CN113311405A - 一种区域人数统计方法、装置、计算机设备及存储介质 - Google Patents
一种区域人数统计方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113311405A CN113311405A CN202110585094.3A CN202110585094A CN113311405A CN 113311405 A CN113311405 A CN 113311405A CN 202110585094 A CN202110585094 A CN 202110585094A CN 113311405 A CN113311405 A CN 113311405A
- Authority
- CN
- China
- Prior art keywords
- distance
- effective peak
- peak
- maximum value
- dimensional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000001228 spectrum Methods 0.000 claims abstract description 52
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 18
- 238000007637 random forest analysis Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 7
- 230000003068 static effect Effects 0.000 abstract description 7
- 239000002184 metal Substances 0.000 abstract description 6
- 239000002609 medium Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- 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
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种区域人数统计方法、装置、计算机设备及存储介质。该方法包括：获取预设区域内的雷达回波数据；根据所述雷达回波数据生成距离‑角度谱；对所述距离‑角度谱的二维有效峰进行提取；采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。从而实现了对预设区域内人体目标的多维信息的有效提取，克服了富含金属的强静态杂波和强多径效应等极端环境以及运动状态随机性导致的回波信号差异大的问题，提高了在各种场景下区域人数确定的准确率。
Description
技术领域
本发明实施例涉及雷达检测技术领域，尤其涉及一种区域人数统计方法、装置、计算机设备及存储介质。
背景技术
随着物联网技术的飞速发展，区域人数信息作为生活及工作区域基础数据信息的重要组成，在当今的各类智能互联场景建设中发挥着重要的作用。区域人数信息的获取，可利于智慧城市、智慧建筑、智慧安防、智能家居的建设与发展。因此，对区域人数统计方法的相关研究具有重大的意义。
现有的区域人数统计方法通常有：基于摄像头的区域人数统计方法、基于红外的区域人数统计方法、基于RFID的区域人数统计方法和基于WIFI的区域人数统计方法。其中，基于摄像头的区域人数统计方法中，摄像头可以提供图像和视频信息，对于事后追查、取证等具有重要作用。但是摄像头易受光照影响，在环境光照分布不均(强光、黑光)时性能急剧下降，甚至无法工作；易受环境影响，在烟、雨、雾条件下，性能下降严重；易受灰尘影响，在有灰尘情况下，图像质量下降，如果要去除灰尘，又存在大量的后期维护问题；实时处理图像对处理能力要求高，高清图像对传输要求高，处理要求高，由此导致的成本也高；视觉传感由于信息与人眼感官世界相似，存在个人隐私泄露的问题，在关注个人隐私的地方无法使用，譬如卧室、洗手间、会议室等。基于红外的区域人数统计方法通常有两种方式，一是被动红外感知，二是主动红外感知。被动红外传感简单、功耗低，但是对动作检测灵敏度低，易受光照和温度影响，检测距离较近，且无法提供目标的位置信息；主动红外传感虽然能提供高角度分辨率，且获得与摄像头类似的丰富数据，但是易受光照和周边环境影响，软件和处理硬件要求复杂。基于RFID的区域人数统计方法需要人员配合使用并及时佩戴RFID设备，这在很多应用场景都很难有效。基于WIFI的区域人数统计方法很难获取目标的物理信息和监测人体活动状态，易受到无线设备功率干扰，这增加了基于WIFI的区域人数统计的难度。
发明内容
本发明实施例提供一种区域人数统计方法、装置、计算机设备及存储介质，以有效提取人体目标的多维信息，克服富含金属环境下的强杂波和强多径效应，以及运动状态随机性导致的回波信号差异大的问题，从而提高在各种场景下区域人数确定的准确率。
第一方面，本发明实施例提供了一种区域人数统计方法，该方法包括：
