CN111474587B - 物品检测方法和装置 - Google Patents
物品检测方法和装置 Download PDFInfo
- Publication number
- CN111474587B CN111474587B CN201910063075.7A CN201910063075A CN111474587B CN 111474587 B CN111474587 B CN 111474587B CN 201910063075 A CN201910063075 A CN 201910063075A CN 111474587 B CN111474587 B CN 111474587B
- Authority
- CN
- China
- Prior art keywords
- signal
- values
- value
- equal
- predetermined number
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Abstract
本发明实施例提供一种物品检测方法和装置,其中,该方法包括:收发单元向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个(N大于2)等级,得到N值化后的微多普勒频谱图;从N值化后的微多普勒图中选取满足预定条件的M列(M≥1)特征;其中,每列特征包括第三预定数量个帧的信号强度值;根据该M列特征确定该移动体是否携带待检测物品。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种物品检测方法和装置。
背景技术
近年来,公共场所的安全问题越来越受到人们的重视,如何对诸如管制器具、易燃易爆品等危险品进行检测成为重要的问题。目前,针对危险品的检测装置广泛应用于机场、火车站、地铁站、体育场等各种人员密集场合,危险品检测装置可以分为两个类型:接触式和非接触式。接触式检测装置需要将可疑物品(例如装有液体的瓶子)放置在检测装置上进行检测,而非接触式检测装置能够在可疑物移动到距离检测装置一定范围内即启动检测并分辨可疑物是否属于危险品。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
目前针对非接触式检测装置,常见的检测方法之一是X射线探测方法,但是该方法成本通常较高,长期使用将会对工作人员的身体健康造成影响;另外,由于不同物品的材质不同,因此其反射特性也会存在差异,这样的差异,可以用于物品的检测,即可以通过设置传感器向待检测物品发射信号,利用待检测物品的反射信号的强度来检测;但由于危险品常常被藏匿于人身上,因此,传感器接收到的反射信号的强度会受到人体的干扰,从而无法准确地反映待检测物品的反射特性,进而导致待检测物品的漏检、误检。
本发明实施例提出了一种物品检测方法和装置,能够利用非接触式的检测方法和装置,快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
根据本发明实施例的第一个方面,提供了一种物品检测装置,其中,所述装置包括:收发单元、处理单元、转换单元、选择单元,识别单元;
该收发单元向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数;
转换单元,其用于按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
选择单元,其用于从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
识别单元,其用于根据该M条特征确定该移动体是否携带待检测物品。
根据本发明实施例的第二个方面,提供了一种物品检测方法,其中,所述方法包括:
收发单元向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;
对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数;
按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
根据该M条特征确定该移动体是否携带待检测物品。
本发明实施例的有益效果在于,通过将反射信号与发射信号经过处理后得到的特征信号进行N值化处理,从N值化处理后的特征信号中提取能够准确反映人体或人体携带的物品的反射特性的特征,并根据该提取的特征进行检测,由此,能够快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附附记的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
在附图中:
图1是本实施例1中物品检测装置的示意图;
图2是该微波传感器发射信号示意图;
图3是本实施例1中待检测物品摆动示意图;
图4是本实施例1中处理单元构成示意图;
图5是本实施例1中微多普勒频谱示意图;
图6是本实施例1中对齐处理前微多普勒频谱示意图;
图7是本实施例1中选择单元构成示意图;
图8是本实施例1中对齐处理后微多普勒频谱示意图;
图9是本实施例1中识别单元构成示意图;
图10是本实施例2中物品检测装置的硬件构成示意图;
图11是本实施例3中物品检测方法流程图;
图12是本实施例3中步骤1102实施方法流程图;
图13是本实施例3中物品检测方法流程图。
具体实施方式
参照附图,通过下面的说明书,本发明实施例的前述以及其它特征将变得明显。这些实施方式只是示例性的,不是对本发明的限制。为了使本领域的技术人员能够容易地理解本发明的原理和实施方式,本发明实施例以发射微波信号为例进行说明,但可以理解,本发明实施例并不限于发射微波信号。
下面参照附图对本发明的具体实施方式进行说明。
实施例1
本实施例1提供一种物品检测装置;图1是该物品检测装置构成示意图,如图1所示,装置100包括:收发单元101、处理单元102、转换单元103、选择单元104、识别单元105;
该收发单元101向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;
处理单元102,其用于对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;其中,该特征信号包含与预定距离对应的第一预定数量(大于1)组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数;
转换单元103,其用于按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
选择单元104,其用于从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
识别单元105,其用于根据该M条特征确定该移动体是否携带待检测物品。
通过本实施例的上述装置,通过将反射信号与发射信号经过处理后得到的特征信号进行N值化处理,从N值化处理后的特征信号中提取能够准确反映人体或人体携带的物品的反射特性的特征,并根据该提取的特征进行检测,由此,能够快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
在本实施例中,收发单元101具有发射信号和接收信号的功能,可由微波传感器实现。例如,收发单元101是工作在24.05GHz~24.25GHz的微波传感器,其向待检测物品发射微波(例如毫米波)信号,例如调频连续波(Frequency-modulated Continuous Wave,FMCW),但本实施例并不以此作为限制,该收发单元101还可以是除微波传感器之外的其他传感器或者使用了除多普勒雷达技术外的微波传感器,例如,该收发单元101还可以是工作在Ka波段27GHz~40GHz的微波设备,或者该收发单元101也可以是太赫兹设备,此处不再一一列举。
