CN112130143A - 物品检测方法和装置 - Google Patents

物品检测方法和装置 Download PDF

Info

Publication number
CN112130143A
CN112130143A CN201910552839.9A CN201910552839A CN112130143A CN 112130143 A CN112130143 A CN 112130143A CN 201910552839 A CN201910552839 A CN 201910552839A CN 112130143 A CN112130143 A CN 112130143A
Authority
CN
China
Prior art keywords
frame
doppler image
micro
weighted average
effective reflection
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
Application number
CN201910552839.9A
Other languages
English (en)
Inventor
张兆宇
底欣
徐怡
田军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to CN201910552839.9A priority Critical patent/CN112130143A/zh
Priority to JP2020092455A priority patent/JP2021004874A/ja
Publication of CN112130143A publication Critical patent/CN112130143A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous 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
    • 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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • 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
    • 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
    • G01S7/417—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 involving the use of neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请实施例提供一种物品检测方法和装置，其中，该装置包括：获取单元，其用于获取待检测物品的测试数据，该测试数据是雷达基于回声信号获取的微多普勒图像；其中，该回声信号是雷达发射信号经过待检测物品反射后的信号；确定单元，其用于根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域；处理单元，其用于对该有效反射区域进行处理；检测单元，其用于根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测。通过本申请实施例，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。

