CN112782684A - 一种人体目标检测方法、装置、计算机设备和存储介质 - Google Patents
一种人体目标检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112782684A CN112782684A CN202011626089.4A CN202011626089A CN112782684A CN 112782684 A CN112782684 A CN 112782684A CN 202011626089 A CN202011626089 A CN 202011626089A CN 112782684 A CN112782684 A CN 112782684A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- radar wave
- sample
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 238000009825 accumulation Methods 0.000 claims description 60
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000001427 coherent effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01S13/04—Systems determining presence of a 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种人体目标检测方法、装置、计算机设备和存储介质,该方法包括:确定针对一空间训练的人体分类器,驱动雷达向空间中发射目标雷达波信号、接收经空间反射的目标雷达波信号,对目标雷达波信号执行滤波处理,克服了空间中强杂波的干扰,增加了信号信噪比;若滤波处理执行完成,则根据连续多个目标雷达波信号的分布信息计算与目标雷达波信号适配的目标门限值,根据目标门限值在目标雷达波信号中筛选有效的目标波峰信号,增加了提取特征的精确度;从目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征,并将目标信号特征输入人体分类器中,以识别空间中人体的存在状态,保证了检测结果的准确性。
Description
技术领域
本发明实施例涉及雷达检测的技术领域,尤其涉及一种人体目标检测方法、装置、计算机设备和存储介质。
背景技术
随着智慧城市、智慧建筑、智慧安防、智能家居的兴起与发展,智能化基础数据检测成为了核心关键之一。人体作为社会活动的主体,对其进行目标检测是智能化过程中的重中之重。
传统的人体目标检测方法一般是通过摄像头、红外传感器、射频识别装置、无线保真信号等来实现目标检测,但是,基于摄像头的人体目标检测方法易受光照、天气、温度、灰尘等环境因素的影响,造成接收信号的质量下降,增加了人体目标检测的难度。
发明内容
本发明实施例提出了一种人体目标检测方法、装置、计算机设备和存储介质,以解决在环境因素干扰较大时,对微小运动的人体目标检测困难的问题。
第一方面,本发明实施例提供了一种人体目标检测方法,所述方法包括:
确定针对一空间训练的人体分类器;
驱动雷达向所述空间中发射目标雷达波信号、接收经所述空间反射的目标雷达波信号;
对所述目标雷达波信号执行滤波处理;
若所述滤波处理执行完成,则根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值;
根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号;
从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征;
将所述目标信号特征输入所述人体分类器中,以识别所述空间中人体的存在状态。
可选地,所述确定针对一空间训练的人体分类器,包括:
驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经所述空间反射的样本雷达波信号;
对所述样本雷达波信号执行滤波处理;
若所述滤波处理执行完成,则根据连续多个所述样本雷达波信号的分布信息计算与所述样本雷达波信号适配的样本门限值;
根据所述样本门限值在所述样本雷达波信号中筛选有效的样本波峰信号;
从所述样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征;
以所述样本信号特征作为表示正常的训练样本训练人体分类器。
可选地,所述对所述目标雷达波信号执行滤波处理,包括:
获取当前帧的杂波信号;
将所述目标雷达波信号减去所述杂波信号,得到滤波信号。
可选地,所述根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值,包括:
将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值;
去除所述多个原始积累值中的最小值和最大值,得到多个目标积累值;
计算所述多个目标积累值的对数均值和标准差;
基于所述对数均值和所述标准差得到目标门限值,所述目标门限值与所述对数均值和所述标准差正相关。
可选地,所述将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值,包括:
计算连续多个帧的滤波信号进行相干积累后的平均值,得到多个原始积累值;
所述基于所述对数均值和所述标准差得到目标门限值,包括:
以自然数作为底数、所述标准差与所述对数均值进行线性融合后得到的数值作为指数计算目标门限值。
可选地,所述根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号,包括:
分别在连续的预设个数的数值中查询局部最大值;
将所述局部最大值与所述目标门限值进行比较;
