CN114170751A - 一种入侵检测方法及装置 - Google Patents
一种入侵检测方法及装置 Download PDFInfo
- Publication number
- CN114170751A CN114170751A CN202111364184.6A CN202111364184A CN114170751A CN 114170751 A CN114170751 A CN 114170751A CN 202111364184 A CN202111364184 A CN 202111364184A CN 114170751 A CN114170751 A CN 114170751A
- Authority
- CN
- China
- Prior art keywords
- human body
- target
- radar
- target human
- area
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007123 defense Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 22
- 239000000523 sample Substances 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 238000007906 compression Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000006835 compression Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000010408 sweeping Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/181—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种入侵检测方法及装置，涉及安全防护技术领域，用于在保证用户隐私安全的情况下，提高入侵检测的精度。该方法包括：获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差；若动态目标的位置位于设防区域内，且动态目标与雷达设备的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
Description
技术领域
本申请涉及智能安防技术领域，尤其涉及一种入侵检测方法及装置。
背景技术
入侵检测技术在实现资产安保、应急响应和智能家居等智能安防技术领域有着广泛的应用前景。目前，基于摄像或基于无线的方法都可以提供良好的检测精度，然而这些方法本身固有的限制却在一定程度上阻碍了它们的广泛部署。例如，基于摄像的入侵检测方法目前只适用于视距(Los)范围，并且存在个人隐私泄露的问题。基于无线的入侵检测方法，虽然其成本便宜，但是环境适应能力差。
综上，现有技术提供的入侵检测方法，不能在不涉及用户隐私的前提下，兼顾测量的准确性，以及环境普适性。
发明内容
本申请提供一种入侵检测方法及装置，用于在保证用户隐私的前提下，提高入侵检测的准确性和环境普适性。
第一方面，本申请提供一种入侵检测方法，包括：获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差；若动态目标的位置位于设防区域内，且动态目标与雷达设备之间的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
本申请提供的技术方案，通过对雷达设备探测得到的回波信号进行处理，得到监测区域内动态目标的位置和动态目标与雷达设备之间的高度差，进而通过判断该动态目标的位置是否位于设防区域内，以及该动态目标与雷达设备之间的高度差是否小于或等于预设高度差，来判断该动态目标是否为入侵者。如此，一方面，基于雷达设备进行探测，不会对用户的隐私造成侵犯；另一方面，相比于现有的入侵检测方法往往是基于目标的位置来进行判断，本申请则是基于位置和高度来判断动态目标是否为入侵者，能够排除位于设防区域内的动物或扫地机器人等高度较低的动态目标的干扰，进一步提高了入侵检测的精确度。
第二方面，本申请提供一种入侵检测装置，包括：获取模块，用于获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；处理模块，用于根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差；入侵检测模块，用于若动态目标的位置位于设防区域内，且动态目标与雷达设备之间的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
第三方面，本申请提供一种入侵检测装置，包括：一个或多个处理器；一个或多个存储器；其中，一个或多个存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当一个或多个处理器执行计算机指令时，入侵检测装置执行上述第一方面所提供的任一种入侵检测方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其特征在于，计算机可读存储介质包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行第一方面所提供的任一种入侵检测方法。
