CN117471453A - 一种基于毫米波雷达的人体运动状态检测方法 - Google Patents

一种基于毫米波雷达的人体运动状态检测方法 Download PDF

Info

Publication number
CN117471453A
CN117471453A CN202311413832.1A CN202311413832A CN117471453A CN 117471453 A CN117471453 A CN 117471453A CN 202311413832 A CN202311413832 A CN 202311413832A CN 117471453 A CN117471453 A CN 117471453A
Authority
CN
China
Prior art keywords
target
point cloud
frame
motion state
millimeter wave
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
Application number
CN202311413832.1A
Other languages
English (en)
Inventor
李剑鹏
周杨
杨锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Cric Technology Co ltd
Original Assignee
Sichuan Cric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Cric Technology Co ltd filed Critical Sichuan Cric Technology Co ltd
Priority to CN202311413832.1A priority Critical patent/CN117471453A/zh
Publication of CN117471453A publication Critical patent/CN117471453A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及人体运动状态检测技术，其公开了一种基于毫米波雷达的人体运动状态检测方法，实现对人体运动状态的检测，从而更好地协助智慧家庭中完成不同场景的控制。本发明中，首先通过毫米波雷达向待测空间范围发射电磁波信号，并接收待测空间范围内反射回来的信号，对接收信号进行处理，获得各帧的点云信息；然后对各帧的点云进行聚类，获得点云堆；通过多假设跟踪算法将目标航迹与各帧的点云堆进行关联；接着，根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度；最后，统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态。

