CN115166708A - 针对传感器盲区内目标识别的判断方法、装置和设备 - Google Patents
针对传感器盲区内目标识别的判断方法、装置和设备 Download PDFInfo
- Publication number
- CN115166708A CN115166708A CN202211085729.4A CN202211085729A CN115166708A CN 115166708 A CN115166708 A CN 115166708A CN 202211085729 A CN202211085729 A CN 202211085729A CN 115166708 A CN115166708 A CN 115166708A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- blind area
- curve
- 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.)
- Granted
Links
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
- 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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提出了一种针对传感器盲区内目标识别的判断方法、装置、设备和存储介质,所述方法包括以下至少之一:构建当前工作环境的信号扫描点‑信号幅度曲线A;获取背景信号扫描点‑信号幅度曲线Q0和模拟目标扫描点‑信号幅度曲线Qn;将幅度曲线A与幅度曲线Q0、幅度曲线Qn对比,判断传感器盲区内是否存在目标;向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于补零时域信息进行第一次FFT转换,得到FFT转换曲线;对FFT转换曲线进行分析,基于分析结果判断传感器盲区内是否存在所述目标;对所述传感器盲区外的目标进行追踪,得到所述目标的目标运动轨迹;基于目标运动轨迹,判断传感器盲区内是否存在所述目标。
Description
技术领域
本申请涉及雷达探测技术领域,涉及但不限于一种针对传感器盲区内目标识别的判断方法、装置和设备。
背景技术
相关技术中,使用24GHz(吉赫兹)的调频连续波(Frequency ModulatedContinuous Wave,FMCW)微波雷达可以有效解决扶梯运转时,微波雷达的持续误触发问题,但由于受24GHz FMCW微波雷达的带宽的限制,24GHz FMCW微波雷达的距离分辨率为0.6m(米)较大,即,24GHz FMCW微波雷达在0.6m内为测距盲区,如此,需要增加了一个近距离超声波雷达以解决盲区问题。
发明内容
有鉴于此,本申请提供一种针对传感器盲区内目标识别的判断方法、装置、设备和存储介质。
第一方面,本申请提供一种针对传感器盲区内目标识别的判断方法,所述方法包括以下方法中的至少之一:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标。
第二方面,本申请提供一种针对传感器盲区内目标识别的判断装置,包括:背景学习算法模块,用于构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;补零算法模块,用于向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;运动轨迹计算模块,用于对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标;提高模块,用于在判断所述传感器盲区内存在所述目标的情况下,通过动态调整随机存储器RAM的运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。
第三方面,本申请提供一种电子设备,包括存储器、处理器和微波雷达,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请实施例任一所述针对传感器盲区内目标识别的判断方法中的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本申请实施例任一所述针对传感器盲区内目标识别的判断方法中的步骤。
本申请中,通过将当前工作环境的幅度曲线A与表征传感器盲区内不存在目标的幅度曲线Q0、以及表征传感器盲区内存在目标的幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标,可以实现检测率在40%至60%之间的目标的检测;通过补零算法得到补零时域信息,对基于补零时域信息得到的FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标,通过补零算法缩小虚拟盲区,并对其中小于真实盲区的目标进行判断,从而可以实现传感器盲区内部分目标的检测;通过将幅度曲线对比方法和补零算法结合,可以将检测率提高至70%至80%;通过分析传感器盲区外的目标运动轨迹,基于目标运动轨迹判断传感器盲区内是否存在目标,从而可以实现盲区内目标的检测;通过将幅度曲线对比方法和运动轨迹判断方法结合,或者将补零方法和运动轨迹判断方法结合,可以将检测率提高至70%至80%;通过将幅度曲线对比方法、补零算法和运动轨迹分析算法结合,可以将检测率提高至90%至95%,或者95%以上;另外,本申请无需在雷达内部额外增加新的硬件设备,也无需新增近距离微波雷达或采用两个雷达装置进行探测场覆盖,即可实现对24GHz微波雷达盲区内目标的准确识别。因此本申请可在保障盲区内准确识别的基础上,显著降低24HGz雷达的安装和使用成本。
附图说明
图1为相关技术中一种FMCW微波雷达的安装位置平面示意图;
图2为相关技术中一种微波雷达的探测原理示意图;
图3a为相关技术中一种扶梯误触发的解决方案的示意图;
图3b为相关技术中的另一种扶梯误触发的解决方案的示意图;
图4a为相关技术中一种在扶梯上安装FMCW微波雷达所形成的盲区和有效检测区域的示意图;
图4b为相关技术中FMCW微波雷达的盲区和有效检测区域的理想示意图;
图4c为相关技术中一种扶梯误触发的解决方案对应的FMCW微波雷达的盲区和有效检测区域的示意图;
图5为本申请实施例提供的一种目标的运动轨迹示意图;
图6为本申请实施例提供的一种针对传感器盲区内目标识别的判断方法的实现流程示意图;
图7a为本申请实施例提供的一种背景信号扫描点-信号幅度曲线Q0的示意图;
图7b为本申请实施例提供的一种模拟目标扫描点-信号幅度曲线Qn的示意图;
图8为本申请实施例提供的一种曲线B生成的示意图;
图9a为本申请实施例提供的一种基于目标运动路径形成的目标运动轨迹示意图;
图9b为本申请与图9a对应实施例中的目标相对传感器实际运动路径示意图;
图10为本申请实施例提供的另一种基于目标运动路径形成的目标运动轨迹示意图;
图11为本申请实施例提供的一种FMCW微波雷达的系统示意图;
图12为本申请实施例提供的一种FMCW微波雷达测距和测速的原理示意图;
图13a为本申请实施例一种FMCW微波雷达发送的Chirp序列的示意图;
图13b为本申请实施例一种FMCW微波雷达接收到的回波信号的存储方式示意图;
图14为本申请实施例提供的一种FMCW微波雷达盲区探测解决方法的流程框图;
图15为本申请实施例提供的一种根据目标靠近扶梯时根据微波雷达的背景噪声值的变化实现盲区内目标检测的流程示意图;
图16a为本申请实施例提供的一种未对混频信号进行补零时的时域信号示意图;
图16b为本申请实施例提供的一种未对混频信号进行补零时的频域信号示意图;
图16c为本申请实施例提供的一种对混频信号进行补零后的时域信号示意图;
图16d为本申请实施例提供的一种对混频信号进行补零后的频域信号示意图;
图17为本申请实施例提供的一种FMCW微波雷达盲区探测解决方法的流程示意图;
图18为本申请实施例提供的一种通过不同轨迹进入扶梯的轨迹示意图;
图19为本申请实施例一种针对传感器盲区内目标识别的判断装置的组成结构示意图;
图20为本申请实施例电子设备的一种硬件实体示意图。
具体实施方式
下面结合附图和实施例对本申请的技术方案进一步详细阐述。
自动扶梯引入微波雷达传感器后,可以实现扶梯节能效果,无行人使用扶梯时,扶梯保持静止或者低功耗慢速运行;仅当行人进入扶梯入口区域时,微波雷达传感器可以检测到行人,并发送触发信号给扶梯控制系统,在行人到达扶梯梳齿与踏板相交线时,提前启动扶梯。
相比前一代红外传感器和电眼对射传感器,微波雷达传感器优势较为明显,微波雷达传感器不易收到雨雪等环境,温度变化的影响,并且检测区域覆盖面积更大,避免出现漏检测导致行人进入扶梯而扶梯未运转的情形。同时微波雷达传感器可以穿透塑料面板,因此,可以隐藏安装在扶梯扶手龙头内部,使得扶梯设计更加美观。可以理解的是,微波雷达传感器可以简称为微波雷达。
这里,微波雷达可以是FMCW微波雷达,FMCW微波雷达安装于扶梯上,图1为相关技术中一种FMCW微波雷达的安装位置平面示意图,参见图1,FMCW微波雷达101a可以安装于扶梯的任一边的扶手龙头的内部,曲线102a所形成的区域为FMCW微波雷达的理想检测区域。
目前市面上的微波雷达绝大多数基于24GHz的固定频率连续波方式,基于多普勒运动检测,产品的主要问题在于扶梯运转时的内部机械振动和微波传感器正前方的扶梯盖板微振动容易导致产品误触发,由于距离微波雷达距离非常近,微波能量与距离4次方成反比,因此,距离微波距离非常近时,微小幅度振动也容易触发检测。导致扶梯运转时,微波雷达持续误触发,扶梯会持续运转无法进入节能模式。
图2为相关技术中一种微波雷达的探测原理示意图,参见图2:
微波雷达201通过天线辐射电磁能量,使其在空中传播。其中,发射天线功率为Pt,发射天线增益为Gt,传播距离为R;部分辐射的能量被一定距离的目标202截获,目标202截获的能量重新辐射到许多方向。其中,目标202的RCS(Radar Cross Section,雷达散射截面积)为σ;部分重新辐射的能量返回至雷达天线,被雷达天线接收。其中接收天线的有效面积为Ae。
图3a为相关技术中一种扶梯误触发的解决方案的示意图,参见图3a,在此解决方案中,可以通过降低微波雷达的灵敏度的方式降低扶梯误触发的概率,但需要在扶梯上安装2支微波雷达:微波雷达301a和雷达传感器302a,其中,微波雷达301a和微波雷达302a的倾角度均为20°(度)到30°之间。