第五方面，本发明实施例提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现如第一方面所提供的任一种入侵检测方法。
本申请中第二方面至第五方面的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
附图说明
图1为本申请实施例提供的一种入侵检测场景的示意图；
图2为本申请提供的一种入侵系统的示意图；
图3为本申请实施例提供的一种电子设备的结构示意图；
图4为本申请提供的一种入侵检测方法的流程图；
图5为本申请提供的一种DBSCAN聚类算法的示意图；
图6为本申请提供的另一种入侵检测方法的流程图；
图7为本申请提供的由一种入侵检测方法的流程图；
图8为本申请提供的一种入侵检测装置的结构示意图。
具体实施方式
下面将结合附图对本申请提供的一种入侵检测方法及装置进行详细的描述。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括其他没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
如背景技术所述，现有技术中，基于摄像或基于无线的方法都可以提供良好的检测精度，然而这些方法本身固有的限制却在一定程度上阻碍了它们的广泛部署。例如，基于摄像的入侵检测方法目前只适用于视距(Los)范围，并且存在个人隐私泄露的问题。基于无线的入侵检测方法，虽然其成本便宜，但是环境适应能力差。
基于上述技术问题，本申请实施例提供了一种入侵检测方法，包括：获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差；若动态目标的位置位于设防区域内，且动态目标与雷达设备之间的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
基于本申请实施例提供的技术方案，通过对雷达设备探测得到的回波信号进行处理，得到监测区域内动态目标的位置和动态目标与雷达设备之间的高度差，进而通过判断该动态目标的位置是否位于设防区域内，以及该动态目标与雷达设备之间的高度差是否小于或等于预设高度差，来判断该动态目标是否为入侵者。如此，一方面，基于雷达设备进行探测，不会对用户的隐私造成侵犯；另一方面，相比于现有的入侵检测方法往往是基于目标的位置来进行判断，本申请则是基于位置和高度来判断动态目标是否为入侵者，能够排除位于设防区域内的动物或扫地机器人等高度较低的动态目标的干扰，进一步提高了入侵检测的精确度。
在本申请实施例中，雷达设备是利用电磁波进行目标探测的电子设备，例如：毫米波雷达、微波雷达、超宽带雷达等。
其中，毫米波是指30～300GHz频域(波长为1～10mm)的电磁波。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。毫米波具有极宽的带宽，能够缓解频域资源紧张的问题；毫米波的波束窄，能够更为清晰地观察目标物体的细节。如此，本申请的一些实施例采用毫米波进行体动检测，有效的提升了雷达设备的抗干扰能力、分辨能力和测量精度。
示例性的，雷达设备可以由雷达发射机、雷达接收机和天线组成。
雷达发射机，是为雷达设备提供大功率射频信号的无线电装置，能够产生载波受调制的大功率射频信号，即电磁波。按调制方式，发射机可分为连续波发射机和脉冲发射机两类。发射机由一级射频振荡器和脉冲调制器组成。
雷达接收机，是雷达设备中进行变频、滤波、放大和解调的装置。通过适当的滤波将天线接收到的微弱高频信号从伴随的噪声和干扰中选择出来，并经过放大和检波后，用于目标检测、显示或其它雷达信号处理。
天线，是雷达设备中用来发射或接收电磁波并决定其探测方向的装置。在发射时，将能量集中辐射到需要照射的方向；在接收时，接收探测方向的回波，并分辨出目标的方位和/或仰角。
雷达设备测量距离的原理为，雷达设备通过测量发射电磁波与接收电磁波之间的时间差，可以得到目标物体的距离。
雷达设备测量方位的原理为，雷达设备根据天线的方位波束和仰角波束来测量距离和仰角，进而得到目标物体的方位。
上述雷达设备可以应用于入侵检测场景。如图1所示，在家庭生活的场景中，当家庭成员外出时，可以启动雷达设备进行入侵检测，雷达设备通过发射天线向监测区域内发射电磁波，并通过接收天线接收回波信号，并将回波信号送至接收机进行信号处理。在经过变频、滤波、放大或解调等处理后，接收机提取出动态目标的相关信息(例如动态目标与雷达之间的距离、动态目标的方位、动态目标的速度等)，通过对动态目标的相关信息进行分析，得到动态目标的位置和动态目标与雷达设备之间的高度差，进而判断该动态目标是否为入侵者。
在一些实施例中，上述雷达设备可以部署在家居设备上，例如：智能空调、智能电视或智能门锁等设备。
如图2所示，为本申请实施例提供的一种入侵检测系统的示意图。该系统可以包括：雷达设备和电子设备。其中，雷达设备与电子设备之间可以通过有线或无线的方式进行连接。例如，雷达设备与电子设备之间通过无线局域网连接。
其中，电子设备用于向雷达设备发出操控指令和接收雷达设备的检测结果。示例性的，本申请实施例中的电子设备可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmentedreality，AR)\虚拟现实(virtual reality，VR)设备等。本公开对该电子设备的具体形态不作特殊限制。其可以与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互。