Description

一种基于毫米波雷达的人体运动状态检测方法
技术领域
本发明涉及人体运动状态检测技术，具体涉及一种基于毫米波雷达的人体运动状态检测方法。
背景技术
人员位置检测和数量统计是现有智慧家庭场景中不可缺少的数据。以往的人员跟踪检测技术主要利用图像或者红外的单一识别方式进行，而图像在隐私方面有一定影响，使用范围有限。而红外方面，面临着分辨率高的设备成本高，且容易受干扰等问题较为严重。
随着科技的进步，毫米波雷达传感器的利用可以对人员计数的这些缺陷进行补足，具有广阔的应用前景。通过毫米波雷达对目标进行跟踪与定位具有低成本，隐私性好，定位准确等优点，能很好的在智慧家庭中完成目标定位与人数检测的作用；而现有毫米波雷达在智慧家庭系统中主要作用是进行人员位置检测跟踪，功能较为单一。
发明内容
本发明所要解决的技术问题是：提出一种基于毫米波雷达的人体运动状态检测方法，实现对人体运动状态的检测，从而更好地协助智慧家庭中完成不同场景的控制。
本发明解决上述技术问题采用的技术方案是：
一种基于毫米波雷达的人体运动状态检测方法，包括以下步骤：
S1、通过毫米波雷达向待测空间范围发射电磁波信号，并接收待测空间范围内反射回来的信号，对接收信号进行处理，获得各帧的点云信息；
S2、对各帧的点云进行聚类，获得点云堆；通过多假设跟踪算法将目标航迹与各帧的点云堆进行关联；
S3、根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度；
S4、统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态。
进一步的，步骤S1中，所述对接收信号进行处理，具体包括：
对接收到的信号进行快速傅里叶变换然后进行分析，获得包含距离、方位角、俯仰角、多普勒速度和信噪比信息的点云数据。
进一步的，步骤S2中，通过聚类算法对各帧的点云进行聚类，聚类获得的点云堆位置为点云堆包含的所有点云的平均位置，点云堆信噪比为点云堆包含的所有点云的平均信噪比。
进一步的，步骤S2中，在将目标航迹与各帧的点云堆进行关联过程中，如果在目标航迹一定距离范围类有点云堆，则将该航迹与点云堆关联，反之，则目标航迹在当前帧没有关联。
进一步的，步骤S3中，所述根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度，具体包括：
结合目标i在第n帧关联的点云堆，通过卡尔曼滤波更新得到目标i在第n帧的位置Pin(Xin,Yin)，在累积k帧后，即第n+k帧得到的目标i更新以后的位置为Pi(n+k)(Xi(n+k),Yi(n+k))；
通过目标i位置在第n帧的位置Pin(Xin,Yin)和在第n+k帧的位置为Pi(n+k)(Xi(n+k),Yi(n+k))计算目标i的运动速度vi：
其中，Xin、Yin分别表示目标i在第n帧的X坐标和Y坐标，Xi(n+k)、Yi(n+k)分别表示目标i在第n+k帧的X坐标和Y坐标，dt表示毫米波雷达帧间间隔时间。
进一步的，步骤S4中，所述统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态，具体包括：
首先判断目标运动速度；
若，V1≤目标运动速度<V2，则判定目标当前处于慢速走动状态；
若，V2<目标运动速度≤V3，则判定目标当前处于快速走动状态；
若，目标运动速度>V3，则判定目标当前处于跑动状态；
若，目标运动速度<V1，则结合目标在相应帧关联的点云堆的多普勒速度和高度信息对目标的当前运动状态进行具体判断。
进一步的，V1取值0.2m/s，V2取值1.5m/s，V3取值3m/s。
进一步的，若目标运动速度<V1，则结合目标在相应帧关联的点云堆的多普勒速度和高度信息对目标的当前运动状态进行具体判断，包括：
判断在设定时间段内目标关联的多普勒速度大于0的点云堆的数量是否大于设定阈值，若否，则判定目标当前处于静止状态；
若是，则继续判断在设定时间段内目标关联的点云堆中最高的点云堆的高度是否维持在稳定状态，若维持在稳定状态，则判定目标当前处于原地微动状态，若未维持在稳定状态，则根据最高的点云堆的高度的变化趋势判断目标当前处于原地深蹲或者原地跳动状态。
本发明的有益效果是：
基于本发明提供的上述方案，对通过毫米波雷达获取人体反射波信号，经过信号处理得到点云数据，并基于对点云聚类分堆，来对目标在不同时刻下位置、高度、多普勒、信噪比等信息进行检测和分析，从而实现对人体跑动、快速走动、慢速走动、深蹲、原地跳动、原地微动、静止不动等状态的检测。该方案能更大程度的提高毫米波雷达在智慧家庭系统中的作用，为空调、风扇等智能设备的决策提供依据。
附图说明
图1为本发明实施例中的基于毫米波雷达的人体运动状态检测方法流程图。
具体实施方式
本发明旨在提出一种基于毫米波雷达的人体运动状态检测方法，实现对人体运动状态的检测，从而更好地协助智慧家庭中完成不同场景的控制。本发明中，首先通过毫米波雷达向待测空间范围发射电磁波信号，并接收待测空间范围内反射回来的信号，对接收信号进行处理，获得各帧的点云信息；然后对各帧的点云进行聚类，获得点云堆；通过多假设跟踪算法将目标航迹与各帧的点云堆进行关联；接着，根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度；最后，统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态。
下面结合附图及实施例对本发明的方案作进一步的描述。
实施例：
如图1所示，本实施例中的基于毫米波雷达的人体运动状态检测方法包括以下实施过程：
S1、获取点云信息：
本步骤中，使用毫米波雷达对待测空间范围发射电磁波信号，对反射回来的电磁波回波信号进行分析。为了完成对收到信号中的运动目标的轨迹测量和跟踪，还应用了傅里叶变换，对所采集到的信号从时域变换到频域，从频域特征着手分析所采集到的雷达信号，得到包含距离、方位角、俯仰角、多普勒速度和信噪比信息的点云。
在一个示例性的实施方式中，所述毫米波雷达用60GHz毫米波宽带雷达，对雷达发射和接收参数进行调节，待测空间范围可从10m*10m内到100m*100m内进行调整，可以应用于室内(如会议室)的小范围应用场景，也可以用于户外(如景区)的大范围应用场景。
S2、点云聚类以及目标航迹关联：
本步骤中，对各帧的点云进行聚类，获得点云堆；通过多假设跟踪算法将目标航迹与各帧的点云堆进行关联；在一种示例性的实施方式中，通过聚类算法对各帧的点云进行聚类，聚类获得的点云堆位置为点云堆包含的所有点云的平均位置，点云堆信噪比为点云堆包含的所有点云的平均信噪比。在将目标航迹与各帧的点云堆进行关联过程中，如果在目标航迹一定距离范围类有点云堆，则将该航迹与点云堆相关联，反之，则目标航迹在当前帧没有关联。
S3、目标位置更新，计算目标运动速度：
本步骤中，根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度。在一种示例性的实施方案中，目标位置更新和计算运动速度的方式如下：