获取预设区域内的雷达回波数据；
根据所述雷达回波数据生成距离-角度谱；
对所述距离-角度谱的二维有效峰进行提取；
采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
第二方面，本发明实施例还提供了一种区域人数统计装置，该装置包括：
数据获取模块，用于获取预设区域内的雷达回波数据；
谱生成模块，用于根据所述雷达回波数据生成距离-角度谱；
有效峰提取模块，用于对所述距离-角度谱的二维有效峰进行提取；
目标检测模块，用于采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
人数确定模块，用于若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：
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本发明任意实施例所提供的区域人数统计方法。
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，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的区域人数统计方法。
本发明实施例提供了一种区域人数统计方法，首先获取预设区域内的雷达回波数据，然后根据该雷达回波数据生成距离-角度谱，再对该距离-角度谱的二维有效峰进行提取，接着采用极大似然估计方法根据提取到的二维有效峰检测预设区域内是否存在目标，并在存在目标时对二维有效峰的间距特征和能量块特征进行提取，以使用随机森林分类器根据该间距特征和能量块特征确定预设区域内的人数。本发明实施例所提供的区域人数统计方法，通过提取距离-角度谱的二维有效峰，并采用一种极大似然估计级联随机森林分类器的方式根据所提取的二维有效峰确定预设区域内的人数，实现了对预设区域内人体目标的多维信息的有效提取，克服了富含金属的强静态杂波和强多径效应等极端环境以及运动状态随机性导致的回波信号差异大的问题，可以感知完全静止或微小动作时的人员存在，从而提高了在各种场景下区域人数确定的准确率。同时，相比于现有的区域人数统计方法，本方法还具有完全非接触、不受天气和环境变化影响、可全天时全天候工作以及不侵害个人隐私等优点，并且，本发明计算复杂度较低，可以在一般的ARM处理器中运行，从而实现低功耗。
附图说明
图1为本发明实施例一提供的区域人数统计方法的流程图；
图2为本发明实施例二提供的区域人数统计装置的结构示意图；
图3为本发明实施例三提供的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。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的区域人数统计方法的流程图。本实施例可适用于基于二维空间属性特征及级联的多输入多输出(Multiple input multiple output，MIMO)雷达对某区域内的人数进行统计的情况，该方法可以由本发明实施例所提供的区域人数统计装置来执行，该装置可以由硬件和/或软件的方式来实现，一般可集成于计算机设备中。如图1所示，具体包括如下步骤：
S11、获取预设区域内的雷达回波数据。
具体的，可以通过雷达射频模块在预设区域内向外发射电磁波，并将雷达回波进行混频后传入AD采集模块以进行信号采样，从而得到雷达回波数据Yk(n,m)，其中，k表示帧数维，是第k帧回波数据，m表示慢时间维，是第m个线性调频信号(chirp)，n表示快时间维，是第n个距离采样单元。其中，雷达射频模块可以选用IWR-1642毫米波射频模块，以满足人体目标探测的低辐射要求。
S12、根据所述雷达回波数据生成距离-角度谱。
可选的，所述根据所述雷达回波数据生成距离-角度谱，包括：对所述雷达回波数据中每帧雷达回波的快时间维进行傅里叶变换，以生成距离像；每次固定所述距离像中的一个距离单元，以计算所述距离单元的Capon谱，并遍历所述距离像中的每个距离单元，从而得到所述距离-角度谱。具体的，首先可以对获取到的雷达回波数据中每帧雷达回波的快时间维进行傅里叶变换(Fast Fourier Transform，FFT)，以生成距离像YFFT，再固定YFFT的一个距离单元，并计算其Capon谱，当遍历完整个距离单元，即可得到距离-角度谱Pk(l,θ)，其中，k表示帧数维，θ表示角度单元，且θ∈[-60°,60°]，l表示距离单元，且l∈[1,L]，L的数值等于所设置的采样点数。其中，Capon谱为一种参数化空间谱，可以根据多路数字目标信号获取到目标的二维空间信息。
S13、对所述距离-角度谱的二维有效峰进行提取。
可选的，在所述对所述距离-角度谱的二维有效峰进行提取之前，还包括：对所述距离-角度谱进行杂波抑制，以得到滤波数据。其中，采用的杂波抑制方法可以包括带通滤波、均值滤波以及自适应迭代滤波等等。这里以自适应迭代滤波为例进行说明，具体可以包括：
Dk(l,θ)＝Pk(l,θ)-Ck(l,θ)
Ck+1(l,θ)＝αCk(l,θ)+(1-α)Pk(l,θ)