若所述局部最大值大于所述目标门限值,则将该局部最大值作为有效的目标波峰信号。
可选地,所述从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征,包括:
统计所述目标波峰信号的个数,得到所述目标波峰信号的数量;
针对所述目标波峰信号进行预设比例的偏移,将偏移后的波形作为所述目标波峰信号的目标波形;
计算所述目标波形的频带宽度,作为所述目标波峰信号的带宽;
计算所述目标波形的频带能量,作为所述目标波峰信号的能量。
第二方面,本发明实施例还提供了一种人体目标检测装置,所述装置包括:
人体分类器确定模块,用于确定针对一空间训练的人体分类器;
雷达驱动模块,用于驱动雷达向所述空间中发射目标雷达波信号、接收经所述空间反射的目标雷达波信号;
目标雷达波信号滤波模块,用于对所述目标雷达波信号执行滤波处理;
目标门限值计算模块,用于若所述滤波处理执行完成,则根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值;
目标波峰信号筛选模块,用于根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号;
目标信号特征提取模块,用于从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征;
存在状态识别模块,用于将所述目标信号特征输入所述人体分类器中,以识别所述空间中人体的存在状态。
可选地,所述人体分类器确定模块,包括:
样本采集子模块,用于驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经所述空间反射的样本雷达波信号;
样本雷达波信号滤波子模块,用于对所述样本雷达波信号执行滤波处理;
样本门限值计算子模块,用于若所述滤波处理执行完成,则根据连续多个所述样本雷达波信号的分布信息计算与所述样本雷达波信号适配的样本门限值;
样本波峰信号筛选子模块,用于根据所述样本门限值在所述样本雷达波信号中筛选有效的样本波峰信号;
样本信号特征提取子模块,用于从所述样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征;
人体分类器训练子模块,用于以所述样本信号特征作为表示正常的训练样本训练人体分类器。
可选地,所述目标雷达波信号滤波模块,包括:
杂波信号获取子模块,用于获取当前帧的杂波信号;
滤波信号获取子模块,用于将所述目标雷达波信号减去所述杂波信号,得到滤波信号。
可选地,所述目标门限值计算模块,包括:
原始积累值获得子模块,用于将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值;
目标积累值获得子模块,用于去除所述多个原始积累值中的最小值和最大值,得到多个目标积累值;
第一计算子模块,用于计算所述多个目标积累值的对数均值和标准差;
目标门限值获得子模块,用于基于所述对数均值和所述标准差得到目标门限值,所述目标门限值与所述对数均值和所述标准差正相关。
可选地,所述原始积累值获得子模块,包括:
平均值计算单元,用于计算连续多个帧的滤波信号进行相干积累后的平均值,得到多个原始积累值;
所述目标门限值获得子模块,包括:
目标门限值获取单元,用于以自然数作为底数、所述标准差与所述对数均值进行线性融合后得到的数值作为指数计算目标门限值。
可选地,所述目标波峰信号筛选模块,包括:
局部最大值查询子模块,用于分别在连续的预设个数的数值中查询局部最大值;
局部最大值比较子模块,用于将所述局部最大值与所述目标门限值进行比较;
目标波峰信号获得子模块,用于若所述局部最大值大于所述目标门限值,则将该局部最大值作为有效的目标波峰信号。
可选地,所述目标信号特征提取模块,包括:
数量计算子模块,用于统计所述目标波峰信号的个数,得到所述目标波峰信号的数量;
目标波形获取子模块,用于针对所述目标波峰信号进行预设比例的偏移,将偏移后的波形作为所述目标波峰信号的目标波形;
带宽计算子模块,用于计算所述目标波形的频带宽度,作为所述目标波峰信号的带宽;
能量计算子模块,用于计算所述目标波形的频带能量,作为所述目标波峰信号的能量。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的人体目标检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如第一方所述的人体目标检测方法。
在本实施例中,通过确定针对一空间训练的人体分类器,驱动雷达向空间中发射目标雷达波信号、接收经空间反射的目标雷达波信号,对目标雷达波信号执行滤波处理,可克服空间中的强杂波对目标雷达波信号的干扰,增加了目标雷达波信号信噪比,为针对目标雷达波信号提取特征提供保障;若滤波处理执行完成,则根据连续多个目标雷达波信号的分布信息计算与目标雷达波信号适配的目标门限值,根据目标门限值在目标雷达波信号中筛选有效的目标波峰信号,增加了提取特征的精确度;从目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征,并将目标信号特征输入人体分类器中,以识别空间中人体的存在状态,通过提取多维度的特征来检测空间中是否存在人体目标,增加了检测结果的准确性。
附图说明
图1为本发明实施例一提供的一种人体目标检测方法的流程图;
图2为本发明实施例二提供的一种人体目标检测方法的流程图;
图3为本发明实施例三提供的一种人体目标检测装置的结构示意图;
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种人体目标检测方法的流程图,本实施例可适用于针对空间采集无人时的雷达波信号训练人体分类器的情况,该方法可以由人体目标检测装置来执行,该人体目标检测装置可以由软件和/或硬件实现,可配置在计算机设备中,例如,电脑、服务器、工作站,等等,具体包括如下步骤:
