CN114202783A - 基于毫米波雷达的目标跟踪方法 - Google Patents

Abstract

本申请公开了一种基于毫米波雷达的目标跟踪方法，所述方法包括：获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像。

Description

基于毫米波雷达的目标跟踪方法

技术领域

本发明涉及监控技术领域，尤其是涉及一种基于毫米波雷达的目标跟踪方法。

背景技术

在火车站、汽车站等需要针对关键人物进行人脸识别的任务中，为了提高人脸识别的精度，要求摄像头拍摄的到的人脸图片具有一定的清晰度。而通常摄像头需要监控的区域较大，摄像头很难兼顾做到远近距离均具有同样的清晰度，可以进行对焦。

通常的自动对焦的方式有主动式和被动式。主动式激光测距自动对焦，通过红外激光探测目标到摄像头的距离来进行对焦，易受光线影响，作用距离短、范围小。被动式相位检测自动对焦对光线以及硬件的性能要求很高。

可见目前的定位跟踪方案不够准确快速，摄像头采集的图像精度不够高。

发明内容

本申请提供了一种基于毫米波雷达的目标跟踪方法。

第一方面，提供了一种基于毫米波雷达的目标跟踪方法，所述方法包括：

获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；

根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；

控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像。

第二方面，提供了一种目标跟踪装置，包括：

获取模块，用于获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；

确定模块，用于根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；

控制模块，用于控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像。

第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述的基于毫米波雷达的目标跟踪方法的步骤。

第四方面，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存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如上述第一方面及其任一种可能的实现方式的步骤。

本申请实施例提供的一种基于毫米波雷达的目标跟踪方法，通过获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像，可以利用毫米波雷达定位到的各个目标的方位和距离信息，控制摄像头进行快速自动精准对焦，采集更清晰的图像，便于实现及时的高精度人脸识别。

附图说明

为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。

图1为本申请实施例提供的一种基于毫米波雷达的目标跟踪方法的流程示意图；

图2为本申请实施例提供的另一种基于毫米波雷达的目标跟踪方法的流程示意图；

图3为本申请实施例提供的一种目标跟踪装置的结构示意图；

图4为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。

本申请实施例中提到的毫米波雷达，是工作在毫米波波段(millimeter wave)探测的雷达。通常毫米波是指30～300GHz频域(波长为1～10mm)的。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。

下面结合本申请实施例中的附图对本申请实施例进行描述。

请参阅图1，图1是本申请实施例提供的一种基于毫米波雷达的目标跟踪方法的流程示意图。该方法可包括：

101、获取第一目标的位置信息，上述第一目标的位置信息通过毫米波雷达检测获得。

本申请实施例的执行主体可以为一种目标跟踪装置，该目标跟踪装置可以为电子设备，包括终端设备或服务器，比如可以为台式计算机，在某些实施例中，上述终端设备还可以是膝上型计算机或平板计算机之类的其它便携式设备。在可选的实施方式中，可以通过软件模块实现，即可以称为一种监控平台或系统。

本申请实施例中，毫米波雷达可以对目标进行跟踪，得到目标的位置信息，该目标可以为移动的目标人物。通过毫米波雷达可以跟踪到一个或者多个目标，上述第一目标可以是雷达跟踪到的任意一个目标。

其中，上述位置信息是标识目标的具体位置的信息，比如坐标，具体可以包括方向信息和距离信息两个方面。

为了实现本申请实施例中的目标跟踪和人脸图像采集，利用毫米波雷达先检测和跟踪目标的具体的处理方法，在后续实施例中描述。

102、根据上述方位信息和上述距离信息，以及预设的监控区域的划分，确定上述第一目标所属的目标区域，上述目标区域为上述监控区域中的子区域。

具体的，可以预先对监控区域进行划分。可以根据需要将监控区域划分为多个子区域，比如分区进行监控。在获得第一目标的位置信息之后，进一步确定第一目标所在的子区域。

在一种可选的实施方式中，上述方法还包括：

在根据上述方位信息和上述距离信息，以及预设的监控区域的划分，确定上述第一目标所属的目标区域，上述目标区域为上述监控区域中的子区域之前，上述方法还包括：

将上述监控区域按照上述监控区域中的摄像头的可转动角度及变焦范围，划分多个子区域，确定上述预设的监控区域的划分。

本申请实施例中可以考虑监控区域中各个摄像头的可转动角度及变焦范围，从而适应性地将监控区域划分为多个子区域，以使各个摄像头能够尽量全面、清晰地监控到该监控区域的各处。子区域划分也可以根据地理环境、社区要求等条件进行规划，本申请实施例对此不做限制。

