CN112099018B - 基于径向速度和区域能量联合的运动目标检测方法及装置 - Google Patents
基于径向速度和区域能量联合的运动目标检测方法及装置 Download PDFInfo
- Publication number
- CN112099018B CN112099018B CN202010954033.5A CN202010954033A CN112099018B CN 112099018 B CN112099018 B CN 112099018B CN 202010954033 A CN202010954033 A CN 202010954033A CN 112099018 B CN112099018 B CN 112099018B
- Authority
- CN
- China
- Prior art keywords
- target
- clustering
- matrix
- false alarm
- speed
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000003068 static effect Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 49
- 238000005070 sampling Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 9
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000011410 subtraction method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/50—Systems of measurement, based on relative movement of the target
- G01S15/58—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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供的是一种基于径向速度和区域能量联合的运动目标检测方法及装置。该方法将M序列调制信号作为前视声纳的发送信号，对回波信号做波束形成，对波束形成的结果做二维恒虚警检测，然后在二维恒虚警检测的基础上，使用聚类分析方法实现图像中目标的划分和统计，使用脉冲对法实现对目标相对于前视声纳径向速度的快速提取，最后通过该径向速度信息来判断检测目标的运动状态。本发明能较好的分离前视声纳成像检测结果中的运动目标和静止目标，克服了基于图像序列检测方法中，需要多帧图像数据的问题。
Description
技术领域
本发明涉及二维成像声纳技术领域，具体涉及一种基于径向速度和区域能量联合的运动目标检测方法及装置。
背景技术
成像声纳在港口的实时检测，自动报警，水下蛙人探测等方面有着广泛的应用价值。由于水下声信道的时变特性，水声成像并不稳定，声纳图像数据分辨率低，无色彩信息，对于低分辨率的成像声纳，小目标的形状信息提取困难。当前常用的动目标检测方法有背景消减法、帧间差分法。使用背景消减法时，新的图像帧数据与固定的背景模板相减，差值的绝对值超出给定阈值则判定为运动目标像素，但是当背景环境发生变化就会导致变化的背景也被检测为目标；使用帧间差分法时，将固定时间间隔的两帧图像相减，差值的绝对值超出给定阈值则判定为运动目标像素，但是该方法受到目标运动速度影响，速度大，则易导致单个目标被检测为两个目标，速度较小时，则检测到的往往是目标轮廓。上述两种方法，设定的检测阈值都是固定值，若检测阈值设定过高，则导致弱反射回波目标不能被检测；若检测阈值太低，则容易引入杂波干扰，而且需要使用两帧图像数据才能实现运动目标的检测。因此若使用常规的图像处理方法，对水中动目标的提取效果并不理想。常规运动目标检测方法在运动目标检测与分离的实时性、准确性上依然存在一定的限制。因此，研究成像声纳动静目标分离方法具有很重要的工程实用价值和理论指导意义。
发明内容
为了克服常规运动目标检测方法中，容易受到环境变化、目标速度以及阈值设定问题的影响，本发明提供了一种基于径向速度和区域能量联合的运动目标检测方法，能够根据待检测单元周围的能量强度自动调整恒虚警检测中的阈值，若周围能量强度高，则阈值也变高，反之待检测单元周围能量低，阈值也相应变低，而且仅使用单帧数据便能够快速能够实时、准确地分离动静目标。
为了实现上述发明目的，本发明具体采用的技术方案如下：
第一方面，本发明提供了一种基于径向速度和区域能量联合的运动目标检测方法，其步骤如下：
S1：对声纳接收阵接收到的信号进行相位补偿，得到波束形成结果，该结果的数据矩阵为N×T的二维矩阵，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数；将波束形成结果在每个方位上等间距划分成R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值，得到N×R的二维矩阵；