S110、驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经空间反射的样本雷达波信号。
在本实施例中,所谓的空间指的是人体可以活动的空间范围,可以是室内空间,例如教室、办公室、门厅等,也可以是室外空间,例如操场、路口、车站等;所谓的雷达指的是利用电磁波探测目标的电子设备。在本实施例中,空间中安装有用于探测人体目标的雷达,该雷达会不断地向空间中发射探测人体目标的雷达波信号,由于雷达波信号是一种电磁波,空间中物体(例如地板、墙体、窗户等)的表面会对电磁波进行反射,因此,雷达也会不断地接收经空间反射的雷达波信号。
在空间中人体目标存在有两种情况,一是存在目标,即空间中存在人体的情况,二是不存在目标,即空间中不存在人体的情况。在训练人体分类器时,可针对上述两种情况来采集空间中的雷达波信号作为训练人体分类器的样本。
在一个示例中,可在空间不存在人体时,驱动雷达向该空间发射样本雷达波信号,并接收经空间反射的样本雷达波信号,并将该样本雷达波信号作为训练人体分类器的样本数据,并使用训练完成的人体分类器对空间进行人体目标检测。
S120、对样本雷达波信号执行滤波处理。
雷达接收的样本雷达波信号包括环境噪声等杂波信号,因此需要对样本雷达波信号执行滤波处理,从而对样本雷达波信号中的杂波信号进行抑制,以提高样本雷达波信号的信噪比。
在本实施例中,可通过滤波算法对样本雷达波信号进行滤波处理,例如带通滤波、均值滤波、自适应迭代滤波等。
由于自适应滤波能够在未知环境中跟踪输入信号的时变特征来自适应地改变算法中的时变系数,因此,针对人体目标检测的时变特性,本实施例采用自适应迭代滤波作为示例。具体的,可获取当前帧的杂波信号,将样本雷达波信号减去该杂波信号得到滤波信号,例如,滤波信号的计算公式可由下式表示:
yk[n]=rk[n]-ck[n]
其中,k表示慢时间维,即第k个雷达脉冲回波;n表示快时间维,即第n个距离采样单元;rk[n]表示样本雷达波信号;ck[n]表示杂波信号;yk[n]表示滤波信号。
当前帧的杂波信号可由上一帧的样本雷达波信号与上一帧的杂波信号加权得到,具体的,可通过如下公式来计算当前帧的杂波信号:
ck[n]=αck-1[n]+(1-α)rk-1[n]
其中,α表示杂波信号的更新系数,其取值范围为0到1。
S130、若滤波处理执行完成,则根据连续多个样本雷达波信号的分布信息计算与样本雷达波信号适配的样本门限值。
由于空间中的雷达是不断向空间中发射并接收雷达波信号的,因此,在对采集的样本雷达波信号进行滤波处理后,会得到连续的多个样本雷达波信号。
为了提取样本雷达波信号的特征,可根据连续多个样本雷达波信号的分布信息来计算与样本雷达波信号适配的样本门限值,由样本门限值来确定样本波峰信号,可以提高在对样本雷达波信号进行特征提取时的精确性。
为了提高样本雷达波信号的信噪比,对样本雷达波信号执行滤波处理后得到的连续多个滤波信号在时间维度上进行相干积累,获得多个原始积累值。在本实施例的一个示例中,可通过计算连续多个帧的滤波信号进行相干积累后的平均值来得到多个原始积累值,其计算公式可由下式表示:
针对相干积累得到的多个原始积累值进行排序,去除其中的最小值和最大值,将剩余的原始积累值作为样本积累值。
对于得到的多个样本积累值,进行对数均值和标准差的计算,并基于该对数均值和标准差可得到样本门限值,该样本门限值与对数均值和标准差正相关。具体的,可以以自然数作为底数、标准差与对数均值进行线性融合后得到的数值作为指数来计算样本门限值,示例性的,可以通过如下公式来计算门限值:
其中,γ表示样本门限值;μk表示多个样本积累值的对数均值;σk表示多个样本积累值的标准差;为了准确表示样本门限值与对数均值和标准差的正相关性,将ρ作为σk的系数,ρ的数值(大于0)可以由经验确定,也可以由蒙特卡洛方法确定,本实施例对此不做限定。
S140、根据样本门限值在样本雷达波信号中筛选有效的样本波峰信号。
在获得样本门限值后,可根据样本门限值在样本雷达波信号中对有效的样本波峰信号进行筛选。
在本实施例中,可以将预设个数的数值作为一组,并在该组中查询最大值,作为局部最大值,由此可对样本雷达波信号的数值基于预设个数分为多个组,针对每个组都查询局部最大值,可得到样本雷达波信号的多个局部最大值,将每个局部最大值与样本门限值进行比较,将大于样本门限值的局部最大值视为有效的样本波峰信号,对于小于或等于样本门限值的局部最大值进行忽略。
S150、从样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征。
在获得样本波峰信号后,为了更准确表征样本雷达波信号所包含的信息,可进一步对样本波峰信号进行特征提取,将提取的特征来表示采集的样本雷达波信号的特征。具体的,可从样本波峰信号中提取数量、带宽、能量的特征,并将至少一个维度的特征来作为样本信号特征。
在一个示例中,在提取样本波峰信号的数量特征时,可通过对样本波峰信号的个数进行统计来得到样本波峰信号的数量,即统计S140中大于样本门限值的局部最大值的个数。
由于得到的样本波峰信号是一个局部最大值,为了计算该样本波峰信号的带宽、能量,可将样本波峰信号进行预设比例的偏移,将偏移后的波形作为样本波峰信号的样本波形。
示例性的,在一种情况下,若预设比例为0.2,样本波峰信号的数值为5,则计算的偏移量为1,以5作为波形的顶点,向下偏移1,即4,将4作为一个横向的偏移轴,将样本雷达波信号在偏移轴上方的波形作为样本波峰信号的样本波形;在另一种情况下,若预设比例为0.2,样本波峰信号5对应快时间维上的数值为8,则计算的偏移量为1.6,则可基于8向右偏移1.6,即9.6,将8和9.6分别作为径向的偏移轴,将样本雷达波信号在两个偏移轴之间的波形作为样本波峰信号的样本波形;同理,也可基于8向左偏移,又或者同时向左、向右进行偏移,此时,偏移的预设比例可以相同,也可以不同,对此,本实施例不做限定。
在确定样本波峰信号的样本波形后,针对该样本波形计算频带宽度,作为样本波峰信号的带宽,计算样本波形的频带能量,作为样本波峰信号的能量,由此可将样本波峰信号的数量、带宽、能量至少一个维度来作为采集的样本雷达波信号的特征,用于分类器进行特征训练。