图3b为相关技术中的另一种扶梯误触发的解决方案的示意图,参见图3b,在此解决方案中,可以通过降低微波雷达的灵敏度的方式降低扶梯误触发的概率,但需要在扶梯上安装2支雷达传感器:微波雷达301b和微波雷达302b;另外,当微波雷达301b和302b的灵敏度过度降低时,可能出现行人漏检测的问题,为了避免风险,通常需要再增加对射型光电传感器303b(又可以称为光电对射电眼),但随之的风险是人踏上扶梯后,扶梯才突然启动,容易出现人跌倒的事故,也不符合扶梯规格5.12.2.1.2条款的需求;扶梯规格5.12.2.1.2条款的内容为:“由使用者的进入而自动启动或加速的自动扶梯或自动人行道(待机运行),在该使用者到达梳齿与踏面相交线时应以不小于0.2倍的名义速度运行,然后以小于0.5m/s2(米每二次方秒)加速。注:考虑行人平均行走速度为1m/s(米每秒)”。
相关技术中还提供一种扶梯误触发的解决方案,在此解决方案中,可以通过降低微波雷达的灵敏度的方式降低扶梯误触发的概率,但需要在扶梯上安装2支微波雷达,为了避免扶梯区域过小引起的问题,有微波雷达增加金属支架,以屏蔽雷达周围扶梯机械运动部件多普勒运动噪声,只保留正前方的微波能量,这种方式有一定程度改善作用,但造成金属支架成本问题,体积偏大不利于小空间扶梯安装,同时增加了安装调试的难度和时间人力成本。
相关技术中,使用24GHz FMCW技术的毫米波雷达,有效近距离解决误触发问题,但问题在于由于带宽250MHz(兆赫兹)(部分国家带宽甚至低于200MHz)的限制,24GHz毫米波雷达的测距分辨率只有0.6m,这样FMCW微波雷达0.6m以内是测距盲区,利用这一特点可以有效解决扶梯应用的微波雷达误触发问题,但针对0.6m以内盲区,市面产品通常增加了一个近距离超声波雷达以解决盲区问题。
距离分辨率(dres)仅取决于线性调频信号chirp扫频的带宽,c为光速,B为雷达信号的带宽,则距离分辨率dres可以用公式(1)表示:
图4a为相关技术中一种在扶梯上安装FMCW微波雷达所形成的盲区和有效检测区域的示意图,如图4a所示,所述FMCW微波雷达安装在扶手龙头内部的安装位置为位置401a,FMCW微波雷达的安装位置决定了FMCW微波雷达的理想探测区域为曲线402a所形成的区域和盲区为曲线403a所形成的区域。
图4b为相关技术中FMCW微波雷达的盲区和有效检测区域的理想示意图,如图4b所示,曲线402b所形成的以0.6m为半径的扇形区域为盲区;曲线402b和曲线401b形成的中间区域为微波雷达的理想有效探测区域。
图4c为相关技术中一种扶梯误触发的解决方案对应的FMCW微波雷达的盲区和有效检测区域的示意图,参见图4c,区域401c为远距离使用微波雷达的有效检测区域,区域402c为近距离检测盲区所增加的一套超声波雷达传感器对应的检测有效区域。
图5为本申请实施例提供的一种目标的移动轨迹示意图,参见图5,可以认为2.5m至4m的区域501为FMCW微波雷达的无效区域(或称第一区域),0.6m至2.5m的区域502为FMCW微波雷达的有效区域(或称第二区域),0.6m以内的区域503为FMCW微波雷达的盲区(或称第三区域);移动轨迹504表示移动对象从无效区域移动到有效区域;移动轨迹505表示移动对象在无效区域徘徊,并没有进入有效区域;移动轨迹506表示移动对象在无效区域停留一段时间后进入有效区域。
基于上述技术问题,本申请实施例提供一种针对传感器盲区内目标识别的判断方法,应用于微波雷达的盲区检测设备(即电子设备),所述微波雷达的盲区检测设备可以包括存储器、处理器和微波雷达;所述处理器在实现时可以通过中央处理器(CPU,CentralProcessing Unit)、微处理器(MPU,Microprocessor Unit)、数字信号处理器(DSP,DigitalSignal Processing)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等来实现,所述处理器执行程序时实现所述针对传感器盲区内目标识别的判断方法中的步骤。
图6为本申请实施例提供的一种针对传感器盲区内目标识别的判断方法的实现流程示意图,如图6所示,该实现流程包括以下步骤至少之一:
步骤S602:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
其中,所述目标又称检测对象或对象,所述目标可以是针对性目标或除所述针对性目标外的非针对性目标,所述针对性目标可以是人体目标或动物目标等,所述人体目标可以是人体全身、人体部分部位(如头部、躯干、四肢)等,在所述针对性目标为人体目标的情况下,所述非针对性目标可以是物品、植物、动物等。
图7a为本申请实施例提供的一种背景信号扫描点-信号幅度曲线Q0的示意图;图7b为本申请实施例提供的一种模拟目标扫描点-信号幅度曲线Qn的示意图;如图7a所示,横坐标表示不同的背景信号扫描点,纵坐标表示对应的信号幅度,曲线Q0表示传感器盲区内不存在目标时,不同背景信号扫描点对应的背景信号噪声值的幅度;如图7b所示,横坐标表示不同的模拟目标扫描点,纵坐标表示对应的信号幅度,曲线Qn表示传感器盲区内存在目标时,不同模拟目标扫描点对应的模拟目标噪声值的幅度;可以看出对象不处于盲区的曲线Q0和对象处于盲区的曲线Qn相比,对于某些采样频率点(即扫描点)的信号幅度有较大区别,因此,可将当前工作环境的幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断目标是否进入传感器盲区。
可以理解的是,背景信号的噪声值(即背景信号噪声值)在时域内的单位可以是mV(毫伏),背景信号的噪声值可以表示为雷达在没有输入的情况下,反射信号对应的电压信号的均方根值。
这里,微波雷达的采样点的背景信号的噪声值的变化范围可以是微波雷达的某一采样点或多个采样点的背景噪声值变化范围。采样点可以是至某一特定的频率点或距离点。采样点的噪声阈值可以表示采样点的噪声阈值范围。
在一种可能的实施方式中,微波雷达的某一采样点的背景噪声值变化范围可以为背景噪声值最大值75mV与背景噪声值最小值55mV之间。不同的采样点对应的背景噪声值变化方位可以是不相同的,例如,对于另一采样点的背景噪声值变化范围可以为背景噪声值最大值90mV与背景噪声值最小值30mV之间。对应地,在背景噪声值变化范围为背景噪声值最大值60mV与背景噪声值最小值40mV之间的情况下,采样点的噪声阈值可以是66mV与44mV之间。
另外,获取微波雷达采样点的背景噪声值变化范围的方式,示例性地,可以是通过神经网络算法自主学习每一采样点的背景噪声值的平均值,统计获得每一采样点的背景噪声值的最大值和最小值。
步骤S604:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
其中,可以通过所述传感器(如微波雷达)获取混频信号;利用补零算法对多个采样点的所述混频信号进行第一次快速傅里叶变换FFT,得到第一次FFT后的FFT转换曲线;所述混频信号为所述微波雷达的回波信号和发射信号进行相干混频所得到的;可以理解的是,混频信号可以是包含待检测对象的距离和速度信息的中频信号。
在一个示例中,可以利用补零算法对包括第一数量采样点的所述混频信号进行第一次快速傅里叶变换FFT,得到第一次FFT后的混频信号,可以是首先根据目标距离分辨率、第一数量以及微波雷达的带宽确定采样点的目标数量和补零点的个数,根据补零点的个数对第一数量采样点的混频信号进行补零,得到目标数量采样点的混频信号;然后对目标数量采样点的混频信号进行FFT变换,得到FFT后的混频信号,所述FFT后的混频信号组成FFT转换曲线。
例如,对于带宽为250MHz、距离分辨率为0.6m的微波雷达,对应的采样点的个数为64个,在目标距离分辨率为15cm(厘米)的情况下,为了将距离分辨率提高到15cm,则需要将采样点的个数从64个,通过补零使得采样点的个数达到256个。这里,采样频率的选择可以是在满足采样定律的情况下,根据实际运算量等限制所确定的频率。
可以理解的是,首先可以利用上述公式(1),根据微波雷达的带宽来确定微波雷达的距离分辨率。例如,对于带宽为250MHz的微波雷达,对应的距离分辨率为0.6m,即,在距离微波雷达0.6m的开角的区域,为微波雷达的真实盲区;
再根据所述微波雷达的距离分辨率和预设距离分辨率(即虚拟分辨率),确定所述补零算法的补零点数;所述预设距离分辨率高于所述微波雷达的距离分辨率;这里,预设距离分辨率可以是目标距离分辨率,例如,在微波雷达的距离分辨率是0.6m的情况下,预设距离分辨率可以是0.075m,即在距离微波雷达0.075m的开角的区域,为微波雷达的虚拟盲区。
在一个示例中,根据所述微波雷达的距离分辨率和预设距离分辨率,确定所述补零算法的补零点数,可以是根据采样点的个数(根据采样频率确定)、微波雷达距离的分辨率和预设距离分辨率之间的比例关系,确定目标采样点的个数;根据目标采样点的个数确定补零点的个数。
然后基于所述补零点数,对所述混频信号进行补零处理,得到补零后的混频信号;最后对所述补零后的混频信号进行第一次FFT,得到所述第一次FFT后的混频信号,进而根据FFT后的混频信号得到FFT转换曲线。
步骤S606:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标。
可以理解的是,微波雷达在传感器盲区外和传感器盲区边界处可以进行目标的运动轨迹跟踪。可以根据目标运动轨迹,确定所述目标是否有进入传感器盲区的趋势,在目标有进入传感器盲区的趋势的情况下,判断目标进入所述传感器盲区。
由于高精度雷达需要更高的带宽,可能会出现不匹配的问题,以及硬件改进导致产品成本的提升显著高于软件改进导致的产品成本提升的问题。在本申请的一个实施例中,所述传感器可以是距离分辨率较低的低精度雷达,例如24GHz FMCW技术的毫米波雷达,所述传感器可以安装于扶梯上,用于判断传感器盲区内是否存在目标(行人),从而可以在行人接近扶梯(进入传感器盲区)时,将扶梯从待机模式或节能模式调整为工作模式,避免因为扶梯的骤然启动而导致已经在扶梯上或者极靠近扶梯的人不安全,被扶梯突然变速带动摔倒。本申请实施例可以提高传感器盲区内目标识别的准确率,从而降低误启动的可能性,有效实现减小扶梯硬件损耗和电能损耗的问题。