如图3所示，本申请实施例中的电子设备可以为手机100。下面以手机100为例对实施例进行具体说明。手机100可包括总线110、处理器120、存储器130、用户输入模块150、显示模块160、通信接口170和其它相似和/或合适组件。
总线110可以是将上述元件相互连接并在上述元件之间传递通信(例如控制消息)的电路。
处理器120可以通过总线110从上述其它元件(例如存储器130、用户输入模块150、显示模块160、通信接口170、通信配置控制模块170等)接收命令，可以解释接收到的命令，并可以根据所解释的命令来执行计算或数据处理。
存储器130可以存储从处理器120或其它元件(例如用户输入模块150、显示模块160、通信接口170等)接收的命令或数据或者由处理器120或其它元件产生的命令或数据。
用户输入模块150可以接收经由输入-输出手段(例如，传感器、键盘、触摸屏等)从用户输入的命令或数据，并可以通过总线110向处理器120或存储器130传送接收到的命令或数据。显示模块160可以向用户显示视频、图像、数据等。
显示模块160可以显示从上述元件接收到的各种信息(例如多媒体数据、文本数据)。
通信接口170可以控制与另一电子设备102之间的短距离通信连接。
应该理解的时，如图3所示的手机100仅是上述电子设备的一个范例，并且手机100可以具有比图3中所示出的更多或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。
下面结合说明书附图，对本申请提供的实施例进行具体介绍。
本申请实施例提供了一种入侵检测方法，应用于入侵检测装置，该入侵检测装置可以为雷达设备，或者部署有雷达设备的家居设备等。下面以入侵检测装置为雷达设备为例，对本申请实施例提供的入侵检测方法进行描述。
如图4所示，本申请提供的入侵检测方法包括以下步骤：
S101、获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号。
在本申请实施例中，雷达监测区域是雷达设备发射的电磁波所能有效地辐射到的范围。雷达监测区域由雷达设备的性能决定。
上述回波信号指，由雷达设备发射的电磁波在碰到雷达监测区域的物体后反射回来的电磁波。应理解，由于雷达设备可以长时间发射电磁波，因此上述回波信号可以有多帧。
作为一种可能的实现方式，雷达设备在接收到开启雷达功能的指令后，对雷达监测区域进行探测，并接收雷达监测区域的回波信号。
示例性的，上述开启雷达功能的指令可以由用户在雷达设备上的操作来触发。
示例性的，上述开启雷达功能的指令可以来自于电子设备。具体的，雷达设备可以通过有线连接(例如，信号线)或无线连接(例如蓝牙、Wi-Fi)的方式与电子设备连接。用户可以在外出时，通过电子设备指示雷达设备开启雷达功能。电子设备响应于用户开启雷达功能的操作，向雷达设备发送开启雷达功能的指令。
作为另一种可能的实现方式，雷达设备在达到预定时间时，开启雷达功能，对雷达监测区域进行探测，并接收雷达监测区域的回波信号。如此，用户通过一个预定设置，即可以实现雷达设备自动开启雷达功能，从而节省用户的操作，方便用户的使用。
可选的，上述预定时间可以由用户根据使用需求进行调整，本申请实施例对此不作限定。
例如，若用户预先设置在8：00至18：00这一时段为外出时间，需要雷达设备开启雷达功能进行探测，则雷达设备在8：00时，自动开启雷达功能，并在8：00至18：00时段一直保持雷达功能处于开启状态。
S102、根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差。
在一些实施例中，雷达设备对探测得到的至少一帧第一回波信号进行脉冲压缩和动目标显示处理，得到雷达监测区域内动态目标的距离像；对该动态目标的距离像进行基于排序统计(ordered statistics，OS)的恒虚警率(constant false alarm rate，CFAR)处理，得到动态目标的距离单元；进一步的，根据动态目标的距离单元，可以得到该动态目标的位置和动态目标与雷达设备之间的高度差。
作为一种可能的实现方式，对探测得到的至少一帧第一回波信号进行脉冲压缩和动目标显示处理，得到雷达监测区域内动态目标的距离像，可以具体实现为：
脉冲压缩指对线性调频信号或相位编码信号回波进行脉冲压缩和旁瓣抑制，将宽脉冲压缩成窄脉冲，使输出信号在目标的距离门处出现峰值，同时提高信噪比。雷达设备在发射端发射大时宽、带宽信号，以提高信号的速度测量精度和速度分辨力；在接收端，通过脉冲压缩将宽脉冲信号压缩为窄脉冲信号，能够提高雷达设备对目标的距离分辨精度和距离分辨力。
在一些实施例中，上述脉冲压缩处理的过程可以满足以下公式(1)：
其中，TR(m,k)表示第m个线性调频信号(chirp信号)在频率k处的幅度值。频率k可以指代距离单元。频率k与距离成正比。频率k可以满足以下公式(2)：
其中s为雷达设备的调频信号斜率，d表示雷达设备与目标的距离，c表示光速。
动目标显示(moving target indication，MTI)技术可以消除雷达监测区域内静态目标的干扰。因为雷达设备接收的回波信号中杂波分量都相同，只有运动的目标因为其距离的变化带来相位的变化，因此，MTI主要采用脉冲对消的方法，将前后两个脉冲对消，使得静态目标完全对消。上述动目标显示处理可以满足以下公式(3)：
RIMTI(t-Tr)＝RI(t-Tr)-RI(t) 公式(3)
