CN114879177B

CN114879177B - 一种基于雷达信息的目标分析方法及设备

Info

Publication number: CN114879177B
Application number: CN202210807166.9A
Authority: CN
Inventors: 张佳骕; 唐邦杰; 潘华东
Original assignee: Zhejiang Dahua Technology Co Ltd
Current assignee: Zhejiang Dahua Technology Co Ltd
Priority date: 2022-07-11
Filing date: 2022-07-11
Publication date: 2022-10-28
Anticipated expiration: 2042-07-11
Also published as: CN114879177A

Abstract

本发明公开了一种基于雷达信息的目标分析方法及设备，用于基于雷达信息实现对目标的重点跟踪。该方法包括：获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析。

Description

一种基于雷达信息的目标分析方法及设备

技术领域

本发明涉及目标跟踪技术领域，特别涉及一种基于雷达信息的目标分析方法及设备。

背景技术

近年来，随着视频监控系统和雷达使用的大量普及，视频分析技术在公共安全保障中发挥越来越关键的作用，雷达不仅能够测量目标的径向速度、加速度以及目标的位置等信息，还可以通过不断测量运动目标的位置获取目标的轨迹，以及目标的绝对速度和运动方向。

虽然雷达能够测量待测目标位置、轨迹及其他特征，但是现有方案将目标的雷达信息和视频信息进行融合，是为了利用检测到的雷达信息来增强对目标检测识别的准确率，并未利用雷达信息实现对检测目标的其他业务应用。

发明内容

本发明提供一种基于雷达信息的目标分析方法及设备，用于基于雷达信息实现对目标的重点跟踪，便于提取更多目标特征，提高目标分析的效果。

第一方面，本发明实施例提供的一种基于雷达信息的目标分析方法，包括：

获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；

从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；

从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；

根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析。

本实施例利用同一待测对象关联的雷达信息和视频信息，基于雷达信息筛选出满足业务需求的目标视频信息，根据该目标视频信息确定异常对象，采集该异常对象的目标视频流，并对该异常对象的特征进行分析，基于雷达检测到的雷达信息进一步对待测对象进行处理分析，便于拓展对目标检测的更多业务应用。

