目标特征,降低同一目标的热力图一致性差对目标识别结果的影响。
本实施例对比了在热力图上取均值、方差或最大值比最小值等方法,发现使用感兴趣区域与噪声区域的比值的特征对一致性的改善最大,即根据感兴趣区域与噪声区域的比值提取目标特征,最能降低一致性差对识别结果的影响,同时提高了识别结果的准确性。本实施例提供的目标特征提取方法主要优点在于采用信噪比作为目标特征进行提取和识别,另外本实施例合理的选择了热力图的噪声区域,使得选取的噪声区域的能量值更具有代表性。
其中,感兴趣区域可以根据被测的目标与雷达之间的距离计算得出的,一般在实际应用中感兴趣区域恒定,只有出现在这块区域的目标才会被检测。本实施例的至少两个感兴趣区域不同,雷达可以同时对至少两个感兴趣区域进行检测。噪声区域是没有目标的区域,不受待识别目标的影响。示例性的,参见图5,每幅热力图选取两个感兴趣区域,利用雷达同时检测感兴趣区域A和感兴趣区域B内是否有目标。可选的,本实施例还可以对获取热力图集进行图像增强或图像去噪处理,使得目标特征更加突出,提高目标特征提取的准确性。
一个实施例中,参见图2,步骤S101的确定所述热力图集中每幅热力图的噪声区域的具体实现过程可以包括:
步骤S201,根据雷达的探测角度确定每幅热力图中的噪声范围。
步骤S202,将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。
实际应用中,每幅热力图的噪声区域的选取位置很重要,它直接影响了待识别目标的信噪比。噪声区域应不受到待识别目标的影响,理想的情况下噪声只受雷达本身性能影响,但是实际探测过程中噪声还会受到环境中一些微小运动的影响,本实施例利用信噪比提取目标特征,恰好消除掉环境中一些微小运动的影响。如果将整个热力图的关注区域之外的区域作为噪声,会忽略泄露因素;将感兴趣区域左右两侧未被加入的区域作为噪声也是不可行的,因为在目标运动的时候该左右区域也是能检测到运动的;如果选取待识别目标的最远处的区域,则会发现那里的能量值呈现一种逐渐下降直至为0的趋势,并不能反映真实的噪声情况。所以本实施例选择了雷达探测区域的次边缘部分,根据雷达的探测角度确定每幅热力图中的噪声范围,该噪声范围包括感兴趣区域,在所述噪声范围内选取距离探测点预设距离区间P内的区域设置为噪声区域,例如预设距离区间P为50-55m。
步骤S102,根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比。
信噪比即有效信息与噪声的比值,这里噪声指的是没有待识别目标时的噪声区域的能量,而有效信息指的是加入待识别目标后的感兴趣区域的能量。例如,取一个边缘区域的能量作为整个雷达的噪声区域的能量(表示为n),感兴趣区域的能量(表示为r),待识别目标的信噪比为r/n。信噪比是数据一致性调优的方法,使用信噪比代替原来的能量均值可以在一定程度上改善一致性差造成的目标识别准确性差的问题。但是直接采用信噪比改善效果不是很明显,因为感兴趣区域的能量值很大,而噪声区域的能量值很小,不同雷达的噪声区域的能量值变化不明显,而感兴趣区域的能量值变化幅度确很大,造成信噪比的浮动很大,影响待识别目标进行特征提取的准确度,所以本实施例在对感兴趣区域求能量均值后再求信噪比,使得目标特征更加突出。
一个实施例中,参见图3,步骤S102中的根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比的具体实现过程可以包括:
步骤S301,根据预设尺寸的窗口将所述热力图集转换为多个窗口样本,每个窗口样本均包括预设数量的热力图。
步骤S302,根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,每个窗口样本中预设数量的噪声区域均相同,每个窗口样本中的每个感兴趣区域的数量均为所述预设数量。
雷达探测的数据都是一帧一帧的,每一帧为一幅热力图,每秒大约5帧,如果每来一帧处理一次,则需要频繁的处理很多次,而且单帧数据不是很稳定,某些帧可能具有过大噪声,存在个别帧突变现象,所以本实施例引入窗口,根据预设尺寸的窗口将热力图集转换为多个窗口样本,每个窗口样本均包括预设数量的热力图,每个窗口样本的数据作为一个新的数据帧,可以有效降低某些帧具有过大噪声以及个别帧突变的影响。示例性的,选取192帧数据,即192幅热力图,采用尺寸为12的窗口对192帧数据进行处理,即将连续12帧的数据作为一帧进行处理,最终可以得到181帧数据。
一个实施例中,参见图4,步骤S302的根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比的具体实现过程可以包括:
步骤S401,计算每个窗口样本中每个感兴趣区域的能量均值。
本实施例的每个窗口的噪声区域共用一个,所以没有对噪声区域求均值,减少运算步骤。对每个感兴趣区域求能量均值,在降噪的情况下对区域数据进行降维,提高待识别目标进行特征提取的速度。
步骤S402,每个感兴趣区域的能量均值与所述噪声区域的能量值之比得到对应感兴趣区域的信噪比,每个窗口样本包括至少两个感兴趣区域的信噪比,所述待识别目标的信噪比包括每个窗口样本的信噪比。
可选的,在计算每个窗口样本中每个感兴趣区域的能量均值之后,还包括:每个窗口样本中,根据每个感兴趣区域的能量均值与至少两个感性兴趣区域的能量均值之和的比值确定每个感兴趣区域的比重系数,根据每个感兴趣区域的能量均值之间的比值确定至少两个感兴趣区域之间的相关系数。参见图5,每幅热力图选取两个感兴趣区域,分别为感兴趣区域A和感兴趣区域B,利用雷达同时检测感兴趣区域A和感兴趣区域B内是否有目标。检测结果有四种情况:感兴趣区域A和B都没有人、感兴趣区域A有人感兴趣区域B没人、感兴趣区域A没人感兴趣区域B有人、感兴趣区域A和B都有人。但是不能直接使用热力图的原始数据作为输入,因为维度太大,需要对数据进行降维处理。