例如,在该收发单元101是以连续调频(Frequency-modulated Continuous Wave,FMCW)方式工作的微波传感器时,图2是该FWCW方式工作的发射信号示意图,该FMCW信号为锯齿形,如图2所示,B表示发射信号的频率在一个周期内的变化量(调频带宽),该频率在一周期内呈线性变化,频率最小为f0,频率最大为fT,T表示周期的长度,以下为了方便说明,将一个周期称为一个chirp,将第二预定数量(m)个chirp称为一个帧(frame)。
在本实施例中,收发单元101的距离分辨率dres可以根据该发射信号的调频带宽B以及光速c确定,即dres=c/2B,对应的速度分辨率为vres=λ/2Tf,Tf表示一个帧的时间长度,等于mT,以上仅为示例说明,本实施例并不以此作为限制。
在本实施例中,该移动体(例如人)相对预定轴摆动(人的行走过程就是沿着人体中轴线的左右往复摆动),该移动体在该轴的两侧产生沿径向方向相反的运动速度;该径向是指移动体朝向收发单元的方向;图3是该移动体摆动示意图,如图3所示,移动体相对预定轴做摆动,摆动时,该移动体在该轴的两侧分别沿A轴和与A轴径向相反的B轴运动,该摆动可以是多次往复运动,本实施例并不以此作为限制。
在本实施例中,由于该移动体,例如人,除了在该轴的两侧产生沿径向方向相反的运动速度,还会整体产生朝向收发单元的径向移动速度,该径向移动速度与人的行走速度相同,以下为了方便说明,上述沿径向方向相反的运动速度是以人为参照物的运动速度。
在本实施例中,收发单元101接收经过移动体反射得到的反射信号,该反射信号和发射信号具有频差,该频差与收发单元和该移动体的距离成正比,该处理单元102对该发射信号和反射信号进行处理,获得基带信号,其中,在移动体相对收发单元101有沿径向方向相反的运动速度时,该基带信号的频率在变化,在变化的频率中,包含了该运动速度以及移动体和收发单元之间的距离信息,通过进行二维傅里叶变换(2D-FFT),可以得到该运动速度和距离信息,即获得该特征信号,其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元101的径向速度分辨率的整倍数。
以下对该处理单元102如何对该发射信号和反射信号进行处理获得特征信号进行说明。
图4是该处理单元102一构成示意图,如图4所示,该处理单元102包括:
预处理模块401,其用于将该发射信号和反射信号进行混频采样,以得到第一预定数量Y1个基带信号矩阵,其中,该发射信号是周期信号;其中,一个基带信号矩阵的行数等于该第二预定数量Y2,每一行表示一个周期的采样点的基带信号值;该基带信号矩阵的列数等于第五预定数量Y5,该第五预定数量Y5为基带信号在一个周期内的采样点的数量;
变换模块402,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与该第五预定数量Y5个距离分别对应的该第二预定数量Y2个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与该第五预定数量Y5个距离分别对应的该第二预定数量Y2个速度值对应的信号强度值的第二信号矩阵;
获取模块403,其用于针对每个第二信号矩阵,从该第五预定数量Y5个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
在本实施例中,根据前述可知,发射信号和反射信号具有频差,预处理模块401将具有不同频率的发射信号和反射信号进行混频处理,再经过模数转换器转换为第一预定数量Y1个基带信号矩阵,其中,该第一预定数量Y1为至少两个,每帧获取一个基带信号矩阵,即得到多帧(Y1)反射信号对应的多个(Y1)基带信号矩阵,每个基带信号矩阵的行数为第二预定数量Y2,等于一个帧包含的chirp的数量m,该基带信号矩阵的列数等于第五预定数量Y5,等于基带信号在一个周期内的采样点的数量k;每一行表示一个chirp内的采样点的基带信号值,其中,m,n和k的值可以根据需要确定,本实施例并不以此作为限制,该一个基带信号矩阵如下所示:
在本实施例中,变换模块402对每个基带信号矩阵进行二维傅里叶变换,即先逐行进行傅里叶变换后,得到第一信号矩阵,每个第一信号矩阵具体如下所示:
在该第一信号矩阵中,包含与该第五预定数量Y5个距离分别对应的该第二预定数量个信号强度值,即包含第五预定数量Y5乘以第二预定数量Y2个信号强度值,其中,该第一信号矩阵的列数与基带信号矩阵的列数k相同,每一列信号强度值对应一个距离,该第五预定数量Y5个距离等于距离分辨率的整倍数,每一列对应的倍数等于该列所在的列序号,例如第1列信号强度值对应的距离为1倍的距离分辨率,第k列信号强度值对应的距离为k倍的距离分辨率,该第一信号矩阵的行数与基带信号矩阵的行数m相同。
在本实施例中,由于变换模块402对第一预定数量个基带信号矩阵中的每个基带信号矩阵进行上述处理,得到第一预定数量个第一信号矩阵。
在本实施例中,变换模块402在逐行完成傅里叶变换后,再对每个第一信号矩阵逐列进行傅里叶变换,得到第二信号矩阵,每个第二信号矩阵具体如下:
在该第二信号矩阵中,包含与该第五预定数量Y5个距离分别对应的该第二预定数量Y2个速度值对应的信号强度值的第二信号矩阵;即包含第五预定数量Y5乘以第二预定数量Y2个信号强度值,其中,该第二信号矩阵的列数与基带信号矩阵的列数k相同,每一列信号强度值对应一个距离,该第五预定数量Y5个距离等于距离分辨率的整倍数,每一列对应的倍数等于该列所在的列序号,例如第1列信号强度值对应的距离为1倍的距离分辨率,第k列信号强度值对应的距离为k倍的距离分辨率,该第一信号矩阵的行数与基带信号矩阵的行数m相同,每一行信号强度值对应一个速度值,该第二预定数量Y2个速度值等于速度分辨率的整倍数,每一行对应的倍数等于该行所在的行序号,例如第1行信号强度值对应的速度值为1倍的速度分辨率,第m行信号强度值对应的速度值为m倍的速度分辨率。
在本实施例中,由于变换模块402对第一预定数量Y1个第一信号矩阵中的每个第一信号矩阵进行上述处理,得到第一预定数量Y1个第二信号矩阵。
在本实施例中,该二维傅里叶变换(例如二维快速傅里叶变换)的具体变换公式可以参考现有技术,此处不再赘述。
在本实施例中,该获取模块403针对每个第二信号矩阵,从该第五预定数量Y5个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
以下具体说明如何确定该预定距离,以及如何选择与该预定距离对应的一组速度值对应的信号强度值。
在本实施例中,该处理单元102还包括:
第一确定模块404,其用于确定该预定距离;
在一个实施方式中,该第一确定模块404在该第一信号矩阵的每一行的信号强度值中确定最大的信号强度值;并从该第五预定数量Y5个距离中确定与该最大的信号强度值对应的距离;从根据该第一信号矩阵的所有行确定的距离中,出现次数最多的第一距离作为该预定距离。
在该实施方式中,最大的信号强度值对应的距离就是移动体和收发单元的距离,该第一信号矩阵每一行(对应每个chirp)的最大的信号强度值对应的距离不一定相同,第一确定模块404可以根据该第一信号矩阵的所有行确定的距离中,出现次数最多的第一距离作为该预定距离,例如如下的第一信号矩阵,X表示最大的信号强度值,第一行最大的信号强度值对应的距离为2×dres,第二行最大的信号强度值对应的距离为2×dres,第三行最大的信号强度值对应的距离为2×dres,第四行最大的信号强度值对应的距离为3×dres,因此,出现次数最多的第一距离为2×dres,该预定距离等于2×dres,获取模块403在与该第一信号矩阵对应的第二信号矩阵中,选择与距离为2×dres对应的一组速度值对应的信号强度值,以获得该特征信号。
在一个实施方式中,该第一确定模块404在该第一信号矩阵的信号强度值中确定最大的信号强度值,将该最大的信号强度值对应的第二距离作为该预定距离。