S160、以样本信号特征作为表示正常的训练样本训练人体分类器。
在进行人体目标检测时,若不存在人体目标,则判定检测结果为正常,若存在人体目标,则判定检测结果为异常。因此,在本实施例中,从在不存在人体的空间中采集的样本雷达波信号提取的样本信号特征,是表示正常的训练样本,进而可采用该训练样本来对人体分类器进行训练。
示例性的,该人体分类器可以是一类支持向量机模型,可将样本信号特征输入至一类支持向量机进行样本训练,并将训练完成的模型作为人体分类器,来进行人体目标检测。由于本实施例是对人体目标存在的异常检测,因此,采用一类支持向量机模型进行分类器训练,可降低分类器的计算复杂度,从而提高分类器的检测速度。
需要说明的是,除了上述方法以外,也可以采用神经网络模型来作为人体分类器,本实施例对在样本训练时所采用的模型不做限定。
在本实施例中,通过驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经空间反射的样本雷达波信号,并对样本雷达波信号执行滤波处理,可去除采集的样本雷达波信号中的噪声,提高信号的信噪比;若滤波处理执行完成,则根据连续多个样本雷达波信号的分布信息计算与样本雷达波信号适配的样本门限值,根据样本门限值在样本雷达波信号中筛选有效的样本波峰信号,保证了特征提取的精确性;从样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征,以样本信号特征作为表示正常的训练样本训练人体分类器,通过多维度地提取样本雷达波信号的特征来训练分类器,可以提高分类器的检测精度。
实施例二
图2为本发明实施例二提供的一种人体目标检测方法的流程图,本实施例以前述实施例为基础,进一步细化应用人体分类器进行人体目标检测的操作,该方法具体包括如下步骤:
S210、确定针对一空间训练的人体分类器。
在对某个空间进行人体目标检测时,可基于在该空间训练的人体分类器来检测空间中是否存在人体目标,其中,所谓的空间指的是人体可以活动的空间范围,可以室内空间,例如教室、办公室、门厅等,也可以是室外空间,例如操场、路口、车站等。在本实施例中,可将实施例一中训练完成的人体分类器作为确定的人体分类器,来进行人体目标的检测。
S220、驱动雷达向空间中发射目标雷达波信号、接收经空间反射的目标雷达波信号。
在确定人体分类器后,可驱动安装在空间中的雷达发射目标雷达波信号来探测人体目标,其中,雷达指的是利用电磁波探测目标的电子设备。由于雷达波信号是一种电磁波,空间中物体(例如地板、墙体、窗户等)的表面会对电磁波进行反射,因此,随着雷达不断向空间中发射目标雷达波信号,也会不断地接收经空间反射的目标雷达波信号。
S230、对目标雷达波信号执行滤波处理。
对于雷达接收到的目标雷达波信号,包括环境噪声等杂波信号,也可能包括人体目标等目标信号,因此需要对目标雷达波信号执行滤波处理,从而对目标雷达波信号中的杂波信号进行抑制,以提高目标雷达波信号的信噪比。
在本实施例中,可通过滤波算法对目标雷达波信号进行滤波处理,例如带通滤波、均值滤波、自适应迭代滤波等。
由于自适应滤波能够在未知环境中跟踪输入信号的时变特征来自适应地改变算法中的时变系数,因此,针对人体目标检测的时变特性,本实施例采用自适应迭代滤波作为示例。具体的,可获取当前帧的杂波信号,将目标雷达波信号减去该杂波信号得到滤波信号,例如,滤波信号的计算公式可由下式表示:
yk[n]=rk[n]-ck[n]
其中,k表示慢时间维,即第k个雷达脉冲回波;n表示快时间维,即第n个距离采样单元;rk[n]表示目标雷达波信号;ck[n]表示杂波信号;yk[n]表示滤波信号。
当前帧的杂波信号可由上一帧的目标雷达波信号与上一帧的杂波信号加权得到,具体的,可通过如下公式来计算当前帧的杂波信号:
ck[n]=αck-1[n]+(1-α)rk-1[n]
其中,α表示杂波信号的更新系数,其取值范围为0到1。
S240、若滤波处理执行完成,则根据连续多个目标雷达波信号的分布信息计算与目标雷达波信号适配的目标门限值。
在对接收的目标雷达波信号进行滤波处理后,可得到连续的多个目标雷达波信号。为了提取目标雷达波信号的特征,可根据连续多个目标雷达波信号的分布信息来计算与目标雷达波信号适配的目标门限值,由目标门限值来确定目标波峰信号,可以提高在对目标雷达波信号进行特征提取时的精确性。
为了提高目标雷达波信号的信噪比,对目标雷达波信号执行滤波处理后得到的连续多个滤波信号在时间维度上进行相干积累,获得多个原始积累值。在本实施例的一个示例中,可通过计算连续多个帧的滤波信号进行相干积累后的平均值来得到多个原始积累值,其计算公式可由下式表示:
针对相干积累得到的多个原始积累值进行排序,去除其中的最小值和最大值,将剩余的原始积累值作为目标积累值。
对于得到的多个目标积累值,进行对数均值和标准差的计算,并基于该对数均值和标准差可得到目标门限值,该目标门限值与对数均值和标准差正相关。具体的,可以以自然数作为底数、标准差与对数均值进行线性融合后得到的数值作为指数来计算目标门限值,示例性的,可以通过如下公式来计算门限值:
其中,γ表示目标门限值;μk表示多个目标积累值的对数均值;σk表示多个目标积累值的标准差;为了准确表示目标门限值与对数均值和标准差的正相关性,将ρ作为σk的系数,ρ的数值(大于0)可以由经验确定,也可以由蒙特卡洛方法确定,本实施例对此不做限定。
S250、根据目标门限值在目标雷达波信号中筛选有效的目标波峰信号。
在获得目标门限值后,可根据目标门限值在目标雷达波信号中对有效的目标波峰信号进行筛选。
在本实施例中,可以将预设个数的数值作为一组,并在该组中查询最大值,作为局部最大值,由此可对目标雷达波信号的数值基于预设个数分为多个组,针对每个组都查询局部最大值,可得到目标雷达波信号的多个局部最大值,将每个局部最大值与目标门限值进行比较,将大于目标门限值的局部最大值视为有效的目标波峰信号,对于小于或等于目标门限值的局部最大值进行忽略。