结合目标i在第n帧关联的点云堆，通过卡尔曼滤波更新得到目标i在第n帧的位置Pin(Xin,Yin)，在累积k帧后，即第n+k帧得到的目标i更新以后的位置为Pi(n+k)(Xi(n+k),Yi(n+k))；
通过目标i位置在第n帧的位置Pin(Xin,Yin)和在第n+k帧的位置为Pi(n+k)(Xi(n+k),Yi(n+k))计算目标i的运动速度vi：
其中，Xin、Yin分别表示目标i在第n帧的X坐标和Y坐标，Xi(n+k)、Yi(n+k)分别表示目标i在第n+k帧的X坐标和Y坐标，dt表示毫米波雷达帧间间隔时间。
S4、目标运动状态判断：
本步骤中，统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态。
在一种示例性的实施方案中，首先判断目标运动速度，若目标速度大于等于0.2m/s，则可以判定目标当前未为非原地运动状态，则可以根据具体的数值继续判断：若0.2m/s≤目标运动速度<1.5m/s，则判定目标当前处于慢速走动状态；若，1.5m/s<目标运动速度≤3m/s，则判定目标当前处于快速走动状态；若目标运动速度>3m/s，则判定目标当前处于跑动状态。
对于目标速度小于0.2m/s的情况，需要结合目标在相应帧关联的点云堆的多普勒速度和高度信息对目标的当前运动状态进行具体判断：
首先，判断在设定时间段内目标关联的多普勒速度大于0的点云堆的数量是否大于设定阈值，若否，则判定目标当前处于静止状态(如睡觉)；
若是，则继续判断在设定时间段内目标关联的点云堆中最高的点云堆的高度是否维持在稳定状态，若维持在稳定状态，则判定目标当前处于原地微动状态；
若未维持在稳定状态，则根据最高的点云堆的高度的变化趋势判断目标当前处于原地深蹲或者原地跳动状态，比如：最高的点云堆的高度的变化趋势一直在正常身高范围到1m左右起伏，则可以判断目标在做深蹲运动。同理，如果最高的点云堆的高度的变化趋势一直在正常身高范围到2m左右起伏，则可以判断目标在原地跳动。
最后应当说明的是，上述实施例仅是优选实施方式，并不用以限制本发明。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出若干修改，等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于毫米波雷达的人体运动状态检测方法，其特征在于，包括以下步骤：
S1、通过毫米波雷达向待测空间范围发射电磁波信号，并接收待测空间范围内反射回来的信号，对接收信号进行处理，获得各帧的点云信息；
S2、对各帧的点云进行聚类，获得点云堆；通过多假设跟踪算法将目标航迹与各帧的点云堆进行关联；
S3、根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度；
S4、统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态。
2.如权利要求1所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
步骤S1中，所述对接收信号进行处理，具体包括：
对接收到的信号进行快速傅里叶变换然后进行分析，获得包含距离、方位角、俯仰角、多普勒速度和信噪比信息的点云数据。
3.如权利要求1或2所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
步骤S2中，通过聚类算法对各帧的点云进行聚类，聚类获得的点云堆位置为点云堆包含的所有点云的平均位置，点云堆信噪比为点云堆包含的所有点云的平均信噪比。
4.如权利要求1或2所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
步骤S2中，在将目标航迹与各帧的点云堆进行关联过程中，如果在目标航迹一定距离范围类有点云堆，则将该航迹与点云堆关联，反之，则目标航迹在当前帧没有关联。
5.如权利要求1或2所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
步骤S3中，所述根据目标航迹关联的点云堆，通过卡尔曼滤波在相应帧对目标位置进行更新，累积多帧信息计算出目标的运动速度，具体包括：
结合目标i在第n帧关联的点云堆，通过卡尔曼滤波更新得到目标i在第n帧的位置Pin(Xin,Yin)，在累积k帧后，即第n+k帧得到的目标i更新以后的位置为Pi(n+k)(Xi(n+k),Yi(n+k))；
通过目标i位置在第n帧的位置Pin(Xin,Yin)和在第n+k帧的位置为Pi(n+k)(Xi(n+k),Yi(n+k))计算目标i的运动速度vi：
其中，Xin、Yin分别表示目标i在第n帧的X坐标和Y坐标，Xi(n+k)、Yi(n+k)分别表示目标i在第n+k帧的X坐标和Y坐标，dt表示毫米波雷达帧间间隔时间。
6.如权利要求1或2所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
步骤S4中，所述统计目标在相应帧关联的点云堆的多普勒速度和高度信息，并结合目标运动速度判断目标的当前运动状态，具体包括：
首先判断目标运动速度；
若，V1≤目标运动速度<V2，则判定目标当前处于慢速走动状态；
若，V2<目标运动速度≤V3，则判定目标当前处于快速走动状态；
若，目标运动速度>V3，则判定目标当前处于跑动状态；
若，目标运动速度<V1，则结合目标在相应帧关联的点云堆的多普勒速度和高度信息对目标的当前运动状态进行具体判断。
7.如权利要求6所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
V1取值0.2m/s，V2取值1.5m/s，V3取值3m/s。
8.如权利要求6所述的一种基于毫米波雷达的人体运动状态检测方法，其特征在于，
若目标运动速度<V1，则结合目标在相应帧关联的点云堆的多普勒速度和高度信息对目标的当前运动状态进行具体判断，包括：
判断在设定时间段内目标关联的多普勒速度大于0的点云堆的数量是否大于设定阈值，若否，则判定目标当前处于静止状态；
若是，则继续判断在设定时间段内目标关联的点云堆中最高的点云堆的高度是否维持在稳定状态，若维持在稳定状态，则判定目标当前处于原地微动状态，若未维持在稳定状态，则根据最高的点云堆的高度的变化趋势判断目标当前处于原地深蹲或者原地跳动状态。
CN202311413832.1A 2023-10-27 2023-10-27 一种基于毫米波雷达的人体运动状态检测方法 Pending CN117471453A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311413832.1A CN117471453A (zh) 2023-10-27 2023-10-27 一种基于毫米波雷达的人体运动状态检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311413832.1A CN117471453A (zh) 2023-10-27 2023-10-27 一种基于毫米波雷达的人体运动状态检测方法