在该实施方式中,第一确定模块404不是以每一行为单位,而是以第一信号矩阵所有行为单位,确定最大的信号强度值,选择该最大的信号强度值对应的第二距离作为该预定距离,例如如下的第一信号矩阵,X表示第一信号矩阵中最大的信号强度值,最大的信号强度值对应的距离为2×dres,该预定距离等于2×dres,获取模块403在与该第一信号矩阵对应的第二信号矩阵中,选择与距离为2×dres对应的一组速度值对应的信号强度值,以获得该特征信号。
在本实施例中,可选的,在确定第一距离或第二距离后,该第一确定模块404还可以在该第五预定数量Y2个距离中选择与该第一距离或者第二距离相邻的第四预定数量个距离;在该第二信号矩阵中,比较该第一距离或者第二距离以及该第四预定数量个距离对应的每组速度值对应的信号强度值的和,将最大的信号强度值的和对应的第三距离作为该预定距离。
例如如下的第二信号矩阵,第一确定模块404确定的第一距离或第二距离为i×dres,该第一确定模块404还用于从dres,2×dres,....,i×dres,...,k×dres中选择与i×dres相邻的j个距离,即i-j,i-j+1,…,i-1,i,i+1,…,i+j-1,i+j,分别计算与(i-j)×dres,(i-j+1)×dres…,(i-1)×dres,i×dres,(i+1)×dres,…,(i+j-1)×dres,(i+j)×dres对应的每组速度值对应的信号强度值的和,即在第二信号矩阵中,分别计算与(i-j)×dres,(i-j+1)×dres…,(i-1)×dres,i×dres,(i+1)×dres,…,(i+j-1)×dres,(i+j)×dres对应的列数据的和,将和最大的列对应的第三距离例如(i+1)×dres作为预定距离,获取模块403在与该第一信号矩阵对应的第二信号矩阵中,选择与距离为(i+1)×dres对应的一组速度值对应的信号强度值,以获得该特征信号,即将和最大的列的列数据作为该特征信号的一列。
在本实施例中,为了避免干扰,减小计算复杂度,还可以通过设定阈值筛选距离,第一确定模块从筛选出的距离中确定该预定距离,即该处理单元102还可以包括:第二确定模块(未图示,可选),其用于确定该第五预定数量个距离中小于或者等于阈值的距离;例如针对dres,2×dres,...,i×dres,...,k×dres,设定阈值为p×dres,第一确定模块404从dres,2×dres,...,p×dres中确定该预定距离,即第一确定模块从如下第一信号矩阵以及第二信号矩阵中确定该预定距离,具体方法如上所述,此处不再赘述。
在本实施例中,该第一预定数量Y1=n大于1,获取模块403分别从n个第二信号矩阵(每个第二信号矩阵对应一帧frame)中选择一列信号强度值(选择方式相同,如上所述,此处不再赘述,每个第二信号矩阵对应的预定距离相同或不同),将选择的n列信号强度值合并构成特征矩阵,得到该特征信号,该特征矩阵的列数等于第一预定数量n,该特征矩阵的行数等于该第二预定数量m,该特征矩阵的每一列对应从一个第二信号矩阵中选择的该第二预定数量个速度值对应的信号强度值,该特征矩阵如下所示:
需要说明的是,为了方便说明,图4中的各个模块将信号转换为矩阵形式进行变换和处理,但本实施例并不以此,也可以不需要将该基带信号采样并转换为矩阵形式,直接按照公式进行二维傅里叶变换(参考现有技术),并选择预定距离的信号强度值构成特征信号,此处不再赘述。
在本实施例中,对基带信号进行二维傅里叶变换后得到的特征信号包含了距离、速度值以及与距离速度值对应的信号强度值的信息,转换单元103和选择单元104可以根据从该特征信号中提取的特征,为了更直观的提取数据,处理单元102可以将该特征信号转换为微多普勒频谱图,从该微多普勒频谱图中提取该特征,其转换方式可以参考现有技术,图5是转换得到的微多普频谱频谱图,如图5所示,其横坐标表示帧号,分别对应特征矩阵各个列的帧号frame 1,frame 2,…,frame n,纵坐标对应在一个帧下的速度值,其中,该速度值是根据特征矩阵各个行的vres,…,m×vres一一映射转换的,另外,每个横纵坐标确定的坐标点的灰度表示该信号的信号强度值,即特征矩阵中的信号强度值,该纵坐标中的速度值仅为一个相对的参考值,该一一映射的方法可以参考现有技术,此处不再赘述。
在本实施例中,该转换单元103在该微多普勒频谱图中信号强度值属于N个等级中的第一等级时,将该信号强度值转换为该第一等级对应的中间值,以得到N值化后的微多普勒频谱图;其中,不同等级对应的中间值不同。例如,可以将信号强度值预先划分为N个等级,每个等级包含一段信号强度值的范围,且为每个等级设置一个中间值,判断微多普勒频谱图中每个信号强度值落入哪个等级的信号强度值的范围中,并将该信号强度值转换为该等级对应的中间值,以下以N等于3为例,对该转换单元103进行说明,例如,将信号强度值划分为3个等级,第一等级信号强度值的范围为(e1,∞),对应的中间值为Z1,第二等级信号强度值的范围为[e2,e1],对应的中间值为Z2,第三等级信号强度值的范围为(-∞,e2),对应的中间值为Z3,判断微多普勒频谱图中每个信号强度值属于(e1,∞)时,将该信号强度值转换为Z1,信号强度值属于[e2,e1]时,将该信号强度值转换为Z2,信号强度值属于(-∞,e2)时,将该信号强度值转换为Z3,以上仅以N=3为例进行说明,N>3的实施方式与N=3类似,此处不再一一举例。
在本实施例中,为了能够从微多普勒频谱图中提取到能够准确反映人或人携带的物品的反射特性的特征,可以先为各个等级设置一个基准值,再为该等级设置权重,将该基准值乘以权重,从而来为不同等级设置中间值,例如,将信号强度值越大的等级设置的权重值较大,由此,可以进一步放大该信号强度值,以更加显著的反映该检测物品的特征,以下举例说明。
例如,可以预先为各个等级设置一个基准值C1,依次为各个等级设置权重W1,W2,W3,…,WN,将该基准值乘以该等级对应的权重的积作为该等级对应的中间值,即将各个等级对应的中间值设置为W1×C1,W2×C1,W3×C1,…,WN×C1,其中,信号强度值越大的等级设置的权重值较大,例如W1>W2,表示该W1对应的等级的信号强度值大于W2对应的等级的信号强度值。其中,各个等级对应的基准值C1相同,或完全不同,或不完全相同,本实施例并不以此作为限制。
在本实施例中,转换单元103得到该N值化后的微多普勒频谱图后,该选择单元104可以从中选择满足条件的M条特征,其中,由于该微多普勒频谱图的纵坐标对应特征矩阵各个列的帧号frame 1,frame 2,…,frame n,为了便于处理,可以将第三预定数量Y3个帧(即Y3个列)的采样点的信号强度值合并作为一条(bar)特征,以条为单位选择该M条特征,Y3大于等于1,以下举例说明。
图7是该选择单元104构成示意图,如图7所示,该选择单元104包括:
计算模块701,其用于计算每一条信号强度值的和;
选择模块702,其用于将信号强度值的和的最大的条,或者,将信号强度值的和的最大与最小的条,或者,将信号强度值的和的最大、最小以及为平均值的条选择为该M条特征。
在本实施例中,为了降低计算量,针对N值化后的微多普勒频谱图的每条特征,计算模块701,可以仅针对其特征矩阵行号(微多普勒频谱图的横坐标)在预定范围内的信号强度值进行求和处理,例如,特征矩阵中仅针对第L1行至L2行之间的采样点的信号强度值(微多普勒频谱图中,仅针对横坐标,即速度值为X1至X2之间的采样点的信号强度值)求和,例如,在特征信号中针对横坐标为(i-j)×vres,(i-j+1)×vres…,(i-1)×vres,i×vres,(i+1)×vres,…,(i+j-1)×vres对应的行数据,进行求和。该i,j,L2,L2,X1,X2的取值可以根据需要确定,本实施例并不以此作为限制。
在一个实施方式中,选择模块702将计算得到的信号强度值的和最大的条barmax,选择为该M条(M=1)特征;或者,将信号强度值的和最大barmax与最小barmin的条选择为该M条(M=2)特征;或者,将信号强度值的和最大barmax、最小barmin以及为平均值barmean的条选择为该M条(M=3)特征。以上仅为示例说明,根据需要,还可以选择M>3条特征,例如选择信号强度值的和最大,次大,最小,次小的条,本实施例并不以此作为限制。
