CN115359087A - 基于目标检测的雷达图背景去除方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种基于目标检测的雷达图背景去除方法、装置、设备及介质。所述方法包括：确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系；对当前雷达图像中背景与前景进行分离得到分离后雷达图像；依据所述分离后雷达图像在雷达检测区域进行目标检测。本申请技术方案通过分离后雷达图像在雷达检测区域进行目标检测，解决了因使用包含有大量背景信息雷达图进行目标检测所造成的干扰问题，以便后续可以实现快速准确地进行目标检测。

Description

基于目标检测的雷达图背景去除方法、装置、设备及介质

技术领域

本发明涉及图像检测技术领域，尤其涉及一种基于目标检测的雷达图背景去除方法、装置、设备及介质。

背景技术

数字交通是数字经济发展的重要领域，促进了先进信息技术与交通领域的深度融合，也推进了交通行业智能化、数字化、信息化发展。由交通异常事件、道路抛洒物等目标引起的问题日益受到重视。例如，在城市道路、隧道公路、高速公路、铁路、水运等交通应用场景下，抛洒物等目标的存在，很容易引起一连串的交通事故，严重影响交通通行能力，带来严重安全问题。

如何精准、快速地实现交通事件检测、及时识别并处理抛洒物等目标成为智慧交通安防领域重要的话题。

相关方案，针对道路上抛洒物等目标检测，利用扫描雷达生成全景雷达图来进行抛洒物等目标检测。但是，道路上的影像因素很多，会对雷达图中抛洒物目标检测产生干扰，很难快速准确地检测出是否存在抛洒物等目标，也可能会出现对抛洒物等目标的误判问题。所以快速准确的检测抛洒物等目标、识别交通事件，继而提高通行效率及保障安全是至关重要的。

发明内容

本发明提供了一种基于目标检测的雷达图背景去除方法、装置、设备及介质，以解决使用雷达图进行目标检测的干扰问题，实现快速准确地进行目标检测。

根据本发明的一方面，提供了一种基于目标检测的雷达图背景去除方法，所述方法包括：

确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系；

对当前雷达图像中背景与前景进行分离得到分离后雷达图像；

依据所述分离后雷达图像在雷达检测区域进行目标检测。

根据本发明的另一方面，提供了一种基于目标检测的雷达图背景去除装置，所述装置包括：

图像采集模块，用于确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系；

图像处理模块，用于对当前雷达图像中背景与前景进行分离得到分离后雷达图像；

检测模块，用于依据所述分离后雷达图像在雷达检测区域进行目标检测。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于目标检测的雷达图背景去除方法。

根据本发明的另一方面，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计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于目标检测的雷达图背景去除方法。

本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像；其中，当前雷达图像中各个像素点与雷达检测区域中各个检测位置点存在对应关系；对当前雷达图像中背景与前景进行分离得到分离后雷达图像；依据分离后雷达图像在雷达检测区域进行目标检测，解决了因使用包含有大量背景信息雷达图进行目标检测所造成的干扰问题，以便后续可以实现快速准确地进行目标检测。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

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单地介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种基于目标检测的雷达图背景去除方法的流程图；

图2是根据本发明实施例二提供的一种基于目标检测的雷达图背景去除方法的流程图；

图3是根据本发明实施例三提供的一种基于目标检测的雷达图背景去除方法的流程图；

图4是根据本发明实施例提供的一种基于目标检测的雷达图背景去除装置的结构示意图；

图5是实现本发明实施例的基于目标检测的雷达图背景去除方法的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发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”、“上一”和“预设”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为根据本发明实施例一提供的一种基于目标检测的雷达图背景去除方法的流程图，本实施例可适用于基于雷达图像对道路上的抛洒物等目标进行检测的情况，该方法可以由基于目标检测的雷达图背景去除装置来执行，该基于目标检测的雷达图背景去除装置可以采用硬件和/或软件的形式实现，该基于目标检测的雷达图背景去除装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法包括：