其中，Dk(l,θ)表示背景减除之后的滤波数据，Pk(l,θ)表示当前帧的距离-角度谱，Ck(l,θ)表示当前帧的杂波图，0≤α≤1表示杂波图的更新系数，k表示帧数维，θ表示角度单元，l表示距离单元。
进一步可选的，所述对所述距离-角度谱的二维有效峰进行提取，包括：确定所述滤波数据的第一最大值，以及所述滤波数据中以所述第一最大值为中心的预设保护窗内的第二最大值；将所述第一最大值与所述第二最大值进行比较，若相等，则将所述第一最大值对应的数据点确定为有效峰，并将所述预设保护窗内的数据置0以得到目标滤波数据；重新确定所述目标滤波数据的第三最大值，以及所述滤波数据中以所述第三最大值为中心的所述预设保护窗内的第四最大值，并迭代确定所述滤波数据中的有效峰，直至获得预设有效峰数的有效峰或者所述第三最大值为0。
具体的，首先可以选取需要提取的预设有效峰数Nc以及预设保护窗的大小lwin和θwin，具体可以根据经验确定Nc＝12，lwin＝2，θwin＝4。然后可以将原始的滤波数据记为D0(l,θ)，以开始如下步骤：(1)求取D0(l,θ)的最大值作为第一最大值，以及D0(l,θ)中以第一最大值为中心的预设保护窗内的最大值作为第二最大值，将该第一最大值与第二最大值进行比较，若相等，则可以将第一最大值对应的数据点确定为有效峰，同时可以保存下该有效峰的幅值和坐标，记为幅值Zg，距离单元
和角度单元
(其中，g∈[1,Nc]，是提取的有效峰顺序)，反之则不进行记录，并将D0(l,θ)中以第一最大值为中心的预设保护窗内的数据置0后得到的目标滤波数据记为D(l,θ)。(2)重新求取D(l,θ)的最大值作为第三最大值，以及以第三最大值为中心的预设保护窗内的最大值作为第四最大值，进而将该第三最大值与第四最大值进行比较，若相等，则可以将第三最大值对应的数据点确定为有效峰，并可以同上按照有效峰顺序进行记录，然后将D(l,θ)中以第三最大值为中心的预设保护窗内的数据置0以更新D(l,θ)。(3)迭代步骤(2)，直至提取得到预设有效峰数的有效峰或者再次提取的第三最大值为0，则完成了二维有效峰提取的过程。
S14、采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标。
可选的，所述采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标，包括：对所述二维有效峰进行帧数维堆叠，并对不同距离单元和不同角度单元的所有帧的所述二维有效峰进行对数高斯模型拟合，以得到每个所述二维有效峰的对数均值和标准差；通过似然比检测器采用如下公式检测所述预设区域内是否存在目标：
其中，
表示似然函数，Nc表示预设有效峰数，σ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的标准差，Zi表示第i个二维有效峰的幅值，μ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的对数均值，
表示预测结果，且
时表示没有目标，
时表示存在目标，
表示当
取最大值时p的值，p为0或1。具体的，即可以首先通过极大似然估计方法根据提取到的二维有效峰判断预设区域内是否有人体存在，当预测结果为0时则认定预设区域内不存在人体，当预测结果为1时则认定预设区域内存在人体，从而可以更精确的区分无人和有人。
S15、若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
具体的，当通过极大似然估计方法检测到预设区域内存在目标时，则可以进一步通过随机森林分类器进行细分人数，该随机森林分类器所使用的特征量即可以是二维有效峰的间距特征和能量块特征。其中，该随机森林分类器可以是含有150棵决策树的分类器。
可选的，所述间距特征包括：
其中，F1表示第一间距特征，Nc表示预设有效峰数，
表示第q个有效峰的距离单元，
表示第p个有效峰的距离单元，
表示第q个有效峰的角度单元，
表示第p个有效峰的角度单元，β表示用于平衡距离和角度的权重因子；
其中，F2表示第二间距特征，
表示当前帧中最大有效峰的距离单元，
表示当前帧中最大有效峰的角度单元；
其中，F3表示第三间距特征，Zq表示第q个有效峰的幅值；
其中，F4表示第四间距特征；以及
其中，F5表示第五间距特征。间距特征可以反映人与环境的相对位置关系和一定的物理环境结构。
可选的，所述对所述二维有效峰的能量块特征进行提取，包括：根据所述预设区域的空间大小以及所需估计的最大人数对所述预设区域进行分块；分别统计分块后每个区域的有效峰能量和，以确定所述能量块特征。具体的，由于人数的不同，有效峰能量的分布也不同，根据实验环境(即预设区域)的空间大小和所需估计的最大人数，可以将实验环境按照距离和角度分成Np块，然后可以分别统计Np块的有效峰能量和。示例性的，Np可以取6，则可以得到6块的有效峰能量和作为二维有效峰的能量块特征，并可记为[F6,F7,F8,F9,F10,F11]T，进一步的，随机森林分类器所使用的特征量即可以是F＝[F1,F2,…,F11]T。