需要说明的是,可以单独使用步骤S602中的幅度曲线对比方法、步骤S604中的补零算法和步骤S606中的运动轨迹判断方法中任一方法进行传感器盲区内目标识别,还可以是任意两种方法的结合进行传感器盲区内目标识别,还可以是三种方法的结合进行传感器盲区内目标识别,在任意两种方法或者三种方法结合进行传感器盲区内目标识别时,对于步骤S602、步骤S604和步骤S606的执行顺序不作限定,上述各步骤的序号的大小并不意味着执行顺序的先后。
本申请实施例中,通过将当前工作环境的幅度曲线A与表征传感器盲区内不存在目标的幅度曲线Q0、以及表征传感器盲区内存在目标的幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标,可以实现检测率在40%至60%之间的目标的检测;通过补零算法得到补零时域信息,对基于补零时域信息得到的FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标,通过补零算法缩小虚拟盲区,并对其中小于真实盲区的目标进行判断,从而可以实现传感器盲区内部分目标的检测;通过将幅度曲线对比方法和补零算法结合,可以将检测率提高至70%至80%;通过分析传感器盲区外的目标运动轨迹,基于目标运动轨迹判断传感器盲区内是否存在目标,从而可以实现盲区内目标的检测;通过将幅度曲线对比方法和运动轨迹判断方法结合,或者将补零方法和运动轨迹判断方法结合,可以将检测率提高至70%至80%;通过将幅度曲线对比方法、补零算法和运动轨迹分析算法结合,可以将检测率提高至90%至95%,将扶梯误启动的可能性降低至5%以内。
本申请实施例提供了另一种针对传感器盲区内目标识别的判断方法,该方法包括:
步骤102:在所述传感器盲区内没有所述目标的情况下,记录K个扫描点的第一信号幅度,基于所述第一信号幅度构建背景信号扫描点-信号幅度曲线Q0;其中,K为大于等于2的正整数;
其中,如图7a所示,为构建的信号幅度曲线Q0。
步骤104:在所述传感器盲区内n个不同位置的每一位置放置一个模拟目标,每放置一个模拟目标就记录K个扫描点的第二信号幅度,基于所述第二信号幅度构建所述模拟目标扫描点-信号幅度曲线Qn;
其中,如图7b所示,为构建的信号幅度曲线Qn。
步骤106:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
通过在传感器内没有目标的情况下,构建幅度曲线Q0,在传感器内有目标的情况下,构建幅度曲线Qn,通过构建当前工作环境的幅度曲线A,将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,从而能够更准确地基于对比结果确定传感器盲区内是否存在目标。
步骤108:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;基于所述FFT转换曲线识别所述目标的运动距离,基于所述目标的运动距离判断所述传感器盲区内是否存在所述目标;
其中,可以根据所述第一次FFT后的FFT转换曲线,在真实盲区以内、逻辑盲区以外的范围内,确定所述目标的运动距离,所述目标的运动距离可以是所述目标的位置与传感器之间的距离,在所述运动距离小于传感器的距离分辨率(如0.6m)的情况下,如所述运动距离为0.48m的情况下,可以确定目标进入所述传感器盲区内,即所述传感器盲区内存在所述目标;在所述运动距离大于或等于所述距离分辨率的情况下,可以确定目标未进入所述传感器盲区内。
可以是根据第一次FFT后的混频信号,确定频率点集合,根据频率点集合的频率确定目标的位置与微波雷达之间的距离。可以理解的是,频率点的频率大小与目标的位置距离微波雷达的距离远近是对应的。
通过基于FFT转换曲线识别目标的运动距离,从而能够更准确地确定目标是否在传感器盲区内;通过补零算法对补零时域信息进行第一次快速傅里叶变换FFT,提高传感器的距离分辨率,从逻辑上缩小传感器盲区的范围,可以对处于真实盲区内、虚拟盲区外的目标进行检测,有利于提高传感器盲区的检测率。
步骤110:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;
其中,可以以传感器发现所述目标的时间为原点,以所述目标在传感器探测场内的运动时间为X轴,以相对传感器的距离为Y轴,构建X-Y坐标系;在构建的X-Y坐标系内,以所述目标当前运动时间点相对传感器的距离为参数点D,连接各参数点D构建目标时间-距离曲线B;所述曲线B为所述目标运动轨迹。
如图8所示,所述时间单位可以是秒,所述距离单位可以是米,参数点D的坐标可以分别为(0,0)、(0.1,3.6213)、(0.2,3.5121)、(0.3,3.3987)、(0.4,3.2889)、(0.5,3.1921)、(0.6,3.0765)、(0.7,2.9654)、(0.8,2.9001)、(0.9,2.8132)、(1.0,2.7298)、(1.1,2.6334)、(1.2,2.5478)、(1.3,2.4532)、(1.4,2.3555)、(1.5,2.2474)、(1.6,2.1312)、(1.7,2.0012)、(1.8,1.9011)、(1.9,1.7998)、(2.0,1.7023)、(2.1,1.6112)、(2.2,1.5123)、(2.3,1.4329)、(2.4,1.3423)、(2.5,1.2532)、(2.6,1.1782)、(2.7,1.0985)、(2.8,1.0112)、(2.9,0.9344)、(3.0,0.8532)、(3.1,0.7632)、(3.2,0.6978)、(3.3,0.6132);可以连接各参数点D构建曲线B,即目标运动轨迹。
步骤112:在传感器探测场范围内设定第一特定区域和第二特定区域;其中所述第一特定区域为距离传感器L1至L2米的区域,所述第二特定区域为传感器基于特定标记物形成的区域;所述第一特定区域与第二特定区域最小间距L3米,其中L3的取值为0至2;在X-Y坐标系内,所述第一特定区域对应距离范围设定第一特定区域XY;当所述第二特定区域出现遮挡时,判断目标运动轨迹是否向靠近传感器的方向穿越所述第一特定区域XY,如是则判断所述传感器盲区内存在所述目标;或,所述目标运动轨迹穿越所述第一特定区域XY且继续缩小与传感器的距离至所述第二特定区域出现遮挡时,判断所述传感器盲区内存在所述目标。
其中,当传感器安装在扶梯上时,所述第一特定区域可以是行人乘坐扶梯前通常会经过的区域,如扶梯正前方的区域。所述特定标记物可以是扶梯金属座和特定速率运动的扶梯扶手带,所述第二特定区域可以是传感器、扶梯金属座、扶梯扶手带之间组成的类三角区域,所述L1可以是1米、1.2米等;所述L2可以是2米、3米等;如图9a所示,所述第一特定区域可以是由两根距离传感器为L1和L2的圆线组成的环型区域,该环形区域位于传感器探测场B区内的部分为第一特定区域。所述第二特定区域,如图9b所示,可以为图中的A区,在第二特定区域被遮挡时,如果目标运动轨迹穿越了第一特定区域,则传感器盲区内存在目标;或者,在目标运动轨迹穿越了第一特定区域直至二特定区域被遮挡时,则传感器盲区内存在目标。
在一些实施例中,所述第二特定区域的形成方法包括:以具有一定距离且具有特定运动速度的目标物或目标物集为参考物建立对所述目标物或所述目标物集的距离-运动速度集合,所述距离-运动速度集合为所述第二特定区域。具体可如图9b所示,以传感器自身为一个顶点。以定速运动(节能状态下,以速度A的定速运动,或正常工作状态下,以速度B的定速运动)的扶梯扶手带为目标物集(特定距离上具有特定运动速度的目标点集),作为第二个顶点。以扶梯金属基座为目标物(特定距离下的静止目标或具有特定振动平率的目标),作为第三个顶点。由上述三个顶点形成类三角形或类三角锥体的探测区域,该区域为第二特定区域,在图9b中以A区表示。
如图9b和图9a所示,目标(行人)实际运动路径如图9b中91b所示时,此时传感器监控到目标的实际运动路径后形成如图9a中92a所示的曲线。此时,该目标自远而近穿越了第一特定区域(图9a中的网线部分),当其运动至图9b中A区时,A区(第二特定区域)出现被遮挡点,此时判断有目标进入传感器盲区。
目标(行人)实际运动路径如图9b中92b所示时,此时传感器监控到目标的实际运动路径后形成如图9a中91a所示的曲线。此时,该目标自远而近穿越了第一特定区域(图9a中的网线部分),但是其后续运动为远离扶梯,即A区(第二特定区域)没有出现被遮挡点,此时判断该目标并未进入传感器盲区。该情况下行人可能为自扶梯前路过,其并没有进入传感器盲区(乘坐扶梯)的意图。
目标(行人)实际运动路径如图9b中93b所示时,此时传感器监控到目标的实际运动路径后形成如图9a中的94a所示的曲线。此时,该目标首先触发了A区(第二特定区域)的遮挡,但是其后续运动为远离扶梯,即曲线94a没有出现向靠近传感器方向穿越第一特定区域(图9a中的网线部分)的动作,此时判断该目标并未进入传感器盲区。该情况下行人可能为路过并手扶了一下扶梯扶手带或出现其他遮挡A区的动作,导致A区(第二特定区域)的遮挡识别被触发,而行人并没有进入传感器盲区(乘坐扶梯)的意图。也可能是目标(行人或其他目标)近距离路过扶梯,导致A区(第二特定区域)的遮挡识别被触发,而行人并没有进入传感器盲区(乘坐扶梯)的意图。
目标(行人)实际运动路径如图9b中94b所示时,此时传感器监控到目标的实际运动路径后形成如图9a中的93a所示的曲线。此时,该目标首先触发了A区(第二特定区域)的遮挡,其后续运动为远离扶梯后再次靠近扶梯,即曲线93a出现了向靠近传感器方向穿越第一特定区域的动作,此时判断该目标会进入传感器盲区。
当传感器判断目标(行人)会进入传感器盲区时,控制扶梯进入正常工作模式。当传感器判断目标(行人)不会进入传感器盲区时,控制扶梯维持节能运行模式(当扶梯处于正常工作模式时,维持节能运行模式的指令不会覆盖之前的维持正常工作模式或转入正常工作模式的指令。扶梯是否由正常工作模式转入节能运行模式由其他程序或系统判断控制)。
采用上述识别判断方法可以有效区分目标在扶梯前的行为动作意图,极大提高传感器对目标是否会进入盲区(乘坐扶梯)进行判断,极大减少了扶梯的误触发(应启动而没有启动,或不应启动而启动)的可能性,提高了传感器对盲区内是否存在目标进行识别判断的准确性。
在一些实施例中,所述第二特定区域出现遮挡时的判断方法包括:当所述距离-运动速度集合出现:特定运动速度的目标物距离缩短,或特定运动速度的目标物消失时间大于或等于预设时间,则判定所述第二特定区域出现遮挡。
在微波雷达监测到A区域对应的混频信号在短时间内消失或者检测到A区域与FMCW微波雷达的距离变小至预设的距离阈值的情况下,可以确定目标遮挡A区域,在确定目标是从B区域穿越,接近或遮挡A区域的情况下,即可以确定传感器盲区内存在所述目标。通过识别目标运动轨迹,以是否穿越A区域作为判定行人是否进入扶梯的作为重要判定依据,此时可以行人离开FMCW微波雷达传感器检测包络。