Description

物品检测方法和装置
技术领域
本申请实施例涉及物品检测技术领域。
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。
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，即可以通过设置雷达向待检测物品发射信号，利用待检测物品的回波信号进行分析，得到包含强度、径向速度等信息的微多普勒图像来检测。
应该注意，上面对技术背景的介绍只是为了方便对本申请实施例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申请实施例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
发明人发现，由于危险品常常藏匿于行人身上，因此在使用基于雷达获取的微多普勒图像进行物品检测时，检测精度将会受到行人行进速度的影响，例如，如果实际检测时行人的行进速度与训练时的行进速度不同，则指示物品类别的微多普勒图像中的有效反射区域具有不同的位置和宽度，因此会导致检测结果不准确。
图1是训练时获取的微多普勒图像示意图，图2是实际检测时测试数据获取的微多普勒图像示意图，针对同一个检测物品，如图1所示，在训练时，行人行进速度较慢，由此可以获得更多的反射特征，有效反射区域位置偏低，且较宽，如图2所示，在实际检测时，行人行进速度较快，因此，包含大量有效反射特征的有效反射区域位置偏高，且较窄，因此，如果直接将图1与图2中的反射特征进行比较来进行物品检测，会得到错误的检测结果。
本申请实施例提出了一种物品检测方法和装置，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
根据本申请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：获取单元，其用于获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
处理单元，其用于对所述有效反射区域进行处理；
检测单元，其用于根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
根据本申请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：
获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
对所述有效反射区域进行处理；
根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
本申请实施例的有益效果之一在于，根据微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域，对该有效反射区域进行处理；并根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测，由此，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
参照后文的说明和附图，详细公开了本申请的特定实施例，指明了本申请的原理可以被采用的方式。应该理解，本申请实施例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，本申请实施例包括许多改变、修改和等同。
针对一种实施例描述和/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例中使用，与其它实施例中的特征相组合，或替代其它实施例中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、整件、操作或组件的存在，但并不排除一个或更多个其它特征、整件、操作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申请实施例的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本申请实施例的原理。为了便于示出和描述本申请实施例的一些部分，附图中对应部分可能被放大或缩小。在本申请实施例的一个附图或一种实施例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例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例中使用的对应部件。
在附图中：
图1是训练数据微多普勒图像示意图；
图2是测试数据微多普勒图像示意图；
图3是本申请实施例1中物品检测装置的示意图；
图4是该微波传感器发射信号示意图；
图5是本申请实施例1中待检测物品摆动示意图；
图6是本申请实施例1中计算加权平均速度示意图；
图7是本申请实施例1中确定单元构成示意图；
图8是本申请实施例1中第一确定单元构成示意图；
图9是本申请实施例1中第二确定单元构成示意图；
图10是本申请实施例1中处理单元的一个构成示意图；
图11是本申请实施例1中插入帧示意图；
图12是本申请实施例1中处理单元的另一个构成示意图；
图13是本申请实施例2中物品检测装置的硬件构成示意图；
图14是本申请实施例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，本申请实施例的前述以及其它特征将变得明显。这些实施例只是示例性的，不是对本申请的限制。为了使本领域的技术人员能够容易地理解本申请的原理和实施例，本申请实施例以发射微波信号为例进行说明，但可以理解，本申请实施例并不限于发射微波信号。
下面参照附图对本申请实施例进行说明。
实施例1
本申请实施例1提供一种物品检测装置；图3是该物品检测装置构成示意图，如图3所示，物品检测装置300包括：
获取单元301，其用于获取待检测物品的测试数据，该测试数据是雷达基于回声信号获取的微多普勒图像；其中，该回声信号是雷达发射信号经过待检测物品反射后的信号；
确定单元302，其用于根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域；
处理单元303，其用于对该有效反射区域进行处理；
检测单元304，其用于根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测。
通过本申请实施例的上述装置，根据微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域，对该有效反射区域进行处理；并根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测，由此，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
在本申请实施例中，雷达通过发射天线发射电磁波，经过不同物体反射接收到回波信号。例如，雷达可以是工作在24.05GHz～24.25GHz的微波雷达，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)，但本申请实施例并不以此作为限制，例如，该雷达还可以是工作在Ka波段27GHz～40GHz的微波设备，或者工作在77GHz～81GHz的微波(例如毫米波)雷达，此处不再一一列举。