S2：在S1得到的N×R的二维矩阵基础上，使用二维十字形参考窗做二维恒虚警检测，其中在方位维上使用单元平均恒虚警(英文简写CA-CFAR，下同) 检测方法，在距离维上使用一维的有序统计恒虚警(英文简写OS-CFAR，下同) 检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，得到一个N×R的 0-1矩阵；
S3：在步骤S2输出结果的基础上，确定0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法对这些数值为1的像素点进行聚类，得到聚类输出结果实现信号中目标的划分，其中一个类别的像素点代表一个目标；
S4：在步骤S3得到的聚类输出结果基础上，分别找到每一类别中每个像素点在步骤S1所述N×T的二维矩阵中对应的数据段，然后对找到的数据段进行速度估计，实现目标径向速度提取；最后根据提取的目标径向速度信息判断目标的运动状态。
作为优选，步骤S3中，通过dbscan聚类算法对0-1矩阵中数值为1的像素点进行聚类，且对聚类结果中的噪声点进行排除使其不参与步骤S4的处理，得到最终的聚类输出结果。
作为优选，步骤S4中，对找到的数据段使用脉冲对法(英文简写pulse pairmethod，下同)进行速度估计。
作为优选，步骤S4中，根据提取的目标径向速度信息判断目标的运动状态的方法为：
在每一类别中的所有像素点中，计算像素点对应数据段的速度估计值大于设定速度阈值T1的全部像素点的速度均值，若该速度均值大于阈值T2且T2>T1，则判定该类别像素点对应的目标为运动目标，否则判定该类别像素点对应的目标为静止目标。
进一步的，所述的T1＝0.1m/s，T2＝0.5m/s。
第二方面，本发明提供了一种基于径向速度和区域能量联合的运动目标检测装置，其包括：
波束形成模块，用于对声纳接收阵接收到的信号进行相位补偿，得到波束形成结果，该结果的数据矩阵为N×T的二维矩阵，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数；将波束形成结果在每个方位上等间距划分成R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值，得到N×R的二维矩阵；
恒虚警检测模块，用于在波束形成模块得到的N×R的二维矩阵基础上，使用二维十字形参考窗做二维恒虚警检测，其中在方位维上使用单元平均恒虚警检测方法，在距离维上使用一维的有序统计恒虚警检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，得到一个N×R的0-1矩阵；
聚类模块，用于在恒虚警检测模块输出结果的基础上，确定0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法对这些数值为1的像素点进行聚类，得到聚类输出结果实现信号中目标的划分，其中一个类别的像素点代表一个目标；
目标提取和运动状态判断模块，用于在聚类模块得到的聚类输出结果基础上，分别找到每一类别中每个像素点在波束形成模块中所述N×T的二维矩阵中对应的数据段，然后对找到的数据段进行速度估计，实现目标径向速度提取；最后根据提取的目标径向速度信息判断目标的运动状态。
作为优选，聚类模块中，通过dbscan聚类算法对0-1矩阵中数值为1的像素点进行聚类，且对聚类结果中的噪声点进行排除使其不参与目标提取和运动状态判断模块的处理，得到最终的聚类输出结果。
作为优选，目标提取和运动状态判断模块中，对找到的数据段使用脉冲对法进行速度估计。
作为优选，目标提取和运动状态判断模块中，根据提取的目标径向速度信息判断目标的运动状态的方法为：
在每一类别中的所有像素点中，计算像素点对应数据段的速度估计值大于设定速度阈值T1的全部像素点的速度均值，若该速度均值大于阈值T2且T2>T1，则判定该类别像素点对应的目标为运动目标，否则判定该类别像素点对应的目标为静止目标。
进一步的，所述的T1＝0.1m/s，T2＝0.5m/s。
本发明具有的有益效果为：
该方法将二维恒虚警算法用于目标的检测，确保了目标提取的形状完整性，同时避免了常规方法因使用恒定检测阈值导致杂波干扰抑制与弱反射目标检测不能共存的问题，即能抑制杂波的同时，也能检测弱反射目标。本发明利用脉冲对法实现目标径向速度的快速提取，因此仅使用一帧成像数据就能快速判断运动目标。
附图说明
图1为本发明一种基于径向速度和区域能量联合的运动目标检测方法流程图。
图2为图1中105部分使用的十字形参考窗原理图。
图3为图1中101部分的数据结构。
图4为图1中102部分数据结构。
图5为图1中104部分数据结构。
图6为图1中103部分原理图。
图7为背景消减法、帧间差分法和径向速度和区域能量联合的运动目标检测方法检测对比图，其中(a)为第8帧，(b)为第11帧，(c)为第19帧，(d)为第22 帧。
图8为试验现场视角范内已知目标说明。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
本发明可用于针对静止目标与运动目标不重叠且相隔一定的距离条件下的动静目标分离。本发明中将M序列调制信号作为前视声纳的发送信号，对回波信号做波束形成，对单帧波束形成结果做二维恒虚警检测，然后在二维恒虚警检测的基础上，使用聚类分析方法实现图像中目标的划分和统计，然后根据分类的结果对相应区域的波束数据做速度估计，实现目标径向速度提取，最后根据提取的径向速度信息判断目标的运动状态。