在上述技术方案的基础上对所提供的区域人数统计方法进行了测试，以77GHz毫米波雷达(带宽为4GHz)为例，不锈钢金属匝道大小1.9米*0.9米*2.2米，安装高度为2.1米，针对0人、1人与多人三种情况进行了时长为16.67分钟(20000帧数据，帧率为20Hz)的测试，结果显示对人数分类的平均准确率优于92.66％。
本发明实施例所提供的技术方案，首先获取预设区域内的雷达回波数据，然后根据该雷达回波数据生成距离-角度谱，再对该距离-角度谱的二维有效峰进行提取，接着采用极大似然估计方法根据提取到的二维有效峰检测预设区域内是否存在目标，并在存在目标时对二维有效峰的间距特征和能量块特征进行提取，以使用随机森林分类器根据该间距特征和能量块特征确定预设区域内的人数。通过提取距离-角度谱的二维有效峰，并采用一种极大似然估计级联随机森林分类器的方式根据所提取的二维有效峰确定预设区域内的人数，实现了对预设区域内人体目标的多维信息的有效提取，克服了富含金属的强静态杂波和强多径效应等极端环境以及运动状态随机性导致的回波信号差异大的问题，可以感知完全静止或微小动作时的人员存在，从而提高了在各种场景下区域人数确定的准确率。同时，相比于现有的区域人数统计方法，本方法还具有完全非接触、不受天气和环境变化影响、可全天时全天候工作以及不侵害个人隐私等优点，并且，本发明计算复杂度较低，可以在一般的ARM处理器中运行，从而实现低功耗。
实施例二
图2为本发明实施例二提供的区域人数统计装置的结构示意图，该装置可以由硬件和/或软件的方式来实现，一般可集成于计算机设备中，用于执行本发明任意实施例所提供的区域人数统计方法。如图2所示，该装置包括：
数据获取模块21，用于获取预设区域内的雷达回波数据；
谱生成模块22，用于根据所述雷达回波数据生成距离-角度谱；
有效峰提取模块23，用于对所述距离-角度谱的二维有效峰进行提取；
目标检测模块24，用于采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
人数确定模块25，用于若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
本发明实施例所提供的技术方案，首先获取预设区域内的雷达回波数据，然后根据该雷达回波数据生成距离-角度谱，再对该距离-角度谱的二维有效峰进行提取，接着采用极大似然估计方法根据提取到的二维有效峰检测预设区域内是否存在目标，并在存在目标时对二维有效峰的间距特征和能量块特征进行提取，以使用随机森林分类器根据该间距特征和能量块特征确定预设区域内的人数。通过提取距离-角度谱的二维有效峰，并采用一种极大似然估计级联随机森林分类器的方式根据所提取的二维有效峰确定预设区域内的人数，实现了对预设区域内人体目标的多维信息的有效提取，克服了富含金属的强静态杂波和强多径效应等极端环境以及运动状态随机性导致的回波信号差异大的问题，可以感知完全静止或微小动作时的人员存在，从而提高了在各种场景下区域人数确定的准确率。同时，相比于现有的区域人数统计方法，本方法还具有完全非接触、不受天气和环境变化影响、可全天时全天候工作以及不侵害个人隐私等优点，并且，本发明计算复杂度较低，可以在一般的ARM处理器中运行，从而实现低功耗。
在上述技术方案的基础上，可选的，谱生成模块22，包括：
距离像生成单元，用于对所述雷达回波数据中每帧雷达回波的快时间维进行傅里叶变换，以生成距离像；
距离-角度谱生成单元，用于每次固定所述距离像中的一个距离单元，以计算所述距离单元的Capon谱，并遍历所述距离像中的每个距离单元，从而得到所述距离-角度谱。
在上述技术方案的基础上，可选的，该区域人数统计装置，还包括：
杂波抑制模块，用于在所述对所述距离-角度谱的二维有效峰进行提取之前，对所述距离-角度谱进行杂波抑制，以得到滤波数据。
在上述技术方案的基础上，可选的，有效峰提取模块23，包括：
最大值确定单元，用于确定所述滤波数据的第一最大值，以及所述滤波数据中以所述第一最大值为中心的预设保护窗内的第二最大值；
最大值比较单元，用于将所述第一最大值与所述第二最大值进行比较，若相等，则将所述第一最大值对应的数据点确定为有效峰，并将所述预设保护窗内的数据置0以得到目标滤波数据；
有效峰确定单元，用于重新确定所述目标滤波数据的第三最大值，以及所述滤波数据中以所述第三最大值为中心的所述预设保护窗内的第四最大值，并迭代确定所述滤波数据中的有效峰，直至获得预设有效峰数的有效峰或者所述第三最大值为0。
在上述技术方案的基础上，可选的，所述间距特征包括：
其中，F1表示第一间距特征，Nc表示预设有效峰数，
表示第q个有效峰的距离单元，
表示第p个有效峰的距离单元，
表示第q个有效峰的角度单元，
表示第p个有效峰的角度单元，β表示用于平衡距离和角度的权重因子；
其中，F2表示第二间距特征，
表示当前帧中最大有效峰的距离单元，
表示当前帧中最大有效峰的角度单元；
其中，F3表示第三间距特征，Zq表示第q个有效峰的幅值；
其中，F4表示第四间距特征；以及
其中，F5表示第五间距特征。
在上述技术方案的基础上，可选的，人数确定模块25，包括：
预设区域分块单元，用于根据所述预设区域的空间大小以及所需估计的最大人数对所述预设区域进行分块；