作为一种可选的实施方式，所述从获取的各视频信息中确定出异常对象对应的视频信息，包括：

将同一待测对象对应的雷达信息和视频信息进行关联；

根据所述关联的结果，从获取的各视频信息中确定出异常对象对应的视频信息。

作为一种可选的实施方式，所述获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，包括：

通过雷达采集目标场景中各待测对象的第一位置信息和速度信息，将所述第一位置信息和速度信息确定为所述雷达信息；以及

采集目标场景下的视频帧，对所述视频帧中的各待测对象进行目标检测，确定各待测对象在所述视频帧中的第二位置信息，将所述第二位置信息确定为所述视频信息。

作为一种可选的实施方式，所述将同一待测对象对应的雷达信息和视频信息进行关联，包括：

根据连续多次采集的每个待测对象的雷达信息，确定各待测对象的第一跟踪信息，其中所述第一跟踪信息用于表征各待测对象在雷达信息中的唯一性；

根据连续多次采集的每个待测对象的视频信息，确定各待测对象的第二跟踪信息，所述第二跟踪信息用于表征各待测对象在视频信息中的唯一性；

通过将第一跟踪信息和第二跟踪信息进行关联的方式，将同一待测对象对应的雷达信息和视频信息进行关联。

作为一种可选的实施方式，通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：

将连续多次采集的同一待测对象的雷达信息中的第一位置信息进行关联，根据关联得到的各待测对象的第一跟踪轨迹，确定各待测对象的第一跟踪信息；

将连续多次采集的同一待测对象的视频信息中的第二位置信息进行关联，根据关联得到的各待测对象的第二跟踪轨迹，确定各待测对象的第二跟踪信息。

作为一种可选的实施方式，通过如下方式确定满足预设条件的目标雷达信息，包括：

从各待测对象的雷达信息包含的速度信息中，筛选出速度信息满足预设条件的目标雷达信息。

作为一种可选的实施方式，所述根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析，包括：

利用变倍镜头设备采集包含所述异常对象的目标视频流，对所述目标视频流中的异常对象进行特征分析；

其中所述变倍镜头设备用于根据异常对象在拍摄视野范围内的大小调整焦距倍数。

作为一种可选的实施方式，所述利用变倍镜头设备采集包含所述异常对象的目标视频流，对所述目标视频流中的异常对象进行特征分析，包括：

对所述目标视频流中的异常对象进行目标跟踪，获取所述异常对象的第三跟踪信息；

根据所述异常对象的第三跟踪信息，对所述异常对象的行为特征进行分析。

对所述目标视频流中的异常对象进行特征提取，确定所述异常对象的特征信息；

根据所述异常对象的特征信息，对所述异常对象的外部特征进行分析。

第二方面，本发明实施例提供的一种基于雷达信息的目标分析设备，包括处理器和存储器，所述存储器用于存储所述处理器可执行的程序，所述处理器用于读取所述存储器中的程序并执行如下步骤：

作为一种可选的实施方式，所述处理器具体被配置为执行：

将同一待测对象对应的雷达信息和视频信息进行关联；

作为一种可选的实施方式，所述处理器具体被配置为执行：

作为一种可选的实施方式，所述处理器具体被配置为通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：

作为一种可选的实施方式，所述处理器具体被配置为通过如下方式确定满足预设条件的目标雷达信息：

作为一种可选的实施方式，所述处理器具体被配置为执行：

第三方面，本发明实施例还提供一种基于雷达信息的目标分析装置，该装置包括：

获取信息单元，用于获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；

确定异常视频单元，用于从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；

确定异常图像单元，用于从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；

目标分析单元，用于根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析。

作为一种可选的实施方式，所述确定异常视频单元具体用于：

将同一待测对象对应的雷达信息和视频信息进行关联；

作为一种可选的实施方式，所述获取信息单元具体用于：

作为一种可选的实施方式，所述确定异常视频单元具体用于通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：

作为一种可选的实施方式，所述确定异常视频单元具体用于通过如下方式确定满足预设条件的目标雷达信息：

作为一种可选的实施方式，所述目标分析单元具体用于：

第四方面，本发明实施例还提供计算机存储介质，其上存储有计算机程序，该程序被处理器执行时用于实现上述第一方面所述方法的步骤。

本申请的这些方面或其他方面在以下的实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于雷达信息的目标分析方法的实施流程图；

图2A为本发明实施例提供的一种输出雷达信息的示意图；

图2B为本发明实施例提供的一种输出雷达信息的示意图；

图3A为本发明实施例提供的一种输出视频信息的示意图；

图3B为本发明实施例提供的一种输出视频信息的示意图；

图4为本发明实施例提供的一种变倍跟踪的视频画面示意图；

图5为本发明实施例提供的一种以车辆作为待测对象的目标分析方法实施流程图；

图6为本发明实施例提供的一种基于雷达信息的目标分析设备示意图；

图7为本发明实施例提供的一种基于雷达信息的目标分析庄周示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例中术语“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。

本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

实施例1、近年来，随着视频监控系统和雷达使用的大量普及，视频分析技术在公共安全保障中发挥越来越关键的作用，雷达不仅能够测量目标的径向速度、加速度以及目标的位置等信息，还可以通过不断测量运动目标的位置获取目标的轨迹，以及目标的绝对速度和运动方向。虽然雷达能够测量待测目标位置、轨迹及其他特征，但是现有方案将目标的雷达信息和视频信息进行融合，是为了利用检测到的雷达信息来增强对目标检测识别的准确率，并未利用雷达信息实现对检测目标的其他业务应用。