在本实施例中,可选的,在M≥2时,该选择单元104还包括:
归一化模块703,其用于将M条中每条信号强度值的和进行归一化处理;该归一化的方法可以参考现有技术,例如,可以将每条信号强度值的和归一化为(0,1)之间的小数,由此,可以便于数据处理。
在一个实施方式中,该选择模块104将归一化后信号强度值的和中的最大的条,或归一化后大于等于第四阈值的信号强度值的和中的最大与最小的条(即从大于等于第四阈值的信号强度值的和中选择信号强度值最大和最小的条),或归一化后大于等于第四阈值的信号强度值的和中的最大、最小以及为平均值的条(即从大于等于第四阈值的信号强度值的和中选择信号强度值最大,最小,以及为平均值的条)选择为该M条特征。以上仅为示例说明,根据需要,还可以选择M>3条特征,例如选择大于等于第四阈值的信号强度值的和中信号强度值的和最大,次大,最小,次小的条,本实施例并不以此作为限制,如图5所示,该椭圆形线圈出的3条特征即为选择出的M条特征。
在本实施例中,该识别单元105可以直接利用该M条特征确定移动体是否携带待检测物品,以及在携带时,确定待检测物品的类型。可选的,还可以对该M条特征进行对齐处理,识别单元105利用对齐处理后的M条特征,确定移动体是否携带待检测物品,以及在携带时,确定待检测物品的类型,利用该对齐处理,可以使该对齐后的M条特征更明显的区分出各种物品类型。
因此,可选的,该装置还包括:
对齐单元106,其用于确定该M条中每条信号强度值中第一个大于等于第一阈值T1的信号强度值,在该M条的一条中,从该第一个大于等于第一阈值的信号强度值开始截取第四预定数量Y4个的信号强度值作为该一条的特征,该第四预定数量个信号强度值的长度等于第一长度,其中,可以针对M条特征中一条特征的每列数据(一条包含Y3列数据)分别进行对齐处理,对齐处理后再重新合并作为一条数据。
例如,针对一列特征,纵坐标对应frame n,横坐标对应(i-j)×vres,(i-j+1)×vres…,(i-1)×vres,i×vres,(i+1)×vres,…,(i+j-1)×vres,依次确定微多普勒频谱图中坐标点为[(i-j)×vres,frame n],[(i-j+1)×vres,frame n],…,[(i-1)×vres,frame n],…,[(i+j-1)×vres,frame n]对应的信号强度值中第一个大于等于第一阈值T1的信号强度值,例如[(i-1)×vres,frame n]对应的信号强度值为第一个大于等于第一阈值T1的信号强度值,从该坐标点起,在该frame n列中,截取Y4个信号强度值作为该列的特征,例如,Y4=j+1,在该frame n列中,截取(i-1)×vres,i×vres,(i+1)×vres,…,(i+j)×vres对应的信号强度值[qi-1,qi,qi+1,…qi+j]作为该列的特征,该第一长度为j+1,该Y4可以根据需要确定,本实施例并不以此作为限制。
在本实施例中,在从该第一个大于等于第一阈值的信号强度值开始的信号强度值的数量不足第四预定数量个时,该对齐单元106使用第二阈值T2填充该第一长度剩余的信号强度值,例如,[(i+1)×vres,frame n]对应的信号强度值为第一个大于等于第一阈值T1的信号强度值,截取(i+1)×vres,…,(i+j)×vres对应的信号强度值[qi+1,…qi+j],但信号强度值的数量不足j+1个,不足的数量为2,可以使用T2填充剩余的2个信号强度值,将[qi+1,…qi+j,T2,T2]作为该列的特征。
图6是对齐处理前示意图,图8是该对齐处理后示意图,如图6和8所示,在对齐处理前,携带的待检测物品为枪、手机、刀具时的特征十分相似,很难通过该特征区分开各种待检测物品,对齐处理后,携带的待检测物品为枪、手机、刀具时的特征有很明显的不同,能够更容易的区分开各种待检测物品。
在本实施例中,在M≥2时,该M条特征中每条特征对应的第一阈值不同,例如将信号强度值的和最大barmax与最小barmin的条选择为该M条(M=2)特征,在对齐处理时barmax和barmin对应的第一阈值不同,例如,可以将barmax截取时的第一阈值设置为比barmin的大,此处不再赘述。
在选择得到M条特征后,识别单元105可以基于该M条特征进行检测,图9是该识别单元105构成示意图,如图9所示,该识别单元105包括:
第一识别模块901,其用于计算信号强度值的和最大的条的信号强度值的平均值,在平均值大于第三阈值时,确定该移动体携带待检测物品;
第二识别模块902,其用于在确定该移动体携带待检测物品时,根据M条特征中的至少一条确定该移动体携带的待检测物品类型。
在本实施例中,如图8所示,在移动体未携带待检测物品时,其反射信号较弱,即微多普勒频谱图中信号强度值较低,因此,可以利用M条特征中,信号强度值的和最大的条来确定移动体是否携带待检测物品,例如,计算barmax中信号强度值的平均值,在该平均值小于等于第三阈值T3时,确定该移动体未携带待检测物品(检测结果为empty),在该平均值大于第三阈值T3时,确定该移动体携带待检测物品,利用该第二识别模块902进一步确定待检测物品的类型。
在一个实施方式中,可以根据M条特征中的一条特征确定该移动体携带的待检测物品类型,该一条对应信号强度值的和最大的条,即barmax条特征可以用于区分移动体是否携带待检测物品,还可以用于区分待检测物品的类型。
在一个实施方式中,为了更准确的区分待检测物品的类型,可以将barmax条特征与其他至少一条特征结合,来区分待检测物品的类型;即可以根据M条特征中的至少两条特征确定该移动体携带的待检测物品的类型。其中,该第二识别模块902可以将该至少两条特征合并为一个特征向量,将该特征向量输入至分类器中,识别待检测物品的类型,其中,该分类器根据预先获得训练数据训练获取,例如,可以将barmax条特征和barmin条特征合并为一个特征向量,将该特征向量输入至分类器中,识别待检测物品的类型,使用分类器识别待检测物品的类型的方法可以参考现有技术,此处不再赘述。
在本实施例中,该装置还可以包括:训练单元(未图示,可选),其可以预先使用收发单元101,针对不同的物品进行测试,提取不同类型物品的各类样本特征作为分类器的输入(该样本特征的获取方法与前述M条特征以及特征向量的获取方法相同,此处不再赘述),使用该物品的类型名称作为分类器的输出,使用现有的机器学习(例如支持向量机SVM,卷积神经网络CNN)的方法对该分类器进行训练。
通过本实施例的上述装置,将反射信号与发射信号经过处理后得到的特征信号进行N值化处理,从N值化处理后的特征信号中提取能够准确反映人体或人体携带的物品的反射特性的特征,并根据该提取的特征进行检测,由此,能够快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
实施例2
本实施例2还提供了一种物品检测装置,图10是本发明实施例物品检测装置的硬件构成示意图,如图10所示,装置1000可以包括:一个接口(图中未示出),中央处理器(CPU)1020,存储器1010和收发单元1040;存储器1010耦合到中央处理器1020。其中存储器1010可存储各种数据;此外还存储物品检测的程序,并且在中央处理器1020的控制下执行该程序,并存储各种预设的值和预定的条件等。
在一个实施方式中,物品检测装置的功能可以被集成到中央处理器1020中。其中,中央处理器1020可以被配置为:控制收发单元向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数;按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;从N值化后的微多普勒图中选取满足预定条件的M条特征,其中M为大于等于1的整数;其中,该M条中每条特征包括第三预定数量个帧的信号强度值;根据该M条特征确定该移动体是否携带待检测物品。