本申请实施例中,通过目标的运动轨迹是否穿越第一特定区域,并结合是否遮挡第二特定区域,可以提高盲区内目标检测的检测率。
本申请实施例提供了又一种针对传感器盲区内目标识别的判断方法,该方法包括:
步骤202:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;
步骤204:获取所述幅度曲线A与所述幅度曲线Q0之间的第一相似度;
步骤206:获取所述幅度曲线A与所述幅度曲线Qn之间的第二相似度;
步骤208:在所述第一相似度的数值大于所述第二相似度的数值的情况下,确定所述传感器盲区内不存在所述目标;
其中,在第一相似度大于第二相似度的情况下,幅度曲线A更接近表征传感器盲区内不存在目标的幅度曲线Q0,因此,可以推断传感器盲区内不存在所述目标。
步骤210:在所述第一相似度的数值小于所述第二相似度的数值的情况下,确定所述传感器盲区内存在所述目标;
其中,在第一相似度小于第二相似度的情况下,幅度曲线A更接近表征传感器盲区内存在目标的幅度曲线Qn,因此,可以推断传感器盲区内存在所述目标。
通过比较幅度曲线A与幅度曲线Q0、以及幅度曲线Qn的相似度,从而能够更准确地传感器盲区内是否存在目标。
步骤212:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;
步骤214:对所述FFT转换曲线进行第二次FFT转换,得到2D-FFT曲线;
步骤216:基于所述2D-FFT曲线识别所述目标的运动速度,基于所述目标的运动速度判断所述传感器盲区内是否存在所述目标;
在一些可能的实施方式中,根据所述第二次FFT后的混频信号确定所述待检测对象的运动速度,可以是根据第二次FFT转换后的混频信号,可以确定幅值最大的频率点的位置,根据幅值最大的频率点的位置确定目标的运动速度。
在所述目标为人体目标的情况下,所述目标的运动速度可以在第一速度范围内,所述第一速度范围可以是0.3m/s(米/秒)至1.5m/s,也可以是0.5m/s至2m/s,在所述目标为非针对性目标的情况下,所述目标的运动速度可能在第一速度范围之外,例如小于0.3m/s,或者大于2m/s等;所述人体目标的第一速度范围可以根据人体运动速度标准设定,也可以根据客户需求自主设定。
通过补零算法对包括采样点的所述混频信号进行第一次快速傅里叶变换FFT,可以确定待检测对象的位置信息;接着,对第一次FFT后的混频信号进行第二次FFT,以确定待检测对象的运动速度,同时根据目标的运动速度可以确定人体目标是否处于所述盲区,过滤掉非人体目标,有利于提高盲区内行人的检测率。
步骤218:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;
步骤220:根据所述目标运动轨迹判断所述目标是否会进入所述传感器盲区;
在一些实施例中,如图5所示,目标运动轨迹504可以表示目标从无效区域移动到有效区域;目标运动轨迹505可以表示目标在无效区域徘徊,并没有进入有效区域;目标运动轨迹506可以表示对象在无效区域停留一段时间后进入有效区域。
可以在所述移动轨迹满足特定条件的情况下,确定所述对象进入盲区;在所述移动轨迹不满足所述特定条件的情况下,确定所述对象未进入所述盲区。其中,所述特定条件可以是对象从无效区域向有效区域移动;则目标运动轨迹504和目标运动轨迹506均满足特定条件,可以根据目标运动轨迹504或目标运动轨迹506,确定所述目标会进入所述传感器盲区。由于目标运动轨迹505中目标并未从无效区域移动到有效区域,因此,可以根据移动轨迹505,确定所述目标不会进入所述传感器盲区。
步骤222:在判断所述目标会进入所述传感器盲区的情况下,基于所述目标的实际距离值确定所述目标是否位于所述传感器盲区外的预设检测点;
其中,所述传感器盲区外预设检测点为距离所述传感器盲区0.6至1.2米的位置处。
步骤224:在确定所述目标位于所述预设检测点且根据所述目标运动轨迹确定所述目标会继续朝向所述传感器盲区的情况下,判断所述传感器盲区内存在所述目标。
如图5所示,目标运动轨迹504至506对应的目标均位于传感器盲区0.6至1.2米的位置处,目标运动轨迹504和506表征目标继续朝向传感器盲区,因此,可以判断所述传感器盲区内存在目标运动轨迹504和506对应的目标。
本申请实施例中,通过确定目标是否位于预设监测点,以及根据目标运动轨迹确定目标的运动趋势,从而可以更准确地判断盲区内是否存在目标。
本申请实施例提供了再一种针对传感器盲区内目标识别的判断方法,该方法包括:
步骤302:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
步骤304:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
步骤306:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;
其中,可以在构建的X-Y坐标系内,距离L4米处划定判定线,距离L5米处划定盲区线;
当曲线B的当前参数点D越过判定线时进行如下动作和判断:
步骤308:在所述曲线B之后的每一个参数点D处做曲线B的切线Cn;
其中,如图10所示,假设越过判定线之后的参数点D为D1和D2,在D1处做曲线B的切线C1,在D2处做曲线B的切线C2。
步骤310:取切线Cn沿曲线B前进方向的D长度线段为判定线Fn;
其中,可以取切线C1沿曲线B前进方向的D长度线段为判定线F1,切线C2沿曲线B前进方向的D长度线段为判定线F2。
步骤312:在存在连续H个所述判定线Fn的末端越过所述盲区线时,判断所述目标会进入所述传感器盲区。
其中,L4米可以是1.5米,2米等,L5米可以是0.6米、0.75米等;H可以为5、10、15等;如图10所示,假设H为5,F1的末端越过所述盲区线,F2的末端没有越过所述盲区线,可以判断目标不会进入所述传感器盲区。
在一些实施例中,所述D长度线段为:以Y轴比例尺为缩小比例,取传感器实际探测场内1至3米的等比例缩小线段为所述D长度线段。
本申请实施例中,通过基于目标的运动轨迹和实时距离,构建曲线B,并根据曲线B的切线的延长线是否位于传感器盲区内,来推断目标的运动趋势,从而可以更准确地判断目标是否会进入传感器盲区内。
本申请实施例提供了还一种针对传感器盲区内目标识别的判断方法,该方法包括:
步骤402:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
步骤404:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
步骤406:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标;
步骤408:在判断所述传感器盲区内存在所述目标的情况下,通过改变分配中央处理器CPU随机存储器RAM,增加运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。
在一种可能的实施方式中,第一灵敏度系数可以是指在没有目标进入扶梯的情况下,安装在扶梯上的微波雷达所获取的背景噪声值的灵敏度。这里,第一灵敏度系数可以是10%或20%。在检测到目标与所述盲区的边界之间距离小于预设距离阈值的情况下,将所述第一灵敏度系数提高至第二灵敏度系数;可以理解的是,预设距离阈值可以是根据微波雷达的性能所确定的,例如,预设距离阈值可以是10cm(厘米)或20cm。
在一个示例中,待检测对象与所述盲区的边界之间距离小于预设距离阈值可以是待检测对象从安装微波雷达的扶梯的侧面直接进入盲区的过程中,也可以是从扶梯强档的无效检测区域逐渐靠近有效检测区,并从有效检测区靠近盲区的过程中,待检测对象与所述盲区的边界之间距离小于预设距离阈值。
在一种可能的实施例中,可以在检测到目标与所述盲区的边界之间距离大于预设距离阈值的情况下,即目标远离盲区的过程中,将所述第二灵敏度系数降低至第一灵敏度系数。
本申请实施例中,通过在检测到目标与所述传感器盲区的边界之间距离小于预设距离阈值的情况下,即目标靠近或进入传感器盲区的情况下,将第一灵敏度系数提高为第二灵敏度系数,因此,提高了盲区检测的灵敏度。通过在目标不在传感器盲区的情况下,即目标离开传感器盲区的情况下,恢复盲区灵敏度系数以避免盲区过于灵敏所引起的误触发问题。
本申请实施例提供了其他一种针对传感器盲区内目标识别的判断方法,该方法包括步骤502、步骤504和步骤506中至少之一:
步骤502:构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
在一些实施例中,在步骤502之前,所述方法还可以包括以下步骤5011和步骤5012:步骤5011:在所述传感器盲区内没有所述目标的情况下,记录K个扫描点的第一信号幅度,基于所述第一信号幅度构建所述背景信号扫描点-信号幅度曲线Q0;其中,K为大于等于2的正整数;步骤5012:在所述传感器盲区内n个不同位置的每一位置放置一个模拟目标,每放置一个模拟目标就记录K个扫描点的第二信号幅度,基于所述第二信号幅度构建所述模拟目标扫描点-信号幅度曲线Qn。
在一些实施例中,步骤502中“将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标”可以通过以下步骤5021至步骤5024实现:步骤5021:获取所述幅度曲线A与所述幅度曲线Q0之间的第一相似度;步骤5022:获取所述幅度曲线A与所述幅度曲线Qn之间的第二相似度;步骤5023:在所述第一相似度的数值大于所述第二相似度的数值的情况下,确定所述传感器盲区内不存在所述目标;步骤5024:在所述第一相似度的数值小于所述第二相似度的数值的情况下,确定所述传感器盲区内存在所述目标。
步骤504:向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
在一些实施例中,步骤504中“对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标”可以通过以下步骤5041a实现:步骤5041a:基于所述FFT转换曲线识别所述目标的运动距离,基于所述目标的运动距离判断所述传感器盲区内是否存在所述目标。
