TWI809241B - 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 - Google Patents

生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 Download PDF

Info

Publication number
TWI809241B
TWI809241B TW109101432A TW109101432A TWI809241B TW I809241 B TWI809241 B TW I809241B TW 109101432 A TW109101432 A TW 109101432A TW 109101432 A TW109101432 A TW 109101432A TW I809241 B TWI809241 B TW I809241B
Authority
TW
Taiwan
Prior art keywords
signal
feature
radar
living body
life
Prior art date
Application number
TW109101432A
Other languages
English (en)
Other versions
TW202129595A (zh
Inventor
尤山泉
陳正夫
王孝寧
許淳傑
Original Assignee
為昇科科技股份有限公司
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 為昇科科技股份有限公司 filed Critical 為昇科科技股份有限公司
Priority to TW109101432A priority Critical patent/TWI809241B/zh
Priority to CN202011427075.XA priority patent/CN113138386A/zh
Priority to EP21151888.1A priority patent/EP3851871B1/en
Publication of TW202129595A publication Critical patent/TW202129595A/zh
Application granted granted Critical
Publication of TWI809241B publication Critical patent/TWI809241B/zh

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
    • 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
    • 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
    • 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
    • G01S13/88—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
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/417—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 involving the use of neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本發明提供一種生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法，系統包含圖像分析單元、頻譜分析單元以及運算處理單元，運算處理單元包含特徵萃取部以及匹配判定部，藉由圖像分析單元和頻譜分析單元接收以雷達測得之訊號，且對訊號進行訊號處理而形成圖像訊號並產生頻譜訊號，以特徵萃取部接收圖像訊號和頻譜訊號進行特徵萃取而取得待偵測物體之待測特徵，並以匹配判定部對待測特徵進行比對，以準確判斷待偵測物體是否為一生命體，且如判斷為生命體者，歸類為一生命體之對照特徵且建立在一特徵資料庫之中，藉以準確判斷待偵測物體是否為生命體。