可选的，可以存储每个子区域标识与摄像头标识的对应关系，即确定每个子区域对应的摄像头，从而在需要查看该子区域监控时可以直接调用对应摄像头的数据，以及便于对多个摄像头进行高效管理等。

103、根据上述位置信息控制调整上述目标区域的摄像头的监控方向和焦距，以采集上述第一目标的人脸图像。

在确定第一目标所属的目标区域之后，平台可以将控制命令发送到该目标区域的摄像头，以控制该目标区域的摄像头进行对焦。具体的，可以根据获得的位置信息调整摄像头的监控方向和焦距，辅助实现对第一目标的准确对焦。

在一种可选的实施方式中，在上述步骤103之后，上述方法还包括：

对上述人脸图像进行特征提取，获得在线人脸特征；

将上述在线人脸特征与本地人脸特征库中的人脸特征模板进行匹配，获得上述在线人脸特征与本地人脸特征库中的人脸特征模板的相似度；

获取上述相似度中的最高相似度值，若上述最高相似度值大于预设相似度阈值，则匹配成功；

获取上述最高相似度值的人脸特征模板对应的人物信息，输出上述匹配人脸特征模板对应的人物信息。

本申请实施例中可以预先设置上述本地人脸特征库，该本地人脸特征库中可以存储多个人脸特征模板，可以理解为待监控人物的人脸特征。对于摄像头采集到的人脸图像，可以通过预设特征提取网络进行特征提取，获得相应的人脸特征，称为在线人脸特征；再将该在线人脸特征与本地人脸特征库中的人脸特征模板进行匹配，获得该在线人脸特征与本地人脸特征库中的人脸特征模板的相似度，从中选取最高相似度值，若该最高相似度值大于预设相似度阈值，则可以确定为该第一目标的身份，比如第一目标的在线人脸特征a与人物X的人脸特征模板b的相似度值最高，且高于预设相似度阈值，则可判断第一目标与人物X为同一人。

通过上述步骤可以准确定位移动目标的位置，控制摄像头快速对焦以获得清晰的图像，可以进行人脸识别和比对，快速查找到待监控人物，具有广阔的应用前景。

在一种可选的实施方式中，上述位置信息包括方位信息和第一距离信息，上述步骤103包括：

根据上述方位信息控制调整上述目标区域的摄像头的监控方向，根据上述第一距离信息确定调焦距离，根据上述调焦距离控制调整上述目标区域的摄像头的焦距，以控制上述摄像头持续获取包含上述第一目标的影像数据；

获取包含上述第一目标的影像数据，从上述影像数据中提取上述第一目标的人脸图像。

具体的，雷达检测获得的位置信息可包括方位信息和第一距离信息，该方位信息和第一距离信息可以是相对于某一参考点P得到的，因此可以在平台进行转换，平台记录了各个摄像头的位置信息，因此可以根据以上已有信息，输出第一目标相对于待调整的摄像头的位置信息(包括方向和距离)，从而控制该摄像头的调整，对焦到第一目标。

在此基础上，摄像头可以周期性地采集图像或持续录制视频，即上述第一目标的影像数据，在需要进行目标识别时可以根据该影像数据，提取人脸图像进行人脸识别处理。

获取包含上述第一目标的影像数据，从上述影像数据中提取上述第一目标的人脸图像在具体应用中，比如在火车站、汽车站等需要针对关键人物进行人脸识别，为了提高人脸识别的精度，要求摄像头拍摄的到的人脸图片具有一定的清晰度。而通常摄像头需要监控的区域较大，摄像头很难兼顾做到远近距离均具有同样的清晰度，这就需要对摄像头进行自动对焦。

常用的主动式激光测距自动对焦，可通过红外激光探测目标到摄像头的距离来进行对焦，但易受光线影响、作用距离短、范围小；而被动式相位检测自动对焦方法对光线以及硬件的性能要求很高。