其中，RI(t)表示未进行动目标显示的目标距离像，RIMTI(t-Tr)表示经过动目标显示的目标距离像，RI(t-Tr)表示距离当前时刻前Tr时刻的目标距离像。
通过上述脉冲压缩和动目标显示的处理，可以得到排除了静态目标干扰的动态目标的距离像，能够有效提升入侵检测的精度。
作为一种可能的实现方式，上述动态目标的距离像进行基于OS的CFAR处理，得到动态目标的距离单元，可以具体实现为：
采集参考单元样本数据xi(i＝1,2,……，R)，该参考单元样本数据的概率密度函数(probability density function，PDF)可以满足以下公式(4)，累积分布函数(cumulative distribution function，CDF)可以满足以下公式(5)：
F(x)＝1-e-x/λ′，x≥0 公式(5)
其中，λ′可以满足以下公式(6)：
其中，μ代表杂波信号和噪声信号总的功率水平，λ是回波信号与杂波信号和噪声信号的平均功率的比值，H0是不存在目标的假设，H1是目标存在的假设。在均匀杂波背景中xi(i＝1，2，……，R)是统计独立同分布的。
OS的CFAR检测中，对参考单元样本从小到大作排序处理。在均匀杂波背景中，来自R个总体样本中第k个有序样本的PDF可以满足以下公式(7)：
来自R个总体样本中第k个有序样本的CDF可以满足以下公式(8)：
其中，f(x)和F(x)分别代表均匀杂波背景中参考单元样本xi(i＝1,2,……，R)的PDF和CDF。
OS的CFAR检测中，待检测单元(cell under test，CUT)是待检测参考单元样本，首先对参考单元样本按大小作排序处理，该排序处理可以满足以下公式(9)：
x(1)≤x(2)≤…≤x(R) 公式(9)
在上述排序处理后，取走第k个排序样本x(k)作为对杂波信号功率水平的估计Z，即Z＝x(k)。那么，由公式(7)可知，在均匀杂波背景中Z的PDF可以满足以下公式(10)：
在均匀杂波背景中，Z的矩母函数(moment-generating function，MGF)可以满足以下公式(11)：
其中，u是矩母函数的变量。当
时，可以由矩母函数计算得到目标的检测概率。其中，T定义为标称化因子。
因此，OS的CFAR检测在均匀杂波背景中的检测概率可以满足以下公式(12)，虚警概率可以满足以下公式(13)：
由公式(10)可知，Z的统计平均可以满足以下公式(14)：
因此，OS的CFAR检测的平均判决门限(average decision threshold，ADT)可以满足以下公式(15)：
雷达设备通过上述基于OS的CFAR检测到目标人体出现时，开始进行数据采集，并将采集到的数据累积存放在雷达设备的指定地址中。雷达设备通过CFAR检测到一个或多个动态目标的距离单元，并将每个动态目标的距离单元单独存放，单独进行信号处理，以实现目标分离。
在一些实施例中，本申请实施例提供的雷达设备包括天线阵列。雷达设备可以根据动态目标的距离单元，采用基于AOA(Angle of Arrival)的角度估计方法，确定动态目标的方位角度，根据动态目标的方位角度和俯仰角度可以得到该动态目标的位置，进而根据动态目标的位置可以得到动态目标与雷达设备之间的高度差。
其中，AOA通过利用相邻两天线接收信号的相位差来确定目标角度。AOA角度估计算法可以满足以下公式(16)：
其中，φ表示两个接收天线的信号的相位差，d表示两个接收天线之间的间距，
表示动态目标的方位角度。
动态目标的位置可以根据以下公式(17)确定：
其中，R为动态目标的距离单元，
表示动态目标的方位角度，γ表示动态目标的俯仰角度(根据雷达设备测量方位的原理，可知动态目标的俯仰角度)。
动态目标与雷达设备之间的高度差可以根据以下公式(18)确定：
其中，△H为动态目标与雷达设备之间的高度差，R为动态目标的距离单元，γ表示动态目标的俯仰角度。
在一些实施例中，为解决检测过程中难以避免虚警和漏检的问题，本申请实施例采用具有噪声的基于密度的聚类(density-based spatial clustering of applicationswith noise，DBSCAN)方法，将一定范围内的位置坐标，作为一个动态目标的类，得到最终的动态目标的位置。
示例性的，如图5所示，A表示核心对象，B、C表示边界点，N表示噪声点。在得到连续多帧位置后，首先任取其中一个位置作为核心对象，然后找到所有这个核心对象能够密度可达的样本集合，该集合即为一个聚类结果，计算该聚类结果中样本的平均值，得到最终的动态目标的位置。
S103、若动态目标的位置位于设防区域内，且动态目标与雷达设备之间的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
在本申请实施例中，上述设防区域是用户需要进行入侵监测的区域，例如书房、卧室或仓库等。
在一些实施例中，在雷达设备检测到动态目标后，可以根据以下公式(19)判断该动态目标的位置是否位于设防区域内：
其中，S表示设防区域，(x，y)表示动态目标的位置坐标。
在动态目标的位置位于设防区域内的情况下，为了避免设防区域内的动物、扫地机器人等高度较低的动态目标的干扰，本申请实施例通过设置预设高度差来进行筛选，根据公式(20)所示，本申请实施例将与雷达设备之间的高度差大于预设高度差△HT的动态目标作为干扰目标滤除，将与雷达设备之间的高度差小于或等于预设高度差△HT的动态目标，确定为入侵者：
其中，△H为动态目标与雷达设备之间的高度差，△HT为预设高度差。