S260、从目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征。
在本实施例中,可统计所述波峰信号的个数,得到波峰信号的数量;针对波峰信号进行预设比例的偏移,将偏移后的波形作为所述波峰信号的波形;计算波形的频带宽度,作为波峰信号的带宽;计算波形的频带能量,作为波峰信号的能量。
在获得目标波峰信号后,为了更准确表征目标雷达波信号所包含的信息,可进一步对目标波峰信号进行特征提取,将提取的特征来表示采集的目标雷达波信号的特征。具体的,可从目标波峰信号中提取数量、带宽、能量的特征,并将至少一个维度的特征来作为目标信号特征。
在一个示例中,在提取目标波峰信号的数量特征时,可通过对目标波峰信号的个数进行统计来得到目标波峰信号的数量,即统计S250中大于目标门限值的局部最大值的个数。
由于得到的目标波峰信号是一个局部最大值,为了计算该目标波峰信号的带宽、能量,可将目标波峰信号进行预设比例的偏移,将偏移后的波形作为目标波峰信号的目标波形。
示例性的,在一种情况下,若预设比例为0.2,目标波峰信号的数值为5,则计算的偏移量为1,以5作为波形的顶点,向下偏移1,即4,将4作为一个横向的偏移轴,将目标雷达波信号在偏移轴上方的波形作为目标波峰信号的目标波形;在另一种情况下,若预设比例为0.2,目标波峰信号5对应快时间维上的数值为8,则计算的偏移量为1.6,则可基于8向右偏移1.6,即9.6,将8和9.6分别作为径向的偏移轴,将目标雷达波信号在两个偏移轴之间的波形作为目标波峰信号的目标波形;同理,也可基于8向左偏移,又或者同时向左、向右进行偏移,此时,偏移的预设比例可以相同,也可以不同,对此,本实施例不做限定。
在确定目标波峰信号的目标波形后,针对该目标波形计算频带宽度,作为目标波峰信号的带宽,计算目标波形的频带能量,作为目标波峰信号的能量。进一步,可将目标波峰信号的数量、带宽、能量分别进行归一化,并将归一化后至少一个维度的特征作为目标雷达波信号的特征,输入至人体分类器,以实现人体目标检测。
S270、将目标信号特征输入人体分类器中,以识别空间中人体的存在状态。
针对检测时接收到的目标雷达波信号提取的目标信号特征,可将该目标信号特征输入至S210确定的人体分类器中,来判断目标雷达波信号中是否包含人体目标信号,即识别空间中人体的存在状态,该存在状态包括存在人体和不存在人体两种情况。若分类器输出结果为异常,则表示当前空间中存在人体目标;若分类器输出结果为正常,则表示当前空间中不存在人体目标。
在本实施例中,通过确定针对一空间训练的人体分类器,驱动雷达向空间中发射目标雷达波信号、接收经空间反射的目标雷达波信号,对目标雷达波信号执行滤波处理,可克服空间中的强杂波对目标雷达波信号的干扰,增加了目标雷达波信号信噪比,为针对目标雷达波信号提取特征提供保障;若滤波处理执行完成,则根据连续多个目标雷达波信号的分布信息计算与目标雷达波信号适配的目标门限值,根据目标门限值在目标雷达波信号中筛选有效的目标波峰信号,增加了提取特征的精确度;从目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征,并将目标信号特征输入人体分类器中,以识别空间中人体的存在状态,通过提取多维度的特征来检测空间中是否存在人体目标,增加了检测结果的准确性。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
图3为本发明实施例三提供的一种人体目标检测装置的结构框图,具体可以包括如下模块:
人体分类器确定模块301,用于确定针对一空间训练的人体分类器;
雷达驱动模块302,用于驱动雷达向所述空间中发射目标雷达波信号、接收经所述空间反射的目标雷达波信号;
目标雷达波信号滤波模块303,用于对所述目标雷达波信号执行滤波处理;
目标门限值计算模块304,用于若所述滤波处理执行完成,则根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值;
目标波峰信号筛选模块305,用于根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号;
目标信号特征提取模块306,用于从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征;
存在状态识别模块307,用于将所述目标信号特征输入所述人体分类器中,以识别所述空间中人体的存在状态。
在本发明的一个实施例中,所述人体分类器确定模块301,包括:
样本采集子模块,用于驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经所述空间反射的样本雷达波信号;
样本雷达波信号滤波子模块,用于对所述样本雷达波信号执行滤波处理;
样本门限值计算子模块,用于若所述滤波处理执行完成,则根据连续多个所述样本雷达波信号的分布信息计算与所述样本雷达波信号适配的样本门限值;
样本波峰信号筛选子模块,用于根据所述样本门限值在所述样本雷达波信号中筛选有效的样本波峰信号;
样本信号特征提取子模块,用于从所述样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征;
人体分类器训练子模块,用于以所述样本信号特征作为表示正常的训练样本训练人体分类器。
在本发明的一个实施例中,所述目标雷达波信号滤波模块303,包括:
杂波信号获取子模块,用于获取当前帧的杂波信号;
滤波信号获取子模块,用于将所述目标雷达波信号减去所述杂波信号,得到滤波信号。
在本发明的一个实施例中,所述目标门限值计算模块304,包括:
原始积累值获得子模块,用于将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值;
目标积累值获得子模块,用于去除所述多个原始积累值中的最小值和最大值,得到多个目标积累值;