Publications (1)

Publication Number Publication Date
CN117471453A true CN117471453A (zh) 2024-01-30

Family

ID=89626784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311413832.1A Pending CN117471453A (zh) 2023-10-27 2023-10-27 一种基于毫米波雷达的人体运动状态检测方法

Country Status (1)

Country Link
CN (1) CN117471453A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117724094A (zh) * 2024-02-07 2024-03-19 浙江大华技术股份有限公司 生命体征检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117724094A (zh) * 2024-02-07 2024-03-19 浙江大华技术股份有限公司 生命体征检测方法
CN117724094B (zh) * 2024-02-07 2024-05-07 浙江大华技术股份有限公司 生命体征检测方法

Similar Documents

Publication Publication Date Title
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
CN113093170B (zh) 一种基于knn算法的毫米波雷达室内人员检测方法
CN108802722B (zh) 一种基于虚拟谱的弱目标检测前跟踪方法
CN104359480B (zh) 一种利用惯性导航与Wi‑Fi指纹的混合室内定位方法
CN117471453A (zh) 一种基于毫米波雷达的人体运动状态检测方法
CN106908821A (zh) 一种室内外无缝定位切换方法
CN114660592B (zh) 一种基于毫米波雷达点云数据的室内人员信息检测方法
CN107783104A (zh) 一种基于粒子滤波的多异步传感器单目标检测前跟踪方法
CN112261606B (zh) 一种基于动态环境的自适应室内融合定位方法
CN110673130B (zh) 一种基于航迹关联的运动目标航迹跟踪方法
CN111739053A (zh) 一种复杂场景下的在线多行人检测跟踪方法
CN110133612A (zh) 一种基于跟踪反馈的扩展目标检测方法
WO2023213051A1 (zh) 一种基于csi信号到达角估计的静态人体姿势估计方法
CN112184749A (zh) 基于视频sar跨域联合的动目标跟踪方法
CN114302359B (zh) 一种基于WiFi-PDR融合的高精度室内定位方法
CN114994656A (zh) 一种基于毫米波雷达的室内人员跟踪方法
CN111856451B (zh) 基于穿墙雷达的动静人体目标自适应检测方法及系统
CN113283330A (zh) 基于深度学习与多目标跟踪算法的视频sar动目标检测方法
TWI772208B (zh) 基於毫米波雷達的人數偵測方法
CN113970738A (zh) 毫米波雷达半自动区域边界检测方法
CN109617591B (zh) 一种基于WiFi的链路级运动目标跟踪方法
CN113820704A (zh) 检测运动目标的方法、装置和电子设备
CN103810461B (zh) 一种干扰目标的检测方法和设备
CN110865376A (zh) 一种基于tbd的非直视拐角人体目标定位方法
CN113933826A (zh) 一种在毫米波雷达人员跟踪中对新目标的判断方法

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