CN112578374B - 检测行人的方法和装置 - Google Patents
检测行人的方法和装置 Download PDFInfo
- Publication number
- CN112578374B CN112578374B CN201910945941.5A CN201910945941A CN112578374B CN 112578374 B CN112578374 B CN 112578374B CN 201910945941 A CN201910945941 A CN 201910945941A CN 112578374 B CN112578374 B CN 112578374B
- Authority
- CN
- China
- Prior art keywords
- signal
- moving object
- detection
- moving
- pulse repetition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 201
- 230000033001 locomotion Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 5
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 5
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提供一种检测行人的方法和装置，包括：根据Q个脉冲重复周期内的发射信号和回波信号，获取运动目标的个数、多普勒频率和频域信号，根据运动目标的频域信号和多普勒频率得到运动目标的检测信号。根据人体运动模型和运动目标的检测信号，进行信号估计以及非线性相位抵消处理，得到运动目标的信号检测值和检测门限，根据该检测值和检测门限，确定运动目标是否为行人。该方法不需要提取运动目标的微多普勒特征，解决了现有技术提取微多普勒特征难的问题，并且能够提高对行人检测的效率和准确性，应用更加广泛。可以应用于毫米波雷达，该毫米波雷达可以用于自动驾驶或者智能驾驶的车辆上，用于对行人的检测。
Description
技术领域
本申请涉及雷达技术领域，尤其涉及车辆自动驾驶或者辅助驾驶过程中一种检测行人的方法和装置。
背景技术
行人探测是汽车安全技术中的一个重要组成部分，通过检测和估计车辆附近行人的具体位置和运动速度等，在出现危险的情况下由高级驾驶辅助系统(Advanced DriverAssistance Systems，ADAS)向驾驶员发出警告或者自动紧急刹车(Autonomous EmergencyBraking，AEB)以避免碰撞行人，从而有效的提高了城市交通系统的安全性和可靠性。
毫米波雷达作为一种新型的非接触生命探测技术，具有较高的距离分辨率和抗干扰性，可以全天时、全天候的工作，适用于远距离、非接触探测和识别人体目标运动特征。传统技术中，可以通过雷达接收到的回波信号，提取微多普勒信号，对微多普勒信号进行短时傅里叶变换(Short Time Fourier Transform，STFF)或者魏格纳分布(Wigner VilleDistribution，WVD)获得待检测目标的微多普勒特征时频图，将微多普勒特征时频图输入到预先训练得到的目标识别深度学习模型中，得到目标的类型信息。微多普勒特征是目标微动(或者称为微运动)引起的独特特征。微运动是指目标及其组成部件的振动、转动等小幅度的运动，如车轮、履带的转动，行人四肢的摆动等。微运动可控性低，不易被模仿，其微多普勒特征往往是独一无二的，可以作为运动目标识别的重要依据。
但是，传统方案中，微多普勒特征的提取困难，并且目标识别深度学习模型中的分类器的阈值需动态设置，设置时间长，从而导致目标检测的效率低，准确性差。
发明内容
本申请实施例提供一检测和估计车辆附近行人的方法和装置，能够提高对行人检测的准确性和效率。本申请实施例中行人可以是车辆附近行人、或者非机动车骑行者等等各种交通参与者。
本申请第一方面提供一种检测行人的方法，包括：
根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，所述运动目标的频域信号包括所述运动目标在所述Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数；
针对所述每个运动目标，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号；
根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号；
对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限；
根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人。
该方法可以由毫米波雷达实施，通过训练获得的人体运动模型，根据人体运动模型和运动目标的检测信号，估计得到运动目标的估计信号，根据估计信号进一步识别行人，不需要提取运动目标的微多普勒特征，解决了现有技术提取微多普勒特征难的问题，提高了行人检测的效率和准确性，应用更加广泛。
一种示例性的方式中，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号，包括：
根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号。
通过对运动目标的频域信号进行多普勒频率补偿，可以消除运动目标的多普勒频移，保留运动目标的微多普勒频移。
一种示例性的方式中，根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号，包括：
根据以下公式计算第n个运动目标的多普勒频域补偿信号
其中，fd,n表示所述运动目标的多普勒频率，T表示所述脉冲重复周期的时长，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号，包括：
根据以下公式计算所述第n个运动目标的检测信号Sn：
其中，SB,n(f)表示所述第n个运动目标的频域信号，·表示点积运算。
该方式中通过对运动目标的频域信号进行多普勒频率补偿，可以消除运动目标的多普勒频移，保留运动目标的微多普勒频移，便于后续运动目标的识别。
一种示例性的方式中，根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号，包括：