有效峰能量和统计单元，用于分别统计分块后每个区域的有效峰能量和，以确定所述能量块特征。
在上述技术方案的基础上，可选的，目标检测模块24，包括：
均值和标准差获得单元，用于对所述二维有效峰进行帧数维堆叠，并对不同距离单元和不同角度单元的所有帧的所述二维有效峰进行对数高斯模型拟合，以得到每个所述二维有效峰的对数均值和标准差；
目标检测单元，用于通过似然比检测器采用如下公式检测所述预设区域内是否存在目标：
其中，
表示似然函数，Nc表示预设有效峰数，σ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的标准差，Zi表示第i个二维有效峰的幅值，μ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的对数均值，
表示预测结果，且
时表示没有目标，
时表示存在目标，
表示当
取最大值时p的值，p为0或1。
本发明实施例所提供的区域人数统计装置可执行本发明任意实施例所提供的区域人数统计方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，在上述区域人数统计装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三
图3为本发明实施例三提供的计算机设备的结构示意图，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的框图。图3显示的计算机设备仅仅是一个示例，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3所示，该计算机设备包括处理器31、存储器32、输入装置33及输出装置34；计算机设备中处理器31的数量可以是一个或多个，图3中以一个处理器31为例，计算机设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的区域人数统计方法对应的程序指令/模块(例如，区域人数统计装置中的数据获取模块21、谱生成模块22、有效峰提取模块23、目标检测模块24及人数确定模块25)。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的区域人数统计方法。
存储器32可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器32可进一步包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置33可用于获取预设区域内的雷达回波数据，以及产生与计算机设备的用户设置和功能控制有关的键信号输入等。输出装置34包括显示屏等设备，可用于向用户展示最终的人数统计结果。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，该计算机可执行指令在由计算机处理器执行时用于执行一种区域人数统计方法，该方法包括：
获取预设区域内的雷达回波数据；
根据所述雷达回波数据生成距离-角度谱；
对所述距离-角度谱的二维有效峰进行提取；
采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
存储介质可以是任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM、兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的区域人数统计方法中的相关操作。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
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)
1.一种区域人数统计方法，其特征在于，包括：
获取预设区域内的雷达回波数据；
根据所述雷达回波数据生成距离-角度谱；
对所述距离-角度谱的二维有效峰进行提取；
采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
2.根据权利要求1所述的区域人数统计方法，其特征在于，所述根据所述雷达回波数据生成距离-角度谱，包括：
对所述雷达回波数据中每帧雷达回波的快时间维进行傅里叶变换，以生成距离像；
每次固定所述距离像中的一个距离单元，以计算所述距离单元的Capon谱，并遍历所述距离像中的每个距离单元，从而得到所述距离-角度谱。
3.根据权利要求1所述的区域人数统计方法，其特征在于，在所述对所述距离-角度谱的二维有效峰进行提取之前，还包括：
对所述距离-角度谱进行杂波抑制，以得到滤波数据。
4.根据权利要求3所述的区域人数统计方法，其特征在于，所述对所述距离-角度谱的二维有效峰进行提取，包括：
确定所述滤波数据的第一最大值，以及所述滤波数据中以所述第一最大值为中心的预设保护窗内的第二最大值；
将所述第一最大值与所述第二最大值进行比较，若相等，则将所述第一最大值对应的数据点确定为有效峰，并将所述预设保护窗内的数据置0以得到目标滤波数据；