本实施例提出的一种基于雷达信息的目标分析方法，基于雷达检测到的雷达信息进一步对待测对象进行处理分析，便于拓展对目标检测的更多业务应用。核心思想是将视频信息与雷达信息进行融合，利用同一待测对象关联的雷达信息和视频信息，基于雷达信息筛选出满足业务需求的目标视频信息，根据该目标视频信息确定异常对象，采集该异常对象的目标视频流，并对该异常对象的特征进行分析，需要说明的是，由于目前采集到的视频流中包含多个待测对象，各个待测对象本身的特征可能并不清晰，当存在检测需求时，可以基于雷达检测到的雷达信息对同一待测对象的视频信息进行筛选，从而针对筛选出的目标视频信息对应的异常对象进行针对性的特征分析，满足更多业务需求。

如图1所示，本实施例提供的一种基于雷达信息的目标分析方法的实施流程如下所示：

步骤100、获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；

需要说明的是，本实施例中采集雷达信息和视频信息可以视为同步采集，即能够同时得到目标场景中的各待测对象的了雷达信息和视频信息。

可选的，本实施例中的目标场景包括但不限于拍摄场景、采集场景等，本实施中的目标场景是基于视频采集设备所在的拍摄场景或者雷达采集设备所在的采集场景确定的，在一些实施例中，本实施例可以通过同一个采集设备进行视频信息采集和雷达信息采集，也可以使用不同的采集设备分别进行视频采集和雷达信息采集，本实施例对此不作过多限定。

可选的，本实施例中的待测对象包括但不限于人、车辆、动物等，其中车辆包括机动车、非机动车等，本实施例对此不作过多限定。

在一些实施例中，本实施例中的雷达信息包括但不限于利用雷达直接检测到的信息以及基于检测到的信息进行处理后得到的信息。本实施例中的视频信息包括但不限于利用目标检测技术针对视频流进行处理得到的信息。

在一些实施例中，本实施例通过如下方式获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息：

实施中，利用雷达能获取到当前目标场景中的每个待测对象的第一位置信息及每个待测对象的速度信息，每个待测对象都对应一个第一位置信息和一个速度信息。同时，采集当前目标场景中的原始视频流，针对原始视频流中的每个视频帧，利用目标检测算法对该视频帧中的各待测对象进行目标检测，得到每个待测对象在各视频帧中的第二位置信息，实施中，得到的第二位置信息具体包括视频画面中显示的检测框，每个检测框的类别信息和坐标信息用于表示待测对象类别及待测对象在视频画面中的第二位置信息。

需要说明的是，本实施例在采集雷达信息时，利用雷达信号连续多次采集目标场景中各待测对象的信息，在采集视频信息时，利用目标检测算法在连续采集的多个视频帧中进行各待测对象的目标检测。

如图2A-图2B所示，本实施例提供一种输出雷达信息的示意图，其中针对图2A中的场景，将该场景中的车辆作为待测对象，利用雷达采集到的各个车辆的第一位置信息通过图2B中的R1、R2、R3、R4进行表示。

如图3A-图3B所示，本实施例提供的一种输出视频信息的示意图，其中，针对图3A中的目标场景，将该目标场景中的车辆作为待测对象，采集该目标场景下的原始视频流，对原始视频流中的各车辆进行目标检测，确定各车辆在各视频帧中的第二位置信息，其中，通过图3B所示的V1、V2、V3、V4表示各车辆在一个视频帧中的第二位置信息。

步骤101、从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；

在一些实施例中，通过如下步骤从获取的各视频信息中确定出异常对象对应的视频信息：

将同一待测对象对应的雷达信息和视频信息进行关联；根据所述关联的结果，从获取的各视频信息中确定出异常对象对应的视频信息。

实施中，将同一待测对象对应的雷达信息和视频信息进行关联，是通过将所述雷达信息和视频信息中的同一待测对象进行关联的方式实现的同一待测对象对应的雷达信息和视频信息的关联，建立关联关系之后，当检测到某个待测对象的雷达信息满足预设条件时，确定该待测对象为异常对象，并根据关联关系，确定该雷达信息关联的视频信息，也就确定出该异常对象的视频信息。