根据所述人体运动模型中人体部位的划分方式，对所述第n个运动目标的检测信号Sn进行分解，得到所述第n个运动目标的第k个部位的检测信号Snk，k＝1，2，…，M；
令
其中，使用最优化参数估计方法计算得到
的表达式中的参数；
将所述第n个运动目标的估计信号记为
则
可以表示为：
一种示例性的方式中，对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限，包括：
定义信号判断规则为：
H0∶Sn＝Nr
H1∶Sn＝S+Nr；
其中，Nr表示复高斯白噪声，Sn表示所述第n个运动目标的检测信号，S表示所述第n个运动目标的实际信号，所述第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示所述距离单元内存在行人，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为：
RN为噪声协方差矩阵，RN＝E[(Sn-S)(Sn-S)H],det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作；
H0和H1的概率密度函数的似然比为：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值；
对所述似然比取对数得到：
令
则可以得到
对Hn取实部得到所述第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算；
所述第n个运动目标的检测门限为：
通过对运动目标的检测信号和估计信号进行非线性相位抵消处理，对于具有微多普勒频移的运动目标，可以消除微多普勒频移引起的非线性相位变化，使得信号检测值Re(Hn)变大，对于不具有微多普勒频移的运动目标，则额外叠加了非线性相位信号，使得信号检测值Re(Hn)变小，从而能够提高了后续识别具有微多普勒频移的目标的准确性。
一种示例性的方式中，根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人，包括：
根据以下公式判断H0和H1是否成立：
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值大于0时，H1成立，确定所述第n个运动目标是行人；
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值小于或等于0时，H0成立，确定所述第n个运动目标不是行人。
一种示例性的方式中，根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，包括：
根据所述发射信号和所述回波信号得到差拍信号；
对所述差拍信号进行模数转换，得到采样信号；
对所述采样信号进行一维傅里叶变换FFT处理，得到所述每个运动目标的频域信号；
对一维FFT的结果进行二维FFT处理；
对二维FFT的结果进行恒虚警CFAR检测，得到所述Q个脉冲重复周期内的运动目标的个数以及所述每个运动目标的多普勒频率。
本申请第二方面提供一种检测行人的装置，其可以是毫米波雷达，包括：
天线，用于发射探测信号和接受回波信号；
处理器，用于根据Q个脉冲重复周期内的发射信号和所述回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，所述运动目标的频域信号包括所述运动目标在所述Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数；针对所述每个运动目标，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号；
根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号；
对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限；
根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人。
一种示例性的方式中，所述处理器根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号，包括：
根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号。
一种示例性的方式中，所述处理器根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号，包括：
根据以下公式计算第n个运动目标的多普勒频域补偿信号
其中，fd,n表示所述运动目标的多普勒频率，T表示所述脉冲重复周期的时长，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
根据以下公式计算所述第n个运动目标的检测信号Sn：
其中，SB,n(f)表示所述第n个运动目标的频域信号，·表示点积运算。
一种示例性的方式中，所述处理器根据构建的人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号，包括：
根据所述人体运动模型中人体部位的划分方式，对所述第n个运动目标的检测信号Sn进行分解，得到所述第n个运动目标的第k个部位的检测信号Snk，k＝1，2，…，M；
令
其中，使用最优化参数估计方法计算得到
的表达式中的参数；
将所述第n个运动目标的估计信号记为
则
可以表示为：
一种示例性的方式中，所述处理器对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限，包括：
定义信号判断规则为：
H0：Sn＝Nr
H1：Sn＝S+Nr；
其中，Nr表示复高斯白噪声，Sn表示所述第n个运动目标的检测信号，S表示所述第n个运动目标的实际信号，所述第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示所述距离单元内存在行人，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为：
RN为噪声协方差矩阵，RN＝E[(Sn-S)(Sn-S)H],det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作；
H0和H1的概率密度函数的似然比为：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值；
对所述似然比取对数得到：
令
则可以得到