例如，在雷达是以连续调频(Frequency-modulated Continuous Wave，FMCW)方式工作的微波传感器时，图4是该FMCW方式工作的发射信号示意图，该FMCW信号为锯齿形，如图4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，将第二预定数量个chirp称为一个帧(frame)。
在本申请实施例中，雷达的距离分辨率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，本申请实施例并不以此作为限制。
在本申请实施例中，待检测物品由移动体(例如行人)携带，该移动体相对预定轴摆动(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雷达的方向；图5是该移动体摆动示意图，如图5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C轴和与C轴径向相反的D轴运动，该摆动可以是多次往复运动，本申请实施例并不以此作为限制。
在本申请实施例中，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v1，还会整体产生朝向雷达的径向移动速度v2，该径向移动速度与人的行走速度相同，以下为了方便说明，微多普勒图像中的径向运动速度是v1与v2的叠加速度。
以下说明获取单元301如何获取该测试数据，即微多普勒图像。
微多普勒效应是由物体及其构建的微动产生的物理现象，可以从雷达回波信号中提取反映目标微动特征的微多普勒图像，具体的，雷达接收经过移动体反射得到的回波信号，该回波信号和发射信号具有频差，该频差与雷达和该移动体的距离成正比，对该发射信号和反射信号进行处理，获得基带信号，其中，在移动体相对雷达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，包含了该径向运动速度v1以及移动体和雷达之间的距离信息，通过进行二维傅里叶变换(2D-FFT)，可以得到上述微多普勒图像。
在本申请实施例中，可以将该发射信号和回波信号进行混频采样，以得到第一预定数量n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m，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三预定数量k，该第三预定数量k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进行二维傅里叶变换，得到第二信号矩阵，矩阵中各个元素的值表示信号强度；针对每个第二信号矩阵(每个第二信号矩阵对应一帧frame)，从k列中选择一列(例如，选择信号强度值最大的元素所在的列，但本申请实施例并不以此作为限制)，将n个第二信号矩阵选择的n列进行合并，得到特征矩阵，矩阵中各个元素的值表示信号强度，将该特征矩阵转换为微多普勒图像。
该一个基带信号矩阵如下所示：
Figure BDA0002106019610000061
该一个第二信号矩阵具体如下：
Figure BDA0002106019610000062
该特征矩阵如下所示：
Figure BDA0002106019610000063
图1-2是转换得到的微多普频图像示意图，如图1-2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径向速度值，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，该一一映射的方法可以参考现有技术，此处不再赘述。
在本申请实施例中，该装置还可以包括(可选，未图示)：
计算单元，其用于计算该微多普勒图像中每帧的加权平均速度。
在本申请实施例中，该计算单元将该微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以该对应的强度值的和的结果作为该帧的加权平均速度。其中，该对应的强度值大于第一阈值，该采样后的速度为雷达速度分辨率的整倍数。
例如，针对微多普勒图像的第j帧，采样后的速度为i×vres，其中，i＝0,1,...,K-1，其中K等于该微多普勒图像中所有帧包含的chirp数，该采样后的速度对应的强度值表示为Ej(i)，选择对应的强度值大于第一阈值TH1的强度值计算加权平均速度，根据如下公式(1)计算c(j)，在c(j)不为整数时，可以向下取整，得到该帧j的加权平均速度为c(j)×vres：其中Ej(i)＞TH1
Figure BDA0002106019610000071
在本申请实施例中，依次采用上述公式(1)，分别计算每帧的加权平均速度，图6是计算该加权平均速度示意图，如图6所示，针对该微多普勒图像的第2帧，该采样后的速度为i×vres，其中，i＝0,1,...,6，其中vres＝1，设该第一阈值TH1＝0，c(j)＝3，该加权平均速度为3vres。
在本申请实施例中，确定单元302可以根据该计算单元计算得到的每帧的加权平均速度确定该微多普勒图像中有效反射区域；以下详细说明。
图7是该确定单元302构成示意图，如图7所示，该确定单元302包括：第一确定单元701和/或第二确定单元702；其中，
第一确定单元701用于根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的起始帧和终止帧；
第二确定单元702用于根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的最小速度和最大速度。
图8是该第一确定单元701的一个实施例的构成示意图，如图8所示，该第一确定单元701包括；
第一计算模块801，其用于计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；
第一确定模块802，其用于确定加权平均速度值在该第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
在本申请实施例中，第一计算模块801在计算了微多普勒图像中所有帧的加权平均速度后，选择其中大于或等于第二阈值TH2的加权平均速度，并计算其第一平均值
Figure BDA0002106019610000081
在本申请实施例中，该第一预定范围可以根据需要确定，例如，该第一预定范围可以是
Figure BDA0002106019610000082
上下浮动预定值TH的范围，向上浮动的值与向下浮动的值相同或不同，以下以相同为例说明。该第一平均值的第一预定范围是
Figure BDA0002106019610000083
确定各个帧的加权平均速度，确定加权平均速度落入该第一预定范围的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧，由此相当于确定了该有效反射区域的左右边界。以上仅为示例说明，本申请实施例并不以此作为限制，例如还可以将该微多普勒图像的第一帧作为起始帧，最后一帧作为终止帧，此处不再一一举例。