本申请实施例中基于毫米波雷达的目标跟踪方法，其优点在于无需对摄像头和雷达进行联合标定，检测速度快、作用距离远，不易受光线影响可全天候使用，并且相比一般的方法同一时间只能定位一个目标，利用雷达可同时定位多个目标。在此基础上，利用人工智能算法——人脸检测识别网络，可对监控区域内人员进行精准跟踪，以及提高人脸识别的误检率和漏检率。

本申请实施例中提供一种基于毫米波雷达的目标跟踪方法，通过获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像，可以利用毫米波雷达定位到的各个目标的方位和距离信息，控制摄像头进行快速自动精准对焦，采集更清晰的图像，便于实现及时的高精度人脸识别。

图2为本申请实施例提供的另一种毫米波雷达检测获得目标的位置信息的方法的流程示意图，如图2所示，该方法包括：

201、将毫米波雷达接收到的预设频段的待处理信号进行动目标显示处理，滤除静态检测点，获得第一信号，再基于快速傅里叶变换及波束赋形处理上述第一信号，确定多个检测点。

动目标显示(Moving target indication radar，MTI)是一种雷达类型，该类型雷达利用动目标带给回波的多普勒频移来区分动目标和固定目标，使用MTI滤波器滤除背景杂波。

上述预设频段的信号可以为广义上的中频信号。可以将毫米波接收到的中频信号进行MTI处理，滤除静态检测点，并进行快速傅里叶变换(fast Fourier transform，FFT)及波束赋形(beamform)处理，检出运动的检测点(即x，y坐标点)，此时这些检测点中可能有多个检测点属于同一目标，也可能是误检测、噪声等一些杂波点，需要进行合并和滤除。

在一种可选的实施方式中，上述基于快速傅里叶变换及波束赋形处理上述第一信号，确定多个检测点，包括：

对上述第一信号进行快速傅里叶变换及波束赋形处理，计算出多个角度数据和距离数据；

根据上述多个角度数据和距离数据计算上述多个检测点对应的位置坐标，确定上述多个检测点。

具体的，具体可包括以下步骤：

采样中频的输入信号signal；

进行MTI处理，得到过滤静态目标的输出信号s_mti；

对信号s_mti进行FFT及beamform计算出运动目标的角度a和距离R，可计算运动目标的位置坐标(x,y)＝(R*sin(a),R*cos(a))。

202、从上述多个检测点中滤除杂波点，以及合并属于同一目标的检测点。

可选的，可以采用滤波算法，结合波门门限判断及互联概率判断，滤除杂波点，以及合并可能属于同一目标的检测点，并对检测点的运动状态进行实时更新与跟踪。实际工作中，可能由于遮挡、目标反射强度不足等情形导致目标丢失的情况，也可能出现对同一目标进行重复跟踪的情况，需要进行航迹管理，以保证对目标进行稳定跟踪。

在一种可选的实施方式中，上述从上述多个检测点中滤除杂波点，包括：

采用预设滤波算法对上述多个检测点进行滤波，计算波门值；

遍历所有检测点，计算每个上述检测点与每个已跟踪目标的信号的波门；

获取上述波门小于预设波门门限的第一检测点，确定上述第一检测点与上述已跟踪目标的映射关系，滤除除上述第一检测点以外的杂波点。

可选的，上述预设滤波算法可以包括二阶Karman滤波算法。

上述波门计算如下：

波门＝v'/S*v，其中v为新息，等于当前时刻测量值与当前时刻在跟踪目标经过Karman滤波得到的预测值之差，S为Karman滤波过程中计算的新息协方差。

上述波门判断如下：

设定一个波门门限，比如预设波门门限为7或10。遍历所有检测点，即所有的测量值，计算它与所有已跟踪目标的波门，当计算的波门小于预设波门门限时，可认为该检测点是属于已跟踪目标的一个被测量点。