S110、确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系。

其中，雷达图像是指雷达发射机向目标物发射无线电波，接收机接收散射回波所形成的图像。把雷达图像分割成若干个小方格,每个小方格可被称为一个像素点，通过对每个像素点的信息进行分析处理，就可以获取各个像素点对应的雷达检测区域中各个检测位置点的信息特征，即可通过表示各个像素点的位置、颜色和亮度等信息，表示出当前雷达图像，以实现获取各个检测位置点的信息，例如各个检测位置点的信号强度。当前雷达图像可以是当前时刻通过雷达扫描雷达检测区域获得的雷达图像。

在一个可行的实施例中，确定雷达检测区域的当前雷达图像，包括：

通过微波雷达在当前时刻对雷达检测区域进行扫描，得到当前时刻的当前雷达图像；

其中，所述当前雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述当前雷达图像属于灰度图像。

其中，灰度图像可以是每个像素只有一个采样颜色的图像，通常显示为从最暗黑色到最亮的白色的灰度，灰度图像中的纯白，代表了该色光在此处为最高亮度，亮度级别是255，灰度图像中最暗黑色的亮度级别是0，即灰度图像的灰度值为0-255。

具体的，微波雷达可以为毫米波雷达，毫米波雷达的雷达检测区域配置于高速公路或者隧道公路上，则通过毫米波雷达在当前时刻对雷达检测区域进行扫描后，将每个像素点查表填充灰度值，以获取用灰度图像表示的当前雷达图像。其中，灰度值表示各个像素点对应的检测位置点扫描时的雷达反射波的信号强度。

本技术方案，通过毫米波雷达在当前时刻对雷达检测区域进行扫描，得到当前时刻的当前雷达图像，依据当前雷达图像上的各个像素点的灰度值可以准确反应各个像素点对应的检测位置点的雷达反射波的信号强度，以方便对当前雷达图像的后续处理。

S120、对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

其中，背景可以是雷达图像中对应的雷达检测区域中固有物体的图像，例如雷达检测区域的道路图像可以是背景。前景可以是雷达图像中对应的雷达检测区域中的影响道路行驶安全的抛洒物等目标的干扰图像信息。本申请主要通过将图像中的前景像素点和背景像素点进行分离，以获得尽可能没有背景信息的分离后雷达图像，以方便依据尽可能只包含前景的分离后图像对通过扫描雷达检测区域获取的雷达图像进行对比分析。

在一个可行的实施例中，对当前雷达图像中背景与前景进行分离得到分离后雷达图像，可包括如下步骤A1-A3：

步骤A1、确定在当前雷达图像之前采集的第一预设个数的上一雷达图像。

其中，上一雷达图像包括在采集当前雷达图像之前的邻近时间内所采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像。

步骤A2、对第一预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像的累加平均图像。

步骤A3、依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

其中，第一预设个数可以是根据实际需求确定的在采集当前雷达图像之前需要通过扫描雷达检测区域获取的雷达图像的个数。上一雷达图像可以是在采集当前雷达图像之前通过毫米波雷达扫描雷达检测区域所获得的所有雷达图像的集合；或者，对雷达检测区域进行封闭，雷达检测区域不再有其他干扰物，此时可通过毫米波雷达扫描雷达检测区域即可以得到上一雷达图像。

可选地，在雷达检测区域场景无车辆、行人等情况下，连续累计采集雷达检测区域的N帧雷达图像，即累计的N帧上一雷达图像后，求取累加图像的平均图像。其中，累加平均图像在确定后短时间不会再变化，除非雷达检测区域的场景改变，才需要重新再积累一次得到新的累加平均图像，比如隧道里面新安装了什么新的设备(比如栅栏等)。

具体的，利用毫米波雷达扫描雷达检测区域获取第一预设个数的上一雷达图像，且每一个雷达图像可记为F，其有雷达图像有P行Q列的像素，即雷达图像可以为由P*Q个像素点所构成的灰度图像，矩阵表示如下：

再对第一预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像的累加平均图像

用公式表达为：

其中，F_i为上一雷达图像中的每个图像的灰度图。

接下来，获取当前时刻通过毫米波雷达扫描雷达检测区域获取的当前雷达图像，并依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

本技术方案，通过对第一预设个数的上一雷达图像进行图像累加平均处理，使得获得的上一雷达图像的累加平均图像更加接近雷达检测区域无前景引入时的雷达图像，从而使依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离后，获取的分离后雷达图像更加接近雷达图像的背景，有利于后续依据分离后雷达图像对雷达检测区域进行目标检测。