重新确定所述目标滤波数据的第三最大值，以及所述滤波数据中以所述第三最大值为中心的所述预设保护窗内的第四最大值，并迭代确定所述滤波数据中的有效峰，直至获得预设有效峰数的有效峰或者所述第三最大值为0。
5.根据权利要求1所述的区域人数统计方法，其特征在于，所述间距特征包括：
其中，F1表示第一间距特征，Nc表示预设有效峰数，
表示第q个有效峰的距离单元，
表示第p个有效峰的距离单元，
表示第q个有效峰的角度单元，
表示第p个有效峰的角度单元，β表示用于平衡距离和角度的权重因子；
其中，F2表示第二间距特征，
表示当前帧中最大有效峰的距离单元，
表示当前帧中最大有效峰的角度单元；
其中，F3表示第三间距特征，Zq表示第q个有效峰的幅值；
其中，F4表示第四间距特征；以及
其中，F5表示第五间距特征。
6.根据权利要求1所述的区域人数统计方法，其特征在于，所述对所述二维有效峰的能量块特征进行提取，包括：
根据所述预设区域的空间大小以及所需估计的最大人数对所述预设区域进行分块；
分别统计分块后每个区域的有效峰能量和，以确定所述能量块特征。
7.根据权利要求1所述的区域人数统计方法，其特征在于，所述采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标，包括：
对所述二维有效峰进行帧数维堆叠，并对不同距离单元和不同角度单元的所有帧的所述二维有效峰进行对数高斯模型拟合，以得到每个所述二维有效峰的对数均值和标准差；
通过似然比检测器采用如下公式检测所述预设区域内是否存在目标：
其中，
表示似然函数，Nc表示预设有效峰数，σ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的标准差，Zi表示第i个二维有效峰的幅值，μ(l,θ)表示第l个距离单元、第θ个角度单元的二维有效峰的对数均值，
表示预测结果，且
时表示没有目标，
时表示存在目标，
表示当
取最大值时p的值，p为0或1。
8.一种区域人数统计装置，其特征在于，包括：
数据获取模块，用于获取预设区域内的雷达回波数据；
谱生成模块，用于根据所述雷达回波数据生成距离-角度谱；
有效峰提取模块，用于对所述距离-角度谱的二维有效峰进行提取；
目标检测模块，用于采用极大似然估计方法根据提取到的所述二维有效峰检测所述预设区域内是否存在目标；
人数确定模块，用于若存在目标，则对所述二维有效峰的间距特征和能量块特征进行提取，并使用随机森林分类器根据所述间距特征和所述能量块特征确定所述预设区域内的人数。
9.一种计算机设备，其特征在于，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中任一所述的区域人数统计方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的区域人数统计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110585094.3A CN113311405B (zh) | 2021-05-27 | 2021-05-27 | 一种区域人数统计方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110585094.3A CN113311405B (zh) | 2021-05-27 | 2021-05-27 | 一种区域人数统计方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113311405A true CN113311405A (zh) | 2021-08-27 |
| CN113311405B CN113311405B (zh) | 2023-06-20 |
Family
ID=77375437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110585094.3A Active CN113311405B (zh) | 2021-05-27 | 2021-05-27 | 一种区域人数统计方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113311405B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116449330A (zh) * | 2023-06-20 | 2023-07-18 | 精华隆智慧感知科技（深圳）股份有限公司 | 一种室内人数的估计方法、装置、计算机设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100271254A1 (en) * | 2007-12-25 | 2010-10-28 | Honda Elesys Co., Ltd. | Electronic scanning type radar device, estimation method of direction of reception wave, and program estimating direction of reception wave |