本申请提供的技术方案，通过对雷达设备探测得到的回波信号进行处理，得到监测区域内动态目标的位置和动态目标与雷达设备之间的高度差，进而通过判断该动态目标的位置是否位于设防区域内，以及该动态目标与雷达设备之间的高度差是否小于或等于预设高度差，来判断该动态目标是否为入侵者。如此，一方面，基于雷达设备进行探测，不会对用户的隐私造成侵犯；另一方面，相比于现有的入侵检测方法往往是基于目标的位置判断是否入侵，本申请则是基于位置和高度来判断动态目标是否为入侵者，能够排除位于设防区域内的其他动态目标(例如，动物、扫地机器人等)的干扰，进一步提高了入侵检测的精确度。
在一些实施例中，在判断出动态目标为入侵者时，本申请实施例提供的雷达设备还可以执行以下操作：向警报装置发送警报指令，该警报指令用于指示警报装置播放警报声音，起到警示入侵者的作用；或者，向图像采集装置发送图像采集指令，该图像采集指令用于指示图像采集装置采集入侵者的图像信息，可以留存入侵者的入侵证据；或者，向终端设备发送预警信息，该预警信息用于指示入侵者进入设防区域，可以使用户获知设防区域内有入侵者。
可选的，如图6所示，如图4所示的实施例中的设防区域，可以根据以下步骤确定：
S201、通过雷达设备获取目标人体沿着设防区域的边界运动的轨迹。
如图7所示，步骤S201可以具体实现为：
S2011、在目标人体沿着设防区域的边界运动的过程中，获取雷达设备对雷达监测区域进行探测而得到的M帧第二回波信号。
其中，M为大于1的整数。由于在目标人体沿着设防区域的边界运动的过程中，雷达设备可以持续发射电磁波，并接收回波信号，因此，该回波信号可以有多帧。
S2012、分别对M帧第二回波信号进行处理，得到目标人体的M个位置。
其中，上述目标人体的一个位置对应一帧第二回波信号。
在一些实施例中，雷达设备分别对M帧第二回波信号进行脉冲压缩和动目标显示处理，得到雷达监测区域内目标人体的M个距离像；对该目标人体的M个距离像进行基于OS的CFAR处理，得到目标人体的M个距离单元；根据目标人体的M个距离单元，可以得到该目标人体的M个位置。
S2013、对目标人体的M个位置进行聚类处理，得到N个第一聚类集合。
其中，N个第一聚类集合中的每个第一聚类集合包括目标人体的多个位置，N为大于1小于M的整数。
应理解，雷达设备在进行目标探测的过程中不可避免的会出现虚警和漏检的问题，因此，本申请实施例对检测得到的M个位置进行聚类处理，使得到的目标人体的位置信息更加精确。
在一些实施例中，对目标人体的M个位置进行聚类处理，得到N个第一聚类集合，可以具体实现为以下步骤：
步骤1、根据DBSCAN聚类算法，对目标人体的M个位置进行聚类处理，得到P个第二聚类集合，第二聚类集合包括目标人体的至少一个位置，P为大于1小于等于M的整数。
示例性的，在得到目标人体的M个位置后，根据DBSCAN聚类算法，任取一个位置作为核心对象，然后找到所有这个核心对象能够密度可达的样本集合，该集合即为一个聚类集合；然后继续选择另一个没有类别的核心对象，寻找该核心对象密度可达的样本集合，得到另一个聚类集合。如此，可以得到P个第二聚类集合。
步骤2、从P个第二聚类集合中，选择包含目标人体的位置的数目大于或等于预设值的第二聚类集合作为第一聚类集合。
如此，本申请实施例将包含目标人体的位置数目小于预设值的聚类集合视为噪声集合，选择包含目标人体的位置的数目大于或等于预设值的聚类集合作为第一聚类集合，能够滤除噪声的干扰，使得到的位置信息更加准确。
S2014、根据每个第一聚类集合所包括的目标人体的多个位置，确定每个第一聚类集合对应的轨迹点的位置。
在一些实施例中，对于每个第一聚类集合，对第一聚类集合中多个位置的纵坐标取平均值，以该纵坐标的平均值为第一聚类集合对应的轨迹点的纵坐标；对第一聚类集合中多个位置的横坐标取平均值，以该横坐标的平均值为第一聚类集合对应的轨迹点的横坐标。从而，通过确定轨迹点的纵坐标和横坐标，即确定轨迹点的位置。
示例性的，假设第i(1<i≤N)个第一聚类集合所包括的目标人体的位置为：(3，2)、(4，4)、(4，3)、(5，3)，则第i个聚类集合对应的轨迹点的位置为
S2015、根据多个第一聚类集合中每个第一聚类集合对应的轨迹点的位置，确定目标人体沿着设防区域的边界运动的轨迹。
在一些实施例中，对多个第一聚类集合中每个第一聚类集合对应的轨迹点的位置，进行卡尔曼滤波处理，得到目标人体沿着设防区域的边界运动的轨迹。
具体的，雷达设备持续检测到多个轨迹点的位置，假设共得到K个轨迹点的位置：
进一步构建第(k-1)个轨迹点的位置的目标状态向量，第(k-1)个轨迹点的位置的目标状态向量可以满足以下公式(21)：
其中，Y(k-1)表示第(k-1)个轨迹点的位置的目标状态向量。
根据卡尔曼滤波可知，目标状态的进一步预测方程可以满足以下公式(22)：
其中，
为k-1周期k时刻的状态预测值，F为状态转移矩阵。对卡尔曼滤波进一步推导，预测均方差矩阵可以满足以下公式(23)：
P(k|k-1)＝FP(k-1)FT+Qw 公式(23)
其中，P(k)为状态估计的误差相关矩阵，Qw为系统噪声相关矩阵。
滤波增益矩阵可以满足以下公式(24)：
K(k)＝P(k|k-1)HT[HP(k|k-1)HT+Qv]-1 公式(24)
其中，H为观测矩阵，Qw为系统噪声相关矩阵。
状态估计可以满足以下公式(25)：
均方差矩阵可以满足以下公式(26)：
P(k)＝[I-K(k)H]P(k|k-1) 公式(26)
通过上述滤波处理得到K个周期内目标的平滑后的轨迹点的位置结果yk，k＝1，2，……K。yk即为设防区域的边界运动的轨迹。
S202、根据目标人体沿着设防区域的边界运动的轨迹，确定设防区域的边界。