在一个可行的实施例中，依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像，可包括如下步骤B1-B2：

步骤B1、将当前雷达图像与上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像。

步骤B2、通过对图像差值处理后图像进行二值化处理，对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

其中，图像差值处理可以是将两个类似的图像进行求差处理。二值化处理可以是图像上的每一个像素只有两种可能的取值或灰度等级状态，即图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色，可通过如下公式进行二值化处理：

其中，f_ij'为雷达图像经过二值化处理后的对应像素点的灰度值，

为雷达图像中对应像素点的灰度值，T为预设灰度值，预设灰度值可以是雷达图像中对应像素点的灰度值转化为0或255的临界值，当雷达图像中对应像素点的灰度值大于或等于预设灰度值，对应像素点的灰度值转化为255，反之转化为0。

具体的，当对第一预设个数的上一雷达图像进行图像累加平均获得上一雷达图像的累加平均图像后，获取当前雷达图像，并将当前雷达图像与上一雷达图像的累加平均图像进行图像差值处理，获得图像差值处理后图像F^Δ，可表示为：

其中，F为当前雷达图像的灰度图。

接下来可以继续对图像差值处理后图像F^Δ进行二值化处理，即将图像差值处理后图像F^Δ中每个像素点的像素值转化为0或者255，且像素值为0的像素点为背景，像素值为255的像素点为前景，因此可以依据进过二值化处理的图像差值处理后图像，将当前雷达图像中的背景与前景进行分离，从而获得经前景与背景分离后的分离后雷达图像。

本技术方案，通过当前雷达图像与上一雷达图像的累加平均图像进行图像差值处理，以获得图像差值处理后图像，再通过对图像差值处理后图像进行二值化处理，对当前雷达图像中背景与前景进行分离得到分离后雷达图像，实现了将当前雷达图像的背景和前景准确分离，使分离后雷达图像更加准确，更有利于通过分离后雷达图像在雷达检测区域进行目标检测。

S130、依据所述分离后雷达图像在雷达检测区域进行目标检测。

具体的，通过将毫米波雷达扫描雷达检测区域获得的当前雷达图像进行背景和前景的分离，以获取准确的分离后雷达图像，则可利用分离后雷达图像与此后的毫米波雷达在雷达检测区域扫描获取的雷达图像进行比对，从而在雷达检测区域进行目标，即当重新获取的雷达图像中出现分离后雷达图像中未出现的像素点，说明此时雷达检测区域出现了目标，需要及时对雷达检测区域进行处理，避免出现安全隐患。

本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，其中，当前雷达图像中各个像素点与雷达检测区域中各个检测位置点存在对应关系，对当前雷达图像中背景与前景进行分离得到分离后雷达图像，依据分离后雷达图像在雷达检测区域进行目标检测，解决了因使用包含有大量背景信息雷达图进行目标检测所造成的干扰问题，以便后续可以实现快速准确地进行目标检测。

实施例二

图2为根据本发明实施例二提供的一种基于目标检测的雷达图背景去除方法的流程图，本实施例是对上述实施例中对当前雷达图像中背景与前景进行分离得到分离后雷达图像的另一种方法的具体描述。如图2所示，该方法包括：

S210、确定雷达检测区域的当前雷达图像，针对当前雷达图像中待识别像素点，确定待识别像素点映射在雷达检测区域对应的目标检测位置点以及雷达在目标检测位置点扫描时对应的预设信号强度概率分布模型。

其中，待识别像素点可以是当前雷达图像中需要进行检测的像素点。目标检测位置点可以是当前雷达图像中待识别像素点对应的雷达检测区域中的检测位置，当前雷达图像中各个像素点与雷达检测区域中的各个目标检测位置点存在一一对应关系。

具体的，通过毫米波雷达扫描雷达检测区域，并获取雷达检测区域的当前雷达图像，再确定当前雷达图像中的各个待识别像素点在雷达检测区域对应的目标检测位置点，以确保当前图像的像素点与对应的目标检测点位置的准确性，进而保证了后续通过对待识别像素点的分析处理后可精准对应到目标检测位置点的位置，方便对目标检测位置点进行处理；同时也要确定目标检测位置点对应的预设信号强度概率分布模型，以方便后续对待识别像素点对应的概率分布类型进行确定。

