[go: up one dir, main page]

CN114047503B - 活动对象检测方法、装置、电子设备和存储介质 - Google Patents

活动对象检测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114047503B
CN114047503B CN202111296057.7A CN202111296057A CN114047503B CN 114047503 B CN114047503 B CN 114047503B CN 202111296057 A CN202111296057 A CN 202111296057A CN 114047503 B CN114047503 B CN 114047503B
Authority
CN
China
Prior art keywords
detection
target
attribute information
determining
point cloud
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.)
Active
Application number
CN202111296057.7A
Other languages
English (en)
Other versions
CN114047503A (zh
Inventor
刘逸伦
熊剑
孙聪
陈翀
林进华
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111296057.7A priority Critical patent/CN114047503B/zh
Publication of CN114047503A publication Critical patent/CN114047503A/zh
Application granted granted Critical
Publication of CN114047503B publication Critical patent/CN114047503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种活动对象检测方法、装置、电子设备和存储介质，应用于对象检测技术领域，其中，方法包括：获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息；根据坐标信息确定活动对象的目标检测逻辑，目标检测逻辑指示坐标信息所在的毫米波雷达检测区域对应的检测逻辑；基于目标检测逻辑和点云信号，确定活动对象的目标属性信息。以解决现有技术中，受到毫米波雷达天线性能的影响，在大角度或较远处时，对活动对象的检测效果较差的问题。