在一个实施方式中,中央处理器1020还可以被配置为:在该微多普勒频谱图中信号强度值属于N个等级中的第一等级时,将该信号强度值转换为该第一等级对应的中间值,以得到N值化后的微多普勒频谱图;其中,不同等级对应的中间值不同。
在一个实施方式中,中央处理器1020还可以被配置为:计算每一条信号强度值的和;将信号强度值的和最大的条,或者,将信号强度值的和最大与最小的条,或者,将信号强度值的和最大、最小以及为平均值的条选择为该M条特征。
在一个实施方式中,中央处理器1020还可以被配置为:在M大于等于2时,将M条中每条信号强度值的和进行归一化处理;将归一化后信号强度值的和最大的条,或归一化后大于等于第四阈值的信号强度值的和中的最大与最小的条,或归一化后大于等于第四阈值的信号强度值的和中的最大、最小以及为平均值的条选择为该M条特征。
在一个实施方式中,中央处理器1020还可以被配置为:确定该M条中每条信号强度值中第一个大于等于第一阈值的信号强度值,在该M条的一条中,从该第一个大于等于第一阈值的信号强度值开始截取第四预定数量个的信号强度值作为该一条的特征,该第四预定数量个信号强度值的长度等于第一长度,并且根据截取后的该M条特征确定该移动体是否携带待检测物品。
在一个实施方式中,中央处理器1020还可以被配置为:在从该第一个大于等于第一阈值的信号强度值开始的信号强度值的数量不足第四预定数量个时,使用第二阈值填充该第一长度剩余的信号强度值。
在一个实施方式中,中央处理器1020还可以被配置为:计算信号强度值的和最大的条的信号强度值的平均值,在平均值大于第三阈值时,确定该移动体携带待检测物品;在确定该移动体携带待检测物品时,根据M条特征中的至少一条确定该移动体携带的待检测物品类型。例如将该至少一条特征合并为一个特征向量,将该特征向量输入至分类器中,识别待检测物品的类型,其中,该分类器根据预先获得训练数据训练获取。
中央处理器1020的具体实施方式可以参考实施例1,此处不再重复。
在另一个实施方式中,也可以将上述物品检测装置配置在与中央处理器1020连接的芯片(图中未示出)上,通过中央处理器1020的控制来实现物品检测装置的功能。
值得注意的是,装置1000也并不是必须要包括图10中所示的所有部件;此外,该装置1000还可以包括图10中没有示出的部件,可以参考现有技术。
通过本实施例的上述装置,将反射信号与发射信号经过处理后得到的特征信号进行N值化处理,从N值化处理后的特征信号中提取能够准确反映人体或人体携带的物品的反射特性的特征,并根据该提取的特征进行检测,由此,能够快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
实施例3
本发明实施例3提供了一种物品检测方法,由于该方法解决问题的原理与实施例1的装置类似,因此其具体的实施可以参考实施例1的装置的实施,内容相同之处,不再重复说明。
图11是本实施例的物品检测方法的一个实施方式的流程图,请参照图11,该方法包括:
步骤1101,收发单元向移动体发送发射信号,并且接收该移动体反射后的反射信号;其中,该移动体相对预定轴摆动,该移动体在该轴的两侧产生沿径向方向相反的运动速度;
步骤1102,对该发射信号和该反射信号进行处理,以获得特征信号;将该特征信号转换为微多普勒频谱图;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数;
步骤1103,按照信号强度值的大小将该微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
步骤1104,从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,该M条中每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
步骤1105,根据该M条特征确定该移动体是否携带待检测物品。
在本实施例中,步骤1101-1105的具体实施方式可以参考实施例1中收发单元101,处理单元102,转换单元103,选择单元104,识别单元105,其内容合并于此,重复之处不再赘述。
图12是本实施例中步骤1102一实施方法流程图,如图12所示,步骤1102包括:
步骤1201,将该发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,该发射信号是周期信号;其中,一个基带信号矩阵的行数等于该第二预定数量,每一行表示一个周期的采样点的基带信号值;该基带信号矩阵的列数等于第五预定数量,该第五预定数量为基带信号在一个周期内的采样点的数量;
步骤1202,对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与该第五预定数量个距离分别对应的该第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与该第五预定数量个距离分别对应的该第二预定数量个速度值对应的信号强度值的第二信号矩阵;
步骤1203,针对每个第二信号矩阵,从该第五预定数量个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
在本实施例中,步骤1201-1203的具体实施方式可以参考实施例1中预处理模块401,变换模块402,获取模块403其内容合并于此,重复之处不再赘述。
在本实施例中,该方法还可以包括:
步骤1202’(可选),确定预定距离;该步骤1202’的具体实施方式可以参考实施例1第一确定模块404,此处不再赘述。
在本实施例中,该步骤1202’可以在步骤1202之后执行,也可以与步骤1202同时执行,本实施例并不以此作为限制。
在本实施例中,步骤1103-1104的实施方式可以参考实施例1,此处不再赘述,在选择到M条特征后,在一个实施方式,可以直接将该M条特征输入至分类器中,进行物品检测;在一个实施方式中,可以将该M条特征进行对齐处理,将对齐处理后的M条特征输入至分类器中,进行物品检测;在一个实施方式中,可以将该M条特征进行对齐处理,并计算信号强度值的和最大的条的平均值,基于该平均值先检测移动体是否携带待检测物品,在确定携带时,将M条特征中的一条,或至少两条特征合并后的特征向量输入至分类器中,进行物品检测。
图13是得到微多普勒频谱图后一种实施方式示意图,如图13所示,在步骤1301中,选择M条特征;在步骤1302中,对M条特征进行对齐处理;在步骤1303中,计算M条特征中信号强度值的和最大的条的平均值;步骤1304,根据该平均值确定移动体是否携带待检测物品,在携带时,执行步骤1305,将M条特征(或实施例1中的特征向量)输入至分类器,并在步骤1306中输出物品类型,否则执行步骤1306,输出检测结果;例如empty。以上仅为物品检测一种实施方式示意图,可选的,在步骤1301中,选择M条特征后,可以直接执行步骤1305;或者,可选的,在步骤1302中,进行对齐处理后,可以直接执行步骤1305,本实施例并不以此作为限制。
通过本实施例的上述方法,将反射信号与发射信号经过处理后得到的特征信号进行N值化处理,从N值化处理后的特征信号中提取能够准确反映人体或人体携带的物品的反射特性的特征,并根据该提取的特征进行检测,由此,能够快速准确地检测人是否携带危险品,并且还可以检测危险品的类型,检测成本较低。
本发明实施例还提供一种计算机可读程序,其中当在物品检测装置中执行该程序时,该程序使得计算机在该物品检测装置中执行如上面实施例3中的物品检测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中该计算机可读程序使得计算机在物品检测装置中执行上面实施例3中的物品检测方法。