S220、检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果；所述预设信号强度概率分布模型用于描述在雷达检测区域未包括前景情况下对目标检测位置点扫描时雷达反射波的信号强度概率分布。

具体的，获取当前雷达图像后，将当前雷达图像中的待识别像素点取值带入到预设信号强度概率分布模型中的各个正态分布模型中，以判断待识别像素点取值是否与预设信号强度概率分布模型适配，只要否和预设信号强度概率分布模型中的一个正态分布模型，则待识别像素点取值与预设信号强度概率分布模型适配。

在一个可行的实施例中，检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果，可包括如下步骤C1-C3：

步骤C1、检测待识别像素点取值与目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件；其中所述预设匹配条件包括待识别像素点取值与正态分布模型的均值满足预设拉依达准则。

步骤C2、若存在至少一个满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于背景像素。

步骤C3、若不存在满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于前景像素。

其中，预设匹配条件可以是用来判断待识别像素点取值是否满足目标检测位置点对应的预设信号强度概率分布模型中至少一个正态分布模型。预设拉依达准则可以用如下公式表示：

公式中，x_ij为待识别像素点取值，

为目标检测位置点对应的预设信号强度概率分布模型中的均值，

为目标检测位置点对应的预设信号强度概率分布模型中的方差。

具体的，通过雷达扫描雷达检测区域获取当前雷达图像，并将当前雷达图像中待识别像素点取值输入到目标检测位置点对应预设信号强度概率分布模型中，判断目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件，若存在至少一个满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于背景像素；若不存在满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于前景像素。

本技术方案，通过检测待识别像素点取值与目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件，可以精确的获得当前雷达图像中待识别像素点属于背景像素还是前景像素，实现了对雷达图像中的像素点准确判断，进而可准确对雷达图像中背景和前景进行分离。

S230、依据各个待识别像素点的匹配结果对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

具体的，将确定的当前雷达图像中的各个待识别像素点取值输入到各个目标检测位置点对应的预设信号强度概率分布模型中，通过判断目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件，确定各个待识别像素点属于背景像素或前景像素，进而可以实现当前雷达图像中的前景和背景的分离，获取分离后雷达图像。

S240、依据所述分离后雷达图像在雷达检测区域进行目标检测。

本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，其中，当前雷达图像中各个像素点与雷达检测区域中各个检测位置点存在对应关系，再依据当前雷达图像各个待识别像素点的匹配结果对当前雷达图像中背景与前景进行分离得到分离后雷达图像，依据分离后雷达图像在雷达检测区域进行目标检测，解决了使用雷达图进行目标检测的干扰问题，实现快速准确地检测出是否存在目标。

实施例三

图3为根据本发明实施例三提供的一种基于目标检测的雷达图背景去除方法的流程图，本实施例是对上述实施例中将当前雷达图像中背景与前景进行分离获得分离后雷达图像的方法中的预设信号强度概率分布模型的构建过程进行详细的描述。如图3所示，该方法包括：

S310、确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型。

其中，待训练信号强度概率分布模型可以同于描述在雷达检测区域未包括前景的情况下对目标检测位置点扫描时雷达反射波的可能信号强度概率分布。

具体的，通过自学习获得预设信号强度概率分布模型，为了方便描述，可介绍f_ij像素点的自学习过程，其它像素点按照同样的自学习过程进行处理。

想要获得f_ij像素点的预设信号强度概率分布模型，必须先确定待训练信号强度概率分布模型中包括的目标检测位置点对应的正态分布模型，以方便对f_ij像素点进行训练。

在一个可行的实施例中，确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型，可包括如下步骤D1-D2：

步骤D1、确定对雷达检测区域中目标检测位置点进行连续扫描时，位于目标检测位置点的雷达反射波的信号强度均值与方差。

步骤D2、依据在目标检测位置点进行雷达扫描时的信号强度均值与方差，构建所述目标检测位置点对应正态分布模型。

具体的，在采集当前雷达图像之前，对雷达检测区域中目标检测位置点进行连续扫描，获取目标检测位置点的多个雷达反射波的信号强度，并计算目标检测位置点的雷达反射波的信号强度均值与方差，再依据在目标检测位置点进行雷达扫描时的信号强度均值与方差，构建目标检测位置点对应正态分布模型。