在一些实施例中,步骤504中“对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标”还可以通过以下步骤5041b和步骤5042b实现:步骤5041b:对所述FFT转换曲线进行第二次FFT转换,得到2D-FFT曲线;步骤5042b:基于所述2D-FFT曲线识别所述目标的运动速度,基于所述目标的运动速度判断所述传感器盲区内是否存在所述目标。
步骤506:对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标。
在一些实施例中,步骤506中“对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹”可以包括:以传感器发现目标的时间为原点,以目标在传感器探测场内的运动时间为X轴,以相对传感器的距离为Y轴,构建X-Y坐标系;在构建的X-Y坐标系内,以目标当前运动时间点相对传感器的距离为参数点D,连接各参数点D构建目标时间-距离曲线B;所述曲线B为所述目标运动轨迹。
在一些实施例中,步骤506中“基于目标运动轨迹,判断所述传感器盲区内是否存在所述目标”可以通过以下步骤5061a实现:步骤5061a:在传感器探测场范围内设定第一特定区域和第二特定区域;其中所述第一特定区域为距离传感器L1至L2米的区域,所述第二特定区域为传感器基于特定标记物形成的区域;所述第一特定区域与第二特定区域最小间距L3米,其中L3的取值为0至2;在X-Y坐标系内,第一特定区域对应距离范围设定第一特定区域XY;当第二特定区域出现遮挡时,判断目标运动轨迹是否穿越第一特定区域XY,如是则判断所述传感器盲区内存在所述目标;或,所述目标运动轨迹穿越第一特定区域XY且继续缩小与传感器的距离至第二特定区域出现遮挡时,判断所述传感器盲区内存在所述目标;在一些实施例中,在步骤5061a之前,所述方法还包括:以具有一定距离且具有特定运动速度的目标物或目标物集为参考物建立对所述目标物或所述目标物集的距离-运动速度集合,所述距离-运动速度集合为所述第二特定区域;在一些实施例中,在步骤5061a之前,所述方法还包括:当距离-运动速度集合出现:特定运动速度的目标物距离缩短,或特定运动速度的目标物消失时间大于或等于预设时间,则判定第二特定区域出现遮挡。
在一些实施例中,步骤506中“基于目标运动轨迹,判断所述传感器盲区内是否存在所述目标”可以通过以下步骤5061b实现:步骤5061b:在构建的X-Y坐标系内,距离L4米处划定判定线,距离L5米处划定盲区线;当曲线B的当前参数点D越过判定线时进行如下动作和判断:在所述曲线B之后的每一个参数点D处做曲线B的切线Cn;取切线Cn沿曲线B前进方向的D长度线段为判定线Fn;在存在连续H个所述判定线Fn的末端越过所述盲区线时,判断所述目标会进入所述传感器盲区。在一些实施例中,所述D长度线段为:以Y轴比例尺为缩小比例,取传感器实际探测场内1至3米的等比例缩小线段为所述D长度线段。
在一些实施例中,在步骤502、步骤504和步骤506中至少之一之后,所述方法还可以包括:
步骤508:在判断所述传感器盲区内存在所述目标的情况下,通过动态调整随机存储器RAM的运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。
在一些实施例中,动态调整随机存储器RAM的运算资源的方式可以是提高MCU中涉及灵敏度的运算任务的RAM运算资源分配量或分配率。或是提高独立安装的RAM中涉及灵敏度的运算任务的RAM运算资源分配量或分配率。
本申请实施例中,通过将当前工作环境的幅度曲线A与表征传感器盲区内不存在目标的幅度曲线Q0、以及表征传感器盲区内存在目标的幅度曲线Qn对比,根据幅度曲线A分别与幅度曲线Q0和幅度曲线Qn的相似度,判断所述传感器盲区内是否存在所述目标,可以实现检测率在40%至60%之间的目标的检测。
通过补零算法得到补零时域信息,对基于补零时域信息得到的FFT转换曲线进行分析,基于分析得到的运动距离判断所述传感器盲区内是否存在所述目标,通过补零算法缩小虚拟盲区,并对其中小于真实盲区的目标进行判断,从而可以实现传感器盲区内部分目标的检测,通过基于分析得到的运动速度判断传感器盲区内是否存在人体目标,从而可以进一步过滤掉对非人体目标的检测;通过将幅度曲线对比方法和补零算法结合,可以将检测率提高至70%至80%。
通过分析传感器盲区外的目标运动轨迹,基于目标运动轨迹判断目标是否继续朝向传感器盲区运动,并结合FFT信号是否短时间内消失,或者检测距离变小,推测目标进入传感器盲区内,还可以基于目标运动轨迹判断目标是否有进入传感器盲区的趋势,并结合目标是否位于预设监测点,以及目标是否会继续朝向传感器盲区,推测目标进入传感器盲区内,从而可以实现盲区内目标的检测;通过将幅度曲线对比方法和运动轨迹判断方法结合,或者将补零方法和运动轨迹判断方法结合,可以将检测率提高至70%至80%;通过将幅度曲线对比方法、补零算法、运动轨迹分析算法和提高检测灵敏度结合,可以将检测率提高至90%至98%。
本申请实施例中,提供了一种FMCW微波雷达的系统示意图,参见图11,FMCW微波雷达中的本地振荡器900产生的线性调频信号,也就是常说的扫频余弦信号“Chirp”作为微波发射信号901经发射天线902发射出去后,一方面,微波发射信号901进入混频器905;另一方面,微波发射信号901辐射到运动目标(对象)后得到微波反射信号903,通过接收天线904接收微波反射信号903,并将微波反射信号903发送给混频器905,混频器905对微波发射信号901和微波反射信号903进行混频处理,得到了中频IF(Intermediate Frequency,中频)信号906,IF信号906再经模/数转换器(Analog-to-Digital Converter,ADC)907处理,得到了数字化后的数字数据908,再将数字数据908发送给数字信号处理器(Digital SignalProcessing,DSP)909进行处理。本机振荡器900又叫本地振荡器(LOCAL OSCILLATOR),它实际是一个自激正弦波振荡器。它的作用是产生一个比回波信号高一个中频率的高频等幅正弦波信号,并把这个振荡信号注入混频器,与接受的高频信号混频后获得中频信号。
图12为本申请实施例提供的一种FMCW微波雷达测距和测速的原理示意图,如图12所示,FMCW微波雷达1001可以对运动目标对象1002的距离和速度进行测量,FMCW微波雷达1001的工作原理是:通过雷达微波天线发射微波发射信号1003,部分的微波发射信号1003遇到运动目标对象1002发生反射,得到微波反射信号1004,微波发射信号1003和微波反射信号1004进行相干混频,得到包含目标运动对象1002的距离和速度信息的中频信号,然后对中频信号进行分析即可得到运动目标对象1002与FMCW微波雷达1001之间的距离和运动目标对象1002的径向速度;
其中,微波发射信号1003的频率可以用ft表示,微波反射信号1004的频率可以用fr表示,则运动目标对象1002静止时的频差fb参见公式(2):
其中,微波发射信号1003的周期的一半为Ts、B为微波发射信号1003的扫描带宽;R为运动目标对象1002与FMCW微波雷达1001之间的距离;c为光速。
运动目标对象1002移动时的多普勒频移fd参见公式(3):
其中,λ为微波发射信号1003的波长;vr为运动目标对象1002的径向速度。
成拍频率(Beat frequency)是指当两个不同频率讯号混合时,会产生另两种不同频率,分别为原两频率的和与差;
成拍频率fbu可以用如下公式(4)表示:
成拍频率fbd可以用如下公式(5)表示:
根据公式(1)至公式(5)可知:
图13a为本申请实施例一种FMCW微波雷达发送的Chirp序列的示意图,参见图13a,Chirp序列中可以包括第一个脉冲Chirp1、第二个脉冲Chirp2,……ChirpN,分别表示从第一个采样点至第N个采样点的Chirp信号的频率,可以使用Chirp序列得到的在快时间维和慢时间维分别做FFT补零处理,也就是2D(2Dimension,二维)-FFT就可以得到对象在第二数量个采样点的距离和速度信息。
图13b为本申请实施例一种FMCW微波雷达接收到的回波信号的存储方式示意图,参见图13b,首先理解两个在时间维度上的采样,对于一个脉冲雷达,其发射的周期性脉冲序列(Chirp序列),可以将每个脉冲序列的接收回波(回波信号)分别按行存储,例如,第一个脉冲的接收回波1101b被放置在第一行,同样的第二个脉冲的接收回波1102b则被放置在第二行,以此类推,这样的存储方法为理解信号处理的过程奠定了很好的基础模型,因此,我们将按照行的方向看过去的维度定义为快时间维度,另外,由于行与行之间的数据采样间隔往往是大于列与列之间的数据采样间隔,所以将按照列的方向看过去的维度定义为慢时间维度,与检测到的对象对应的峰值1103b表示从距离维度和速度维度,确定出的有可能是运动的对象,即有可能是行人、动物或运动的物体等。
图14为本申请实施例提供的一种FMCW微波雷达盲区探测解决方法的流程框图,如图14所示,所述流程框图包括:滤波模块(Filter)1201、移动目标指示(Moving TargetIndicator,MTI)模块1202、FFT模块1203、轨迹跟踪模块1204、现场检测模块1205、配置模块1206、盲区探测模块1207和输出模块1208。
滤波模块(Filter)1201分别与MTI 1202、盲区探测模块1207连接,用于对接收的中频信号进行第一次滤波处理,并将第一次滤波后的中频信号传递给MTI模块1202和盲区探测模块1207;这里,获取到的移动信号是指微波雷达的回波信号和发射信号进行相干混频所得到的中频信号;MTI模块1202与FFT模块1203连接,MTI模块1202用于对第一次滤波后的中频信号进行杂波抑制处理,得到第二次滤波后的中频信号,并将第二次滤波后的中频信号传递给FFT模块1203;FFT模块1203与跟踪模块1204连接,FFT模块1203用于对第二次滤波后的中频信号进行FFT补零处理,得到FFT补零处理后第二移动信号;并将FFT补零处理后第二移动信号传递给轨迹跟踪模块1204;轨迹跟踪模块1204与现场检测模块1205模块,轨迹跟踪模块1204用于根据FFT补零处理后第二移动信号跟踪目标检测对象,得到目标检测对象的跟踪信息,并将跟踪信息传递给现场检测模块1205;场检测模块1205分别与配置模块1206、输出模块1208相连接,场检测模块1205,用于接收配置模块1206的参数配置,基于配置的参数和跟踪信息对背景噪声值进行测试测试、对雷达系统的动态性测试、对雷达系统相干性的测试等,得到测试结果,并将测试结果通过输出模块1208发输出。