Description

生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法
本發明係關於一種生命體檢測技術，尤指一種生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法。
先進駕駛輔助系統(ADAS：Advanced Driver Assistance Systems)為目前各相關業者研發的主要目標，不論是任一階段的輔助駕駛或者自動駕駛技術，最重要的，便是如何有效的判斷緊急狀況而採取對應行動。其中，最為重要的，便是如何正確判斷出車輛行進狀況中前方所遇到的生命體，如行人，進而可以在有撞擊危險時做出緊急反應。然而，車輛在行駛的過程中，能判斷出行人並即時進行處置的時間相當短，僅能仰賴系統判斷，因此需要更為精準且快速的判斷模式，才能符合先進駕駛輔助系統行車安全的需求。因此，如何在行駛過程中快速且正確判斷出前方有行人或動物等生命體，進而適時作出煞車或閃避的反應動作來避免生命體的生命安全受到威脅，即為先進駕駛輔助系統技術研發中相當重要的環節。
依現有判斷障礙物的偵測技術中，如以雷達進行偵測的技術，因 其產生的電波資訊僅能偵測障礙物的位置與距離，並無法顯現出生命體的影像，故難以判斷障礙物是否為生命體，特別是行人；如以影像擷取的判斷方式，雖可判斷障礙物為生命體，但有無法準確判斷生命體移動速度和距離的問題。
承上，美國第US10354160B2號專利發明一種行人檢測裝置及方法，主要是以攝影機進行影像擷取並融合雷達偵測(Camera-Radar Fusion)的行人檢測系統，除可偵測障礙物的位置與距離，並可透過擷取的影像顯現判斷障礙物是否為行人。然而，以攝影機擷取行人的影像容易受到光線的干擾，例如陰天、雨天或黑夜等環境下會因光線不足而影像昏暗模糊，或是遇光線太亮也會造成影像過曝，這些情況都會造成行人影像不清楚，導致影像誤判的情況發生，使行人的生命安全受到嚴重的威脅。
為解決上述課題，本發明提供一種生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法，在於以圖像分析和頻譜分析為主要檢測技術，藉此判斷待偵測物體是否為生命體。
本發明之一項實施例提供一種生命體檢測的雷達偵測系統及生命體判斷方法，系統包含一圖像分析單元、一頻譜分析單元以及一運算處理單元，運算處理單元與圖像分析單元及頻譜分析單元電性連接，運算處理單元包含有一特徵萃取部以及一匹配判定部，由圖像分析單元接收一以雷達測得之訊號，且對訊號進行訊號處理而產生多個取樣點以形成一圖像訊號，並由頻譜分析單元接收訊號，且對訊號進行訊號處理而產生一頻譜訊號，由特徵萃取部接收圖像訊 號和頻譜訊號進行特徵萃取，以取得一待偵測物體之一待測特徵，並以匹配判定部對待測特徵進行比對，以判斷待偵測物體是否為一生命體。
藉此，當一待偵測物體在移動的過程中，藉由特徵萃取部接收圖像訊號和頻譜訊號進行特徵萃取並取得待測特徵，且透過匹配判定部對待測特徵進行比對，以綜合前述兩種現象而互補式的判斷待偵測物體真實的移動模式，藉此解決習知攝影機在影像擷取時因受到光線干擾而容易造成影像誤判的問題，而能達到準確判斷待偵測物體是否為生命體的功效。