基于本申请例提供的技术方案，通过雷达设备检测目标人体在沿着设防区域的每一个位置坐标，通过卡尔曼滤波处理，对该位置坐标进行平滑处理，进而生成运动轨迹，将该运动轨迹作为设防区域的边界。如此，通过确定设防区域的边界，可以根据动态目标的位置和设防区域的边界，准确的判断动态目标是否为入侵者，提高入侵检测的精度。
可以看出，上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，本申请实施例提供了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对雷达设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本申请实施例中对模块的划分是示意性的，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。
如图8所示，本申请实施例提供了一种入侵检测装置，用于执行如图4所示的入侵检测方法。该入侵检测装置300包括：获取模块301、处理模块302和入侵检测模块303。在一些实施例中，上述入侵检测装置300还可以包括通信模块304。
获取模块301，用于获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号。
处理模块302，用于根据至少一帧第一回波信号，获取雷达监测区域内的动态目标的位置和动态目标与雷达设备之间的高度差。
入侵检测模块303，用于若动态目标的位置位于设防区域内，且动态目标与雷达设备之间的高度差小于或等于预设高度差，确定动态目标为入侵者，设防区域为雷达监测区域中的部分或者全部区域。
在一些实施例中，上述处理模块302，还用于通过雷达设备获取目标人体沿着设防区域的边界运动的轨迹；还用于根据目标人体沿着设防区域的边界运动的轨迹，确定设防区域的边界。
在一些实施例中，上述获取模块301，还用于在目标人体沿着设防区域的边界运动的过程中，获取雷达设备对雷达监测区域进行探测而得到的M帧第二回波信号，M为大于1的整数；上述处理模块302，还用于分别对M帧第二回波信号进行处理，得到目标人体的M个位置，目标人体的一个位置对应一帧第二回波信号；对目标人体的M个位置进行聚类处理，得到N个第一聚类集合，每个第一聚类集合包括目标人体的多个位置，N为大于1小于M的整数；根据每个第一聚类集合所包括的目标人体的多个位置，确定每个第一聚类集合对应的轨迹点的位置；根据多个第一聚类集合中每个第一聚类集合对应的轨迹点的位置，确定目标人体沿着设防区域的边界运动的轨迹。
在一些实施例中，上述处理模块302，还用于根据具有噪声的基于密度的聚类方法DBSCAN算法，对目标人体的M个位置进行聚类处理，得到P个第二聚类集合，第二聚类集合包括目标人体的至少一个位置，P为大于1小于等于M的整数；从P个第二聚类集合中，选择包含目标人体的位置的数目大于或等于预设值的第二聚类集合作为第一聚类集合。
在一些实施例中，上述通信模块304，用于向警报装置发送警报指令，警报指令用于指示警报装置播放警报声音；或者，向图像采集装置发送图像采集指令，图像采集指令用于指示图像采集装置采集入侵者的图像信息；或者，向终端设备发送预警信息，预警信息用于指示入侵者进入设防区域。
本申请实施例提供一种入侵检测装置，包括：一个或多个处理器；一个或多个存储器。其中，一个或多个存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当一个或多个处理器执行计算机指令时，入侵检测装置执行上述实施例提供的任一项入侵检测方法。
本申请实施例还提供一种计算可读存储介质，该计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使计算机执行上述实施例提供的任一项入侵检测方法。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令在计算机上运行时，使得计算机执行后能够实现上述实施例提供的任一项入侵检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(Comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种入侵检测方法，其特征在于，所述方法包括：
获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；
根据所述至少一帧第一回波信号，获取所述雷达监测区域内的动态目标的位置和所述动态目标与雷达设备之间的高度差；
若所述动态目标的位置位于设防区域内，且所述动态目标与雷达设备的之间的高度差小于或等于预设高度差，确定所述动态目标为入侵者，所述设防区域为所述雷达监测区域中的部分或者全部区域。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述雷达设备获取目标人体沿着所述设防区域的边界运动的轨迹；
根据所述目标人体沿着所述设防区域的边界运动的轨迹，确定所述设防区域的边界。
3.根据权利要求2所述的方法，其特征在于，所述通过所述雷达设备获取目标人体沿着所述设防区域的边界运动的轨迹，包括：
在所述目标人体沿着所述设防区域的边界运动的过程中，获取所述雷达设备对所述雷达监测区域进行探测而得到的M帧第二回波信号，M为大于1的整数；
分别对所述M帧第二回波信号进行处理，得到所述目标人体的M个位置，所述目标人体的一个位置对应一帧第二回波信号；