结合本发明实施例描述的在物品检测装置中物品检测的方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1-10所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图11-13所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在物品检测装置的存储器中,也可以存储在可插入物品检测装置的存储卡中。
针对图1-10描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1-10描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上多个实施例的实施方式,还公开下述的附记。
附记1、一种物品检测装置,其中,所述装置包括:收发单元、处理单元、转换单元、选择单元,识别单元;
所述收发单元向移动体发送发射信号,并且接收所述移动体反射后的反射信号;其中,所述移动体相对预定轴摆动,所述移动体在所述轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对所述发射信号和所述反射信号进行处理,以获得特征信号;将所述特征信号转换为微多普勒频谱图;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数;
转换单元,其用于按照信号强度值的大小将所述微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
选择单元,其用于从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
识别单元,其用于根据所述M条特征确定所述移动体是否携带待检测物品。
附记2、根据附记1所述的装置,其中,所述转换单元在所述微多普勒频谱图中信号强度值属于N个等级中的第一等级时,将所述信号强度值转换为所述第一等级对应的中间值,以得到N值化后的微多普勒频谱图;其中,不同等级对应的中间值不同。
附记3、根据附记1所述的装置,其中,所述选择单元包括:
计算模块,其用于计算每一条信号强度值的和;
选择模块,其用于将信号强度值的和的最大的条,或者,将信号强度值的和的最大与最小的条,或者,将信号强度值的和的最大、最小以及为平均值的条选择为所述M条特征。
附记4、根据附记1所述的装置,其中,所述装置还包括:
对齐单元,其用于确定所述M条中每条信号强度值中第一个大于等于第一阈值的信号强度值,在所述M条中的一条中,从所述第一个大于等于第一阈值的信号强度值开始截取第四预定数量个的信号强度值作为所述一条的特征,所述第四预定数量个信号强度值的长度等于第一长度;
并且,所述识别单元根据所述对齐单元进行对齐处理后的所述M条特征确定所述移动体是否携带待检测物品。
附记5、根据附记4所述的装置,其中,在从所述第一个大于等于第一阈值的信号强度值开始的信号强度值的数量不足第四预定数量个时,所述对齐单元使用第二阈值填充所述第一长度剩余的信号强度值。
附记6、根据附记4所述的装置,其中,在M大于等于2时,所述M条特征中每条特征对应的第一阈值不同。
附记7、根据附记3所述的装置,其中,在M大于等于2时,所述选择单元还包括:
归一化模块,其用于将M条中每条信号强度值的和进行归一化处理;
并且,所述选择模块将归一化后信号强度值的和中的最大的条,或归一化后大于等于第四阈值的信号强度值的和中的最大与最小的条,或归一化后大于等于第四阈值的信号强度值的和中的最大、最小以及为平均值的条选择为所述M条特征。
附记8、根据附记4所述的装置,其中,所述识别单元包括:
第一识别模块,其用于计算信号强度值的和最大的条的信号强度值的平均值,在平均值大于第三阈值时,确定所述移动体携带待检测物品;
第二识别模块,其用于在确定所述移动体携带待检测物品时,根据M条特征中的至少一条确定所述移动体携带的待检测物品类型。
附记9、根据附记8所述的装置,其中,所述第二识别模块将所述至少一条特征合并为一个特征向量,将所述特征向量输入至分类器中,识别待检测物品的类型,其中,所述分类器根据预先获得训练数据训练获取。
附记10、根据附记1所述的装置,其中,所述处理单元包括:
预处理模块,其用于将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第五预定数量,所述第五预定数量为基带信号在一个周期内的采样点的数量;
变换模块,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
获取模块,其用于针对每个第二信号矩阵,从所述第五预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号,将所述特征信号转换为微多普勒频谱图。
附记11、一种物品检测方法,其中,所述方法包括:
收发单元向移动体发送发射信号,并且接收所述移动体反射后的反射信号;其中,所述移动体相对预定轴摆动,所述移动体在所述轴的两侧产生沿径向方向相反的运动速度;
对所述发射信号和所述反射信号进行处理,以获得特征信号;将所述特征信号转换为微多普勒频谱图;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数;
按照信号强度值的大小将所述微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,其中M为大于等于1的整数;
根据所述M条特征确定所述移动体是否携带待检测物品。
附记12、根据附记11所述的方法,其中,得到N值化后的微多普勒频谱图包括:
在所述微多普勒频谱图中信号强度值属于N个等级中的第一等级时,将所述信号强度值转换为所述第一等级对应的中间值,以得到N值化后的微多普勒频谱图;其中,不同等级对应的中间值不同。
附记13、根据附记11所述的方法,其中,选取满足预定条件的M条特征包括:
计算每一条信号强度值的和;将信号强度值的和的最大的条,或者,将信号强度值的和的最大与最小的条,或者,将信号强度值的和的最大、最小以及为平均值的条选择为所述M条特征。
附记14、根据附记11所述的方法,其中,所述方法还包括:
对齐处理,其确定所述M条中每条信号强度值中第一个大于等于第一阈值的信号强度值,在所述M条中的一条中,从所述第一个大于等于第一阈值的信号强度值开始截取第四预定数量个的信号强度值作为所述一条的特征,所述第四预定数量个信号强度值的长度等于第一长度;
并且,根据进行对齐处理后的所述M条特征确定所述移动体是否携带待检测物品。
附记15、根据附记14所述的方法,其中,在从所述第一个大于等于第一阈值的信号强度值开始的信号强度值的数量不足第四预定数量个时,在所述对齐处理中,使用第二阈值填充所述第一长度剩余的信号强度值。
附记16、根据附记14所述的方法,其中,在M大于等于2时,所述M条特征中每条特征对应的第一阈值不同。
附记17、根据附记13所述的方法,其中,在M大于等于2时,选取满足预定条件的M条特征还包括:
归一化处理,其将M条中每条信号强度值的和进行归一化处理;
并且,将归一化后信号强度值的和中的最大的条,或归一化后大于等于第四阈值的信号强度值的和中的最大与最小的条,或归一化后大于等于第四阈值的信号强度值的和中的最大、最小以及为平均值的条选择为所述M条特征。
附记18、根据附记14所述的方法,其中,根据所述M条特征确定所述移动体是否携带待检测物品包括:
计算信号强度值的和最大的条的信号强度值的平均值,在平均值大于第三阈值时,确定所述移动体携带待检测物品;
在确定所述移动体携带待检测物品时,根据M条特征中的至少一条确定所述移动体携带的待检测物品类型。
附记19、根据附记18所述的方法,其中,根据M条特征中的至少一条确定所述移动体携带的待检测物品类型包括:将所述至少一条特征合并为一个特征向量,将所述特征向量输入至分类器中,识别待检测物品的类型,其中,所述分类器根据预先获得训练数据训练获取。