本發明之另一項實施例提供一種生命體檢測雷達偵測系統之特徵資料庫建立方法，係以一生命體為對象進行一雷達訊號的收集，包含以圖像分析單元接收訊號，且對訊號進行訊號處理而產生多個取樣點而形成一圖像樣本訊號，另一方面也以頻譜分析單元接收訊號，且對訊號進行訊號處理而產生一頻譜樣本訊號，接著以特徵萃取部對圖像樣本訊號和頻譜樣本訊號進行特徵萃取，以獲得一對照特徵，將其建立於一特徵資料庫並歸類為生命體之對照特徵。
藉此，隨著特徵資料庫之建立，而可依其中歸類為生命體之對照特徵，作為匹配判定部對待測特徵進行比對之標準，使待偵測物體是否為生命體之判斷有所依據。再者，特徵資料庫可不斷建立可歸類為生命體之不同對照特徵，而藉由不斷擴充不同的對照特徵於特徵資料庫內，可使生命體檢測雷達偵測系統在判斷待偵測物體是否為生命體時，達到人工智能化的深度學習，使匹配判定部對待測特徵進行比對時能有充足的比對樣本作為參照，可確保待偵測物體被判斷為生命體時具有高度的準確性。
100:雷達偵測系統
200:生命體判斷方法
300:特徵資料庫建立方法
10:圖像分析單元
20:頻譜分析單元
30:運算處理單元
31:特徵萃取部
32:匹配判定部
40:特徵資料庫
41:生命體子資料庫
42:非生命體子資料庫
50:雷達偵測模組
51:點雲雷達
52:微都卜勒雷達
53:連續波雷達
F1:待測特徵
F2:對照特徵
F3:對照特徵
P:取樣點
S1:訊號
S1A:第一訊號
S1B:第二訊號
S2:圖像訊號
S3:頻譜訊號
S4:圖像樣本訊號
S5:頻譜樣本訊號
圖1係本發明實施例之生命體檢測的雷達偵測系統之系統方塊圖。
圖2係本發明實施例之生命體檢測的雷達偵測系統之另一系統方塊圖。
圖3係本發明實施例之生命體判斷方法之流程圖。
圖4係本發明實施例之特徵資料庫建立方法之流程圖。
圖5係本發明實施例之待偵測物體為樹時所測得之圖像訊號呈現之取樣點分布圖。
圖6係本發明實施例之待偵測物體為樹時所測得之頻譜訊號呈現之波形圖。
圖7係本發明實施例之待偵測物體為狗時所測得之圖像訊號呈現之取樣點分布圖。
圖8係本發明實施例之待偵測物體為狗時所測得之頻譜訊號呈現之波形圖。
圖9係本發明實施例之待偵測物體為行人時所測得之圖像訊號呈現之取樣點分布圖。
圖10係本發明實施例之待偵測物體為行人時所測得之頻譜訊號呈現之波形圖。
以下參照各附圖詳細描述本發明的示例性實施例，且不意圖將本發明的技術原理限制於特定公開的實施例，而本發明的範圍僅由申請專利範圍限制，涵蓋了替代、修改和等同物。
請參閱圖1至圖10所示，本發明提供一種生命體檢測的雷達偵測系統100、生命體判斷方法200及特徵資料庫建立方法300。
所述生命體檢測的雷達偵測系統100，如圖1所示，於本實施例中包含一圖像分析單元10、一頻譜分析單元20以及一運算處理單元30，其中運算處理單元30又包含有一特徵萃取部31以及一匹配判定部32，其中匹配判定部32電性連接一特徵資料庫40。而於本實施例中，運算處理單元30，其係採用長短期記憶模型(Long Short-Term Memory,LSTM)演算法之人工智能系統，以進行特徵萃取及比對判斷，但不以此為限。
於本實施例中，進一步包括一雷達偵測模組50，該雷達偵測模組50可收發之電磁訊號，其電磁訊號波長可滿足下列條件：0.001mm<λ
Figure 109101432-A0305-02-0008-1