本技术方案，通过计算获得的在目标检测位置点进行雷达扫描时的信号强度均值与方差，构建了目标检测位置点对应正态分布模型，以便于后续对正态分布模型的调整和更新。

在一个可行的实施例中，确定对雷达检测区域中目标检测位置点进行连续扫描时，位于目标检测位置点的雷达反射波的信号强度均值与方差，可包括如下步骤E1-E2：

步骤E1、在当前雷达图像之前采集的上一雷达图像达到第二预设个数时，通过累加第二预设个数的上一雷达图像中对应目标检测位置点的像素点取值求均值，得到位于目标检测位置点进行雷达扫描时的信号强度均值。

其中，所述上一雷达图像包括在采集当前雷达图像之前的邻近时间内所采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像。

步骤E2、在当前雷达图像之前采集的上一雷达图像达到第三预设个数时，通过累加目标平方值后求均值得到位于目标检测位置点进行雷达扫描时的信号强度方差。

可选的，目标平方值为第二预设个数至第三预设个数之间的各个上一雷达图像中对应目标检测位置点的像素点取值与位于目标检测位置点进行雷达扫描时的信号强度均值之间的差平方。

其中，第二预设个数和第三预设个数可以是在采集当前雷达图像之前根据训练需求所采集的雷达图像个数，例如，第三预设个数是第二预设个数的两倍，例如当第二预设个数为N时，第三预设个数为2N。

具体的，在采集当前雷达图像之前，连续扫描雷达检测区域获得第二预设个数的上一雷达图像，并将第二预设个数的上一雷达图像中对应目标检测位置点的像素点取值累加求平均值，进而获得位于目标检测位置点进行雷达扫描时的信号强度均值；再继续采集上一雷达图像并使采集的上一雷达图像达到第三预设个数，停止采集，通过累加目标平方值后求均值计算获得目标检测位置点进行雷达扫描时的信号强度方差。例如，通过连续扫描雷达检测区域获得第二预设个数的上一雷达图像，对上一雷达图像中的f_ij像素点取值求平均值，获得位于f_ij像素点对应的目标检测位置点进行雷达扫描时的信号强度均值μ_ij，继续采集上一雷达图像至第三预设个数，停止采集，将第二预设个数到第三预设个数之间的各个上一雷达图像中的f_ij像素点取值与信号强度均值μ_ij的差平方，获得各个上一雷达图像的目标平方值，将目标平方值进行累加求平均值，以获得位于f_ij像素点对应的目标检测位置点进行雷达扫描时的信号强度方差σ_ij。

本技术方案，通过求取位于目标检测位置点进行雷达扫描时的信号强度均值和方差，可以更加准确的构建目标检测位置点对应正态分布模型，此外，通过采集第二预设个数和第三预设个数的上一雷达图像来计算均值和方差，避免了数据的偶然性，使得均值和方差更加准确可信。

S320、遍历检测参考雷达图像中所述目标检测位置点映射的参考像素点取值与所述目标检测位置点对应正态分布模型的匹配结果；参考雷达图像中不包括前景信息。

具体的，通过计算获得各个目标检测位置点对应正态分布模型，但并不确定目标检测位置点对应正态分布模型是否适配，那么就需要先将参考雷达图像中各个目标检测位置点对应的参考像素点取值输入到对应的正态分布模型中，检测正态分布模型是否满足预设匹配条件，并记录匹配结果，以便于对正态分布模型进行修正。

S330、依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建所述目标检测位置点对应正态分布模型，用于对待训练信号强度概率分布模型更新来得到预设信号强度概率分布模型。

其中，预设信号强度概率分布模型通过至少一个所述目标检测位置点对应正态分布模型加权表示。

具体的，通过对各个目标检测位置点对应正态分布模型依据匹配结果进行训练，实现对各个目标检测位置点对应正态分布模型的调整或者新增，得到最终的各个目标检测位置点对应正态分布模型，依据最终的各个目标检测位置点对应正态分布模型更新待训练信号强度概率分布模型，进而得到预设信号强度概率分布模型。

在一个可行的实施例中，依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建所述目标检测位置点对应正态分布模型，可包括如下步骤F1-F3：