盲区探测模块1207分别与配置模块1206、输出模块1208相连接,盲区探测模块1207,用于接收配置模块1206的参数配置,包括灵敏度系数的配置等,基于配置的参数和第一次滤波后的中频信号,进行盲区检测,得到检测结果,并将检测结果通过输出模块1208输出。
其中,在FFT转换过程中,为了提高相对的距离精度,降低带宽问题的影响,FFT计算时使用补零算法,在一个实施例中,傅里叶点数不是2的N次幂,通过补零可以得到2的N次幂个点,这种情况下,一般补零的数量不会太多。在另一个实施例中,由于傅里叶变换得到的频域信息的频率分辨率与傅里叶变换输入的时域信息代表的时间长度的倒数相等。因此,还可以通过给时域信息补零,延长时域信息代表的时间,从而提到频域信息的分辨率;这种情况下,补零的数量取决于希望达到的频率分辨率。就数学上讲,上述两种情况下,FFT输出的频率分辨率都提高了,采样频率可以为采样点的数量和频率分辨率的乘积,例如FMCW微波雷达的采样频率为1024Hz(赫兹),采样得到的采样序列包含1000个采样点,1000个采样点数据不能进行FFT变换,若采用DFT变换(Discrete Fourier Transform,离散傅里叶变换),DFT输出的频率分辨率为1.024Hz。补上24个零,得到1024个采样点的采样序列,进行FFT变换,FFT输出的频率分辨率为1Hz,频率分辨率由1.024Hz提高到了1Hz;若补上1048个零,得到2048个采样点的采样序列,采样序列代表的时间长度为2S,FFT输出的频率分辨率0.5Hz,频率分辨率由1Hz进一步提高到0.5Hz。
参见公式(1),距离分辨率仅取决于雷达信号的带宽,对于本例250MHz(兆赫兹)的带宽而言,在雷达信号的带宽一定的情况下,距离分辨率和采样点数成反比,对应的距离分辨率是0.6m,采样为64个采样点。通过补零达到256个采样点,对应的距离分辨率可以达到60cm*64/256=15cm,或者通过补零达到512个点,对应的距离分辨率可以达到60cm*64/512=7.5cm。这样从软件程序上可以达到更高的虚拟分辨率,再通过软件的概率分析判断,可以按照概率推断实现更小的距离检测分辨率,从而把盲区距离从0.6m缩短至更小,并结合行人靠近扶梯时微波能量的变化实现盲区内行人检测。
图15为本申请实施例提供的一种根据目标靠近扶梯时根据微波雷达的背景噪声值的变化实现盲区内目标检测的流程示意图,参见图15,所述方法可以包括以下步骤:
步骤1301:盲区检测开始;
步骤1302:获取当前时刻的微波雷达背景噪声信号中每一采样点的背景噪声值;
这里,采样点的背景噪声值表示背景能量幅值。
步骤1303:对每一采样点的背景噪声值进行归一化处理,得到对应采样点归一化处理后的背景噪声值;
步骤1304:依次判断每一采样点归一化处理后的背景噪声值是否大于对应采样点的噪声阈值;
这里,采样点的噪声阈值可以是通过神经网络算法进行背景能量学习获得每一采样点的背景噪声值变化范围,然后基于预设的灵敏度系数来确定每一采样点的背景噪声阈值,即,每一采样点的背景噪声值的阈值范围。
步骤1305:在存在至少一个采样点归一化处理后的背景噪声值大于对应采样点的噪声阈值的情况下,计数器加1;
这里,为了增加可靠性,可以是在存在3个或5个采样点归一化处理后的背景噪声值大于对应采样点的噪声阈值的情况下,计数器加1。
步骤1306:获取下一时刻的微波雷达背景噪声信号中每一采样点的背景噪声值,并执行步骤1303至步骤1305;
步骤1307:判断计数器的值是否大于等于预设个数阈值,得到检测结果;
其中,在计数器的值大于等于预设个数阈值的情况下,确定盲区内存在目标检测对象;在计数器的值小于预设个数阈值的情况下,确定盲区内不存在目标检测对象。
步骤1308:结束。
图16a为本申请实施例提供的一种未对混频信号进行补零时的时域信号示意图;图16b为本申请实施例提供的一种未对混频信号进行补零时的频域信号示意图;图16c为本申请实施例提供的一种对混频信号进行补零后的时域信号示意图;图16d为本申请实施例提供的一种对混频信号进行补零后的频域信号示意图;如图16a、16b、16c和16d所示,未对混频信号进行补零时的时域信号包含一个信号曲线1401a,而对混频信号进行补零后的时域信号包含至少两个幅值减小后的信号曲线1403c;未对混频信号进行补零时的频域信号1402b的分辨率明显小于对混频信号进行补零后的频域信号1404d的分辨率,未对混频信号进行补零时的频域信号1402b的幅值明显大于对混频信号进行补零后的频域信号1404d的幅值。
图17为本申请实施例提供的一种FMCW微波雷达盲区探测解决方法的流程示意图,参见图17,所述方法可以包括以下步骤:
步骤1501:FMCW微波雷达检测行人移动信号;
这里,移动信号可以是FMCW微波雷达的发射信号和发射信号混频所形成的中频信号。
步骤1502:行人进入所述FMCW微波雷达的监控区域;
步骤1503:判断所述行人是否进入FMCW微波雷达的盲区;若是,则执行步骤1504;
步骤1504:增加盲区灵敏度系数、增加盲区采样点、增加盲区中央处理器(CentralProcessing Unit,CPU)资源;
步骤1505:判断行人是否离开FMCW微波雷达的盲区;若是,则执行步骤1406;
步骤1506:恢复盲区灵敏度系数、恢复盲区采样点、恢复盲区CPU资源;
需要说明的是,所述方法还可以包括以下步骤:
步骤1507:在确定所述行人穿越FMCW微波雷达的盲区的情况下,确定所述行人进入扶梯;
步骤1508:响应于所述行人进入扶梯,启动扶梯。
本申请实施例提供一种基于FMCW微波雷达传感器的技术,在0.6m(FMCW微波雷达传感器的盲区)以外的区域,可以实现人体轨迹跟踪,并绘制运动轨迹并且能实时检测远处行人靠近时的移动轨迹,当检测到行人靠近和进入盲区后,可以调整盲区灵敏度(例如通过减小第一阈值和第二阈值的方法提高盲区灵敏度),分配CPU/RAM(Random Access Memory,随机存取存储器)资源,提高盲区采样点,以确保盲区的有效检测率,避免漏检测。当检测到行人已经离开雷达的盲区后,恢复盲区的设置(例如将第一阈值和第二阈值恢复至初始的设置值)和CPU/RAM资源,避免盲区过于灵敏引起误触发。
图18为本申请实施例提供的一种通过不同轨迹进入扶梯的轨迹示意图,如图18所示,轨迹1601、轨迹1602、轨迹1603和轨迹1604包含了可能的所有进入扶梯的方式。本申请实施例可以对通过不同轨迹进入扶梯的行人进行有效地检测。
基于前述的实施例,本申请实施例提供一种针对传感器盲区内目标识别的判断装置,该装置包括所包括的各模块,可以通过微波雷达的盲区检测设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU,Central Processing Unit)、微处理器(MPU,Microprocessor Unit)、数字信号处理器(DSP,Digital Signal Processing)或现场可编程门阵列(FPGA,Field ProgrammableGate Array)等。
图19为本申请实施例一种针对传感器盲区内目标识别的判断装置的组成结构示意图,如图19所示,所述装置1700包括:
背景学习算法模块1701,用于构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
补零算法模块1702,用于向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标。
运动轨迹计算模块1703,用于对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标。
提高模块1704,用于在判断所述传感器盲区内存在所述目标的情况下,通过动态调整随机存储器RAM的运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。动态调整随机存储器RAM的运算资源的方式具体可以为:提高MCU中涉及灵敏度的运算任务的RAM运算资源分配量或分配率。或是提高独立安装的RAM中涉及灵敏度的运算任务的RAM运算资源分配量或分配率。完成盲区内检测或预设时间后或盲区内无目标后恢复原有RAM中资源分配模式。
在一些实施例中,所述装置还包括:第一记录模块,用于在所述传感器盲区内没有所述目标的情况下,记录K个扫描点的第一信号幅度,基于所述第一信号幅度构建所述背景信号扫描点-信号幅度曲线Q0;其中,K为大于等于2的正整数;第二记录模块,用于在所述传感器盲区内n个不同位置的每一位置放置一个模拟目标,每放置一个模拟目标就记录K个扫描点的第二信号幅度,基于所述第二信号幅度构建所述模拟目标扫描点-信号幅度曲线Qn。
在一些实施例中,所述背景学习算法模块1701,包括:第一获取子模块,用于获取所述幅度曲线A与所述幅度曲线Q0之间的第一相似度;第二获取子模块,用于获取所述幅度曲线A与所述幅度曲线Qn之间的第二相似度;第一确定子模块,用于在所述第一相似度的数值大于所述第二相似度的数值的情况下,确定所述传感器盲区内不存在所述目标;第二确定子模块,用于在所述第一相似度的数值小于所述第二相似度的数值的情况下,确定所述传感器盲区内存在所述目标。
在一些实施例中,所述补零算法模块1702,用于基于所述FFT转换曲线识别所述目标的运动距离,基于所述目标的运动距离判断所述传感器盲区内是否存在所述目标。
在一些实施例中,所述补零算法模块1702,包括:第一转换子模块,用于对所述FFT转换曲线进行第二次FFT转换,得到2D-FFT曲线;第一判断子模块,用于基于所述2D-FFT曲线识别所述目标的运动速度,基于所述目标的运动速度判断所述传感器盲区内是否存在所述目标。
在一些实施例中,所述运动轨迹计算模块1703,包括:第二判断子模块,用于在传感器探测场范围内设定第一特定区域和第二特定区域;其中所述第一特定区域为距离传感器L1至L2米的区域,所述第二特定区域为传感器基于特定标记物形成的区域;所述第一特定区域与第二特定区域最小间距L3米,其中L3的取值为0至2;在X-Y坐标系内,第一特定区域对应距离范围设定第一特定区域XY;当第二特定区域出现遮挡时,判断目标运动轨迹是否穿越第一特定区域XY,如是则判断所述传感器盲区内存在所述目标;或,所述目标运动轨迹穿越第一特定区域XY且继续缩小与传感器的距离至第二特定区域出现遮挡时,判断所述传感器盲区内存在所述目标。