在本发明的一个较佳实施例中，提供了一种基于径向速度和区域能量联合的运动目标检测方法流程如图1所示，其具体实现可以划分以下几个步骤：
(1)波束形成步骤：假设接收阵有K个阵元，单发射周期内每个阵元得到 T个数据点，最终得到K×T的二维数据101，其数据结构如图3所示，每个阵元采集T个时刻的数据，每个矩形单元301表示一个采样点。对声纳接收阵接收到的信号进行相位补偿，做波束形成后得到N个方位的波束形成结果102，其数据结构如图4所示，该结果的数据矩阵为N×T的二维矩阵401，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数。
然后将获得的N×T的二维矩阵数据分段求和，在每个方位上等间距划分成 R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值。下面抽取其中一个方位上的数据为例，来说明时域分段求和103步骤的原理，详细操作步骤如图6所示：长度为T的波束数据，被划分为R段，即R个距离单元，每段数据长度为L，并分段求和将每段数据中的L个采样点的数值之和作为代表该距离单元的值。由此，每个方位上得到R个距离单元，每个距离单元相当于成像的一个像素点。所有方位上的数据都按照上述步骤分段求和后，得到 N×R的二维数据矩阵104，其数据结构如图5所示，每个单元501即一个成像图片的像素点。
(2)二维恒虚警检测步骤105：在步骤(1)得到的二维数据矩阵104的基础上，使用如图2所示的二维十字形参考窗，做二维恒虚警检测。其中参考单元 201、保护单元202和待检测单元203在方位维上使用单元平均恒虚警检测方法，在距离维上使用一维的有序统计恒虚警检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，最后得到一个N×R的0-1矩阵。
(3)聚类步骤106：在步骤105输出结果的基础上，获取0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法中的dbscan算法对这些像素点进行聚类，得到聚类输出结果，由此实现信号中目标的划分和统计。其中聚类输出结果中一个类别的像素点代表信号中的一个目标。
需要注意的是，dbscan算法的聚类输出结果中可能包含噪声，这些噪声点需要从聚类输出结果中排除，在后续的处理中不予考虑，即不将其视为目标的一部分。
(4)速度估计107：在步骤102得到的N×T的二维矩阵和步骤106得到的聚类输出结果的基础上，按照步骤106的分类结果，分别找到每一类别中所有的像素点在步骤102的N×T二维矩阵中对应的数据段，然后使用脉冲对法对数据段做速度估计，得到每一个像素点对应的数据段的速度估计值，实现目标径向速度提取。最后根据提取的目标径向速度信息判断目标的运动状态，即步骤108，其核心是判断同一类像素点的速度均值是否超过设定阈值，具体做法为：在同一类别的所有像素点中，选择像素点对应数据段的速度估计值大于设定速度阈值 T1的全部像素点，计算这些速度估计值大于T1的像素点的速度均值，若计算得到的速度均值大于阈值T2，则判定该类像素点对应的目标为运动目标，否则为静止目标。
此处，设定速度阈值T1进行筛选的目的是去除目标中部分误差像素点，防止引入过大的误差。T1和T2的具体取值需要根据实际的场景进行优化，选择能够准确判断出目标运动还是静止的取值。在本实施例中，优化结果为：T1＝0.1m/s， T2＝0.5m/s。
为了验证本发明的上述方法的效果，下面将传统的背景消减法、帧间差分法、以及本发明的基于径向速度和区域能量联合的运动目标检测方法对试验数据进行检测分析，分析，第8、11、19、20帧数据检测结果如图7所示，其中最左侧 1列为背景消减法检测结果，中间1列为帧间差分法检测结果，最右侧1列为使用本发明的基于径向速度和区域能量联合的运动目标检测方法检测的结果，图中方框标记处表示检测到的目标。试验现场视角范内已知和未知目标如图8所示，图中使用方框标记的部分为可见目标，使用圆圈标记部分为水下不可见目标，例如鱼群。另外不排除静止目标周围也存在鱼群的活动。通过对比分析可得，使用本发明的基于径向速度和区域能量联合的运动目标检测方法相比背景消减法和帧间差分法，其运动目标检测率高于常规方法，同时对目标的提取更加完整。
另外，另一实施例中，还可以基于上述方法提供一种基于径向速度和区域能量联合的运动目标检测装置，其包括：
波束形成模块，用于对声纳接收阵接收到的信号进行相位补偿，得到波束形成结果，该结果的数据矩阵为N×T的二维矩阵，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数；将波束形成结果在每个方位上等间距划分成R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值，得到N×R的二维矩阵；
恒虚警检测模块，用于在波束形成模块得到的N×R的二维矩阵基础上，使用二维十字形参考窗做二维恒虚警检测，其中在方位维上使用单元平均恒虚警检测方法，在距离维上使用一维的有序统计恒虚警检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，得到一个N×R的0-1矩阵；