在一些实施例中，本实施例通过如下流程将同一待测对象对应的雷达信息和视频信息进行关联：

流程（1）、根据连续多次采集的每个待测对象的雷达信息，确定各待测对象的第一跟踪信息，其中所述第一跟踪信息用于表征各待测对象在雷达信息中的唯一性；

可选的，本实施例中的第一跟踪信息包括但不限于跟踪标识、轨迹跟踪标识等具备唯一性的身份标识。

在一些实施例中，将连续多次采集的同一待测对象的雷达信息中的第一位置信息进行关联，根据关联得到的各待测对象的第一跟踪轨迹，确定各待测对象的第一跟踪信息；

实施中，利用雷达跟踪算法对多次采集的同一待测对象的第一位置信息进行关联，使得相同的待测对象在不同采集时刻下使用相同的ID，从而使得不同采集时刻下采集到的同一ID的第一位置信息关联起来，根据关联后的该待测对象的第一跟踪轨迹中的雷达跟踪标识ID，确定第一跟踪信息，即将该雷达跟踪标识作为该待测对象的第一跟踪信息。

其中，雷达跟踪算法就是在雷达坐标系下的数据序列中，建立所需跟踪目标的位置关系，得到目标的完整轨迹，通常需要建立目标模型或者提取目标特征，利用外观表征在后续帧中进行相似性搜索，最小化跟踪目标和候选目标之间的误差进行定位。

例如，以车辆作为待测对象，场景中存在n个车辆目标，通过雷达跟踪算法，确定每个车辆的雷达跟踪标识ID。

流程（2）、根据连续多次采集的每个待测对象的视频信息，确定各待测对象的第二跟踪信息，所述第二跟踪信息用于表征各待测对象在视频信息中的唯一性；

可选的，本实施例中的第二跟踪信息包括但不限于跟踪标识、轨迹跟踪标识等具备唯一性的身份标识。

在一些实施例中，将连续多次采集的同一待测对象的视频信息中的第二位置信息进行关联，根据关联得到的各待测对象的第二跟踪轨迹，确定各待测对象的第二跟踪信息。

实施中，利用视频目标跟踪算法对采集的相邻视频帧中的待测对象的第二位置信息进行关联，根据关联得到的各待测对象的第二跟踪轨迹中的视频跟踪标识，使得相同的待测对象在不同视频帧中使用相同的视频跟踪标识ID，将该视频跟踪标识ID作为各待测对象的第二跟踪信息。

其中，视频目标跟踪算法是一种多目标跟踪算法，多目标跟踪估算法首先运行目标检测器以获得目标框，然后对于每个检测到的对象，计算出不同的特征，通常是视觉和运动特征，并通过相似度计算两个对象属于同一目标（对象）的概率，最后关联步骤用于为每个对象分配身份标识ID。

例如，以车辆作为待测对象，场景中存在n个车辆目标，通过视频目标跟踪算法，确定每个车辆的视频跟踪标识ID。

流程（3）、通过将第一跟踪信息和第二跟踪信息进行关联的方式，将同一待测对象对应的雷达信息和视频信息进行关联。

实施中，对同一待测对象的第一跟踪信息和第二跟踪信息进行关联，即对同一待测对象的雷达跟踪标识ID和视频跟踪标识ID进行关联，从而对雷达信息和视频信息中的同一待测对象进行关联，其中，将雷达跟踪标识ID和视频跟踪标识ID关联为同一个待测对象，使得能够获取到视频中的每个待测对象的雷达信息如速度信息。