12mm。較佳地，其可滿足下列條件：1mm<λ
Figure 109101432-A0305-02-0008-2
10mm。更佳地，其可滿足下列條件：3mm<λ
Figure 109101432-A0305-02-0008-3
5mm。此述雷達偵測模組50包括一點雲雷達51和一微都卜勒雷達52，由點雲雷達51偵測一待偵測物體而可產生一第一訊號S1A，由微都卜勒雷達52偵測同一待偵測物體而可產生一第二訊號S1B。
上述生命體檢測的雷達偵測系統100，如圖3示例一種其所應用之生命體判斷方法200，而於本實施例中係由圖像分析單元10接收訊號S1A，且對訊號S1A進行訊號處理而產生多個取樣點P，並形成一圖像訊號S2；另外，由頻譜分析單元20接收訊號S1B，且對該訊號S1B進行訊號處理而產生一頻譜訊號S3。進而，透過特徵萃取部31接收圖像訊號S2和頻譜訊號S3，並進行特徵萃取，以取得待偵測物體之一待測特徵F1，並以匹配判定部32對待測特徵F1進行比對，以判斷該待偵測物體是否為一生命體。
所述雷達偵測模組50，其並不侷限於本實施例所述之點雲雷達51和微都卜勒雷達52的兩個雷達，在不同實施態樣時，雷達偵測模組50也可以是單一個連續波雷達53(如圖2所示)，以連續波雷達53可收發之電磁訊號，其電磁訊 號波長可滿足下列條件：0.001mm<λ
Figure 109101432-A0305-02-0009-4
10mm。較佳地，其可滿足下列條件：1mm<λ
Figure 109101432-A0305-02-0009-5
10mm。更佳地，其可滿足下列條件：3mm<λ
Figure 109101432-A0305-02-0009-6
5mm。連續波雷達53偵測一待偵測物體而可產生一訊號S1，訊號S1並經由該圖像分析單元10及頻譜分析單元20分別形成前述圖像訊號S2及頻譜訊號S3，亦可供特徵萃取部31進行特徵萃取。
所述特徵資料庫40，其儲存有對照為生命體之對照特徵F2，匹配判定部32對待測特徵F1進行比對時，係匹配判定部32存取對照特徵F2，且對該待測特徵F1與該對照特徵F2進行比對。
所述生命體檢測的雷達偵測系統100，如圖4示例一種特徵資料庫建立方法300，於此係以雷達偵測模組50偵測一待偵測物體，於本實施例中係以點雲雷達51偵測待偵測物體而取得一圖像樣本訊號S4，並以微都卜勒雷達52偵測待偵測物體而取得一頻譜樣本訊號S5，由特徵萃取部31接收圖像樣本訊號S4和頻譜樣本訊號S5並進行特徵萃取所獲得一對照特徵，此對照特徵經比對而判斷為生命體者，將其建立於特徵資料庫40並歸類為生命體之對照特徵F2；若對照特徵經比對而判斷為非生命體者，將其建立於特徵資料庫40並歸類為非生命體之對照特徵F3。
於一較佳實施例中，所述特徵資料庫40包括一生命體子資料庫41，此生命體子資料庫41儲存有歸類為生命體之對照特徵F2，以作為匹配判定部32判斷待偵測物體為生命體之標準。進一步地，所述特徵資料庫40又包括一非生命體子資料庫42，此非生命體子資料庫42儲存被歸類為非生命體之對照特徵F3，以作為匹配判定部32排除待偵測物體為生命體之標準。此述之非生命體，是以不具移動特徵之物體為主，例如樹或電線桿。