第一计算子模块,用于计算所述多个目标积累值的对数均值和标准差;
目标门限值获得子模块,用于基于所述对数均值和所述标准差得到目标门限值,所述目标门限值与所述对数均值和所述标准差正相关。
在本发明的一个实施例中,所述原始积累值获得子模块,包括:
平均值计算单元,用于计算连续多个帧的滤波信号进行相干积累后的平均值,得到多个原始积累值;
所述目标门限值获得子模块,包括:
目标门限值获取单元,用于以自然数作为底数、所述标准差与所述对数均值进行线性融合后得到的数值作为指数计算目标门限值。
在本发明的一个实施例中,所述目标波峰信号筛选模块305,包括:
局部最大值查询子模块,用于分别在连续的预设个数的数值中查询局部最大值;
局部最大值比较子模块,用于将所述局部最大值与所述目标门限值进行比较;
目标波峰信号获得子模块,用于若所述局部最大值大于所述目标门限值,则将该局部最大值作为有效的目标波峰信号。
在本发明的一个实施例中,所述目标信号特征提取模块306,包括:
数量计算子模块,用于统计所述目标波峰信号的个数,得到所述目标波峰信号的数量;
目标波形获取子模块,用于针对所述目标波峰信号进行预设比例的偏移,将偏移后的波形作为所述目标波峰信号的目标波形;
带宽计算子模块,用于计算所述目标波形的频带宽度,作为所述目标波峰信号的带宽;
能量计算子模块,用于计算所述目标波形的频带能量,作为所述目标波峰信号的能量。
本发明实施例所提供的人体目标检测装置可执行本发明任意实施例所提供的人体目标检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的人体目标检测方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述人体目标检测方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种人体目标检测方法,其特征在于,包括:
确定针对一空间训练的人体分类器;
驱动雷达向所述空间中发射目标雷达波信号、接收经所述空间反射的目标雷达波信号;
对所述目标雷达波信号执行滤波处理;
若所述滤波处理执行完成,则根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值;
根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号;
从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征;
将所述目标信号特征输入所述人体分类器中,以识别所述空间中人体的存在状态。
2.根据权利要求1所述的方法,其特征在于,所述确定针对一空间训练的人体分类器,包括:
驱动雷达向不存在人体的空间中发射样本雷达波信号、接收经所述空间反射的样本雷达波信号;
对所述样本雷达波信号执行滤波处理;
若所述滤波处理执行完成,则根据连续多个所述样本雷达波信号的分布信息计算与所述样本雷达波信号适配的样本门限值;
根据所述样本门限值在所述样本雷达波信号中筛选有效的样本波峰信号;
从所述样本波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为样本信号特征;
以所述样本信号特征作为表示正常的训练样本训练人体分类器。
3.根据权利要求1所述的方法,其特征在于,所述对所述目标雷达波信号执行滤波处理,包括:
获取当前帧的杂波信号;
将所述目标雷达波信号减去所述杂波信号,得到滤波信号。
4.根据权利要求1-3任一所述的方法,其特征在于,所述根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值,包括:
将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值;
去除所述多个原始积累值中的最小值和最大值,得到多个目标积累值;
计算所述多个目标积累值的对数均值和标准差;
基于所述对数均值和所述标准差得到目标门限值,所述目标门限值与所述对数均值和所述标准差正相关。
5.根据权利要求4所述的方法,其特征在于,所述将连续多个所述滤波信号在时间维度上进行相干积累,获得多个原始积累值,包括:
计算连续多个帧的滤波信号进行相干积累后的平均值,得到多个原始积累值;
所述基于所述对数均值和所述标准差得到目标门限值,包括:
以自然数作为底数、所述标准差与所述对数均值进行线性融合后得到的数值作为指数计算目标门限值。
6.根据权利要求1或4所述的方法,其特征在于,所述根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号,包括:
分别在连续的预设个数的数值中查询局部最大值;
将所述局部最大值与所述目标门限值进行比较;
若所述局部最大值大于所述目标门限值,则将该局部最大值作为有效的目标波峰信号。
7.根据权利要求1-6任一所述的方法,其特征在于,所述从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征,包括:
统计所述目标波峰信号的个数,得到所述目标波峰信号的数量;
针对所述目标波峰信号进行预设比例的偏移,将偏移后的波形作为所述目标波峰信号的目标波形;
计算所述目标波形的频带宽度,作为所述目标波峰信号的带宽;
计算所述目标波形的频带能量,作为所述目标波峰信号的能量。
8.一种人体目标检测装置,其特征在于,包括:
人体分类器确定模块,用于确定针对一空间训练的人体分类器;
雷达驱动模块,用于驱动雷达向所述空间中发射目标雷达波信号、接收经所述空间反射的目标雷达波信号;
目标雷达波信号滤波模块,用于对所述目标雷达波信号执行滤波处理;
目标门限值计算模块,用于若所述滤波处理执行完成,则根据连续多个所述目标雷达波信号的分布信息计算与所述目标雷达波信号适配的目标门限值;
目标波峰信号筛选模块,用于根据所述目标门限值在所述目标雷达波信号中筛选有效的目标波峰信号;
目标信号特征提取模块,用于从所述目标波峰信号中提取数量、带宽、能量中至少一个维度的特征,作为目标信号特征;