在一些实施例中，通过如下方式确定满足预设条件的目标雷达信息，包括：

从各待测对象的雷达信息包含的速度信息中，筛选出速度信息满足预设条件的雷达信息。

实施中，从各待测对象的速度信息中，筛选出速度信息满足预设条件的雷达信息；根据关联关系，确定出雷达信息对应的异常对象的视频信息。通过雷视融合算法，将雷达信息和视频信息中的同一待测对象进行关联之后，基于视频中每个待测对象的速度信息对待测对象进行筛选，例如可以筛选出速度信息异常的异常对象，并确定与该异常对象对应的视频信息。

其中，雷视融合算法是一种多传感器融合算法，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得待测对象的一致性解释或描述，一般有加权平均法、卡尔曼滤波法、多贝叶斯估计法、Dempster-Shafer（D-S）证据推理、产生式规则等。

步骤102、从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；

步骤103、根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析。

实施中，将所述雷达信息和视频信息中的同一待测对象进行关联之后，利用雷达信息筛选出异常对象的视频信息，根据异常对象的视频信息（视频帧中的第二位置信息）确定出异常对象图像，基于该异常对象图像采集该异常对象的目标视频流，将该异常对象作为后续重点监控的对象进行分析。

在一些实施例中，将异常对象图像输入到变倍镜头设备中，利用变倍镜头设备采集与该异常对象图像匹配的异常对象的目标视频流，对所述目标视频流中的异常对象进行特征分析；其中所述变倍镜头设备用于根据异常对象在拍摄视野范围内的大小调整焦距倍数。

实施中，可以利用单球跟踪算法对异常对象进行自动变倍跟踪，如图4所示，本实施例提供了一种变倍跟踪的视频画面示意图，其中，确定异常对象为图中车辆后，利用变倍镜头设备采集该异常对象的目标视频流，从而获取更加清晰地视频图像，以用于后续特征分析时使用。

其中，单球跟踪算法指的是给定第一帧图像中的任意目标对象（如异常对象）信息，在后续帧中找到该目标对象的新位置，并准确估计目标对象的尺寸范围。

在一些实施例中，本实施例利用变倍镜头设备采集所述异常对象的目标视频流之后，通过如下任一方式对所述目标视频流中的异常对象进行特征分析：

方式1、对所述目标视频流中的异常对象进行目标跟踪，获取所述异常对象的第三跟踪信息；根据所述异常对象的第三跟踪信息，对所述异常对象的行为特征进行分析。

在一些实施例中，利用视频目标跟踪算法，对获取的目标视频流中的异常对象进行目标跟踪，获取异常对象的第三跟踪信息，其中，第三跟踪信息包括异常对象的跟踪轨迹信息和跟踪标识。根据异常对象的第三跟踪信息，对该异常对象的行为特征进行分析，例如分析该异常对象的行驶路径，行驶方向等信息。

方式2、对所述目标视频流中的异常对象进行特征提取，确定所述异常对象的特征信息；根据所述异常对象的特征信息，对所述异常对象的外部特征进行分析。

在一些实施例中，利用目标检测算法，对目标视频流中的异常对象进行特征提取，可以基于深度学习模型对目标视频流中的异常对象进行特征提取，获取待测对象的特征信息，例如可以获取待测对象的车牌、颜色、品牌、型号等外部特征信息。

本实施例利用雷达获取到当前场景中的待测对象及其相对应的速度，通过视频获取到待测对象的目标框，通过雷视融合算法，将雷达中的待测对象和视频中待测对象进行关联，从而将同一待测对象的雷达信息和视频信息进行关联，获取到视频中待测对象的速度，对速度异常的异常对象进行重点跟踪，从而在增大监控范围的同时，也能获取到重点关注的异常对象的清晰图像。

如图5所示，本实施例还提供一种以车辆作为待测对象的目标分析方法，其中，可以通过球机摄像设备采集待测对象的雷达信息和视频信息，该方法的实施流程如下所示：

步骤500、获取目标场景中各待测对象对应的雷达信息；

实施中，在球机设备中，通过雷达获取到当前目标场景中的各个车辆及每个车辆对应的速度，并使用雷达跟踪算法对前后采集的车辆进行关联，使得相同的车辆在不同采集信息中使用相同的车辆ID。