在本申请实施例中，可以将该起始帧和终止帧之间的所有反射特征作为该有效反射区域，可选的，还可以确定该有效反射区域的上下边界，结合该起始帧和终止帧确定有效反射区域，以下说明如何确定有效反射区域的上下边界。
图9是该第二确定单元702的一个实施例的构成示意图，如图9所示，该第二确定单元702包括；
第二确定模块901，其用于确定该起始帧与该终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；
第三确定模块902，其用于将该加权平均速度加第五阈值的速度作为该最大速度，将该加权平均速度减第六阈值的速度作为该最小速度。
在本申请实施例中，在起始帧和终止帧之间的各帧中找到对应的最小加权平均速度c(j)min×vres，将c(j)min×vres+TH5作为最大速度，即有效反射区域的下边界，将c(j)min×vres-TH6作为最小速度，即有效反射区域的上边界，由此相当于确定了该有效反射区域的上下边界。以上仅为示例说明，本申请实施例并不以此作为限制，例如还可以将该微多普勒图像的最小速度作为上边界，最大速度作为下边界，此处不再一一举例。
在本申请实施例中，在确定有效反射区域后，处理单元303对该有效反射区域进行处理，使得检测结果不受携带物品的行人速度的限制。
图10是该处理单元303的一个实施例的构成示意图，如图10所示，该处理单元303包括：
第一判断模块1001，其用于判断该起始帧和该终止帧的帧差数是否大于或等于第三阈值；
第一处理模块1002，其用于在该第一判断模块1001判断结果为否时，在该起始帧和终止帧中插入第一数量的帧，该第一数量等于第三阈值减去该帧差数。
在本申请实施例中，如果起始帧和该终止帧的帧差数小于第三阈值TH3，表示当前微多普勒图像中的有效反射区域比较窄，为了使得检测结果不受携带物品的行人速度的限制，第一处理模块1002可以通过插入第一数量的帧，来对有效反射区域进行加宽处理，该第一数量等于第三阈值TH3减去该帧差数。
在本申请实施例中，该第一处理模块1002可以按照如下方式插入该第一数量的帧：例如，针对要插入的帧F，采用上述公式(1)计算该帧F的加权平均速度c(F)×vres，确定该起始帧与该终止帧之间各帧中加权平均速度最小的帧C对应的加权平均速度c(j)min×vres；将帧F的加权平均速度与帧C的c(j)min×vres对齐后，将帧F插入至帧C之前或之后相邻的位置，并根据有效反射区域的上下边界对帧F的数据进行截断，例如，将帧F的数据截断在(c(j)min×vres-TH6，c(j)min×vres+TH5)的范围内。图11是插入帧示意图，如图11所示，按照起始帧，终止帧，最大速度，最小速度确定有效反射区域，帧F的加权平均速度与帧C的加权平均速度(有效反射区域内的最小加权平均速度)对齐后插入帧C之后，按照有效反射区域的最大速度以及最小速度进行截断，得到处理后的有效反射区域。
在本申请实施例中，该第一数量的帧可以是预先设定的，或者，可选的，如图10所示，该处理单元303还可以包括：
插入帧选择模块1003，其用于从训练集中选择该第一数量的帧，其中，该插入帧选择模块1003计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择该第一数量的帧。例如，针对训练集(训练时得到的微多普勒图像)第j帧，信号强度值Ej(i)，i＝0,1,...,K-1，针对Ej(i)≥TH7，计算该帧j中大于或等于第七阈值TH7的信号强度值Ej(i)的平均值
Figure BDA0002106019610000101
如果计算得到的帧j的信号强度值的平均值
Figure BDA0002106019610000102
将该帧j选择作为第一数量的帧中的一帧。
图12是该处理单元303的另一个实施例的构成示意图，如图12所示，该处理单元303包括：
第二判断模块1201，其用于判断该起始帧和该终止帧的帧差数是否大于或等于第四阈值；
第二处理模块1202，其用于在该第二判断模块判断结果为是时，在该起始帧和终止帧中消除第二数量的帧，该第二数量等于该帧差数减去该第四阈值。
在本申请实施例中，如果起始帧和该终止帧的帧差数大于或等于第四阈值TH4，表示当前微多普勒图像中的有效反射区域比较宽，为了使得检测结果不受携带物品的行人速度的限制，第二处理模块1202可以通过消除第二数量的帧，来对有效反射区域进行变窄处理，该第二数量等于该帧差数减去该第四阈值。
在本申请实施例中，该第二数量的帧可以是随机选择的，或者消除有效反射区域内加权平均速度重复的帧等，本申请实施例并不以此作为限制。
在本申请实施例中，检测单元304将经过该有效反射区域处理后的微多普勒图像输入训练后的卷积神经网络，输出结果为危险或安全或物品类型，从而得到该待检测物品的检测结果。但本申请实施例并不以此作为限制，还可以利用其它方法，例如支持向量机进行检测，此处不再一一举例。
在本申请实施例中，可以设置至少一个(p个，p≥1)雷达，在获取训练数据或测试数据时，每个雷达都会按照上述方法获取其对应的微多普勒图像的有效反射区域，并对各个有效反射区域进行上述处理，将经过有效反射区域处理后的各雷达对应的微多普勒图像进行合并，利用合并后的微多普勒图像进行物品检测，该合并方法可以是上下合并或左右合并，本申请实施例并不以此作为限制。
在本申请实施例中，该装置还可以包括：训练单元(未图示，可选)，其可以预先使用至少一个雷达针对不同的物品进行测试，提取不同类型物品的训练集(例如微多普勒图像)，将其作为卷积神经网络的输入，将其对应的标记(物品类型，或者安全/危险)作为该卷积神经网络的输出，使用预定算法，对该卷积神经网络进行训练，得到训练后的卷积神经网络；具体的训练过程可以参考现有技术，此处不再赘述。
在本申请实施例中，对上述各个阈值的取值范围不作限制，可以根据经验设定。
通过本申请实施例的上述装置，根据微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域，对该有效反射区域进行处理；并根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测，由此，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
实施例2
本申请实施例2还提供了一种物品检测装置，图13是本申请实施例物品检测装置1300的硬件构成示意图，如图13所示，物品检测装置1300可以包括：一个接口(图中未示出)，中央处理器(CPU)1320，存储器1310；存储器1310耦合到中央处理器1320。其中存储器1310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1320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。