聚类模块，用于在恒虚警检测模块输出结果的基础上，确定0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法对这些数值为1的像素点进行聚类，得到聚类输出结果实现信号中目标的划分，其中一个类别的像素点代表一个目标；
目标提取和运动状态判断模块，用于在聚类模块得到的聚类输出结果基础上，分别找到每一类别中每个像素点在波束形成模块中所述N×T的二维矩阵中对应的数据段，然后对找到的数据段进行速度估计，实现目标径向速度提取；最后根据提取的目标径向速度信息判断目标的运动状态。
与前述的方法类似，在上述聚类模块中，可以通过dbscan聚类算法对0-1 矩阵中数值为1的像素点进行聚类，且对聚类结果中的噪声点进行排除使其不参与目标提取和运动状态判断模块的处理，得到最终的聚类输出结果。
与前述的方法类似，上述目标提取和运动状态判断模块中，可以对找到的数据段使用脉冲对法进行速度估计。
与前述的方法类似，上述目标提取和运动状态判断模块中，根据提取的目标径向速度信息判断目标的运动状态的方法可以为：在每一类别中的所有像素点中，计算像素点对应数据段的速度估计值大于设定速度阈值T1的全部像素点的速度均值，若该速度均值大于阈值T2且T2>T1，则判定该类别像素点对应的目标为运动目标，否则判定该类别像素点对应的目标为静止目标。
其余模块中的具体做法和参数设置，也可以与前述实施例中一致，对此不做限制。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (8)
1.一种基于径向速度和区域能量联合的运动目标检测方法，其特征在于，步骤如下：
S1：对声纳接收阵接收到的信号进行相位补偿，得到波束形成结果，该结果的数据矩阵为N×T的二维矩阵，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数；将波束形成结果在每个方位上等间距划分成R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值，得到N×R的二维矩阵；
S2：在S1得到的N×R的二维矩阵基础上，使用二维十字形参考窗做二维恒虚警检测，其中在方位维上使用单元平均恒虚警检测方法，在距离维上使用一维的有序统计恒虚警检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，得到一个N×R的0-1矩阵；
S3：在步骤S2输出结果的基础上，确定0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法对这些数值为1的像素点进行聚类，得到聚类输出结果实现信号中目标的划分，其中一个类别的像素点代表一个目标；
S4：在步骤S3得到的聚类输出结果基础上，分别找到每一类别中每个像素点在步骤S1所述N×T的二维矩阵中对应的数据段，然后对找到的数据段使用脉冲对法进行速度估计，实现目标径向速度提取；最后根据提取的目标径向速度信息判断目标的运动状态。
2.如权利要求1所述的基于径向速度和区域能量联合的运动目标检测方法，其特征在于，步骤S3中，通过dbscan聚类算法对0-1矩阵中数值为1的像素点进行聚类，且对聚类结果中的噪声点进行排除使其不参与步骤S4的处理，得到最终的聚类输出结果。
3.如权利要求1所述的基于径向速度和区域能量联合的运动目标检测方法，其特征在于，步骤S4中，根据提取的目标径向速度信息判断目标的运动状态的方法为：
在每一类别中的所有像素点中，计算像素点对应数据段的速度估计值大于设定速度阈值T1的全部像素点的速度均值，若该速度均值大于阈值T2且T2>T1，则判定该类别像素点对应的目标为运动目标，否则判定该类别像素点对应的目标为静止目标。
4.如权利要求3所述的基于径向速度和区域能量联合的运动目标检测方法，其特征在于，所述的T1=0.1m/s，T2=0.5m/s。
5.一种基于径向速度和区域能量联合的运动目标检测装置，其特征在于，包括：
波束形成模块，用于对声纳接收阵接收到的信号进行相位补偿，得到波束形成结果，该结果的数据矩阵为N×T的二维矩阵，其中N表示预成波束形成的方位个数，T表示一个回波周期的采样点数；将波束形成结果在每个方位上等间距划分成R个距离单元，并对每一个距离单元中所有采样点求和后作为代表该距离单元的值，得到N×R的二维矩阵；
恒虚警检测模块，用于在波束形成模块得到的N×R的二维矩阵基础上，使用二维十字形参考窗做二维恒虚警检测，其中在方位维上使用单元平均恒虚警检测方法，在距离维上使用一维的有序统计恒虚警检测算法，然后将两个维度的恒虚警检测结果做逻辑与操作，得到一个N×R的0-1矩阵；
聚类模块，用于在恒虚警检测模块输出结果的基础上，确定0-1矩阵中每一个数值为1的像素点的位置信息，然后使用聚类分析算法对这些数值为1的像素点进行聚类，得到聚类输出结果实现信号中目标的划分，其中一个类别的像素点代表一个目标；
目标提取和运动状态判断模块，用于在聚类模块得到的聚类输出结果基础上，分别找到每一类别中每个像素点在波束形成模块中所述N×T的二维矩阵中对应的数据段，然后对找到的数据段使用脉冲对法进行速度估计，实现目标径向速度提取；最后根据提取的目标径向速度信息判断目标的运动状态。