如场景中存在n个车辆目标，通过雷达跟踪算法，获取到车辆的雷达跟踪标识ID （即本实施例中的第一跟踪信息），表示为

，其中，

，以及每个车辆的速度信息，表示为

，其中，

。例如，场景中包括4个车辆，对应的

分别是R1、R2、R3、R4。

步骤501、获取目标场景中各待测对象对应的视频信息；

实施中，在球机设备中，通过视频帧获取到当前场景中的车辆的检测框，并使用视频目标跟踪算法对相邻视频帧中的车辆进行关联，使得相同的车辆在不同帧中使用相同的车辆标识ID。如场景中存在n个车辆目标，通过视频目标跟踪算法，获取这些车辆的视频跟踪标识ID（即本实施例中的第二跟踪信息），表示为

，其中，

。例如，场景中包括4个车辆，对应的

分别是V1、V2、V3、V4。

步骤502、将同一待测对象对应的雷达信息和视频信息进行关联；

实施中，通过上述步骤获取到雷达跟踪标识

和视频跟踪标识

，通过雷视融合算，将同一车辆标识的

和

进行关联，如将R1和V1关联为同一个车辆，从而获得该车辆的速度信息

。

步骤503、根据所述关联的结果，从获取的各视频信息中确定出异常对象对应的视频信息，其中异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；

实施中，从各车辆的速度信息中，筛选出异常的速度信息，根据异常的速度信息对应的雷达跟踪标识，以及该雷达跟踪标识关联的视频跟踪标识，确定出与异常的速度信息对应的视频跟踪标识；例如将R1和V1关联为同一个车辆，若该车辆的速度信息

异常，则确定目标视频信息为V1。

步骤504、从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；

步骤505、利用变倍镜头设备，根据所述异常对象图像采集异常对象的目标视频流；

步骤506、对所述目标视频流中的异常对象进行目标跟踪，并对异常对象进行特征提取，以便于对异常对象进一步分析。

实施中，通过获取到的每个车辆的速度信息，当车辆的速度信息异常后，将该异常车辆作为异常对象，可以将该异常车辆的目标视频信息中的检测框传送给单球跟踪算法，使得球机设备能够自动变倍跟踪该车辆。并且，对该异常车辆进行特征提取，得到车牌，车身颜色，车辆品牌子品牌、车型等特征。

本实施例提供的基于雷达信息的目标分析方法，首先利用雷达获取到当前目标场景中的待测对象及其相对应的速度；其次，通过视频获取到待测对象的目标框；再次，通过雷视融合算法，将雷达中的待测对象和视频中的待测对象进行关联，从而获取到视频中异常对象的速度；最后对速度异常的异常对象通过单球跟踪算法，获取到异常对象的清晰图像，并对异常对象的信息进行识别。

本实施例可以利用雷视融合对异常车速进行检测，还可以对异常车速的车辆进行识别；通过单球跟踪算法，可以对车速异常的车辆进行跟踪，以此获取到该跟踪车辆的清晰图像并识别出车辆信息；由于可以对车辆进行单球跟踪，故监控范围可比普通视频监控大，当发现可疑车辆后，再进行重点跟踪及信息提取，在扩大监控范围的同时也能获取到重点关注目标的清晰图像及属性识别结果。

实施例2、基于相同的发明构思，本发明实施例还提供了一种基于雷达信息的目标分析设备，由于该设备即是本发明实施例中的方法中的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。

如图6所示，该设备包括处理器600和存储器601，所述存储器601用于存储所述处理器600可执行的程序，所述处理器600用于读取所述存储器601中的程序并执行如下步骤：

作为一种可选的实施方式，所述处理器600具体被配置为执行：

将同一待测对象对应的雷达信息和视频信息进行关联；

作为一种可选的实施方式，所述处理器600具体被配置为通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：