首先利用窗口减少处理的样本数,然后利用能量均值再次对样本数进行降维,最终本实施例可以将每副热力图的目标特征降到了5维,这5维数据中,前两维数据是感兴趣区域A的能量均值a和感兴趣区域B的能量均值b分别与噪声区域C的能量值c的比值,即a/c和b/c,第三维和第四维数据是感兴趣区域A的能量均值a和感兴趣区域B的能量均值b分别与感兴趣区域A的能量均值a和感兴趣区域B的能量均值b之和的比值,即每个感兴趣区域的比重系数,为a/(a+b)和b/(a+b),最后一维数据是感兴趣区域A和感兴趣区域B的相关系数,即a/b。
示例性的,一个热力图集中每幅热力图可以是64*48=3072维的,共192幅热力图,确定每幅热力图的2个感兴趣区域,感兴趣区域A和感兴趣区域B,使每幅热力图维度降到20*13*2=520维,20*13为感兴趣区域的尺寸;然后计算感兴趣区域A的能量均值a和感兴趣区域B的能量均值b,每幅热力图的维度降到2维。
进一步的,利用尺寸为12的窗口对所述热力图集进行处理,原始热力图集的热力图数量为192,经过窗口处理后得到181个窗口样本,每个窗口样本的维度为2*12=24维,每个窗口样本内包括12幅热力图的数据。然后求每个窗口样本内感兴趣区域A的能量均值a’(即对12个感兴趣区域A的能量均值a进行均值计算)和感兴趣区域B的能量均值b’(即对12个感兴趣区域B的能量均值b进行均值计算),每个窗口样本的维度降为2维。
计算每个窗口样本中感兴趣区域A的信噪比a’/c和感兴趣区域B的信噪比b’/c,得到每个窗口样本的维度依然为2维;另外,还计算每个窗口样本中感兴趣区域A的比重系数和感兴趣区域B的比重系数,感兴趣区域A的比重系数为a’/(a’+b’),感兴趣区域B的比重系数为b’/(a’+b’),每个窗口样本的维度增加到4维。同时,本实施例还可以计算每个窗口样本内各个感兴趣区域之间的关联系数,例如感兴趣区域A与感兴趣区域B的比重系数为a’/b’,每个窗口样本的维度增加到5维。最终窗口样本的维度为5,窗口样本的个数为181,实现了对原始数据的准确降维,在降低噪声对目标特征影响的同时,提高目标特征提取速度,进一步提高目标识别速度和准确度。
步骤S103,根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
可选的,根据所述待识别目标的信噪比确定所述待识别目标的特征信息,包括:根据所述待识别目标的信噪比、所述比重系数和所述相关系数确定所述待识别目标的特征信息。
本实施例将计算得到的信噪比、比重系数和相关系数确定待识别目标的特征信息,并且在确定所述待识别目标的特征信息之后使用这些特征信息训练目标分类器了,例如训练逻辑回归模型,提高模型对目标识别的准确度。
上述目标特征提取方法,通过获取雷达探测的待识别目标的热力图集,并确定热力图集中每幅热力图的噪声区域和至少两个感兴趣区域,合理选择了噪声区域;根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;根据待识别目标的信噪比确定所述待识别目标的特征信息,即以信噪比作为目标识别的特征,降低了不同雷达采集的热力图一致性差对目标识别的影响,精准提取目标特征,进一步提高目标识别的准确率。
本领域技术人员可以理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的目标特征提取方法,本实施例提供了一种目标特征提取装置,如图6,为本实施例中雷达的结构示意图。为了便于说明,仅示出了与本实施例相关的部分。
所述目标特征提取装置包括:区域确定模块110、信噪比模块120和特征确定模块130。
区域确定模块110用于获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域。
信噪比模块120用于根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比。
特征确定模块130用于根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
一个实施例中,区域确定模块110具体用于:根据雷达的探测角度确定每幅热力图中的噪声范围;将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。可选的,根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比,包括:根据预设尺寸的窗口将所述热力图集转换为多个窗口样本,每个窗口样本均包括预设数量的热力图;根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,其中,每个窗口样本中预设数量的噪声区域均相同,每个窗口样本中的每个感兴趣区域的数量均为所述预设数量。
可选的,根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比的具体实现过程包括:计算每个窗口样本中每个感兴趣区域的能量均值;每个感兴趣区域的能量均值与所述噪声区域的能量值之比得到对应感兴趣区域的信噪比,每个窗口样本包括至少两个感兴趣区域的信噪比,所述待识别目标的信噪比包括每个窗口样本的信噪比。
可选的,在计算每个窗口样本中每个感兴趣区域的能量均值之后,信噪比模块120还可以用于:每个窗口样本中,根据每个感兴趣区域的能量均值与至少两个感性兴趣区域的能量均值之和的比值确定每个感兴趣区域的比重系数,根据每个感兴趣区域的能量均值之间的比值确定至少两个感性兴趣区域之间的相关系数。
可选的,特征确定模块130具体用于:根据所述待识别目标的信噪比、所述比重系数和所述相关系数确定所述待识别目标的特征信息。
上述目标特征提取装置,区域确定模块110通过获取雷达探测的待识别目标的热力图集,并确定热力图集中每幅热力图的噪声区域和至少两个感兴趣区域,合理选择了噪声区域,然后信噪比模块120根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比,最后特征确定模块130根据所述待识别目标的信噪比确定所述待识别目标的特征信息,降低了不同雷达采集的热力图一致性差对目标识别的影响,精准提取目标特征,进一步提高目标识别的准确率。