在一些实施例中,所述第二判断子模块,包括第一建立单元,用于以具有一定距离且具有特定运动速度的目标物或目标物集为参考物建立对所述目标物或所述目标物集的距离-运动速度集合,所述距离-运动速度集合为所述第二特定区域。
在一些实施例中,所述第二判断子模块,包括第一判断单元,用于当距离-运动速度集合出现:特定运动速度的目标物距离缩短,或特定运动速度的目标物消失时间大于或等于预设时间,则判定第二特定区域出现遮挡。
在一些实施例中,所述运动轨迹计算模块1703,包括:第三判断子模块,用于在构建的X-Y坐标系内,距离L4米处划定判定线,距离L5米处划定盲区线;当曲线B的当前参数点D越过判定线时进行如下动作和判断:在所述曲线B之后的每一个参数点D处做曲线B的切线Cn;取切线Cn沿曲线B前进方向的D长度线段为判定线Fn;在存在连续H个所述判定线Fn的末端越过所述盲区线时,判断所述目标会进入所述传感器盲区。
在一些实施例中,所述运动轨迹计算模块1703,包括:构建子模块,用于以传感器发现目标的时间为原点,以目标在传感器探测场内的运动时间为X轴,以相对传感器的距离为Y轴,构建X-Y坐标系;在构建的X-Y坐标系内,以目标当前运动时间点相对传感器的距离为参数点D,连接各参数点D构建目标时间-距离曲线B;所述曲线B为所述目标运动轨迹。
在一些实施例中,所述D长度线段为:以Y轴比例尺为缩小比例,取传感器实际探测场内1至3米的等比例缩小线段为所述D长度线段。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的针对传感器盲区内目标识别的判断方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得微波雷达的盲区检测设备(可以是手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
对应地,本申请实施例提供一种电子设备,图20为本申请实施例电子设备的一种硬件实体示意图,如图20所示,该电子设备1800的硬件实体包括:包括存储器1801、处理器1802和微波雷达1803,所述存储器1801存储有可在处理器1802上运行的计算机程序,所述处理器1802执行所述程序时实现上述实施例针对传感器盲区内目标识别的判断方法中的步骤。
存储器1801配置为存储由处理器1802可执行的指令和应用,还可以缓存待处理器1802以及电子设备1800中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory,RAM)实现。
对应地,本申请实施例提供一种计算机可读存储介质,其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实施例中提供的针对传感器盲区内目标识别的判断方法中的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同设备实施例相似的有益效果。对于本申请存储介质和方法实施例中未披露的技术细节,请参照本申请设备实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得计算机设备(可以是手机、平板电脑、台式机、个人数字助理、导航仪、数字电话、视频电话、电视机、传感设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,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以所述权利要求的保护范围为准。
Claims (14)
1.一种针对传感器盲区内目标识别的判断方法,其特征在于,包括以下方法中的至少之一:
构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于所述补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标。
2.根据权利要求1所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述方法还包括:
在所述传感器盲区内没有所述目标的情况下,记录K个扫描点的第一信号幅度,基于所述第一信号幅度构建所述背景信号扫描点-信号幅度曲线Q0;其中,K为大于等于2的正整数;
在所述传感器盲区内n个不同位置的每一位置放置一个模拟目标,每放置一个模拟目标就记录K个扫描点的第二信号幅度,基于所述第二信号幅度构建所述模拟目标扫描点-信号幅度曲线Qn。
3.根据权利要求1所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标,包括:
获取所述幅度曲线A与所述幅度曲线Q0之间的第一相似度;
获取所述幅度曲线A与所述幅度曲线Qn之间的第二相似度;
在所述第一相似度的数值大于所述第二相似度的数值的情况下,确定所述传感器盲区内不存在所述目标;
在所述第一相似度的数值小于所述第二相似度的数值的情况下,确定所述传感器盲区内存在所述目标。
4.根据权利要求1所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标,包括:
基于所述FFT转换曲线识别所述目标的运动距离,基于所述目标的运动距离判断所述传感器盲区内是否存在所述目标;
或者,对所述FFT转换曲线进行第二次FFT转换,得到2D-FFT曲线;基于所述2D-FFT曲线识别所述目标的运动速度,基于所述目标的运动速度判断所述传感器盲区内是否存在所述目标。
5.根据权利要求1所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述目标运动轨迹的生成方法包括:以传感器发现所述目标的时间为原点,以所述目标在传感器探测场内的运动时间为X轴,以相对传感器的距离为Y轴,构建X-Y坐标系;
在构建的X-Y坐标系内,以所述目标当前运动时间点相对传感器的距离为参数点D,连接各参数点D构建目标时间-距离曲线B;所述曲线B为所述目标运动轨迹。
6.根据权利要求5所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述基于目标运动轨迹,判断所述传感器盲区内是否存在所述目标,包括:判断方法一:
在传感器探测场范围内设定第一特定区域和第二特定区域;其中所述第一特定区域为距离传感器L1至L2米的区域,所述第二特定区域为传感器基于特定标记物形成的区域;所述第一特定区域与第二特定区域最小间距L3米,其中L3的取值为0至2;
在X-Y坐标系内,所述第一特定区域对应距离范围设定第一特定区域XY;
当所述第二特定区域出现遮挡时,判断目标运动轨迹是否穿越所述第一特定区域XY,如是则判断所述传感器盲区内存在所述目标;
或,所述目标运动轨迹穿越所述第一特定区域XY且继续缩小与传感器的距离至所述第二特定区域出现遮挡时,判断所述传感器盲区内存在所述目标。
7.根据权利要求6所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述第二特定区域的形成方法包括:以具有一定距离且具有特定运动速度的目标物或目标物集为参考物建立对所述目标物或所述目标物集的距离-运动速度集合,所述距离-运动速度集合为所述第二特定区域。
8.根据权利要求7所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述第二特定区域出现遮挡时的判断方法包括:
当所述距离-运动速度集合出现:特定运动速度的目标物距离缩短,或特定运动速度的目标物消失时间大于或等于预设时间,则判定所述第二特定区域出现遮挡。
9.根据权利要求5所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述基于目标运动轨迹,判断所述传感器盲区内是否存在所述目标,包括:判断方法二:
在构建的X-Y坐标系内,距离L4米处划定判定线,距离L5米处划定盲区线;
当曲线B的当前参数点D越过判定线时进行如下动作和判断:
在所述曲线B之后的每一个参数点D处做曲线B的切线Cn;
取切线Cn沿曲线B前进方向的D长度线段为判定线Fn;
在存在连续H个所述判定线Fn的末端越过所述盲区线时,判断所述目标会进入所述传感器盲区。
10.根据权利要求9所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述D长度线段为:以Y轴比例尺为缩小比例,取传感器实际探测场内1至3米的等比例缩小线段为所述D长度线段。
11.根据权利要求1所述的针对传感器盲区内目标识别的判断方法,其特征在于,所述方法还包括:
在判断所述传感器盲区内存在所述目标的情况下,通过动态调整随机存储器RAM的运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。
12.一种针对传感器盲区内目标识别的判断装置,其特征在于,所述装置包括以下至少之一:
背景学习算法模块,用于构建当前工作环境的信号扫描点-信号幅度曲线A;获取背景信号扫描点-信号幅度曲线Q0和模拟目标扫描点-信号幅度曲线Qn;将所述幅度曲线A与所述幅度曲线Q0、所述幅度曲线Qn对比,判断所述传感器盲区内是否存在所述目标;
补零算法模块,用于向获取的传感器时域信息中补充M个零点,得到补零时域信息;基于补零时域信息进行第一次FFT转换,得到FFT转换曲线;对所述FFT转换曲线进行分析,基于分析结果判断所述传感器盲区内是否存在所述目标;
运动轨迹计算模块,用于对所述传感器盲区外的所述目标进行追踪,得到所述目标的目标运动轨迹;基于所述目标运动轨迹,判断所述传感器盲区内是否存在所述目标;
提高模块,用于在判断所述传感器盲区内存在所述目标的情况下,通过动态调整随机存储器RAM的运算资源的方式,提高所述传感器对盲区内的检测灵敏度,基于提高后的检测灵敏度对所述目标进行识别。
13.一种电子设备,包括存储器、处理器和微波雷达,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至11任一项所述针对传感器盲区内目标识别的判断方法中的步骤。