步骤F1、若检测到正态分布模型满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型的均值、方差以及在所述预设信号强度概率分布模型中的权重进行调整。

步骤F2、若检测到正态分布模型不满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型在所述预设信号强度概率分布模型中的权重进行调低。

步骤F3、若遍历检测到全部正态分布模型都不满足预设匹配条件，则新增构建所述目标检测位置点对应正态分布模型；新增的目标检测位置点对应正态分布模型的均值为参考雷达图像中所述目标检测位置点映射的参考像素点取值，方差与其他正态分布模型一致，权重为学习率。

其中，预设学习率可以用来表示对目标检测位置点对应正态分布模型的均值、方差以及在预设信号强度概率分布模型中的权重进行调整的调整幅度。

具体的，通过计算获得各个目标检测位置点对应正态分布模型，将参考雷达图像中各个目标检测位置点对应的参考像素点取值输入到对应的正态分布模型中，检测正态分布模型是否满足预设匹配条件。

若检测到正态分布模型满足预设匹配条件，则按照预设学习率对目标检测位置点对应正态分布模型的均值

方差

以及在预设信号强度概率分布模型中的权重

进行调整，并根据调整后的均值

方差

以及权重

调整正态分布模型，调整公式可为：

公式中α为预设学习率，x_ij,t为参考雷达图像中的参考像素点取值。

若检测到正态分布模型不满足预设匹配条件，则按照预设学习率对目标检测位置点对应正态分布模型在预设信号强度概率分布模型中的权重进行调低，可利用下面公式进行调整：

且若调整后的权重小于预设阈值，则说明目标检测位置点对应正态分布模型对预设信号强度概率分布模型不产生影响，所以需要删除该正态分布模型。

若遍历检测到全部正态分布模型都不满足预设匹配条件，则新增构建目标检测位置点对应正态分布模型；新增的目标检测位置点对应正态分布模型的均值为参考雷达图像中所述目标检测位置点映射的参考像素点取值，方差与其他正态分布模型一致，权重为学习率。此外，由于加入了新的正态分布模型，所以需要对此时的每个正态分布模型的权重进行归一化处理，公式如下：

然后，依据权重和标准差的比值大到小，对正态分布模型进行排序，以方便建立预设信号强度概率分布模型。

本技术方案，通过确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型，遍历检测参考雷达图像中目标检测位置点映射的参考像素点取值与目标检测位置点对应正态分布模型的匹配结果，依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建目标检测位置点对应正态分布模型，以对待训练信号强度概率分布模型更新获得预设信号强度概率分布模型，避免了因为正态分布模型的偶然性影响预设信号强度概率分布模型的准确性，实现了对预设信号强度概率分布模型的准确构建。

实施例四

图4为根据本发明实施例提供的一种基于目标检测的雷达图背景去除装置的结构示意图。如图4所示，该装置包括：

图像采集模块410，用于确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系。

图像处理模块420，用于对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

检测模块430，用于依据所述分离后雷达图像在雷达检测区域进行目标检测。

可选的，图像采集模块，具体用于：

通过微波雷达在当前时刻对雷达检测区域进行扫描，得到当前时刻的当前雷达图像；

其中，所述当前雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述当前雷达图像属于灰度图像。

可选的，所述微雷达的雷达检测区域配置于高速公路或者隧道公路上。

可选的，图像处理模块包含第一图像处理单元，具体用于：

确定在当前雷达图像之前采集的第一预设个数的上一雷达图像；其中所述上一雷达图像包括在采集当前雷达图像之前的邻近时间内所采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像；

对第一预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像的累加平均图像；

依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

可选的，第一图像处理单元包含图像差值处理单元，具体用于：

将当前雷达图像与上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像；

通过对图像差值处理后图像进行二值化处理，对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

可选的，图像处理模块包含第二图像处理单元，具体用于：

针对当前雷达图像中待识别像素点，确定待识别像素点映射在雷达检测区域对应的目标检测位置点以及雷达在目标检测位置点扫描时对应的预设信号强度概率分布模型；

检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果；所述预设信号强度概率分布模型用于描述在雷达检测区域未包括前景情况下对目标检测位置点扫描时雷达反射波的信号强度概率分布；