对Hn取实部得到所述第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算；
所述第n个运动目标的检测门限为：
一种示例性的方式中，所述处理器根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人，包括：
根据以下公式判断H0和H1是否成立：
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值大于0时，H1成立，确定所述第n个运动目标是行人；
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值小于或等于0时，H0成立，确定所述第n个运动目标不是行人。
一种示例性的方式中，所述处理器根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，包括：
根据所述发射信号和所述回波信号得到差拍信号；
对所述差拍信号进行模数转换，得到采样信号；
对所述采样信号进行一维傅里叶变换FFT处理，得到所述每个运动目标的频域信号；
对一维FFT的结果进行二维FFT处理；
对二维FFT的结果进行恒虚警CFAR检测，得到所述Q个脉冲重复周期内的运动目标的个数以及所述每个运动目标的多普勒频率。
针对第二方面提供的检测行人的装置能够带来的有益效果，参照前述第一方面所述方法的有益效果，这里不再赘述。
本发明第三方面提供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指令，当所述指令被执行时，使得计算机执行如本申请第一方面以及各可选方式所述的方法。
本申请实施例提供的检测行人的方法和装置，包括：根据Q个脉冲重复周期内的发射信号和回波信号，获取Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及每个运动目标的频域信号，根据运动目标的频域信号和运动目标的多普勒频率，得到运动目标的检测信号。根据人体运动模型和运动目标的检测信号，估计得到运动目标的估计信号，对运动目标的检测信号和估计信号进行非线性相位抵消处理，得到运动目标的信号检测值和检测门限，根据运动目标的信号检测值和检测门限，确定运动目标是否为行人。该方法不需要提取运动目标的微多普勒特征，解决了现有技术提取微多普勒特征难的问题，并且能够提高对行人检测的效率和准确性，应用更加广泛。该可以应用于毫米波雷达，该毫米波雷达可以用于自动驾驶或者智能驾驶的车辆上，用于对行人的检测。
附图说明
图1为毫米波雷达的一种结构示意图；
图2为本发明实施例一提供的检测行人的方法的流程图；
图3为差拍信号的A/D转换示意图；
图4为本申请实施例二提供的一种检测行人的装置的结构示意图；
图5为本申请实施例三提供的一种检测行人的装置的结构示意图。
具体实施方式
本申请实施例提供一种检测行人的方法，用于识别检测到的目标中是否存在行人，该方法不仅能够检测具有微运动的行人，还可以检测具有微运动的动物等物体。微运动是指物体及其组成部件的振动、转动等小幅度的运动，如车轮、履带的转动，行人四肢的摆动等。物体的微运动会产生微多普勒频移，这些微运动可控性低，不易被模仿，其微多普勒特征往往是“独一无二”的，可以作为运动物体识别的重要依据。
该检测行人的方法可以应用于ADAS、人工智能系统、智能监控系统、智能安防系统、人机交互、智能交通等领域。当应用于ADAS时，能够准确检测车辆周围的行人，从而能够对行人进行避让，提高行车安全性。
当本申请实施例的方法应用在ADAS中时，可以由车辆上安装的雷达执行本申请实施例的方法，该雷达可以安装在车辆的四个角上、或者车辆的正前方或者正后方。该雷达可以为毫米波雷达，也可以为工作在其他频段的雷达。毫米波雷达是指工作在毫米波波段(millimeter wave)的雷达，通常毫米波的频域波段为30～300GHz，波长为1～10mm。毫米波的波长介于微波和厘米波之间，因此毫米波雷达兼有微波雷达和光电雷达的一些优点。
毫米波雷达能分辨识别很小的目标，而且能同时识别多个目标；具有成像能力，体积小、机动性和隐蔽性好的优点。图1为毫米波雷达的一种结构示意图，如图1所示，该毫米波雷达包括：天线、混频器、低通滤波器、模数转换器(Analog to Digital Converter，A/D)、处理器、振荡器和调频连续波(Frequency Modulated Continuous Wave，FMCW)波形发生器。
天线由接收天线和发射天线组成，发射天线用于发送电磁波信号，接收天线用于接收电磁波信号，接收天线和发射天线可以独立设置，也可以集成在一起。FMCW波形发生器用于产生高频连续波，振荡器用于对FMCW产生的高频连续波进行处理产生发射信号。混频器用于合并发射信号和接收信号，并生成中频信号。低通滤波器用于滤除不需要的高频信号。A/D转换器用于将接收信号进行模数转换。基带信号处理单元主要用于进行数据处理，以获取目标的速度、距离和角度等信息。
本申请实施例的方法可以由毫米波雷达的处理器执行，以检测雷达的探测范围内是否存在行人。该处理器可以为基带信号处理单元，还可以为中央处理单元(CPU)、专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现。
雷达产生的发射信号，在遇到目标后会被反射回来，由于雷达自身的运动和/或物体动会导致目标和雷达之间发生相对运动，导致雷达的发射信号和回波信号产生多普勒频移，即回波信号的频率和相位发生了变化。由目标的微运动产生的多普勒频移称为微多普勒频移，本申请实施例提供的方法能够对产生微多普勒频移的目标进行检测。
传统的行人检测方法中，需要提取微多普勒特征，但是微多普勒特征的提取困难，这是由于行人的姿态多种，行人的外形更是大相径庭，以及随着行人距离远近的变化，人体返回的回波信号经时频分析反映到时频图中的信息随之变化。所以如何选择鲁棒性高的微多普勒特征较为困难，工作量大，从而导致行人检测的效率低，准确性差。
为了解决传统技术的问题，本申请实施例提供一种检测行人的方法，该方法不需要提取目标的微多普勒特征，而是利用物体的运动模型对物体产生的微运动信号进行估计，得到目标的估计信号。进而根据目标的估计信号和实际的检测信号，判断目标是否为行人。
当然，本申请实施例的方法不仅可以应用在行人检测中，还可以应用于动物检测，以及其他具有微多普勒频移的物体检测中，以下实施例中以行人检测为例进行说明。
图2为本发明实施例一提供的检测行人方法的流程图，如图2所示，本实施例提供的方法包括以下步骤：