於本實施例之生命體判斷方法200中，所述生命體以行人為例，在對照特徵F2與待測特徵F1進行比對時，圖像訊號S2係比對圖像樣本訊號S4之所述人體以兩隻腳行走時之下肢動作，且頻譜訊號S3係比對頻譜樣本訊號S5所述人體以兩隻腳行走時之下肢和軀幹的動作。所述待偵測物體，若為其他生命體(例如狗或其他動物)而非行人，或者為非生命體(如樹或電線桿)，則藉前述下肢和軀幹之表現的形體來判斷和行人之區別。
以下就本發明實施例之生命體檢測的雷達偵測系統100，以及其生命體判斷方法200，以應用於車輛行駛過程中進行待偵測物體之判斷說明如下：當一載有前述生命體檢測的雷達偵測系統100的車輛在路面行駛的過程中，如一實施例是雷達偵測模組50偵測到一為「樹」的待偵測物體時，即由點雲雷達51偵測而產生第一訊號S1A，且由微都卜勒雷達52產生第二訊號S1B，此時圖像分析單元10接收訊號S1A並進行訊號處理後便產生圖像訊號S2，此圖像訊號S2的多個取樣點P如圖5所示，包括有明顯的直軀幹部分以及位在直軀幹頂部而分布零散的取樣點P，如經由取樣點P的動態變化可見，在直軀幹部分不見有下肢移動現象而為固定不動，只有位在直軀幹頂部而分布零散的取樣點P有緩慢移動的情況；再由頻譜分析單元20接收訊號S1B並進行訊號處理後產生之頻譜訊號S3，如圖6所示僅顯現波度平緩的波形圖。因此，就此述之圖像訊號S2和頻譜訊號S3經特徵萃取部31進行特徵萃取所取得待偵測物體之待測特徵F1，在與對照特徵F2進行比對之後，有此待測特徵F1之待偵測物體並非行人或動物之生命體。再經與對照特徵F3進行比對，可以從待測特徵F1的圖像訊號S2和頻譜訊號S3的特徵判斷待偵測物體非為生命體。
在另一實施例是雷達偵測模組50偵測到一為「狗」的待偵測物體時，如前所述由圖像分析單元10接收訊號S1A並進行訊號處理後便產生圖像訊號S2，此圖像訊號S2的多個取樣點P如圖7所示，包括有高度明顯偏低的橫軀幹部分以及位在橫軀幹底部類似下肢的取樣點P，如經由取樣點P的動態變化觀察可見，在下肢部位有四隻腳交錯移動現象；再由頻譜分析單元20接收訊號S1B並進行訊號處理後產生之頻譜訊號S3，如圖8所示之波形圖，表示為橫軀幹部分的波形，以及表示為下肢的波形，均在波峰及波谷處有明顯的不規則波的產生。因此，就此述之圖像訊號S2和頻譜訊號S3經特徵萃取部31進行特徵萃取所取得待偵測物體之待測特徵F1，在與對照特徵F2進行比對之後，有此待測特徵F1之待偵測物體為生命體，更進一步的，也可依照此述圖像訊號S2和頻譜訊號S3的特徵來判斷待偵測物體為狗。
又在另一實施例是雷達偵測模組50偵測到一為「行人」的待偵測物體時，如前所述由圖像分析單元10接收訊號S1A並進行訊號處理後同樣產生圖像訊號S2，此圖像訊號S2的多個取樣點P如圖9所示，包括有直軀幹部分以及分布在直軀幹下肢和上肢處的取樣點P，如經由取樣點P的動態變化，即可明顯可見下肢有規律的移動現象；再由頻譜分析單元20接收訊號S1B並進行訊號處理後產生之頻譜訊號S3，如圖10所示之波形圖，表示為直軀幹部分的波形，以及表示為下肢的波形，此分別表示為直軀幹和下肢的兩波形均呈現規律的弦波分布。因此，就此述之圖像訊號S2和頻譜訊號S3經特徵萃取部31進行特徵萃取所取得待偵測物體之待測特徵F1，在與對照特徵F2進行比對之後，有此待測特徵F1之待偵測物體為生命體，更進一步的，也可依照此述圖像訊號S2和頻譜訊號S3的特徵來判斷待偵測物體為行人。