| US10310073B1 (en) * | 2018-02-07 | 2019-06-04 | Infineon Technologies Ag | System and method for determining engagement level of a human being using a millimeter-wave radar sensor |
| CN110231617A (zh) * | 2019-05-30 | 2019-09-13 | 深圳市华讯方舟微电子科技有限公司 | 目标障碍物方位探测方法、装置、车载雷达及存储介质 |
| JP2020026977A (ja) * | 2018-08-09 | 2020-02-20 | 株式会社デンソーテン | 物標検出装置および物標検出方法 |
| CN111399642A (zh) * | 2020-03-09 | 2020-07-10 | 深圳大学 | 手势的识别方法、装置、移动终端和存储介质 |
| CN111444926A (zh) * | 2020-03-20 | 2020-07-24 | 深圳大学 | 基于雷达的区域人数统计方法、装置、设备和存储介质 |
| CN112327286A (zh) * | 2020-10-13 | 2021-02-05 | 深圳大学 | 低复杂度下日常活动分类方法、装置、设备及存储介质 |
| CN112415485A (zh) * | 2020-11-09 | 2021-02-26 | 森思泰克河北科技有限公司 | 毫米波雷达的角度超分辨方法、装置及终端设备 |
| US20210116540A1 (en) * | 2019-10-22 | 2021-04-22 | Infineon Technologies Ag | Integration of Tracking with Classifier in mmWave Radar |
-
2021
- 2021-05-27 CN CN202110585094.3A patent/CN113311405B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100271254A1 (en) * | 2007-12-25 | 2010-10-28 | Honda Elesys Co., Ltd. | Electronic scanning type radar device, estimation method of direction of reception wave, and program estimating direction of reception wave |
| US10310073B1 (en) * | 2018-02-07 | 2019-06-04 | Infineon Technologies Ag | System and method for determining engagement level of a human being using a millimeter-wave radar sensor |
| JP2020026977A (ja) * | 2018-08-09 | 2020-02-20 | 株式会社デンソーテン | 物標検出装置および物標検出方法 |
| CN110231617A (zh) * | 2019-05-30 | 2019-09-13 | 深圳市华讯方舟微电子科技有限公司 | 目标障碍物方位探测方法、装置、车载雷达及存储介质 |
| US20210116540A1 (en) * | 2019-10-22 | 2021-04-22 | Infineon Technologies Ag | Integration of Tracking with Classifier in mmWave Radar |
| CN111399642A (zh) * | 2020-03-09 | 2020-07-10 | 深圳大学 | 手势的识别方法、装置、移动终端和存储介质 |
| CN111444926A (zh) * | 2020-03-20 | 2020-07-24 | 深圳大学 | 基于雷达的区域人数统计方法、装置、设备和存储介质 |
| CN112327286A (zh) * | 2020-10-13 | 2021-02-05 | 深圳大学 | 低复杂度下日常活动分类方法、装置、设备及存储介质 |
| CN112415485A (zh) * | 2020-11-09 | 2021-02-26 | 森思泰克河北科技有限公司 | 毫米波雷达的角度超分辨方法、装置及终端设备 |
Non-Patent Citations (1)
| Title |
|---|
| 鲍润晗等: "低辐射超宽带雷达的室内人员边缘检测系统", 《单片机与嵌入式系统应用》, no. 4, pages 71 - 75 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116449330A (zh) * | 2023-06-20 | 2023-07-18 | 精华隆智慧感知科技（深圳）股份有限公司 | 一种室内人数的估计方法、装置、计算机设备及存储介质 |