本实施例还提供了一种终端设备100的示意图。如图7所示,该实施例的终端设备100包括:处理器140、存储器150以及存储在所述存储器150中并可在所述处理器140上运行的计算机程序151,例如目标特征提取方法的程序。所述处理器140在执行所述计算机程序151时实现上述目标特征提取方法实施例中的步骤,例如图1所示的步骤101至103。或者,所述处理器140执行所述计算机程序151时实现上述各装置实施例中各模块/单元的功能,例如图6所示模块110至130的功能。
示例性的,所述计算机程序151可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器150中,并由所述处理器140执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序151在所述终端设备100中的执行过程。例如,所述计算机程序151可以被分割成区域确定模块110、信噪比模块120和特征确定模块130,各模块具体功能如下:
区域确定模块110用于获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域。
信噪比模块120用于根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比。
特征确定模块130用于根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
所述终端设备100可以是计算机、笔记本及云端服务器等计算设备。所述终端设备100可包括,但不仅限于处理器140、存储器150。本领域技术人员可以理解,图7仅仅是终端设备100的示例,并不构成对终端设备100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备100还可以包括输入输出设备、网络接入设备、总线等。
所称处理器140可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal 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。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。
所述存储器150可以是所述终端设备100的内部存储单元,例如终端设备100的硬盘或内存。所述存储器150也可以是所述终端设备100的外部存储设备,例如所述终端设备100上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器150还可以既包括所述终端设备100的内部存储单元也包括外部存储设备。所述存储器150用于存储所述计算机程序以及所述终端设备100所需的其他程序和数据。所述存储器150还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模型的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中,应该理解到,所揭露的雷达/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的雷达/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标特征提取方法,其特征在于,包括:
获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域;
根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;
根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
2.如权利要求1所述的目标特征提取方法,其特征在于,确定所述热力图集中每幅热力图的噪声区域,包括:
根据雷达的探测角度确定每幅热力图中的噪声范围;
将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。
3.如权利要求1所述的目标特征提取方法,其特征在于,根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比,包括:
根据预设尺寸的窗口将所述热力图集转换为多个窗口样本,每个窗口样本均包括预设数量的热力图;
根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,每个窗口样本中预设数量的噪声区域均相同,每个窗口样本中的每个感兴趣区域的数量均为所述预设数量。
4.如权利要求3所述的目标特征提取方法,其特征在于,根据每个窗口样本中的噪声区域的能量值和至少两个感兴趣区域的能量值得到待识别目标的信噪比,包括:
计算每个窗口样本中每个感兴趣区域的能量均值;
每个感兴趣区域的能量均值与所述噪声区域的能量值之比得到对应感兴趣区域的信噪比,每个窗口样本包括至少两个感兴趣区域的信噪比,所述待识别目标的信噪比包括每个窗口样本的信噪比。
5.如权利要求4所述的目标特征提取方法,其特征在于,在计算每个窗口样本中每个感兴趣区域的能量均值之后,还包括:
每个窗口样本中,根据每个感兴趣区域的能量均值与至少两个感性兴趣区域的能量均值之和的比值确定每个感兴趣区域的比重系数,根据每个感兴趣区域的能量均值之间的比值确定至少两个感性兴趣区域之间的相关系数。
6.如权利要求5所述的目标特征提取方法,其特征在于,根据所述待识别目标的信噪比确定所述待识别目标的特征信息,包括:
根据所述待识别目标的信噪比、所述比重系数和所述相关系数确定所述待识别目标的特征信息。