S101、根据Q个脉冲重复周期(Pulse Repetition Period，PRP)内的发射信号和回波信号，获取Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及每个运动目标的频域信号。
其中，运动目标的频域信号包括运动目标在Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数。
示例性的，根据发射信号和回波信号得到差拍信号，对该差拍信号进行A/D转换，得到采样信号，对采样信号进行一维傅里叶变换(1D Fast Fourier Transform，1D-FFT)处理，得到每个运动目标的频域信号，对一维FFT的结果进行二维FFT(2D Fast FourierTransform，2D-FFT)处理，对二维FFT的结果进行恒虚警(Constant False Alarm Rate，CFAR)检测，得到Q个脉冲重复周期内的运动目标的个数以及每个运动目标的多普勒频率。
回波信号即雷达的发射信号被物体反射后，到达雷达的接收信号，根据发射信号和回波信号可以得到差拍信号。对差拍信号进行A/D转换也称为对差拍信号进行A/D采样，是指依次对Q个脉冲重复周期内的每个脉冲重复周期进行A/D转换。在进行A/D转换时，需要舍弃回波时延和脉冲时延，得到有效采样。
图3为差拍信号的A/D转换示意图，如图3所示，脉冲重复周期的时长为T，脉冲的幅度为B，实线表示雷达的发射信号fT(t)，虚线表示雷达的回波信号fR(t)，任意两个相邻的脉冲之间(即发射信号)之间具有脉冲时延，同样，任意两个相邻的回波信号之前具有回波时延，在进行A/D转换时，不对回波时延和脉冲时延内的信号进行A/D转换。
1D-FFT和2D-FFT分别对应距离维FFT和速度维FFT，CFAR检测是判断距离单元内有无运动目标存在，获取运动目标的个数以及运动目标的运动参数，运动参数包括距离和速度。
针对每个运动目标，在Q个脉冲重复周期内会获取到该运动目标的Q个频域信号，即在每个脉冲重复周期内会获取到该运动目标的一个频域信号。针对每个运动目标，在Q个脉冲重复周期内会获取到该运动目标的一个多普勒频率。
由于本申请实施例的方法只能用于检测具有微多普勒频移的运动目标，因此，在本步骤中只获取运动目标的多普勒频率以及运动目标的频域信号，排除了非运动目标。
S102、针对每个运动目标，根据运动目标的频域信号和运动目标的多普勒频率，得到运动目标的检测信号。
示例性的，根据运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定运动目标的多普勒频率补偿信号。根据运动目标的多普勒频域补偿信号和运动目标的频域信号，确定运动目标的检测信号。
假设Q个脉冲重复周期内共有N个运动目标，第n个运动目标的多普勒频率为fd,n，脉冲重复周期的时长为T，第n个运动目标的多普勒频域补偿信号为
则可以根据以下公式(1)计算第n个运动目标的多普勒频域补偿信号
其中，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N。
根据以下公式(2)对第n个运动目标的频域信号进行频域补偿，计算得到第n个运动目标的检测信号Sn：
其中，SB,n(f)表示第n个运动目标的频域信号，·表示点积运算，第n个运动目标的频域信号包括Q个频域信号。
通过对运动目标的频域信号进行多普勒频率补偿，可以消除运动目标的多普勒频移，保留运动目标的微多普勒频移。
S103、根据人体运动模型和运动目标的检测信号，估计得到运动目标的估计信号。
本实施例中，可以通过训练获得人体运动模型，可以理解，不同的物体的运动模型不同，当用于检测动物时，动物的运动模型和人体运动模型不同。
示例性的，将人体划分为M个部位，根据人体部位的频域式和相位式，得到第n个运动目标的第k个部位的估计信号
的表达式，M为大于或等于2的整数。
根据人体运动模型中人体部位的划分方式，对第n个运动目标的检测信号Sn进行分解，得到第n个运动目标的第k个部位的检测信号Snk。如果人体运动模型中将人体划分为M个部分，则这里也需要将第n个运动目标的检测信号Sn分解为M个部分的检测信号。
令
使用最优化参数估计方法计算得到第n个运动目标的第k个部位的估计信号
的表达式中的参数，将第n个运动目标的估计信号记为
则
可以表示为公式(3)：
以人体为例，将人体划分为M个部位，包括头部、躯干、大臂、小臂、大腿、小腿等，不同部位的能量不同，其中，回波中躯干的能量最强。典型的人体的部位的估计信号可以通过公式(4)表示：
其中，
表示人体的第k个部位的估计信号，
表示
的相位，
k＝1，2，…，M，n＝1，2，…，N。
假设
则有
使用最优化参数估计方法计算得到第n个运动目标的第k个部位的参数Ak、Bk、Ck和Dk。将参数Ak、Bk、Ck和Dk带入
得到
将k个部位的估计信号带入公式(4)，得到第n个运动目标的估计信号
可以理解，在检测不同的物体时，公式(4)会相应变化。另外，本实施例中在确定第n个运动目标的估计信号时，取了人体的所有部位的估计信号之和。在本申请其他实施例中，在计算人体的估计信号时，还可以取人体的部分部位的估计信号进行计算，或者，为人体增加一个或者多个部位的估计信号。
S104、对运动目标的检测信号和估计信号进行非线性相位抵消处理，得到运动目标的信号检测值和检测门限。
示例性的，根据信号检测与估计理论，定义信号判断规则为公式(5)所示：
H0：Sn＝Nr
H1∶Sn＝S+Nr (5)；
其中，Nr表示复高斯白噪声，Sn表示第n个运动目标的检测信号，S表示第n个运动目标的实际信号，第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示距离单元内存在行人，n＝1，2，…，N，N表示Q个脉冲重复周期内的运动目标的个数。
然后，根据H0和H1的似然函数比求判决条件，H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为公式(6)和公式(7)所示：
其中，RN为噪声协方差矩阵，det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作，其中，RN可以通过公式(8)得到：
RN＝E[(Sn-S)(Sn-S)H] (8)。
对H0和H1的概率密度函数取似然比得到公式(9)：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值，τ0根据不同的估计准则而改变，当估计准则为最大似然准则时，τ0＝0。
对公式(9)的似然比取对数得到：
令
则根据公式(10)可以得到
对Hn取实部得到第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算。