对所述目标人体的M个位置进行聚类处理，得到N个第一聚类集合，每个第一聚类集合包括所述目标人体的多个位置，N为大于1小于M的整数；
根据每个第一聚类集合所包括的目标人体的多个位置，确定每个第一聚类集合对应的轨迹点的位置；
根据所述多个第一聚类集合中每个第一聚类集合对应的轨迹点的位置，确定所述目标人体沿着所述设防区域的边界运动的轨迹。
4.根据权利要求3所述的方法，其特征在于，所述对所述目标人体的M个位置进行聚类处理，得到N个第一聚类集合，包括：
根据具有噪声的基于密度的聚类方法DBSCAN算法，对所述目标人体的M个位置进行聚类处理，得到P个第二聚类集合，所述第二聚类集合包括所述目标人体的至少一个位置，P为大于1小于等于M的整数；
从所述P个第二聚类集合中，选择包含所述目标人体的位置的数目大于或等于预设值的第二聚类集合作为所述第一聚类集合。
5.根据权利要求1至4任一项所述的方法，其特征在于，在所述动态目标为入侵者时，所述方法还包括：
向警报装置发送警报指令，所述警报指令用于指示所述警报装置播放警报声音；或者，
向图像采集装置发送图像采集指令，所述图像采集指令用于指示所述图像采集装置采集所述入侵者的图像信息；或者，
向终端设备发送预警信息，所述预警信息用于指示入侵者进入所述设防区域。
6.一种入侵检测装置，其特征在于，包括：
获取模块，用于获取雷达设备对雷达监测区域进行探测而得到的至少一帧第一回波信号；
处理模块，用于根据所述至少一帧第一回波信号，获取所述雷达监测区域内的动态目标的位置和所述动态目标与雷达设备之间的高度差；
入侵检测模块，用于若所述动态目标的位置位于设防区域内，且所述动态目标与雷达设备之间的高度差小于或等于预设高度差，确定所述动态目标为入侵者，所述设防区域为所述雷达监测区域中的部分或者全部区域。
7.根据权利要求6所述的装置，其特征在于，
所述处理模块，还用于通过所述雷达设备获取目标人体沿着所述设防区域的边界运动的轨迹；还用于根据所述目标人体沿着所述设防区域的边界运动的轨迹，确定所述设防区域的边界。
8.根据权利要求7所述的装置，其特征在于，
所述获取模块，还用于在所述目标人体沿着所述设防区域的边界运动的过程中，获取所述雷达设备对所述雷达监测区域进行探测而得到的M帧第二回波信号，M为大于1的整数；
所述处理模块，还用于分别对所述M帧第二回波信号进行处理，得到所述目标人体的M个位置，所述目标人体的一个位置对应一帧第二回波信号；对所述目标人体的M个位置进行聚类处理，得到N个第一聚类集合，每个第一聚类集合包括所述目标人体的多个位置，N为大于1小于M的整数；根据每个第一聚类集合所包括的目标人体的多个位置，确定每个第一聚类集合对应的轨迹点的位置；根据所述多个第一聚类集合中每个第一聚类集合对应的轨迹点的位置，确定所述目标人体沿着所述设防区域的边界运动的轨迹。
9.根据权利要求8所述的装置，其特征在于，
所述处理模块，还用于根据具有噪声的基于密度的聚类方法DBSCAN算法，对所述目标人体的M个位置进行聚类处理，得到P个第二聚类集合，所述第二聚类集合包括所述目标人体的至少一个位置，P为大于1小于等于M的整数；从所述P个第二聚类集合中，选择包含所述目标人体的位置的数目大于或等于预设值的第二聚类集合作为所述第一聚类集合。
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包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行如权利要求1至5任一项所述的入侵检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111364184.6A CN114170751A (zh) | 2021-11-17 | 2021-11-17 | 一种入侵检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111364184.6A CN114170751A (zh) | 2021-11-17 | 2021-11-17 | 一种入侵检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114170751A true CN114170751A (zh) | 2022-03-11 |
Family
ID=80479865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111364184.6A Pending CN114170751A (zh) | 2021-11-17 | 2021-11-17 | 一种入侵检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114170751A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1063952A (zh) * | 1991-02-07 | 1992-08-26 | 北京航空航天大学 | 多维驻波防盗入侵探测器的探测法 |
| US6937151B1 (en) * | 1999-11-24 | 2005-08-30 | Future Fibre Technologies Pty Ltd | Method of perimeter barrier monitoring and systems formed for that purpose |