7.一种目标特征提取装置,其特征在于,包括:
区域确定模块,用于获取雷达探测的待识别目标的热力图集,并确定所述热力图集中每幅热力图的噪声区域和至少两个感兴趣区域;
信噪比模块,用于根据所述噪声区域的能量值和每个所述感兴趣区域的能量值得到待识别目标的信噪比;
特征确定模块,用于根据所述待识别目标的信噪比确定所述待识别目标的特征信息。
8.如权利要求7所述的目标特征提取装置,其特征在于,所述区域确定模块具体用于:
根据雷达的探测角度确定每幅热力图中的噪声范围;
将所述噪声范围内距离探测点预设距离区间内的区域设置为噪声区域。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的目标特征提取方法的步骤。
10.一种计算机可读存储介质,所述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如权利要求1至6任一项所述的目标特征提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012955.8A CN110766005B (zh) | 2019-10-23 | 2019-10-23 | 目标特征提取方法、装置和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012955.8A CN110766005B (zh) | 2019-10-23 | 2019-10-23 | 目标特征提取方法、装置和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766005A true CN110766005A (zh) | 2020-02-07 |
CN110766005B CN110766005B (zh) | 2022-08-26 |
Family
ID=69333242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911012955.8A Active CN110766005B (zh) | 2019-10-23 | 2019-10-23 | 目标特征提取方法、装置和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766005B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011520A (zh) * | 2021-04-01 | 2021-06-22 | 成都九洲迪飞科技有限责任公司 | 基于热力图与图论聚类的雷达数据过滤方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5392050A (en) * | 1993-08-12 | 1995-02-21 | Grumman Aerospace Corporation | Method of recognizing a radar target object type and apparatus therefor |
CN101046513A (zh) * | 2006-03-31 | 2007-10-03 | 株式会社日立制作所 | 能量校准和能量感兴趣区域的设定方法及检测和诊断装置 |
US20120230541A1 (en) * | 2011-03-09 | 2012-09-13 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and computer-readable storage medium |
CN103810712A (zh) * | 2014-03-05 | 2014-05-21 | 南方医科大学 | 一种能谱ct图像质量的评价方法 |
CN103971127A (zh) * | 2014-05-16 | 2014-08-06 | 华中科技大学 | 一种前视雷达成像海面目标关键点检测识别方法 |
KR101546700B1 (ko) * | 2014-11-28 | 2015-08-24 | 한국건설기술연구원 | 영상을 활용한 도로 포트홀 영역 인식 장치 및 방법 |
US20170061637A1 (en) * | 2015-02-11 | 2017-03-02 | Sandia Corporation | Object detection and tracking system |
CN108830488A (zh) * | 2018-06-21 | 2018-11-16 | 重庆大学 | 一种道路区域危险度评估方法 |
CN109774641A (zh) * | 2019-03-25 | 2019-05-21 | 森思泰克河北科技有限公司 | 车内人员检测方法、雷达和车 |
WO2019166351A1 (en) * | 2018-02-27 | 2019-09-06 | Qamcom Technology Ab | A radar transceiver with reduced false alarm rate |
-
2019
- 2019-10-23 CN CN201911012955.8A patent/CN110766005B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5392050A (en) * | 1993-08-12 | 1995-02-21 | Grumman Aerospace Corporation | Method of recognizing a radar target object type and apparatus therefor |
CN101046513A (zh) * | 2006-03-31 | 2007-10-03 | 株式会社日立制作所 | 能量校准和能量感兴趣区域的设定方法及检测和诊断装置 |