根据公式(10)可以得到第n个运动目标的检测门限为：
通过对运动目标的检测信号和估计信号进行非线性相位抵消处理，对于具有微多普勒频移的运动目标，可以消除微多普勒频移引起的非线性相位变化，使得信号检测值Re(Hn)变大，对于不具有微多普勒频移的运动目标，则额外叠加了非线性相位信号，使得信号检测值Re(Hn)变小。因此，本实施例的方法更适用于检测具有微多普勒频移的运动目标，但是不同于现有技术，本实施例的方法不需要提取目标的微多普勒特性，而是利用预设的运动模型估计运动目标的多分量的估计信号，根据估计信号进行检测。
S105、根据运动目标的信号检测值和检测门限，确定运动目标是否为行人。
示例性的，根据以下公式判断H0和H1是否成立：
当第n个运动目标的信号检测值Re(Hn)和检测门限λn的差值大于0时，H1成立，确定第n个运动目标是行人，当第n个运动目标的信号检测值Re(Hn)和检测门限λn的差值小于或等于0时，H0成立，确定第n个运动目标不是行人。
本实施例中，根据Q个脉冲重复周期内的发射信号和回波信号，获取Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及每个运动目标的频域信号，针对每个运动目标，根据运动目标的频域信号和运动目标的多普勒频率，得到运动目标的检测信号。根据人体运动模型和运动目标的检测信号，估计得到运动目标的估计信号，对运动目标的检测信号和估计信号进行非线性相位抵消处理，得到运动目标的信号检测值和检测门限，根据运动目标的信号检测值和检测门限，确定运动目标是否为行人。该方法通过构建行人运动模型，根据行人运动模型和运动目标的检测信号，估计得到运动目标的估计信号，根据估计信号进一步识别物体，不需要提取运动目标的微多普勒特征，解决了现有技术提取微多普勒特征难的问题，提高了行人检测的效率和准确性，应用更加广泛。
当本实施例的方法应用在ADAS中时，雷达通过上述实施例一的方法能够准确识别出车辆周围的行人，进一步根据识别结果提示驾驶员避让行人，或者，根据识别结果控制车辆自动刹车以避开行人，提高了车辆行驶的安全性。
图4为本申请实施例二提供的一种检测行人装置的结构示意图，如图4所示，本实施例提供的装置包括：
获取模块11，用于根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，所述运动目标的频域信号包括所述运动目标在所述Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数；
补偿模块12，用于针对所述每个运动目标，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号；
估计模块13，用于根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号；
相位抵消模块14，用于对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限；
判决模块13，用于根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人。
一种示例性的方式中，所述补偿模块12具体用于：
根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号。
一种示例性的方式中，所述补偿模块12具体用于：
根据以下公式计算第n个运动目标的多普勒频域补偿信号
其中，fd,n表示所述运动目标的多普勒频率，T表示所述脉冲重复周期的时长，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
根据以下公式计算所述第n个运动目标的检测信号Sn：
其中，SB,n(f)表示所述第n个运动目标的频域信号，·表示点积运算。
一种示例性的方式中，所述估计模块13具体用于：
根据所述人体运动模型中人体部位的划分方式，对所述第n个运动目标的检测信号Sn进行分解，得到所述第n个运动目标的第k个部位的检测信号Snk，k＝1，2，…，M；
令
其中，使用最优化参数估计方法计算得到
的表达式中的参数；
将所述第n个运动目标的估计信号记为
则
可以表示为：
一种示例性的方式中，所述相位抵消模块14具体用于：
定义信号判断规则为：
H0∶Sn＝Nr
H1∶Sn＝S+Nr；
其中，Nr表示复高斯白噪声，Sn表示所述第n个运动目标的检测信号，S表示所述第n个运动目标的实际信号，所述第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示所述距离单元内存在行人，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为：
RN为噪声协方差矩阵，RN＝E[(Sn-S)(Sn-S)H],det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作；
H0和H1的概率密度函数的似然比为：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值；
对所述似然比取对数得到：
令
则可以得到
对Hn取实部得到所述第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算；
所述第n个运动目标的检测门限为：
一种示例性的方式中，所述判决模块15具体用于：
根据以下公式判断H0和H1是否成立：
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值大于0时，H1成立，确定所述第n个运动目标是行人；
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值小于或等于0时，H0成立，确定所述第n个运动目标不是行人。
一种示例性的方式中，所述获取模块11具体用于：
根据所述发射信号和所述回波信号得到差拍信号；
对所述差拍信号进行模数转换，得到采样信号；
对所述采样信号进行一维傅里叶变换FFT处理，得到所述每个运动目标的频域信号；
对一维FFT的结果进行二维FFT处理；
对二维FFT的结果进行恒虚警CFAR检测，得到所述Q个脉冲重复周期内的运动目标的个数以及所述每个运动目标的多普勒频率。
本实施例提供的装置可用于执行实施例一方法，具体实现方式和技术效果类似，这里不再赘述。