附记20、根据附记11所述的方法,其中,对所述发射信号和所述反射信号进行处理,以获得特征信号包括:
将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第五预定数量,所述第五预定数量为基带信号在一个周期内的采样点的数量;
对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
针对每个第二信号矩阵,从所述第五预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
Claims (10)
1.一种物品检测装置,其中,所述装置包括:收发单元、处理单元、转换单元、选择单元,识别单元;
所述收发单元向移动体发送发射信号,并且接收所述移动体反射后的反射信号;其中,所述移动体相对预定轴摆动,所述移动体在所述轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对所述发射信号和所述反射信号进行处理,以获得特征信号;将所述特征信号转换为微多普勒频谱图;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数;
转换单元,其用于按照信号强度值的大小将所述微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
选择单元,其用于从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,M为大于等于1的整数;
识别单元,其用于根据所述M条特征确定所述移动体是否携带待检测物品;
其中,所述处理单元包括:
预处理模块,其用于将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第五预定数量,所述第五预定数量为基带信号在一个周期内的采样点的数量;
变换模块,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
获取模块,其用于针对每个第二信号矩阵,从所述第五预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
2.根据权利要求1所述的装置,其中,所述转换单元在所述微多普勒频谱图中信号强度值属于N个等级中的第一等级时,将所述信号强度值转换为所述第一等级对应的中间值,以得到N值化后的微多普勒频谱图;其中,不同等级对应的中间值不同。
3.根据权利要求1所述的装置,其中,所述选择单元包括:
计算模块,其用于计算每一条信号强度值的和;
选择模块,其用于将信号强度值的和的最大的条,或者,将信号强度值的和的最大与最小的条,或者,将信号强度值的和的最大、最小以及为平均值的条选择为所述M条特征。
4.根据权利要求1所述的装置,其中,所述装置还包括:
对齐单元,其用于确定所述M条中每条信号强度值中第一个大于等于第一阈值的信号强度值,在所述M条中的一条中,从所述第一个大于等于第一阈值的信号强度值开始截取第四预定数量个的信号强度值作为所述一条的特征,所述第四预定数量个信号强度值的长度等于第一长度;
并且,所述识别单元根据所述对齐单元进行对齐处理后的所述M条特征确定所述移动体是否携带待检测物品。
5.根据权利要求4所述的装置,其中,在从所述第一个大于等于第一阈值的信号强度值开始的信号强度值的数量不足第四预定数量个时,所述对齐单元使用第二阈值填充所述第一长度剩余的信号强度值。
6.根据权利要求4所述的装置,其中,在M大于等于2时,所述M条特征中每条特征对应的第一阈值不同。
7.根据权利要求3所述的装置,其中,在M大于等于2时,所述选择单元还包括:
归一化模块,其用于将M条中每条信号强度值的和进行归一化处理;
并且,所述选择模块将归一化后信号强度值的和中的最大的条,或归一化后大于等于第四阈值的信号强度值的和中的最大与最小的条,或归一化后大于等于第四阈值的信号强度值的和中的最大、最小以及为平均值的条选择为所述M条特征。
8.根据权利要求4所述的装置,其中,所述识别单元包括:
第一识别模块,其用于计算信号强度值的和最大的条的信号强度值的平均值,在平均值大于第三阈值时,确定所述移动体携带待检测物品;
第二识别模块,其用于在确定所述移动体携带待检测物品时,根据M条特征中的至少一条确定所述移动体携带的待检测物品类型。
9.根据权利要求8所述的装置,其中,所述第二识别模块将所述至少一条特征合并为一个特征向量,将所述特征向量输入至分类器中,识别待检测物品的类型,其中,所述分类器根据预先获得训练数据训练获取。
10.一种物品检测方法,其中,所述方法包括:
收发单元向移动体发送发射信号,并且接收所述移动体反射后的反射信号;其中,所述移动体相对预定轴摆动,所述移动体在所述轴的两侧产生沿径向方向相反的运动速度;
对所述发射信号和所述反射信号进行处理,以获得特征信号;将所述特征信号转换为微多普勒频谱图;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的多列信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数;
按照信号强度值的大小将所述微多普勒频谱图中信号强度值划分为N个等级,得到N值化后的微多普勒频谱图,其中N为大于2的整数;
从N值化后的微多普勒图中选取满足预定条件的M条特征;其中,所述M条中每条特征包括第三预定数量个帧的信号强度值,M为大于等于1的整数;
根据所述M条特征确定所述移动体是否携带待检测物品;
其中,对所述发射信号和所述反射信号进行处理,以获得特征信号的步骤包括:
将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第五预定数量,所述第五预定数量为基带信号在一个周期内的采样点的数量;
对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第五预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
针对每个第二信号矩阵,从所述第五预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063075.7A CN111474587B (zh) | 2019-01-23 | 2019-01-23 | 物品检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910063075.7A CN111474587B (zh) | 2019-01-23 | 2019-01-23 | 物品检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111474587A CN111474587A (zh) | 2020-07-31 |
CN111474587B true CN111474587B (zh) | 2023-05-30 |
Family
ID=71743275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910063075.7A Active CN111474587B (zh) | 2019-01-23 | 2019-01-23 | 物品检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111474587B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008234460A (ja) * | 2007-03-22 | 2008-10-02 | Sekisui Jushi Co Ltd | 速度検知装置及び速度検知装置を備えた速度検知報知システム |
JP2012233773A (ja) * | 2011-04-28 | 2012-11-29 | Yokohama Rubber Co Ltd:The | 移動体の速度計測装置 |