US20120230541A1 (en) * | 2011-03-09 | 2012-09-13 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and computer-readable storage medium |
CN103810712A (zh) * | 2014-03-05 | 2014-05-21 | 南方医科大学 | 一种能谱ct图像质量的评价方法 |
CN103971127A (zh) * | 2014-05-16 | 2014-08-06 | 华中科技大学 | 一种前视雷达成像海面目标关键点检测识别方法 |
KR101546700B1 (ko) * | 2014-11-28 | 2015-08-24 | 한국건설기술연구원 | 영상을 활용한 도로 포트홀 영역 인식 장치 및 방법 |
US20170061637A1 (en) * | 2015-02-11 | 2017-03-02 | Sandia Corporation | Object detection and tracking system |
WO2019166351A1 (en) * | 2018-02-27 | 2019-09-06 | Qamcom Technology Ab | A radar transceiver with reduced false alarm rate |
CN108830488A (zh) * | 2018-06-21 | 2018-11-16 | 重庆大学 | 一种道路区域危险度评估方法 |
CN109774641A (zh) * | 2019-03-25 | 2019-05-21 | 森思泰克河北科技有限公司 | 车内人员检测方法、雷达和车 |
Non-Patent Citations (4)
Title |
---|
ZHANG YUNCHU ET AL.: "Moving object detection in the low illumination night scene", 《IEEE XPLORE》 * |
方玲玲等: "船舶红外成像目标跟踪研究进展", 《计算机辅助设计与图形学学报》 * |
赵晓震: "导弹自动目标识别关键技术研究", 《飞航导弹》 * |
魏存伟 等: "基于宽带雷达HRRP舰船目标长度估计算法", 《系统工程与电子技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011520A (zh) * | 2021-04-01 | 2021-06-22 | 成都九洲迪飞科技有限责任公司 | 基于热力图与图论聚类的雷达数据过滤方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110766005B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427986B (zh) | 一种基于毫米波雷达点云特征的核支持向量机目标分类方法 | |
CN111310775B (zh) | 数据训练方法、装置、终端设备及计算机可读存储介质 | |
CN109165538B (zh) | 基于深度神经网络的条形码检测方法及装置 | |
CN106709928B (zh) | 一种快速的含噪图像二维最大类间方差阈值法 | |
CN111427032B (zh) | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 | |
CN112561940B (zh) | 密集多目标参数提取的方法、装置及终端设备 | |
CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
CN113486961A (zh) | 基于深度学习的低信噪比下雷达rd图像目标检测方法、系统及计算机设备 | |
CN113009442A (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
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 | |
CN110766005B (zh) | 目标特征提取方法、装置和终端设备 | |
CN114660585A (zh) | 噪底估计值的确定方法、装置、电子设备和存储介质 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN112630742B (zh) | 高旁瓣多普勒条带的处理方法、装置、设备和存储介质 | |
CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
CN102800101A (zh) | 一种星载红外遥感图像机场roi快速检测方法 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
CN116486259A (zh) | 遥感图像中的点目标的提取方法和装置 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN113009467B (zh) | 一种雷达盲区目标检测跟踪方法、装置及终端设备 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN109858304B (zh) | 二维码位置探测图形的检测方法、装置和存储介质 | |
CN113780278A (zh) | 一种识别车牌内容的方法、装置、电子设备以及存储介质 | |
CN110726976B (zh) | 目标信息校准方法、装置和终端设备 |
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 |