在此進一步說明的是，若要進一步判斷待偵測物體是否為「行人」的狀況下，在上述所舉待偵測物體為樹、狗或行人的例子中，各待測物體的特徵仍可明顯的進行判斷不論由圖像訊號S2或頻譜訊號S3，經特徵萃取部31進行特徵萃取再經匹配判定部32比對的結果，都能準確判斷待偵測物體為行人或非行人。但在某些狀況下，很有可能圖像訊號S2或頻譜訊號S3會讓樹或者是狗有非常近似於行人的表現，進而產生誤判的可能。
上述之誤判情形發生，如樹因受風吹，造成樹幹會有微幅擺動，而樹枝較為大幅擺動的情形，因而相像於人緩慢移動時：軀幹微幅擺動，四肢較為大幅擺動的狀況，因而在頻譜訊號S3的表現上會相似造成判斷上的困難；但若在圖像訊號S2的表現上，因樹的圖像會有明顯的直軀幹部分以及位在直軀幹頂部而分布零散的取樣點，在下肢部分也是明顯的僅有一個連續點狀，而不似人的下肢會有明顯的兩條腿，因此便可藉由圖像訊號S2明顯的確定待偵測物體為非行人。
而在狗的判斷機制上，當狗緩慢地朝向或背向車輛走動時，圖像訊號S2的表現上，下肢會類似行人雙腳走動的情形，僅能看到兩隻腳，甚至因下肢過於接近而僅能呈現出連續的點狀圖，無法明確的看到四隻腳，且與人類幼童高度相近，此時便無法透過圖像訊號S2明確的判斷是否為行人；但若在頻譜訊號S3的表現上，可較為明顯的判斷出四肢擺動的時間週期、形狀與行人不同，因此便可藉由頻譜訊號S3明顯的確定待偵測物體為非行人。故本發明藉由圖像訊號S2和頻譜訊號S3兩種訊號由運算處理單元30接收，經特徵萃取部31進行特徵萃取，再經匹配判定部32比對，確實可達到互補判斷的效果，大幅降低誤判的可能。
經由上述之說明不難發現本發明之主要特點在於：
1.透過運算處理單元30分別對圖像訊號S2和頻譜訊號S3並進行特徵萃取，便可進行快速且準確的判斷出是否為生命體，相較於習知利用影像判斷是否為行人而言，不需要進行複雜的演算法即可進行待測特徵之確認，也避免使用攝影機在影像擷取時因受到光線干擾而容易造成影像誤判的問題。
2.藉由特徵資料庫40的設置，讓匹配判定部32對待測特徵進行比對時，可依其歸類為生命體之對照特徵F2作為比對的標準，而使待偵測物體是否為生命體之判斷有所依據，並且，特徵資料庫40可不斷的建立歸類為生命體之對照特徵F2於生命體子資料庫41，或建立可歸類為非生命體之對照特徵F3於非生命體子資料庫42，達到人工智能化的深度學習，供匹配判定部32對待測特徵F1進行比對時，能有充足的比對樣本作為參照，提高判斷準確性。
3.利用單一個連續波雷達53所產生之訊號S1，便可供圖像分析單元10及頻譜分析單元20分別形成圖像訊號S2及頻譜訊號S3，以供特徵萃取部31進行特徵萃取，藉此達到縮小體積並且降低雷達設置成本之功效。
以上所舉實施例僅用以說明本發明而已，非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或變化，俱屬本發明意欲保護之範疇。
100:雷達偵測系統
10:圖像分析單元
20:頻譜分析單元
30:運算處理單元
31:特徵萃取部
32:匹配判定部
40:特徵資料庫
41:生命體子資料庫
42:非生命體子資料庫
50:雷達偵測模組
51:點雲雷達
52:微都卜勒雷達
F1:待測特徵
F2:對照特徵
F3:對照特徵
S1A:第一訊號
S1B:第二訊號
S2:圖像訊號
S3:頻譜訊號
S4:圖像樣本訊號
S5:頻譜樣本訊號