6.如权利要求5所述的基于径向速度和区域能量联合的运动目标检测装置，其特征在于，聚类模块中，通过dbscan聚类算法对0-1矩阵中数值为1的像素点进行聚类，且对聚类结果中的噪声点进行排除使其不参与目标提取和运动状态判断模块的处理，得到最终的聚类输出结果。
7.如权利要求5所述的基于径向速度和区域能量联合的运动目标检测装置，其特征在于，目标提取和运动状态判断模块中，根据提取的目标径向速度信息判断目标的运动状态的方法为：
在每一类别中的所有像素点中，计算像素点对应数据段的速度估计值大于设定速度阈值T1的全部像素点的速度均值，若该速度均值大于阈值T2且T2>T1，则判定该类别像素点对应的目标为运动目标，否则判定该类别像素点对应的目标为静止目标。
8.如权利要求7所述的基于径向速度和区域能量联合的运动目标检测装置，其特征在于，所述的T1=0.1m/s，T2=0.5m/s。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010954033.5A CN112099018B (zh) | 2020-09-11 | 2020-09-11 | 基于径向速度和区域能量联合的运动目标检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010954033.5A CN112099018B (zh) | 2020-09-11 | 2020-09-11 | 基于径向速度和区域能量联合的运动目标检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112099018A CN112099018A (zh) | 2020-12-18 |
| CN112099018B true CN112099018B (zh) | 2024-05-28 |
Family
ID=73751434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010954033.5A Active CN112099018B (zh) | 2020-09-11 | 2020-09-11 | 基于径向速度和区域能量联合的运动目标检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112099018B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114578333B (zh) * | 2022-04-28 | 2022-08-02 | 杭州应用声学研究所(中国船舶重工集团公司第七一五研究所) | 一种主动声呐目标动静辨识方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508230A (zh) * | 2011-10-20 | 2012-06-20 | 哈尔滨工程大学 | 图像声纳中时延、相移波束形成的fpga实现方法 |
| CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
| CN105913074A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于幅度与径向速度联合的sar图像动目标聚类方法 |
| CN108196241A (zh) * | 2018-02-07 | 2018-06-22 | 北京航空航天大学 | 一种基于Hough变换的高速动目标速度估计方法 |
| CN108549081A (zh) * | 2018-05-02 | 2018-09-18 | 北京空间飞行器总体设计部 | 一种高轨合成孔径雷达动目标速度检测方法 |
| CN108828522A (zh) * | 2018-03-28 | 2018-11-16 | 西北工业大学 | 一种利用垂直阵lcmv波束形成的水下目标辐射噪声测量方法 |
| CN110196421A (zh) * | 2019-06-10 | 2019-09-03 | 西北工业大学 | 一种密布式mimo声纳自适应波束形成探测方法 |
| CN111624567A (zh) * | 2019-02-28 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种恒虚警检测方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8169362B2 (en) * | 2009-08-03 | 2012-05-01 | Raytheon Company | Mobile sense through the wall radar system |
| US10802130B2 (en) * | 2017-11-28 | 2020-10-13 | Viettel Group | Marine target detection in cluttered environments |
-
2020
- 2020-09-11 CN CN202010954033.5A patent/CN112099018B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508230A (zh) * | 2011-10-20 | 2012-06-20 | 哈尔滨工程大学 | 图像声纳中时延、相移波束形成的fpga实现方法 |
| CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
| CN105913074A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于幅度与径向速度联合的sar图像动目标聚类方法 |
| CN108196241A (zh) * | 2018-02-07 | 2018-06-22 | 北京航空航天大学 | 一种基于Hough变换的高速动目标速度估计方法 |
| CN108828522A (zh) * | 2018-03-28 | 2018-11-16 | 西北工业大学 | 一种利用垂直阵lcmv波束形成的水下目标辐射噪声测量方法 |
| CN108549081A (zh) * | 2018-05-02 | 2018-09-18 | 北京空间飞行器总体设计部 | 一种高轨合成孔径雷达动目标速度检测方法 |
| CN111624567A (zh) * | 2019-02-28 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种恒虚警检测方法及装置 |
| CN110196421A (zh) * | 2019-06-10 | 2019-09-03 | 西北工业大学 | 一种密布式mimo声纳自适应波束形成探测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112099018A (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111123257B (zh) | 基于图时空网络的雷达动目标多帧联合检测方法 | |
| Tzannes et al. | Detecting small moving objects using temporal hypothesis testing | |
| CN109636771B (zh) | 基于图像处理的飞行目标检测方法及系统 | |
| CN111123212B (zh) | 一种基于复杂杂波背景下的场面监视雷达的信号处理方法 | |
| Cheng et al. | A new automotive radar 4d point clouds detector by using deep learning | |
| CN104851097B (zh) | 基于目标形状与阴影辅助的多通道sar‑gmti方法 | |
| CN111999735B (zh) | 一种基于径向速度和目标跟踪的动静目标分离方法 | |
| JP2008046903A (ja) | 対象個数検出装置および対象個数検出方法 | |
| CN101706576A (zh) | 基于雷达图像的运动目标形态检测及跟踪方法 | |
| CN111311644B (zh) | 一种基于视频sar的运动目标检测方法 | |
| CN111046877A (zh) | 一种毫米波图像可疑物品检测方法和系统 | |
| CN111208479B (zh) | 一种降低深度网络检测中虚警概率的方法 | |
| CN112099018B (zh) | 基于径向速度和区域能量联合的运动目标检测方法及装置 | |
| CN113253269B (zh) | 一种基于图像分类的sar自聚焦方法 | |
| CN118334736A (zh) | 基于毫米波雷达的多目标身份识别与行为监测方法 | |
| CN117095029A (zh) | 空中飞行小目标检测方法及装置 | |
| CN108828549B (zh) | 一种基于机场场面监视雷达系统的目标提取方法 | |
| CN112068125B (zh) | 一种六维探地雷达系统 | |
| Genovesio et al. | Tracking fluroescent spots in biological video microscopy | |
| CN112198483A (zh) | 卫星反演雷达的数据处理方法、装置、设备及存储介质 | |
| Ma et al. | Robust power line detection with particle-filter-based tracking in radar video | |
| EP4307001A1 (en) | Object-position detecting device and method | |
| WO2022259363A1 (en) | Training data generation apparatus, training data generation method, and program | |
| CN115205327B (zh) | 一种融合历史库信息的红外小目标跟踪方法 | |
| CN110991313B (zh) | 一种基于背景分类的运动小目标检测方法和系统 |
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 |