CN104267394A (zh) * | 2014-10-07 | 2015-01-07 | 电子科技大学 | 高分辨率人体目标运动特征检测方法 |
JP2015049074A (ja) * | 2013-08-30 | 2015-03-16 | トヨタ自動車株式会社 | レーダ及び物体検出方法 |
CN107729843A (zh) * | 2017-10-18 | 2018-02-23 | 中国科学院沈阳自动化研究所 | 基于雷达与视觉信息融合的低地板有轨电车行人识别方法 |
CN108931540A (zh) * | 2017-05-27 | 2018-12-04 | 富士通株式会社 | 物品检测装置 |
CN108957565A (zh) * | 2017-05-27 | 2018-12-07 | 富士通株式会社 | 物品检测方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101876705A (zh) * | 2009-11-03 | 2010-11-03 | 清华大学 | 基于单频连续波雷达的频域车辆检测方法 |
CN102928835B (zh) * | 2012-10-09 | 2014-09-24 | 北京航空航天大学 | 一种基于改进广义s变换的人体目标运动状态识别方法 |
CN105373215B (zh) * | 2014-08-25 | 2018-01-30 | 中国人民解放军理工大学 | 基于手势编码与译码的动态无线手势识别方法 |
CN105334511A (zh) * | 2015-11-03 | 2016-02-17 | 周青松 | 基于提取多普勒信号频率的铁路机车测速方法 |
CN108072909A (zh) * | 2016-11-17 | 2018-05-25 | 富士通株式会社 | 物品检测方法、装置和系统 |
EP3406189A1 (en) * | 2017-05-25 | 2018-11-28 | Tata Consultancy Services Limited | System and method for heart rate estimation |
CN108956647A (zh) * | 2017-05-27 | 2018-12-07 | 富士通株式会社 | 物品检测方法和装置 |
-
2019
- 2019-01-23 CN CN201910063075.7A patent/CN111474587B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008234460A (ja) * | 2007-03-22 | 2008-10-02 | Sekisui Jushi Co Ltd | 速度検知装置及び速度検知装置を備えた速度検知報知システム |
JP2012233773A (ja) * | 2011-04-28 | 2012-11-29 | Yokohama Rubber Co Ltd:The | 移動体の速度計測装置 |
JP2015049074A (ja) * | 2013-08-30 | 2015-03-16 | トヨタ自動車株式会社 | レーダ及び物体検出方法 |
CN104267394A (zh) * | 2014-10-07 | 2015-01-07 | 电子科技大学 | 高分辨率人体目标运动特征检测方法 |
CN108931540A (zh) * | 2017-05-27 | 2018-12-04 | 富士通株式会社 | 物品检测装置 |
CN108957565A (zh) * | 2017-05-27 | 2018-12-07 | 富士通株式会社 | 物品检测方法和装置 |
CN107729843A (zh) * | 2017-10-18 | 2018-02-23 | 中国科学院沈阳自动化研究所 | 基于雷达与视觉信息融合的低地板有轨电车行人识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111474587A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6406601B2 (ja) | レーダ装置および物体検知方法 | |
CN109557535A (zh) | 用于使用毫米波雷达传感器的占用检测的系统和方法 | |
Alizadeh et al. | Low-cost low-power in-vehicle occupant detection with mm-wave FMCW radar | |
US11391817B2 (en) | Radio frequency (RF) object detection using radar and machine learning | |
US20210255280A1 (en) | Radar vital signal tracking using a kalman filter | |
JP6699904B2 (ja) | レーダ装置及びそのレーダ信号処理方法 | |
US11885905B2 (en) | Radar apparatus and method for determining range side lobe | |
Vu et al. | Bivariate gamma distribution for wavelength-resolution SAR change detection | |
Li et al. | Wifi‐based passive sensing system for human presence and activity event classification | |
CN116106855B (zh) | 摔倒检测方法及摔倒检测装置 | |
CN110554439B (zh) | 物品检测方法和装置 | |
CN114972416A (zh) | 使用神经网络的基于雷达的对象跟踪 | |
KR20220141748A (ko) | 레이더 신호로부터 표적 정보를 추출하는 방법 및 컴퓨터 판독가능 저장 매체 | |
Chowdhury et al. | Activity recognition using ultra wide band range-time scan | |
CN111474587B (zh) | 物品检测方法和装置 | |
JP5057840B2 (ja) | スペクトル解析装置 | |
CN110967763B (zh) | 物品检测方法和装置 | |
CN112130143A (zh) | 物品检测方法和装置 | |
JP2020198094A (ja) | 物品検出方法及び装置 | |
Park et al. | Increasing accuracy of hand gesture recognition using convolutional neural network | |
CN110618465B (zh) | 物品检测方法和装置 | |
CN110793978B (zh) | 速度校正方法、物品检测方法以及装置 | |
CN115005809A (zh) | 跌倒检测方法、装置、设备及存储介质 | |
KR101007406B1 (ko) | 광대역 선형 주파수 변조 파형에 기반한 레이더 영상 데이터의 해상도 향상 장치 및 방법 | |
Zhang et al. | Range–Doppler‐based centralised framework for human target tracking in multistatic radar |
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 |