存在状态识别模块,用于将所述目标信号特征输入所述人体分类器中,以识别所述空间中人体的存在状态。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的人体目标检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的人体目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011626089.4A CN112782684B (zh) | 2020-12-31 | 2020-12-31 | 一种人体目标检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011626089.4A CN112782684B (zh) | 2020-12-31 | 2020-12-31 | 一种人体目标检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112782684A true CN112782684A (zh) | 2021-05-11 |
CN112782684B CN112782684B (zh) | 2023-07-28 |
Family
ID=75754495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011626089.4A Active CN112782684B (zh) | 2020-12-31 | 2020-12-31 | 一种人体目标检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782684B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420634A (zh) * | 2021-06-18 | 2021-09-21 | 深圳大学 | 人体摔倒的检测方法、装置、电子设备及存储介质 |
CN113805165A (zh) * | 2021-09-18 | 2021-12-17 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
CN117331047A (zh) * | 2023-12-01 | 2024-01-02 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的人体行为数据分析方法及系统 |
WO2024160078A1 (zh) * | 2023-02-03 | 2024-08-08 | 华为技术有限公司 | 活体检测方法及相关装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239894A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于时域相关性特征的飞机目标分类方法 |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN107506794A (zh) * | 2017-08-23 | 2017-12-22 | 西安电子工程研究所 | 基于决策树的地面运动目标分类算法 |
CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
CN109975780A (zh) * | 2019-04-17 | 2019-07-05 | 西安电子工程研究所 | 基于脉冲多普勒雷达时域回波的直升机型号识别算法 |
CN110221288A (zh) * | 2019-05-17 | 2019-09-10 | 常州第四无线电厂有限公司 | 一种穿墙雷达微动目标检测方法 |
CN110488264A (zh) * | 2019-07-05 | 2019-11-22 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
CN110687513A (zh) * | 2019-08-30 | 2020-01-14 | 深圳大学 | 人体目标检测方法、装置及存储介质 |
CN112034464A (zh) * | 2020-08-31 | 2020-12-04 | 上海英恒电子有限公司 | 一种目标分类方法 |
-
2020
- 2020-12-31 CN CN202011626089.4A patent/CN112782684B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239894A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于时域相关性特征的飞机目标分类方法 |
CN105320966A (zh) * | 2015-10-30 | 2016-02-10 | 东软集团股份有限公司 | 一种车辆行驶状态识别方法及装置 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN107506794A (zh) * | 2017-08-23 | 2017-12-22 | 西安电子工程研究所 | 基于决策树的地面运动目标分类算法 |
CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
CN109975780A (zh) * | 2019-04-17 | 2019-07-05 | 西安电子工程研究所 | 基于脉冲多普勒雷达时域回波的直升机型号识别算法 |
CN110221288A (zh) * | 2019-05-17 | 2019-09-10 | 常州第四无线电厂有限公司 | 一种穿墙雷达微动目标检测方法 |