| CN108919259A (zh) * | 2018-08-29 | 2018-11-30 | 电子科技大学 | 一种基于多径利用的穿墙雷达建筑墙体位置获取方法 |
| CN111316128A (zh) * | 2018-12-28 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 连续障碍物检测方法、设备、系统及存储介质 |
| CN112068118A (zh) * | 2020-09-04 | 2020-12-11 | 广东鲲鹏智能机器设备有限公司 | 一种高空抛物监测预警系统 |
-
2021
- 2021-11-17 CN CN202111364184.6A patent/CN114170751A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1063952A (zh) * | 1991-02-07 | 1992-08-26 | 北京航空航天大学 | 多维驻波防盗入侵探测器的探测法 |
| US6937151B1 (en) * | 1999-11-24 | 2005-08-30 | Future Fibre Technologies Pty Ltd | Method of perimeter barrier monitoring and systems formed for that purpose |
| CN108919259A (zh) * | 2018-08-29 | 2018-11-30 | 电子科技大学 | 一种基于多径利用的穿墙雷达建筑墙体位置获取方法 |
| CN111316128A (zh) * | 2018-12-28 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 连续障碍物检测方法、设备、系统及存储介质 |
| CN112068118A (zh) * | 2020-09-04 | 2020-12-11 | 广东鲲鹏智能机器设备有限公司 | 一种高空抛物监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20070024488A1 (en) | Method and apparatus for through-the-wall motion detection utilizing cw radar | |
| CN107064882B (zh) | 无源协同下基于射频隐身的雷达组网资源控制方法 | |
| CN109917390A (zh) | 基于雷达的车辆检测方法和系统 | |
| US20200408878A1 (en) | A radar transceiver with reduced false alarm rate | |
| CN112731380B (zh) | 一种基于毫米波的人体智能监测方法及监测设备 | |
| CN113156417B (zh) | 反无人机探测系统、方法和雷达设备 | |
| US20230079979A1 (en) | Determining relevant signals using multi-dimensional radar signals | |
| CN113885022A (zh) | 一种跌倒检测方法及雷达设备 | |
| CN116125458A (zh) | 一种基于毫米波雷达的人员定位方法 | |
| Darlis et al. | Performance Analysis of 77 GHz mmWave Radar Based Object Behavior. | |
| KR20220050467A (ko) | 해수면 전파 반사율을 이용한 딥 러닝 해양 클러스터 데이터 측정 시스템 | |
| CN113854990B (zh) | 一种心跳检测方法及装置 | |
| Kocur et al. | Imaging method: an efficient algorithm for moving target tracking by UWB radar | |
| CN116990773A (zh) | 基于自适应门限的低慢小目标检测方法、装置和存储介质 | |
| WO2020133223A1 (zh) | 目标探测方法、雷达、车辆以及计算机可读存储介质 | |
| CN113729674A (zh) | 一种呼吸检测方法及装置 | |
| CN114280568A (zh) | 墙体的轮廓识别方法及装置 | |
| CN114170751A (zh) | 一种入侵检测方法及装置 | |
| Jishy et al. | A Bayesian track-before-detect procedure for passive radars | |
| CN115616502A (zh) | 无人飞行器机载雷达目标检测的杂波抑制方法 | |
| CN114305354A (zh) | 一种生命特征检测方法及装置 | |
| CN115005809A (zh) | 跌倒检测方法、装置、设备及存储介质 | |
| CN113820704A (zh) | 检测运动目标的方法、装置和电子设备 | |
| CN114859337A (zh) | 数据处理方法、装置、电子设备、计算机存储介质 | |
| JP2002156449A (ja) | レーダ装置 |
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 |