图5为本申请实施例三提供的一种检测行人的装置的结构示意图，可以集成在到雷达的固件中。如图5所示，本实施例提供的物体检测装置200包括：处理器21、存储器22和天线23，所述存储器22和所述天线23通过总线与所述处理器21连接并通信，所述存储器22用于存储指令，所述收发器23用于发射探测信号和接受回波信号，所述处理器21用于执行所述存储器中存储的指令，以使所述装置200执行如实施例一方法所述的方法。在实际逻辑器件实施中，处理器21可以集成或者复用雷达具有处理能力的部分，或者是单独的处理单元。对于毫米波雷达，处理器可以用气基带信号处理单元。存储器可以复用雷达内的存储器或者安装雷达车辆上其他的存储器或者具有存储能力的部分。
当该物体检测装置200为雷达时，物体检测装置200的结构可参照图1所示雷达结构，处理器21可以为图1所示雷达中的基带信号处理单元，收发器23可以为图1所示雷达中的天线，各部件的具体功能参照图1所示雷达的描述，这里不再赘述。
本发明第四方面提供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指令，当所述指令被执行时，使得计算机执行如本申请第一方面以及各可选方式所述的方法。
可以理解，本申请实施例涉及的处理器可以是中央处理器(CPU)，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)或者其他可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。
本申请实施例所述的总线可以是工业标准体系结构(Industry StandardArchitecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，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，在本申请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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (14)
1.一种检测行人的方法，其特征在于，包括：
根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，所述运动目标的频域信号包括所述运动目标在所述Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数；
针对所述每个运动目标，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号；
根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号；
对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限；
根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人。
2.根据权利要求1所述的方法，其特征在于，根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号，包括：
根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号。
3.根据权利要求2所述的方法，其特征在于，根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号，包括：
根据以下公式计算第n个运动目标的多普勒频域补偿信号
其中，fd,n表示所述运动目标的多普勒频率，T表示所述脉冲重复周期的时长，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号，包括：
根据以下公式计算所述第n个运动目标的检测信号Sn：
其中，SB,n(f)表示所述第n个运动目标的频域信号，·表示点积运算。
4.根据权利要求1-3任一项所述的方法，其特征在于，根据人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号，包括：
根据所述人体运动模型中人体部位的划分方式，对第n个运动目标的检测信号Sn进行分解，得到所述第n个运动目标的第k个部位的检测信号Snk，k＝1，2，…，M；
令
其中，使用最优化参数估计方法计算得到
的表达式中的参数；
将所述第n个运动目标的估计信号记为
则
可以表示为：
5.根据权利要求1-4任一项所述的方法，其特征在于，对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限，包括：
定义信号判断规则为：
H0：Sn＝Nr
H1：Sn＝S+Nr；
其中，Nr表示复高斯白噪声，Sn表示第n个运动目标的检测信号，S表示所述第n个运动目标的实际信号，所述第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示所述距离单元内存在行人，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为：
RN为噪声协方差矩阵，RN＝E[(Sn-S)(Sn-S)H],det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作；
H0和H1的概率密度函数的似然比为：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值；
对所述似然比取对数得到：
令
则可以得到
对Hn取实部得到所述第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算；
所述第n个运动目标的检测门限为：
6.根据权利要求5所述的方法，其特征在于，根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人，包括：
根据以下公式判断H0和H1是否成立：
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值大于0时，H1成立，确定所述第n个运动目标是行人；
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值小于或等于0时，H0成立，确定所述第n个运动目标不是行人。
7.根据权利要求1-6任一项所述的方法，其特征在于，根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，包括：
根据所述发射信号和所述回波信号得到差拍信号；
对所述差拍信号进行模数转换，得到采样信号；