CN110488264A (zh) * | 2019-07-05 | 2019-11-22 | 珠海格力电器股份有限公司 | 人员检测方法、装置、电子设备及存储介质 |
CN110687513A (zh) * | 2019-08-30 | 2020-01-14 | 深圳大学 | 人体目标检测方法、装置及存储介质 |
CN112034464A (zh) * | 2020-08-31 | 2020-12-04 | 上海英恒电子有限公司 | 一种目标分类方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420634A (zh) * | 2021-06-18 | 2021-09-21 | 深圳大学 | 人体摔倒的检测方法、装置、电子设备及存储介质 |
CN113420634B (zh) * | 2021-06-18 | 2023-09-29 | 深圳大学 | 人体摔倒的检测方法、装置、电子设备及存储介质 |
CN113805165A (zh) * | 2021-09-18 | 2021-12-17 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
CN113805165B (zh) * | 2021-09-18 | 2024-04-30 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
WO2024160078A1 (zh) * | 2023-02-03 | 2024-08-08 | 华为技术有限公司 | 活体检测方法及相关装置 |
CN117331047A (zh) * | 2023-12-01 | 2024-01-02 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的人体行为数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112782684B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112782684B (zh) | 一种人体目标检测方法、装置、计算机设备和存储介质 | |
CN111399642B (zh) | 手势的识别方法、装置、移动终端和存储介质 | |
CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
CN111427032B (zh) | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 | |
CN102722706B (zh) | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 | |
CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
CN111832462B (zh) | 一种基于深度神经网络的跳频信号检测与参数估计方法 | |
CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
CN105094708A (zh) | 一种磁盘容量的预测方法及装置 | |
CN111191671A (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
CN114580572B (zh) | 一种异常值的识别方法、装置、电子设备及存储介质 | |
CN110687513B (zh) | 人体目标检测方法、装置及存储介质 | |
CN107024680B (zh) | 一种基于双删除门限的目标检测方法 | |
CN110084187B (zh) | 基于计算机视觉的位置识别方法、装置、设备及存储介质 | |
CN112799042B (zh) | 一种干扰下基于斜投影的扩展目标自适应检测方法与系统 | |
CN110909804A (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN111476965B (zh) | 火灾检测模型的构建方法、火灾检测方法及相关设备 | |
CN111812670A (zh) | 一种单光子激光雷达空间变换噪声判断、滤波方法及装置 | |
CN113671459B (zh) | Fmcw雷达动目标恒虚警检测方法 | |
CN108764206B (zh) | 目标图像识别方法和系统、计算机设备 | |
CN113721240B (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN105187143B (zh) | 一种基于二项分布的快速频谱感知方法和装置 | |
CN113311405A (zh) | 一种区域人数统计方法、装置、计算机设备及存储介质 | |
CN113985353A (zh) | 剔除点云中干扰点的方法、装置、和电子设备 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240605 Address after: 200331, No. 7, Lane 111, Qilianshan Road, Putuo District, Shanghai Patentee after: Shanghai Songchunguo Health Technology Co.,Ltd. Country or region after: China Address before: 518060 No. 3688 Nanhai Road, Shenzhen, Guangdong, Nanshan District Patentee before: SHENZHEN University Country or region before: China |
|
TR01 | Transfer of patent right |