在一个实施例中，物品检测装置的功能可以被集成到中央处理器1320中。其中，中央处理器1320可以被配置为：获取待检测物品的测试数据，该测试数据是雷达基于回声信号获取的微多普勒图像；其中，该回声信号是雷达发射信号经过待检测物品反射后的信号；根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域；对该有效反射区域进行处理；根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测。
在一个实施例中，中央处理器1320还可以被配置为：计算该微多普勒图像中每帧的加权平均速度。
在一个实施例中，中央处理器1320还可以被配置为：将该微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以该对应的强度值的和的结果作为该帧的加权平均速度。其中，该对应的强度值大于第一阈值，该采样后的速度为雷达速度分辨率的整倍数。
在一个实施例中，中央处理器1320还可以被配置为：根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的起始帧和终止帧；和/或，根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的最小速度和最大速度。
在一个实施例中，中央处理器1320还可以被配置为：计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；确定加权平均速度值在该第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
在一个实施例中，中央处理器1320还可以被配置为：判断该起始帧和该终止帧的帧差数是否大于或等于第三阈值；在判断结果为否时，在该起始帧和终止帧中插入第一数量的帧，该第一数量等于第三阈值减去该帧差数；或者，判断该起始帧和该终止帧的帧差数是否大于或等于第四阈值；在判断结果为是时，在该起始帧和终止帧中消除第二数量的帧，该第二数量等于该帧差数减去该第四阈值。
在一个实施例中，中央处理器1320还可以被配置为：确定该起始帧与该终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；将该加权平均速度加第五阈值的速度作为该最大速度，将该加权平均速度减第六阈值的速度作为该最小速度。
在一个实施例中，中央处理器1320还可以被配置为：从训练集中选择该第一数量的帧，其中，该插入帧选择模块计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择该第一数量的帧。
中央处理器1320的具体实施例可以参考实施例1，此处不再重复。
在另一个实施例中，也可以将上述物品检测装置配置在与中央处理器1320连接的芯片(图中未示出)上，通过中央处理器1320的控制来实现物品检测装置的功能。
值得注意的是，装置1300也并不是必须要包括图13中所示的所有部件，例如还可以包括雷达1340，该雷达的实施例请参考实施例1；此外，该装置1300还可以包括图13中没有示出的部件，可以参考现有技术。
通过本申请实施例的上述装置，根据微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域，对该有效反射区域进行处理；并根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测，由此，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
实施例3
本申请实施例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14是本申请实施例的物品检测方法的一个实施例的流程图，请参照图14，该方法包括：
操作1401，获取待检测物品的测试数据，该测试数据是雷达基于回声信号获取的微多普勒图像；其中，该回声信号是雷达发射信号经过待检测物品反射后的信号；
操作1402，根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域；
操作1403，对该有效反射区域进行处理；
操作1404，根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测。
在本申请实施例中，操作1401-1404的具体实施例可以参考实施例1中获取单元301，确定单元302，处理单元303，检测单元304，其内容合并于此，重复之处不再赘述。
在本申请实施例中，该方法还可以包括：(可选，未图示)计算该微多普勒图像中每帧的加权平均速度。其中，将该微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以该对应的强度值的和的结果作为该帧的加权平均速度。其中，该对应的强度值大于第一阈值，该采样后的速度为雷达速度分辨率的整倍数。
在本申请实施例中，在操作1402中，可以根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的起始帧和终止帧；和/或，根据该微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域的最小速度和最大速度。
在本申请实施例中，计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；确定加权平均速度值在该第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
在本申请实施例中，确定该起始帧与该终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；将该加权平均速度加第五阈值的速度作为该最大速度，将该加权平均速度减第六阈值的速度作为该最小速度。
在本申请实施例中，在操作1403中，可以判断该起始帧和该终止帧的帧差数是否大于或等于第三阈值；在判断结果为否时，在该起始帧和终止帧中插入第一数量的帧，该第一数量等于第三阈值减去该帧差数；或者，判断该起始帧和该终止帧的帧差数是否大于或等于第四阈值；在判断结果为是时，在该起始帧和终止帧中消除第二数量的帧，该第二数量等于该帧差数减去该第四阈值。
在本申请实施例中，可以从训练集中选择该第一数量的帧，例如，计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择该第一数量的帧。
通过本申请实施例的上述方法，根据微多普勒图像中每帧的加权平均速度确定该微多普勒图像中有效反射区域，对该有效反射区域进行处理；并根据经过该有效反射区域处理后的微多普勒图像中的特征进行物品检测，由此，可以在微多普勒图像中准确找到指示物体类别的有效反射区域，提高检测精度，使得检测结果不受携带物品的行人速度的限制。
本申请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。
本申请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。