| CN116449330B (zh) * | 2023-06-20 | 2023-10-13 | 精华隆智慧感知科技（深圳）股份有限公司 | 一种室内人数的估计方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113311405B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10706285B2 (en) | Automatic ship tracking method and system based on deep learning network and mean shift | |
| Tzannes et al. | Detecting small moving objects using temporal hypothesis testing | |
| CN111399642B (zh) | 手势的识别方法、装置、移动终端和存储介质 | |
| US9225783B2 (en) | Sensor event assessor input/output controller | |
| CN110007366B (zh) | 一种基于多传感器融合的生命搜寻方法以及系统 | |
| US20150324694A1 (en) | DISCOVERING USER-BEHAVIOR FROM TRAJECTORY-AS-POLYGON (TaP) | |
| CN112782684B (zh) | 一种人体目标检测方法、装置、计算机设备和存储介质 | |
| CN111444926B (zh) | 基于雷达的区域人数统计方法、装置、设备和存储介质 | |
| Sun et al. | An improved FAST feature extraction based on RANSAC method of vision/SINS integrated navigation system in GNSS-denied environments | |
| CN104898086A (zh) | 适用于微型麦克风阵列的声强估计声源定向方法 | |
| CN110687513B (zh) | 人体目标检测方法、装置及存储介质 | |
| CN113311405B (zh) | 一种区域人数统计方法、装置、计算机设备及存储介质 | |
| DE102020209054A1 (de) | Vorrichtung und verfahren zur personenerkennung, -verfolgung und -identifizierung unter verwendung drahtloser signale und bilder | |
| CN112327286B (zh) | 低复杂度下日常活动分类方法、装置、设备及存储介质 | |
| CN114049604A (zh) | 基于运动状态的区域人数统计方法、装置、设备及介质 | |
| Acito et al. | Comparative analysis of clutter removal techniques over experimental IR images | |
| CN112738714B (zh) | 楼宇的楼层识别方法、电子设备及计算机可读存储介质 | |
| Vasil’ev et al. | Analysis of efficiency of detecting extended signals on multidimensional grids | |
| CN113406613B (zh) | 一种人员检测方法、装置、设备和存储介质 | |
| CN115331162A (zh) | 一种跨尺度红外行人检测方法、系统、介质、设备及终端 | |
| Acito et al. | Optimal criterion to select the background estimation algorithm for detection of dim point targets in infrared surveillance systems | |
| Guo et al. | Vehicle Analysis System Based on DeepSORT and YOLOv5 | |
| Lin et al. | Synthetic aperture radar image aircraft detection based on target spatial imaging characteristics | |
| CN113869123A (zh) | 一种基于人群的事件检测方法及相关装置 | |
| CN113313165A (zh) | 一种基于雷达的人数统计方法、装置、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 |