可选的，上述方法还包括：

若存在至少两个检测点与第一目标的信号的波门小于预设波门门限，计算上述至少两个检测点的互联概率，上述至少两个检测点的互联概率为上述至少两个检测点的位置加权平均值；

使用上述位置加权平均值更新上述第一目标的位置信息。

通过计算上述互联概率，可用于更新已跟踪目标的当前位置。

203、对上述检测点的运动状态进行更新与跟踪。

204、分析上述检测点的运动状态，确定上述检测点中上述运动状态稳定的检测点为上述多个已跟踪目标对应的检测点。

205、获取每个已跟踪目标对应的检测点的位置信息作为上述目已跟踪目标的位置信息。

可以重复执行雷达的信号检测和处理过程，以更新检测点的位置信息。本申请实施例中可以采用航迹管理算法，对于稳定跟踪的检测点，可以判断变为已跟踪目标。检测点的位置信息即该目标的位置信息。可选的，若已跟踪目标丢失且丢失的时长达到超时时长，或者不满足前述信号处理的条件等，则可以判断为非稳定跟踪。

在一种可选的实施方式中，上述方法还包括：

在上述已跟踪目标丢失时，基于上述已跟踪目标的现有跟踪轨迹，预测上述已跟踪目标的轨迹，直到检测到上述已跟踪目标丢失超时而撤销跟踪的时刻；

比对多个上述已跟踪目标的轨迹，判断是否存在对同一个已跟踪目标重复跟踪的情况；

若存在对同一个已跟踪目标重复跟踪，在上述重复跟踪的任务中选择一个目标跟踪任务保留，撤销上述重复跟踪的任务中除上述目标跟踪任务以外的任务。

当出现遮挡等情况检测不到已跟踪目标时，可以根据现有跟踪轨迹，采用轨迹外推的方式预测丢失检测的已跟踪目标的实时位置，直到未检测到该目标超时而撤销跟踪。通过比对该已跟踪目标的运动轨迹的相关性，判断是否存在同一目标重复跟踪的情况。进一步可选的，对于重复跟踪的目标，可以按跟踪时长进行择优选择，比如选择保留跟踪时长最长的一项，撤销其余重复的跟踪。

其中，图1所示实施例中的第一目标可以为上述已跟踪目标中的一个，即图1所示实施例的步骤101：获取第一目标的位置信息，具体可以是通过图2所示实施例中的方法实现的，此处不再赘述。

本申请实施例中的基于毫米波雷达的目标跟踪方法，在嫌犯稽查、寻找失踪人员等应用上，可以利用雷达检测辅助摄像头快速对焦移动目标，有效提高人脸识别的漏检率和误检率，有效提高破案率。

基于上述基于毫米波雷达的目标跟踪方法实施例的描述，本申请实施例还公开了一种目标跟踪装置。图3为本申请实施例提供的一种目标跟踪装置的结构示意图，如3所示，目标跟踪装置300包括：

获取模块310，用于获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；

确定模块320，用于根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；

控制模块330，用于控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像。

在一种实施方式中，图1或图2所示实施例中的方法可以被目标跟踪装置300执行，此处不再赘述。

本申请实施例还公开了一种电子设备。请参见图4，该电子设备400包括存储器401和处理器402，其中，存储器401和处理器402可通过总线或其他方式连接。

计算机存储介质可以存储在电子设备400的存储器401中，上述计算机存储介质用于存储计算机程序，上述计算机程序包括程序指令，上述处理器402用于执行上述计算机存储介质存储的程序指令。处理器402(或称CPU(Central Processing Unit，中央处理器))是电子设备400的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能；在一个实施例中，本申请实施例上述的处理器402可以用于进行一系列的处理，包括如图1或图2所示的方法所涉及的各个步骤等等。

本申请实施例还提供了一种计算机存储介质(Memory)，上述计算机存储介质是电子设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括电子设备中的内置存储介质，当然也可以包括电子设备所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了电子设备的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。

在一个实施例中，可由处理器加载并执行计算机存储介质中存放的一条或多条指令，以实现上述实施例中的相应步骤；具体实现中，计算机存储介质中的一条或多条指令可以由处理器加载并执行图1所示的方法所涉及的任意步骤，或者图2所示的方法所涉及的任意步骤，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该模块的划分，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，多个模块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。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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

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。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该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。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(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。该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用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。

Claims (12)

1.一种基于毫米波雷达的目标跟踪方法，其特征在于，所述方法包括：

获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；

根据所述位置信息以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；

根据所述位置信息控制调整所述目标区域的摄像头的监控方向和焦距，以采集所述第一目标的人脸图像。

2.根据权利要求1所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述第一目标属于多个已跟踪目标中的一个目标；所述毫米波雷达检测获得所述第一目标的位置信息的方法，包括：