结合本申请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1-13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14所示的各个操作。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1-13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实施例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1-13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例对本申请实施例进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本申请保护范围的限制。本领域技术人员可以根据本申请的精神和原理对本申请做出各种变型和修改，这些变型和修改也在本申请的范围内。
关于以上多个实施例，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：
获取单元，其用于获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
处理单元，其用于对所述有效反射区域进行处理；
检测单元，其用于根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
附记2、根据附记1所述的装置，其中，所述装置还包括：
计算单元，其用于计算所述微多普勒图像中每帧的加权平均速度。
附记3、根据附记2所述的装置，其中，所述计算单元将所述微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以所述对应的强度值的和的结果作为所述帧的加权平均速度。
附记4、根据附记3所述的装置，其中，所述对应的强度值大于第一阈值，所述采样后的速度为雷达速度分辨率的整倍数。
附记5、根据附记1所述的装置，其中，所述确定单元包括：
第一确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的起始帧和终止帧；和/或，
第二确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的最小速度和最大速度。
附记6、根据附记5所述的装置，其中，所述第一确定单元包括；
第一计算模块，其用于计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；
第一确定模块，其用于确定加权平均速度值在所述第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
附记7、根据附记6所述的装置，其中，所述处理单元包括：
第一判断模块，其用于判断所述起始帧和所述终止帧的帧差数是否大于或等于第三阈值；
第一处理模块，其用于在所述第一判断模块判断结果为否时，在所述起始帧和终止帧中插入第一数量的帧，所述第一数量等于第三阈值减去所述帧差数；
或者，所述处理单元包括：
第二判断模块，其用于判断所述起始帧和所述终止帧的帧差数是否大于或等于第四阈值；
第二处理模块，其用于在所述第二判断模块判断结果为是时，在所述起始帧和终止帧中消除第二数量的帧，所述第二数量等于所述帧差数减去所述第四阈值。
附记8、根据附记6所述的装置，其中，所述第二确定单元包括：
第二确定模块，其用于确定所述起始帧与所述终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；
第三确定模块，其用于将所述加权平均速度加第五阈值的速度作为所述最大速度，将所述加权平均速度减第六阈值的速度作为所述最小速度。
附记9、根据附记7所述的装置，其中，所述处理单元还包括：
插入帧选择模块，其用于从训练集中选择所述第一数量的帧，其中，所述插入帧选择模块计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择所述第一数量的帧。
附记10、一种物品检测方法，其中，所述方法包括：
获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
对所述有效反射区域进行处理；
根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
附记11、根据附记10所述的方法，其中，所述方法还包括：
计算所述微多普勒图像中每帧的加权平均速度。
附记12、根据附记11所述的方法，其中，计算所述微多普勒图像中每帧的加权平均速度包括：
将所述微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以所述对应的强度值的和的结果作为所述帧的加权平均速度。
附记13、根据附记12所述的方法，其中，所述对应的强度值大于第一阈值，所述采样后的速度为雷达速度分辨率的整倍数。
附记14、根据附记10所述的方法，其中，根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域包括：
根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的起始帧和终止帧；和/或，
根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的最小速度和最大速度。
附记15、根据附记14所述的方法，其中，根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的起始帧和终止帧包括；
计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；
确定加权平均速度值在所述第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
附记16、根据附记15所述的方法，其中，对所述有效反射区域进行处理包括：
判断所述起始帧和所述终止帧的帧差数是否大于或等于第三阈值；
在判断结果为否时，在所述起始帧和终止帧中插入第一数量的帧，所述第一数量等于第三阈值减去所述帧差数；
或者，
判断所述起始帧和所述终止帧的帧差数是否大于或等于第四阈值；
在判断结果为是时，在所述起始帧和终止帧中消除第二数量的帧，所述第二数量等于所述帧差数减去所述第四阈值。
附记17、根据附记15所述的方法，其中，根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的最小速度和最大速度包括：
确定所述起始帧与所述终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；
将所述加权平均速度加第五阈值的速度作为所述最大速度，将所述加权平均速度减第六阈值的速度作为所述最小速度。
附记18、根据附记16所述的方法，其中，对所述有效反射区域进行处理还包括：
从训练集中选择所述第一数量的帧，包括：计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择所述第一数量的帧。