对所述采样信号进行一维傅里叶变换FFT处理，得到所述每个运动目标的频域信号；
对一维FFT的结果进行二维FFT处理；
对二维FFT的结果进行恒虚警CFAR检测，得到所述Q个脉冲重复周期内的运动目标的个数以及所述每个运动目标的多普勒频率。
8.一种检测行人的装置，其特征在于，包括：
天线，用于发射探测信号和接受回波信号；
处理器，用于根据Q个脉冲重复周期内的所述回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，所述运动目标的频域信号包括所述运动目标在所述Q个脉冲重复周期内的频域信号，Q为大于或等于2的整数；针对所述每个运动目标，根据所述运动目标的频域信号和所述运动目标的多普勒频率，对所述运动目标的频域信号进行多普勒频率补偿，得到所述运动目标的检测信号；根据构建人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号；对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限；根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人。
9.根据权利要求8所述的装置，其特征在于，所述处理器用于根据所述运动目标的频域信号和所述运动目标的多普勒频率，得到所述运动目标的检测信号，包括：
根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号；
根据所述运动目标的多普勒频域补偿信号和所述运动目标的频域信号，确定所述运动目标的检测信号。
10.根据权利要求9所述的装置，其特征在于，所述处理器用于根据所述运动目标的多普勒频率、脉冲重复周期的时长以及脉冲重复周期的个数，确定所述运动目标的多普勒频率补偿信号，包括：
根据以下公式计算第n个运动目标的多普勒频域补偿信号
其中，fd,n表示所述运动目标的多普勒频率，T表示所述脉冲重复周期的时长，q表示脉冲重复周期的序号，exp()表示以e为底的指数函数，q＝1，2，…，Q，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
根据以下公式计算所述第n个运动目标的检测信号Sn：
其中，SB,n(f)表示所述第n个运动目标的频域信号，·表示点积运算。
11.根据权利要求8-10任一项所述的装置，其特征在于，所述处理器用于根据构建的人体运动模型和所述运动目标的检测信号，估计得到所述运动目标的估计信号，包括：
根据所述人体运动模型中人体部位的划分方式，对第n个运动目标的检测信号Sn进行分解，得到所述第n个运动目标的第k个部位的检测信号Snk，k＝1，2，…，M；
令
其中，使用最优化参数估计方法计算得到
的表达式中的参数；
将所述第n个运动目标的估计信号记为
则
可以表示为：
12.根据权利要求8-11任一项所述的装置，其特征在于，所述处理器用于对所述运动目标的检测信号和估计信号进行非线性相位抵消处理，得到所述运动目标的信号检测值和检测门限，包括：
定义信号判断规则为：
H0：Sn＝Nr
H1：Sn＝S+Nr；
其中，Nr表示复高斯白噪声，Sn表示第n个运动目标的检测信号，S表示所述第n个运动目标的实际信号，所述第n个运动目标的实际信号不包括噪声，H0表示距离单元内不存在行人，H1表示所述距离单元内存在行人，n＝1，2，…，N，N表示所述Q个脉冲重复周期内的运动目标的个数；
H0和H1的统计特性近似符合高斯分布，根据信号检测与估计理论，得到H0和H1的概率密度函数为：
RN为噪声协方差矩阵，RN＝E[(Sn-S)(Sn-S)H],det(RN)表示RN的行列式，(·)H表示取共轭转置操作，(·)-1表示取逆操作；
H0和H1的概率密度函数的似然比为：
其中，
表示H1的条件下，L(X)大于τ0、H0的条件下，L(X)小于τ0，τ0为预设值；
对所述似然比取对数得到：
令
则可以得到
对Hn取实部得到所述第n个运动目标的信号检测值为:
其中，Re(·)表示取实部运算；
所述第n个运动目标的检测门限为：
13.根据权利要求12所述的装置，其特征在于，所述处理器用于根据所述运动目标的信号检测值和所述检测门限，确定所述运动目标是否为行人，包括：
根据以下公式判断H0和H1是否成立：
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值大于0时，H1成立，确定所述第n个运动目标是行人；
当所述第n个运动目标的信号检测值Re(Hn)和所述检测门限λn的差值小于或等于0时，H0成立，确定所述第n个运动目标不是行人。
14.根据权利要求8-13任一项所述的装置，其特征在于，所述处理器用于根据Q个脉冲重复周期内的发射信号和回波信号，获取所述Q个脉冲重复周期内的运动目标的个数、每个运动目标的多普勒频率以及所述每个运动目标的频域信号，包括：
根据所述发射信号和所述回波信号得到差拍信号；
对所述差拍信号进行模数转换，得到采样信号；
对所述采样信号进行一维傅里叶变换FFT处理，得到所述每个运动目标的频域信号；
对一维FFT的结果进行二维FFT处理；
对二维FFT的结果进行恒虚警CFAR检测，得到所述Q个脉冲重复周期内的运动目标的个数以及所述每个运动目标的多普勒频率。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945941.5A CN112578374B (zh) | 2019-09-30 | 2019-09-30 | 检测行人的方法和装置 |
| PCT/CN2020/119503 WO2021063403A1 (zh) | 2019-09-30 | 2020-09-30 | 检测行人的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910945941.5A CN112578374B (zh) | 2019-09-30 | 2019-09-30 | 检测行人的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112578374A CN112578374A (zh) | 2021-03-30 |
| CN112578374B true CN112578374B (zh) | 2023-04-28 |
Family
ID=75117089
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910945941.5A Active CN112578374B (zh) | 2019-09-30 | 2019-09-30 | 检测行人的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112578374B (zh) |