14.一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,该计算机程序被处理器执行时实现权利要求1至11任一项所述针对传感器盲区内目标识别的判断方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085729.4A CN115166708B (zh) | 2022-09-06 | 2022-09-06 | 针对传感器盲区内目标识别的判断方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085729.4A CN115166708B (zh) | 2022-09-06 | 2022-09-06 | 针对传感器盲区内目标识别的判断方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115166708A true CN115166708A (zh) | 2022-10-11 |
CN115166708B CN115166708B (zh) | 2022-12-30 |
Family
ID=83482243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211085729.4A Active CN115166708B (zh) | 2022-09-06 | 2022-09-06 | 针对传感器盲区内目标识别的判断方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115166708B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608606A (zh) * | 2012-03-22 | 2012-07-25 | 河海大学 | 汽车盲区监控雷达准确检测多目标的有效方法 |
CN107390203A (zh) * | 2016-05-16 | 2017-11-24 | 杭州海康机器人技术有限公司 | 一种超声波测距方法、装置及系统 |
CN108801398A (zh) * | 2018-06-27 | 2018-11-13 | 福州盛博电子有限公司 | 一种120GHz调频连续波雷达物位计及测距方法 |
CN210376678U (zh) * | 2019-01-22 | 2020-04-21 | 科瑞工业自动化系统(苏州)有限公司 | 一种应用于自动扶梯的雷达传感器 |
KR102106976B1 (ko) * | 2018-12-20 | 2020-05-29 | 재단법인대구경북과학기술원 | 도플러 정보를 이용한 차량의 후방 또는 사각지대 탐지 장치 및 그 방법 |
CN111610256A (zh) * | 2020-05-25 | 2020-09-01 | 大冶特殊钢有限公司 | 使用超声水浸探伤系统对棒材表面盲区缺陷的检测方法 |
CN112034443A (zh) * | 2020-07-22 | 2020-12-04 | 四川九洲防控科技有限责任公司 | 一种雷达探测盲区计算方法及装置、存储介质和电子设备 |
CN112363492A (zh) * | 2019-07-25 | 2021-02-12 | 百度(美国)有限责任公司 | 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统 |
CN113009467A (zh) * | 2021-03-09 | 2021-06-22 | 森思泰克河北科技有限公司 | 一种雷达盲区目标检测跟踪方法、装置及终端设备 |
CN114879184A (zh) * | 2021-11-29 | 2022-08-09 | 比业电子(北京)有限公司 | 雷达、扶梯的失效检测方法、装置、电子设备和存储介质 |
-
2022
- 2022-09-06 CN CN202211085729.4A patent/CN115166708B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608606A (zh) * | 2012-03-22 | 2012-07-25 | 河海大学 | 汽车盲区监控雷达准确检测多目标的有效方法 |
CN107390203A (zh) * | 2016-05-16 | 2017-11-24 | 杭州海康机器人技术有限公司 | 一种超声波测距方法、装置及系统 |
CN108801398A (zh) * | 2018-06-27 | 2018-11-13 | 福州盛博电子有限公司 | 一种120GHz调频连续波雷达物位计及测距方法 |
KR102106976B1 (ko) * | 2018-12-20 | 2020-05-29 | 재단법인대구경북과학기술원 | 도플러 정보를 이용한 차량의 후방 또는 사각지대 탐지 장치 및 그 방법 |
CN210376678U (zh) * | 2019-01-22 | 2020-04-21 | 科瑞工业自动化系统(苏州)有限公司 | 一种应用于自动扶梯的雷达传感器 |
CN112363492A (zh) * | 2019-07-25 | 2021-02-12 | 百度(美国)有限责任公司 | 用于操作自动驾驶车辆的计算机实施的方法以及数据处理系统 |
CN111610256A (zh) * | 2020-05-25 | 2020-09-01 | 大冶特殊钢有限公司 | 使用超声水浸探伤系统对棒材表面盲区缺陷的检测方法 |
CN112034443A (zh) * | 2020-07-22 | 2020-12-04 | 四川九洲防控科技有限责任公司 | 一种雷达探测盲区计算方法及装置、存储介质和电子设备 |
CN113009467A (zh) * | 2021-03-09 | 2021-06-22 | 森思泰克河北科技有限公司 | 一种雷达盲区目标检测跟踪方法、装置及终端设备 |
CN114879184A (zh) * | 2021-11-29 | 2022-08-09 | 比业电子(北京)有限公司 | 雷达、扶梯的失效检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115166708B (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3514569B1 (en) | System and method for human behavior modelling and power control using a millimeter-wave radar sensor | |
CN110361725B (zh) | 使用毫米波雷达进行人类检测和识别的系统和方法 | |
Bhattacharya et al. | Deep learning radar design for breathing and fall detection | |
US7894305B2 (en) | Methods for detecting humans | |
Björklund et al. | Millimeter-wave radar micro-Doppler signatures of human motion | |
US11327167B2 (en) | Human target tracking system and method | |
US10775483B1 (en) | Apparatus for detecting and recognizing signals and method thereof | |
Rohling | Some radar topics: waveform design, range CFAR and target recognition | |
CN112998668B (zh) | 基于毫米波的非接触式远场多人体呼吸心率监测方法 | |
US7973699B2 (en) | Dismount harmonic acceleration matched filtering for enhanced detection and discrimination | |
US20220179062A1 (en) | Detection apparatus and method | |
JP5992574B1 (ja) | 物体検出装置 | |
US20220260702A1 (en) | Radar-Based Target Tracker | |
Hyun et al. | Human-vehicle classification scheme using doppler spectrum distribution based on 2D range-doppler FMCW radar | |
CN116125458A (zh) | 一种基于毫米波雷达的人员定位方法 | |
CN112634566A (zh) | 基于毫米波的智能电子围栏构建方法及系统 | |
CN115166708B (zh) | 针对传感器盲区内目标识别的判断方法、装置和设备 | |
Vishwakarma et al. | Micro-Doppler signatures of dynamic humans from around the corner radar | |
KR20190114086A (ko) | 객체 종류 판단 장치 및 방법 | |
Diraco et al. | A fall detector based on ultra-wideband radar sensing | |
JP7377494B2 (ja) | 属性の識別装置および識別方法 | |
Yadav et al. | tinyRadar: LSTM-based Real-time Multi-target Human Activity Recognition for Edge Computing | |
Park et al. | Bi-directional LSTM-based Overhead Target Classification for Automotive Radar Systems | |
Li et al. | Stationary Human Target Detection Based on Millimeter Wave Radar in Complex Scenarios | |
US20240230841A9 (en) | Frequency modulated continuous wave radar system with object classifier |
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 |