Claims (10)

1.一种物品检测装置，其特征在于，所述装置包括：
获取单元，其用于获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
处理单元，其用于对所述有效反射区域进行处理；
检测单元，其用于根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
2.根据权利要求1所述的装置，其中，所述装置还包括：
计算单元，其用于计算所述微多普勒图像中每帧的加权平均速度。
3.根据权利要求2所述的装置，其中，所述计算单元将所述微多普勒图像中每帧采样后的速度和对应的强度值加权求和后除以所述对应的强度值的和的结果作为所述帧的加权平均速度。
4.根据权利要求3所述的装置，其中，所述对应的强度值大于第一阈值，所述采样后的速度为雷达速度分辨率的整倍数。
5.根据权利要求1所述的装置，其中，所述确定单元包括：
第一确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的起始帧和终止帧；和/或，
第二确定单元，其用于根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域的最小速度和最大速度。
6.根据权利要求5所述的装置，其中，所述第一确定单元包括；
第一计算模块，其用于计算各个帧中大于或等于第二阈值的加权平均速度值的第一平均值；
第一确定模块，其用于确定加权平均速度值在所述第一平均值的第一预定范围内的帧号最小的帧和帧号最大的帧，将帧号最小的帧确定为起始帧，将帧号最大的帧确定为终止帧。
7.根据权利要求6所述的装置，其中，所述处理单元包括：
第一判断模块，其用于判断所述起始帧和所述终止帧的帧差数是否大于或等于第三阈值；
第一处理模块，其用于在所述第一判断模块判断结果为否时，在所述起始帧和终止帧中插入第一数量的帧，所述第一数量等于第三阈值减去所述帧差数；
或者，所述处理单元包括：
第二判断模块，其用于判断所述起始帧和所述终止帧的帧差数是否大于或等于第四阈值；
第二处理模块，其用于在所述第二判断模块判断结果为是时，在所述起始帧和终止帧中消除第二数量的帧，所述第二数量等于所述帧差数减去所述第四阈值。
8.根据权利要求6所述的装置，其中，所述第二确定单元包括：
第二确定模块，其用于确定所述起始帧与所述终止帧之间各帧中加权平均速度最小的帧对应的加权平均速度；
第三确定模块，其用于将所述加权平均速度加第五阈值的速度作为所述最大速度，将所述加权平均速度减第六阈值的速度作为所述最小速度。
9.根据权利要求7所述的装置，其中，所述处理单元还包括：
插入帧选择模块，其用于从训练集中选择所述第一数量的帧，其中，所述插入帧选择模块计算训练集中各帧数据中大于或等于第七阈值的信号强度值的平均值，从大于或等于第八阈值且小于或等于第九阈值的平均值所在的帧中选择所述第一数量的帧。
10.一种物品检测方法，其特征在于，所述方法包括：
获取待检测物品的测试数据，所述测试数据是雷达基于回声信号获取的微多普勒图像；其中，所述回声信号是雷达发射信号经过待检测物品反射后的信号；
根据所述微多普勒图像中每帧的加权平均速度确定所述微多普勒图像中有效反射区域；
对所述有效反射区域进行处理；
根据经过所述有效反射区域处理后的微多普勒图像中的特征进行物品检测。
CN201910552839.9A 2019-06-25 2019-06-25 物品检测方法和装置 Pending CN112130143A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910552839.9A CN112130143A (zh) 2019-06-25 2019-06-25 物品检测方法和装置
JP2020092455A JP2021004874A (ja) 2019-06-25 2020-05-27 物品検出方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910552839.9A CN112130143A (zh) 2019-06-25 2019-06-25 物品检测方法和装置