作为一种可选的实施方式，所述处理器600具体被配置为通过如下方式确定满足预设条件的目标雷达信息：

实施例3、基于相同的发明构思，本发明实施例还提供了一种基于雷达信息的目标分析装置，由于该装置即是本发明实施例中的方法中的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

如图7所示，该装置包括：

获取信息单元700，用于获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；

确定异常视频单元701，用于从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；

确定异常图像单元702，用于从异常对象对应的视频信息中确定出所述异常对象的异常对象图像；

目标分析单元703，用于根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析。

作为一种可选的实施方式，所述确定异常视频单元701具体用于：

将同一待测对象对应的雷达信息和视频信息进行关联；

作为一种可选的实施方式，所述获取信息单元700具体用于：

作为一种可选的实施方式，所述确定异常视频单元701具体用于通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：

作为一种可选的实施方式，所述确定异常视频单元701具体用于通过如下方式确定满足预设条件的目标雷达信息：

作为一种可选的实施方式，所述目标分析单元703具体用于：

基于相同的发明构思，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的设备。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.一种基于雷达信息的目标分析方法，其特征在于，该方法包括：

获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，其中所述雷达信息是利用雷达针对所述目标场景中的各待测对象获取的信息，所述视频信息是利用视频采集设备针对所述目标场景中的各待测对象获取的信息；所述获取目标场景中各待测对象对应的雷达信息和所述各待测对象对应的视频信息，包括：通过雷达采集目标场景中各待测对象的第一位置信息和速度信息，将所述第一位置信息和速度信息确定为所述雷达信息；以及采集目标场景下的视频帧，对所述视频帧中的各待测对象进行目标检测，确定各待测对象在所述视频帧中的第二位置信息，将所述第二位置信息确定为所述视频信息；

从获取的各视频信息中确定出异常对象对应的视频信息，所述异常对象为获取的各雷达信息中满足预设条件的雷达信息对应的待测对象；所述从获取的各视频信息中确定出异常对象对应的视频信息，包括：根据连续多次采集的每个待测对象的雷达信息，确定各待测对象的第一跟踪信息，其中所述第一跟踪信息用于表征各待测对象在雷达信息中的唯一性；根据连续多次采集的每个待测对象的视频信息，确定各待测对象的第二跟踪信息，所述第二跟踪信息用于表征各待测对象在视频信息中的唯一性；通过将第一跟踪信息和第二跟踪信息进行关联的方式，将同一待测对象对应的雷达信息和视频信息进行关联；根据所述关联的结果，从获取的各视频信息中确定出异常对象对应的视频信息；通过如下方式确定各待测对象的第一跟踪信息和第二跟踪信息：将连续多次采集的同一待测对象的雷达信息中的第一位置信息进行关联，根据关联得到的各待测对象的第一跟踪轨迹，确定各待测对象的第一跟踪信息；将连续多次采集的同一待测对象的视频信息中的第二位置信息进行关联，根据关联得到的各待测对象的第二跟踪轨迹，确定各待测对象的第二跟踪信息；

2.根据权利要求1所述的方法，其特征在于，通过如下方式确定满足预设条件的雷达信息：

3.根据权利要求1所述的方法，其特征在于，所述根据所述异常对象图像采集所述异常对象的目标视频流，对所述目标视频流中的所述异常对象进行特征分析，包括：

4.根据权利要求3所述的方法，其特征在于，所述利用变倍镜头设备采集包含所述异常对象的目标视频流，对所述目标视频流中的异常对象进行特征分析，包括：

5.根据权利要求3所述的方法，其特征在于，所述利用变倍镜头设备采集包含所述异常对象的目标视频流，对所述目标视频流中的异常对象进行特征分析，包括：

6.一种基于雷达信息的目标分析设备，其特征在于，该设备包括处理器和存储器，所述存储器用于存储所述处理器可执行的程序，所述处理器用于读取所述存储器中的程序并执行权利要求1~5任一所述方法的步骤。

7.一种计算机存储介质，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1~5任一所述方法的步骤。