Claims (14)

  1. 一種生命體檢測的雷達偵測系統，包含：一圖像分析單元，接收一以雷達測得之訊號，且對該訊號進行訊號處理而產生多個取樣點以形成一圖像訊號；一頻譜分析單元，接收該訊號，且對該訊號進行訊號處理而產生一頻譜訊號；以及一運算處理單元，其與該圖像分析單元及該頻譜分析單元電性連接，該運算處理單元包含有一特徵萃取部以及一匹配判定部，該特徵萃取部接收該圖像訊號和該頻譜訊號進行特徵萃取，以取得一待偵測物體之一待測特徵，而該匹配判定部電性連接一特徵資料庫，該特徵資料庫儲存一為生命體之對照特徵，該匹配判定部存取該對照特徵，並以該匹配判定部對該待測特徵與該對照特徵進行比對。
  2. 如請求項1所述之生命體檢測的雷達偵測系統，其中，該對照特徵係以雷達偵測一生命體所取得之一圖像樣本訊號和一頻譜樣本訊號進行特徵萃取所獲得。
  3. 如請求項2所述之生命體檢測的雷達偵測系統，其中，所述生命體為人體，該對照特徵與該待測特徵進行比對時，該圖像訊號係比對該圖像樣本訊號之所述人體以兩隻腳行走時之下肢動作，且該頻譜訊號係比對該頻譜樣本訊號之所述人體以兩隻腳行走時之下肢和軀幹的動作。
  4. 如請求項1所述之生命體檢測的雷達偵測系統，其中，該運算處理單元採用長短期記憶模型(Long Short-Term Memory,LSTM)演算法之人工智能系統進行特徵萃取及比對判斷。
  5. 如請求項1所述之生命體檢測的雷達偵測系統，其中，進一步包括一雷達偵測模組偵測所述待偵測物體而產生該訊號。
  6. 如請求項5所述之生命體檢測的雷達偵測系統，其中，該雷達偵測模組包括一點雲雷達和一微都卜勒雷達，以該點雲雷達產生之訊號經由該圖像分析單元形成該圖像訊號，且以該微都卜勒雷達產生之訊號經由該頻譜分析單元產生該頻譜訊號。
  7. 如請求項5所述之生命體檢測的雷達偵測系統，其中，該雷達偵測模組具有一連續波雷達，以該連續波雷達所產生之訊號經由該圖像分析單元及該頻譜分析單元分別形成該圖像訊號及該頻譜訊號。
  8. 一種生命體檢測的雷達偵測系統之生命體判斷方法，包含：以一圖像單元接收一以雷達測得之訊號，且對該訊號進行訊號處理而產生多個取樣點以形成一圖像訊號；以一頻譜單元接收該訊號，且對該訊號進行訊號處理而產生一頻譜訊號；以一特徵萃取部對該圖像訊號和該頻譜訊號進行特徵萃取，以獲得一待偵測物體之一待測特徵；以一匹配判定部存取一為生命體之對照特徵；以及以一匹配判定部對該待測特徵和該對照特徵進行比對，以判斷該待偵測物體是否為一生命體。
  9. 如請求項8所述之生命體檢測的雷達偵測系統之生命體判斷方法，其中，該對照特徵係以雷達偵測生命體所取得之一圖像樣本訊號和一頻譜樣本訊號進行特徵萃取所獲得。
  10. 如請求項9所述之生命體檢測的雷達偵測系統之生命體判斷 方法，其中，所述生命體為人體，該對照特徵與該待測特徵進行比對時，該圖像訊號係比對該圖像樣本訊號之所述人體以兩隻腳行走時之下肢動作，且該頻譜訊號係比對該頻譜樣本訊號之所述人體以兩隻腳行走時之下肢和軀幹的動作。
  11. 如請求項8所述之生命體檢測的雷達偵測系統之生命體判斷方法，其中，該對照特徵建立於一特徵資料庫並歸類為生命體之對照特徵，以作為該匹配判定部判斷該待偵測物體為生命體之標準。
  12. 如請求項11所述之生命體檢測的雷達偵測系統之生命體判斷方法，其中，該特徵資料庫包括一生命體子資料庫和一非生命體子資料庫，前述被歸類為生命體之對照特徵儲存於該生命體子資料庫；該非生命體子資料庫則儲存被歸類為非生命體之對照特徵，以作為該匹配判定部排除該待偵測物體為生命體之標準。
  13. 一種生命體檢測雷達偵測系統之特徵資料庫建立方法，係以一生命體為對象進行一雷達訊號的收集，包含：以一圖像分析單元接收該訊號，且對該訊號進行訊號處理而產生多個取樣點而形成一圖像樣本訊號；以一頻譜分析單元接收該訊號，且對該訊號進行訊號處理而產生一頻譜樣本訊號；以及以一特徵萃取部對該圖像樣本訊號和該頻譜樣本訊號進行特徵萃取，以獲得一對照特徵，將其建立於一特徵資料庫並歸類為生命體之對照特徵。
  14. 如請求項13所述之生命體檢測雷達偵測系統之特徵資料庫建立方法，其中，該特徵資料庫包括一生命體子資料庫和一非生命體子資料庫，前述被歸類為生命體之對照特徵儲存於該生命體子資料庫；該對照特徵經比對 而判斷為非生命體者，將其建立於該非生命體子資料庫並歸類為非生命體之對照特徵。
TW109101432A 2020-01-16 2020-01-16 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 TWI809241B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW109101432A TWI809241B (zh) 2020-01-16 2020-01-16 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法
CN202011427075.XA CN113138386A (zh) 2020-01-16 2020-12-09 生命体雷达检测系统及其判断方法、特征数据库建立方法
EP21151888.1A EP3851871B1 (en) 2020-01-16 2021-01-15 Living body radar system, identification method, and feature database establishment method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109101432A TWI809241B (zh) 2020-01-16 2020-01-16 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法