将所述毫米波雷达接收到的预设频段的待处理信号进行动目标显示处理，滤除静态检测点，获得第一信号，再基于快速傅里叶变换及波束赋形处理所述第一信号，确定多个检测点；

从所述多个检测点中滤除杂波点，以及合并属于同一目标的检测点；

对所述检测点的运动状态进行更新与跟踪；

分析所述检测点的运动状态，确定所述检测点中所述运动状态稳定的检测点为所述多个已跟踪目标对应的检测点；

获取每个已跟踪目标对应的检测点的位置信息作为所述目已跟踪目标的位置信息。

3.根据权利要求2所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述基于快速傅里叶变换及波束赋形处理所述第一信号，确定多个检测点，包括：

对所述第一信号进行快速傅里叶变换及波束赋形处理，计算出多个角度数据和距离数据；

根据所述多个角度数据和距离数据计算所述多个检测点对应的位置坐标，确定所述多个检测点。

4.根据权利要求2所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述从所述多个检测点中滤除杂波点，包括：

采用预设滤波算法对所述多个检测点进行滤波，计算波门值；

遍历所有检测点，计算每个所述检测点与每个已跟踪目标的信号的波门；

获取所述波门小于预设波门门限的第一检测点，确定所述第一检测点与所述已跟踪目标的映射关系，滤除除所述第一检测点以外的杂波点。

5.根据权利要求4所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述方法还包括：

若存在至少两个检测点与第一目标的信号的波门小于预设波门门限，计算所述至少两个检测点的互联概率，所述至少两个检测点的互联概率为所述至少两个检测点的位置加权平均值；

使用所述位置加权平均值更新所述第一目标的位置信息。

6.根据权利要求2所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述方法还包括：

在所述已跟踪目标丢失时，基于所述已跟踪目标的现有跟踪轨迹，预测所述已跟踪目标的轨迹，直到检测到所述已跟踪目标丢失超时而撤销跟踪的时刻；

比对多个所述已跟踪目标的轨迹，判断是否存在对同一个已跟踪目标重复跟踪的情况；

若存在对同一个已跟踪目标重复跟踪，在所述重复跟踪的任务中选择一个目标跟踪任务保留，撤销所述重复跟踪的任务中除所述目标跟踪任务以外的任务。

7.根据权利要求1所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述方法还包括：

对所述人脸图像进行特征提取，获得在线人脸特征；

将所述在线人脸特征与本地人脸特征库中的人脸特征模板进行匹配，获得所述在线人脸特征与本地人脸特征库中的人脸特征模板的相似度；

获取所述相似度中的最高相似度值，若所述最高相似度值大于预设相似度阈值，则匹配成功；

获取所述最高相似度值的人脸特征模板对应的人物信息，输出所述匹配人脸特征模板对应的人物信息。

8.根据权利要求1所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述位置信息包括方位信息和第一距离信息，所述根据所述位置信息控制调整所述目标区域的摄像头的监控方向和焦距，包括：

根据所述方位信息控制调整所述目标区域的摄像头的监控方向，根据所述第一距离信息确定调焦距离，根据所述调焦距离控制调整所述目标区域的摄像头的焦距，以控制所述摄像头持续获取包含所述第一目标的影像数据；

获取包含所述第一目标的影像数据，从所述影像数据中提取所述第一目标的人脸图像。

9.根据权利要求1所述的基于毫米波雷达的目标跟踪方法，其特征在于，所述方法还包括：

在根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域之前，所述方法还包括：

将所述监控区域按照所述监控区域中的摄像头的可转动角度及变焦范围，划分多个子区域，确定所述预设的监控区域的划分。

10.一种目标跟踪装置，其特征在于，包括：

获取模块，用于获取第一目标的位置信息，所述第一目标的位置信息通过毫米波雷达检测获得；

确定模块，用于根据所述位置信息，以及预设的监控区域的划分，确定所述第一目标所属的目标区域，所述目标区域为所述监控区域中的子区域；

控制模块，用于控制所述目标区域的摄像头根据所述方位信息调整监控方向，以及根据所述距离信息调整焦距，以采集所述第一目标的人脸图像。

11.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的基于毫米波雷达的目标跟踪方法的步骤。

12.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的基于毫米波雷达的目标跟踪方法的步骤。

Images