| WO (1) | WO2021063403A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552541B (zh) * | 2021-07-28 | 2024-04-05 | 矽典微电子(上海)有限公司 | 多普勒估计方法及系统 |
| CN114089328A (zh) * | 2021-11-23 | 2022-02-25 | 扬州宇安电子科技有限公司 | 确定行人移动速度的方法及行人定位方法、车载雷达 |
| CN115002710A (zh) * | 2022-05-20 | 2022-09-02 | 海信集团控股股份有限公司 | 运动监测方法及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107102319A (zh) * | 2016-02-19 | 2017-08-29 | 松下电器产业株式会社 | 雷达装置 |
| CN108388850A (zh) * | 2018-02-08 | 2018-08-10 | 天津大学 | 一种基于k最近邻及微多普勒特征的人体动作识别方法 |
| CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
| CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8330650B2 (en) * | 2010-05-07 | 2012-12-11 | The United States Of America, As Represented By The Secretary Of The Army | Radar system and antenna with delay lines and method thereof |
-
2019
- 2019-09-30 CN CN201910945941.5A patent/CN112578374B/zh active Active
-
2020
- 2020-09-30 WO PCT/CN2020/119503 patent/WO2021063403A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107102319A (zh) * | 2016-02-19 | 2017-08-29 | 松下电器产业株式会社 | 雷达装置 |
| CN108388850A (zh) * | 2018-02-08 | 2018-08-10 | 天津大学 | 一种基于k最近邻及微多普勒特征的人体动作识别方法 |
| CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
| CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021063403A1 (zh) | 2021-04-08 |
| CN112578374A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112578374B (zh) | 检测行人的方法和装置 | |
| JP6689252B2 (ja) | レーダーシステムにおける分配されたレーダー信号処理 | |
| JP5296965B2 (ja) | 車両用センサシステム及び方法 | |
| CN102288942B (zh) | 一种毫米波雷达信号波形的设计方法 | |
| CN110431436B (zh) | 求取至少一个目标的径向相对加速度的方法和雷达设备 | |
| CN102707285A (zh) | 车载毫米波防撞雷达系统的频域恒虚警检测方法 | |
| JP7173735B2 (ja) | レーダ装置及び信号処理方法 | |
| KR20200002392A (ko) | 딥러닝 기반 레이더 간섭 제거 장치 | |
| CN114594428B (zh) | 基于脉间频率编码脉内线性调频的间歇采样干扰抑制方法 | |
| EP2942641A1 (en) | Radar device | |
| CN105022037B (zh) | 一种基于超混沌编码的汽车雷达交叉干扰抑制方法 | |
| CN105427301A (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
| EP4158378A1 (en) | Clustering in automotive imaging | |
| Wan et al. | Moving target detection using the 2D-FFT algorithm for automotive FMCW radars | |
| CN104977566B (zh) | 用于一调频连续波雷达感测系统的信号处理方法及装置 | |
| KR102215062B1 (ko) | 무인기 탐지를 위한 다중모드 레이더 신호 처리 장치 및 그 방법 | |
| JP2009014405A (ja) | 車載用レーダ装置 | |
| CN105261028A (zh) | 基于能量聚集度测度的海陆杂波场景分割方法 | |
| Macaveiu et al. | Kalman-based tracker for multiple radar targets | |
| CN116626594A (zh) | 集成电路、无线电器件、终端设备、干扰检测方法和装置 | |
| CN108983190A (zh) | 基于干涉相位获取转动目标不同散射中心微动轨迹的方法 | |
| CN108983189B (zh) | 一种振动目标的二维微动轨迹估计方法 | |
| KR20160034753A (ko) | 차량의 주행 제어 장치 및 방법 | |
| CN114089287A (zh) | 一种fmcw交通雷达抗同频异步干扰方法 | |
| Shin et al. | Target speed Sensing technique using dilation correlation of ultrasonic signal for vehicle |
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 |