Publications (1)

Publication Number Publication Date
CN112130143A true CN112130143A (zh) 2020-12-25

Family

ID=73849727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910552839.9A Pending CN112130143A (zh) 2019-06-25 2019-06-25 物品检测方法和装置

Country Status (2)

Country Link
JP (1) JP2021004874A (zh)
CN (1) CN112130143A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113376609A (zh) * 2021-06-18 2021-09-10 北京邮电大学 一种基于毫米波雷达的液体识别方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019091867A1 (en) * 2017-11-13 2019-05-16 Robin Radar Facilities Bv Radar based system and method for detection of an object and generation of plots holding radial velocity data, and system for detection and classification of unmanned aerial vehicles, uavs

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590217A (en) * 1991-04-08 1996-12-31 Matsushita Electric Industrial Co., Ltd. Vehicle activity measuring apparatus
US20070165207A1 (en) * 2006-01-03 2007-07-19 Silicon Light Machines Corporation Method for determining motion using a velocity predictor
CN102928835A (zh) * 2012-10-09 2013-02-13 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
JP2013096828A (ja) * 2011-10-31 2013-05-20 Panasonic Corp ドップラーレーダシステム、及び物体検知方法
CN106546981A (zh) * 2016-10-24 2017-03-29 复旦大学 运动人体安检成像系统和方法
CN106730811A (zh) * 2016-12-07 2017-05-31 腾讯科技（深圳）有限公司 一种vr场景下的道具运动处理方法和装置
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
CN108956647A (zh) * 2017-05-27 2018-12-07 富士通株式会社 物品检测方法和装置
US20180364327A1 (en) * 2017-06-15 2018-12-20 Src, Inc. Method and apparatus for adaptively filtering radar clutter
CN109765548A (zh) * 2017-11-10 2019-05-17 富士通株式会社 物品检测方法和装置
US20200124706A1 (en) * 2017-07-05 2020-04-23 Robert Bosch Gmbh System for detecting a moving object

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590217A (en) * 1991-04-08 1996-12-31 Matsushita Electric Industrial Co., Ltd. Vehicle activity measuring apparatus
US20070165207A1 (en) * 2006-01-03 2007-07-19 Silicon Light Machines Corporation Method for determining motion using a velocity predictor
JP2013096828A (ja) * 2011-10-31 2013-05-20 Panasonic Corp ドップラーレーダシステム、及び物体検知方法
CN102928835A (zh) * 2012-10-09 2013-02-13 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
CN106546981A (zh) * 2016-10-24 2017-03-29 复旦大学 运动人体安检成像系统和方法
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
CN106730811A (zh) * 2016-12-07 2017-05-31 腾讯科技（深圳）有限公司 一种vr场景下的道具运动处理方法和装置
CN108956647A (zh) * 2017-05-27 2018-12-07 富士通株式会社 物品检测方法和装置
US20180364327A1 (en) * 2017-06-15 2018-12-20 Src, Inc. Method and apparatus for adaptively filtering radar clutter
US20200124706A1 (en) * 2017-07-05 2020-04-23 Robert Bosch Gmbh System for detecting a moving object
CN109765548A (zh) * 2017-11-10 2019-05-17 富士通株式会社 物品检测方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113376609A (zh) * 2021-06-18 2021-09-10 北京邮电大学 一种基于毫米波雷达的液体识别方法
CN113376609B (zh) * 2021-06-18 2021-12-31 北京邮电大学 一种基于毫米波雷达的液体识别方法

Also Published As

Publication number Publication date
JP2021004874A (ja) 2021-01-14

Similar Documents

Publication Publication Date Title
US11074800B2 (en) Fall detection method and apparatus
Kim et al. A hand gesture recognition sensor using reflected impulses
EP3252501B1 (en) Enhanced object detection and motion state estimation for a vehicle environment detection system
EP3663790A1 (en) Method and apparatus for processing radar data
CN106842165B (zh) 一种基于不同距离角度分辨率雷达集中式异步融合方法
EP3553552B1 (en) Method for the recognition of a moving pedestrian
US20210256728A1 (en) Object detection apparatus
JP2017156219A (ja) 追尾装置、追尾方法およびプログラム
CN112130143A (zh) 物品检测方法和装置
US20230037445A1 (en) Methods for recognizing human hand and hand gesture from human, and display apparatus
US20220269926A1 (en) Radar-Based Object Tracking Using a Neural Network
Toker et al. mmWave radar based approach for pedestrian identification in autonomous vehicles
CN108072909A (zh) 物品检测方法、装置和系统
JP2020165950A (ja) 無線信号に基づく運動状態の検出装置、方法及びシステム
CN112034450A (zh) 物品检测方法和装置
CN110554439B (zh) 物品检测方法和装置
US20210364280A1 (en) Road surface area detection device, road surface area detection system, vehicle, and road surface area detection method
KR101382625B1 (ko) 대상체의 동적 변화 산출 장치 및 방법
KR101834063B1 (ko) 주성분 분석 기법을 이용한 역합성 개구면 레이더 영상의 횡단거리방향 스케일링 장치 및 그 방법
CN110967763B (zh) 物品检测方法和装置
CN109766737B (zh) 基于图像处理的室内人体姿态初步分类方法
CN110793978B (zh) 速度校正方法、物品检测方法以及装置
CN110618465B (zh) 物品检测方法和装置
CN111474587B (zh) 物品检测方法和装置
CN111580087B (zh) 物品检测系统

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