依据各个待识别像素点的匹配结果对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

可选的，第二图像处理单元包含结果确定单元，具体用于：

检测待识别像素点取值与目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件；其中所述预设匹配条件包括待识别像素点取值与正态分布模型的均值满足预设拉依达准则；

若存在至少一个满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于背景像素；

若不存在满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于前景像素。

可选的，第二图像处理单元包含模型构建单元，具体用于：

确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型；

遍历检测参考雷达图像中所述目标检测位置点映射的参考像素点取值与所述目标检测位置点对应正态分布模型的匹配结果；参考雷达图像中不包括前景信息；

依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建所述目标检测位置点对应正态分布模型，用于对待训练信号强度概率分布模型更新来得到预设信号强度概率分布模型；

其中，预设信号强度概率分布模型通过至少一个所述目标检测位置点对应正态分布模型加权表示。

可选的，模型构建单元包含正态分布模型确定单元，具体用于：

确定对雷达检测区域中目标检测位置点进行连续扫描时，位于目标检测位置点的雷达反射波的信号强度均值与方差；

依据在目标检测位置点进行雷达扫描时的信号强度均值与方差，构建所述目标检测位置点对应正态分布模型。

可选的，正态分布模型确定单元包含均值和方差确定单元，具体用于：

在当前雷达图像之前采集的上一雷达图像达到第二预设个数时，通过累加第二预设个数的上一雷达图像中对应目标检测位置点的像素点取值求均值，得到位于目标检测位置点进行雷达扫描时的信号强度均值；

在当前雷达图像之前采集的上一雷达图像达到第三预设个数时，通过累加目标平方值后求均值得到位于目标检测位置点进行雷达扫描时的信号强度方差；

其中，目标平方值为第二预设个数至第三预设个数之间的各个上一雷达图像中对应目标检测位置点的像素点取值与位于目标检测位置点进行雷达扫描时的信号强度均值之间的差平方。

可选的，模型构建单元包含判断单元，具体用于：

若检测到正态分布模型满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型的均值、方差以及在所述预设信号强度概率分布模型中的权重进行调整；

若检测到正态分布模型不满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型在所述预设信号强度概率分布模型中的权重进行调低；

若遍历检测到全部正态分布模型都不满足预设匹配条件，则新增构建所述目标检测位置点对应正态分布模型；新增的目标检测位置点对应正态分布模型的均值为参考雷达图像中所述目标检测位置点映射的参考像素点取值，方差与其他正态分布模型一致，权重为学习率。

本发明实施例中所提供的基于目标检测的雷达图背景去除装置可执行上述本发明任意实施例中所提供的基于目标检测的雷达图背景去除方法，具备执行该基于目标检测的雷达图背景去除方法相应的功能和有益效果，详细过程参见前述实施例中基于目标检测的雷达图背景去除方法的相关操作。

实施例五

图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于目标检测的雷达图背景去除方法。

在一些实施例中，基于目标检测的雷达图背景去除方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于目标检测的雷达图背景去除方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于目标检测的雷达图背景去除方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (14)

1.一种基于目标检测的雷达图背景去除方法，其特征在于，所述方法包括：

确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系；

对当前雷达图像中背景与前景进行分离得到分离后雷达图像；

依据所述分离后雷达图像在雷达检测区域进行目标检测。

2.根据权利要求1所述的方法，其特征在于，确定雷达检测区域的当前雷达图像，包括：

通过微波雷达在当前时刻对雷达检测区域进行扫描，得到当前时刻的当前雷达图像；

其中，所述当前雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述当前雷达图像属于灰度图像。

3.根据权利要求2所述的方法，其特征在于，所述微波雷达的雷达检测区域配置于高速公路或者隧道公路上，所述微波雷达包括毫米波雷达。

4.根据权利要求1所述的方法，其特征在于，对当前雷达图像中背景与前景进行分离得到分离后雷达图像，包括：

确定在当前雷达图像之前采集的第一预设个数的上一雷达图像；其中所述上一雷达图像包括在采集当前雷达图像之前的邻近时间内所采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像；

对第一预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像的累加平均图像；

依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

5.根据权利要求4所述的方法，其特征在于，依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离得到分离后雷达图像，包括：