Publications (2)

Publication Number Publication Date
TW202129595A TW202129595A (zh) 2021-08-01
TWI809241B true TWI809241B (zh) 2023-07-21

Family

ID=74186524

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109101432A TWI809241B (zh) 2020-01-16 2020-01-16 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法

Country Status (3)

Country Link
EP (1) EP3851871B1 (zh)
CN (1) CN113138386A (zh)
TW (1) TWI809241B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114997244B (zh) * 2022-07-19 2022-10-28 亿慧云智能科技（深圳）股份有限公司 一种基于人工智能的雷达信号特征识别管理系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180348343A1 (en) * 2017-06-05 2018-12-06 Metawave Corporation Intelligent metamaterial radar for target identification

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2315051A1 (en) * 2009-10-22 2011-04-27 Toyota Motor Europe NV Submillimeter radar using phase information
TWI466657B (zh) * 2010-12-24 2015-01-01 Ind Tech Res Inst 量測人體生理參數之方法
TWI458653B (zh) * 2011-10-25 2014-11-01 Altek Autotronics Corp 盲區偵測系統及其盲區偵測方法
SI2804014T1 (sl) * 2013-05-13 2015-09-30 Kapsch Trafficcom Ag Naprava in postopek za določanje značilnosti vozila
JP6256239B2 (ja) 2014-07-25 2018-01-10 株式会社デンソー 歩行者検出装置および歩行者検出方法
WO2016080156A1 (ja) * 2014-11-19 2016-05-26 三菱電機株式会社 レーダ装置
CN104468001B (zh) * 2014-11-26 2017-04-19 北京邮电大学 基于无线电信号频谱特征模板的信号识别方法及系统
CN105488855A (zh) * 2015-11-24 2016-04-13 东南大学 车型识别在etc系统中的应用方法及etc系统
DE102016215102A1 (de) * 2016-08-12 2017-12-07 Conti Temic Microelectronic Gmbh Fußgängererkennung mittels Radar
WO2018064764A1 (en) * 2016-10-04 2018-04-12 Avigilon Corporation Presence detection and uses thereof
DE102018203591B3 (de) * 2018-03-09 2019-07-04 Conti Temic Microelectronic Gmbh Verfahren und System zur Klassifikation von Verkehrsteilnehmern
CN108957445B (zh) * 2018-07-30 2020-08-25 四川九洲空管科技有限责任公司 一种低空慢速小目标探测方法
CN109298415B (zh) * 2018-11-20 2020-09-22 中车株洲电力机车有限公司 一种轨道和道路障碍物检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180348343A1 (en) * 2017-06-05 2018-12-06 Metawave Corporation Intelligent metamaterial radar for target identification

Also Published As

Publication number Publication date
EP3851871C0 (en) 2024-04-17
CN113138386A (zh) 2021-07-20
EP3851871B1 (en) 2024-04-17
TW202129595A (zh) 2021-08-01
EP3851871A1 (en) 2021-07-21

Similar Documents

Publication Publication Date Title
CN110992683B (zh) 一种基于动态图像感知的交叉口盲区预警方法及系统
US8682821B2 (en) Method for detection of movement of a specific type of object or animal based on radar signals
US7924212B2 (en) Method for human only activity detection based on radar signals
CN101975940B (zh) 基于分割组合的sar图像自适应恒虚警率目标检测方法
CN107662872A (zh) 乘客运输机的监测系统及其监测方法
CN110456320B (zh) 一种基于自由空间步态时序特征的超宽带雷达身份识别方法
CN107729843B (zh) 基于雷达与视觉信息融合的低地板有轨电车行人识别方法
CN113391282A (zh) 一种基于雷达多维特征融合的人体姿态识别方法
CN116148801B (zh) 一种基于毫米波雷达的目标检测方法及系统
TWI809241B (zh) 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法
CN114814832A (zh) 基于毫米波雷达的人体跌倒行为实时监测系统及监测方法
US20220026557A1 (en) Spatial sensor system with background scene subtraction
Qing et al. A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation
Ding et al. A fall detection method based on K-nearest neighbor algorithm with MIMO millimeter-wave radar
JP7081720B2 (ja) 異物検出装置、異物検出方法、およびプログラム
Domínguez et al. Multi-Objective Decision Support System for Intelligent Road Signaling
CN116561700A (zh) 基于毫米波雷达的室内人体姿态识别方法
CN112347953B (zh) 无人驾驶车辆路况不规则障碍物的识别装置
Raeis et al. InARMS: Individual activity recognition of multiple subjects with FMCW radar
Huang et al. An efficient multi-threshold selection method for lane detection based on lidar
CN103500346A (zh) 一种基于线性回归的行人识别方法
CN112329670B (zh) 无人驾驶车辆路况不规则障碍物的识别方法、计算机程序及存储介质
CN117281498B (zh) 一种基于毫米波雷达的健康风险预警方法及设备
Yao et al. Vehicle detection method based on active basis model and symmetry in ITS
Ozaki et al. Harmful Animals Detection System Utilizing Cooperative Actuation of Multiple Sensing Devices