将当前雷达图像与上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像；

通过对图像差值处理后图像进行二值化处理，对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

6.根据权利要求2所述的方法，其特征在于，对当前雷达图像中背景与前景进行分离得到分离后雷达图像，包括：

针对当前雷达图像中待识别像素点，确定待识别像素点映射在雷达检测区域对应的目标检测位置点以及雷达在目标检测位置点扫描时对应的预设信号强度概率分布模型；

检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果；所述预设信号强度概率分布模型用于描述在雷达检测区域未包括前景情况下对目标检测位置点扫描时雷达反射波的信号强度概率分布；

依据各个待识别像素点的匹配结果对当前雷达图像中背景与前景进行分离得到分离后雷达图像。

7.根据权利要求6所述的方法，其特征在于，检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果，包括：

检测待识别像素点取值与目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件；其中所述预设匹配条件包括待识别像素点取值与正态分布模型的均值满足预设拉依达准则；

若存在至少一个满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于背景像素；

若不存在满足预设匹配条件的正态分布模型，则确定待识别像素点在当前雷达图像中属于前景像素。

8.根据权利要求6所述的方法，其特征在于，所述预设信号强度概率分布模型的构建过程，包括：

确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型；

遍历检测参考雷达图像中所述目标检测位置点映射的参考像素点取值与所述目标检测位置点对应正态分布模型的匹配结果；参考雷达图像中不包括前景信息；

依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建所述目标检测位置点对应正态分布模型，用于对待训练信号强度概率分布模型更新来得到预设信号强度概率分布模型；

其中，预设信号强度概率分布模型通过至少一个所述目标检测位置点对应正态分布模型加权表示。

9.根据权利要求8所述的方法，其特征在于，确定待训练信号强度概率分布模型中包括的目标检测位置点对应正态分布模型，包括：

确定对雷达检测区域中目标检测位置点进行连续扫描时，位于目标检测位置点的雷达反射波的信号强度均值与方差；

依据在目标检测位置点进行雷达扫描时的信号强度均值与方差，构建所述目标检测位置点对应正态分布模型。

10.根据权利要求9所述的方法，其特征在于，确定对雷达检测区域中目标检测位置点进行连续扫描时，位于目标检测位置点的雷达反射波的信号强度均值与方差，包括：

在当前雷达图像之前采集的上一雷达图像达到第二预设个数时，通过累加第二预设个数的上一雷达图像中对应目标检测位置点的像素点取值求均值，得到位于目标检测位置点进行雷达扫描时的信号强度均值；

在当前雷达图像之前采集的上一雷达图像达到第三预设个数时，通过累加目标平方值后求均值得到位于目标检测位置点进行雷达扫描时的信号强度方差；

其中，目标平方值为第二预设个数至第三预设个数之间的各个上一雷达图像中对应目标检测位置点的像素点取值与位于目标检测位置点进行雷达扫描时的信号强度均值之间的差平方。

11.根据权利要求8所述的方法，其特征在于，依据匹配结果，确定是否对所述目标检测位置点对应正态分布模型进行调整或新增构建所述目标检测位置点对应正态分布模型，包括：

若检测到正态分布模型满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型的均值、方差以及在所述预设信号强度概率分布模型中的权重进行调整；

若检测到正态分布模型不满足预设匹配条件，则按照预设学习率对所述目标检测位置点对应正态分布模型在所述预设信号强度概率分布模型中的权重进行调低；

若遍历检测到全部正态分布模型都不满足预设匹配条件，则新增构建所述目标检测位置点对应正态分布模型；新增的目标检测位置点对应正态分布模型的均值为参考雷达图像中所述目标检测位置点映射的参考像素点取值，方差与其他正态分布模型一致，权重为学习率。

12.一种基于目标检测的雷达图背景去除装置，其特征在于，所述装置包括：

图像采集模块，用于确定雷达检测区域的当前雷达图像；其中，所述当前雷达图像中各个像素点与所述雷达检测区域中各个检测位置点存在对应关系；

图像处理模块，用于对当前雷达图像中背景与前景进行分离得到分离后雷达图像；

检测模块，用于依据所述分离后雷达图像在雷达检测区域进行目标检测。

13.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的基于目标检测的雷达图背景去除方法。

14.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的基于目标检测的雷达图背景去除方法。

Images