Description

活动对象检测方法、装置、电子设备和存储介质
技术领域
本申请涉及对象检测技术领域，尤其涉及一种活动对象检测方法、装置、电子设备和存储介质。
背景技术
基于毫米波雷达的活动对象检测设备以其不受时间影响以及对隐私的保护，开始成为智能安防领域的一个重要发展方向，近些年市面上相关产品越来越多。
但是受到毫米波雷达天线性能的影响，在大角度或较远处时，对活动对象的检测效果较差。
发明内容
本申请提供了一种活动对象检测方法、装置、电子设备和存储介质，用以解决现有技术中，受到毫米波雷达天线性能的影响，在大角度或较远处时，对活动对象的检测效果较差的问题。
第一方面，本申请实施例提供了一种活动对象检测方法，包括：
获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息；
根据所述坐标信息确定所述活动对象的目标检测逻辑，所述目标检测逻辑指示所述坐标信息所在的毫米波雷达检测区域对应的检测逻辑；
基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息。
可选的，所述根据所述坐标信息确定所述活动对象的目标检测逻辑，包括：
根据所述坐标信息确定所述活动对象所在的目标检测区域，所述目标检测区域为对所述毫米波雷达所在检测空间划分得到的至少两个检测区域中的一个；
从预设的检测区域与检测逻辑的对应关系中，获取所述目标检测区域对应的目标检测逻辑。
可选的，所述检测区域是基于所述毫米波雷达的检测精度划分得到的，其中，所述检测精度小于第一精度阈值的检测区域为边缘区域，所述检测精度大于或等于所述第一精度阈值的检测区域为非边缘区域。
可选的，所述目标检测逻辑指示为所述检测区域的非边缘区域的检测逻辑；
所述基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息包括：
根据所述点云信号确定所述活动对象的初始属性信息；
确定最近确定的至少一个初始属性信息中，属性信息为指定类型的所述初始属性信息所占的百分比；
根据所述点云信号中的坐标信息确定所述活动对象的移动距离；
获取所述目标检测逻辑中的属性信息比例阈值和预设距离；
若所述百分比大于所述属性信息比例阈值并且所述移动距离大于所述预设距离，确定所述目标属性信息为指定类型，否则，确定所述目标属性信息为非指定类型。
可选的，所述目标属性信息为指定类型时，所述方法还包括：
对所述活动对象配置身份标识；
根据所述身份标识跟踪所述活动对象。
可选的，所述目标检测逻辑指示为所述检测区域的边缘区域的检测逻辑；
所述基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息，包括：
获取所述点云信号的点云数量；
获取所述目标检测逻辑中的数量阈值；
若所述点云数量大于所述数量阈值，确定所述目标属性信息为指定类型，否则，确定所述目标属性信息为非指定类型。
可选的，所述获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息之后，所述方法还包括：
判断所述坐标信息是否在预先确定的目标路径的预设范围内；
若是，确定所述活动对象的属性信息为指定类型。
可选的，确定所述目标路径的过程包括：
获取最近至少一次活动对象在所述检测区域的行动轨迹；
将所述行动轨迹中重复次数最高的行动轨迹，作为所述目标路径。
可选的，所述根据所述点云信号确定所述活动对象的初始属性信息，包括：
基于单元平均恒虚警算法对所述点云信号进行处理，得到二维傅里叶变换图像；
提取所述二维傅里叶变换图像中的图像特征；
将所述图像特征输入预先训练的属性分类模型中，通过所述预先训练的属性分类模型对所述图像特征进行分类，得到所述初始属性信息。
第二方面，本申请实施例提供了一种活动对象检测装置，包括：
获取模块，用于获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息；
第一确定模块，用于根据所述坐标信息确定所述活动对象的目标检测逻辑，所述目标检测逻辑指示所述坐标信息所在的毫米波雷达检测区域对应的检测逻辑；
第二确定模块，用于基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的活动对象检测方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的活动对象检测方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，通过获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息；根据坐标信息确定活动对象的目标检测逻辑，目标检测逻辑指示坐标信息所在的毫米波雷达检测区域对应的检测逻辑；基于目标检测逻辑和点云信号，确定活动对象的目标属性信息。如此，对于毫米波雷达在不同的检测区域配置不同的检测逻辑，在根据毫米波雷达反馈的点云数据确定活动对象在被测空间中的目标检测区域后，能够按照目标检测区域对应的目标检测逻辑，确定活动对象的目标属性信息。通过分区设置的检测逻辑，提高了活动对象检测精度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的活动对象检测方法的应用场景图；
图2为本申请一实施例提供的活动对象检测方法的流程图；
图3为本申请一实施例提供的活动对象检测方法中检测区域划分示意图；
图4为本申请另一实施例提供的活动对象检测方法的流程图；
图5为本申请一实施例提供的活动对象检测装置的结构图；
图6为本申请一实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
根据本申请一实施例提供了一种活动对象检测方法。可选地，在本申请实施例中，上述活动对象检测方法可以应用于如图1所示的由终端101和服务器102所构成的硬件环境中。如图1所示，服务器102通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器102提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。
本申请实施例的活动对象检测方法可以由服务器102来执行，也可以由终端101来执行，还可以是由服务器102和终端101共同执行。其中，终端101执行本申请实施例的活动对象检测方法，也可以是由安装在其上的客户端来执行。
以终端执行本申请实施例的活动对象检测方法为例，图2是根据本申请实施例的一种可选的活动对象检测方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
步骤201、获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息。
一些实施例中，毫米波雷达设置在被测空间内，并向被测空间内发射信号，在被测空间中出现活动对象后，会将发射信号进行反射，使得毫米波雷达能够获取到该反射信号。其中，由于活动对象具有一定的体积，因此，反射信号的数量不止一个，并且，每个反射信号均表征活动对象表面特性的点，进而，获取到的反射信号形成点云信号。
从而，毫米波雷达能够将得到的点云信号发送至终端，由终端获取到该点云信号。
步骤202、根据坐标信息确定活动对象的目标检测逻辑，目标检测逻辑指示坐标信息所在的毫米波雷达检测区域的检测逻辑。
一些实施例中，由于点云信号中携带了活动对象的坐标信息，并且，在毫米波雷达不同的检测区域，对应不同的检测逻辑，因此，可以通过坐标信息确定活动对象的目标检测逻辑。
在一个可选实施例中，根据坐标信息确定活动对象的目标检测逻辑，包括：
根据坐标信息确定活动对象所在的目标检测区域，目标检测区域为对毫米波雷达所在检测空间划分得到的至少两个检测区域中的一个；从预设的检测区域与检测逻辑的对应关系中，获取目标检测区域对应的目标检测逻辑。
一些实施例中，受到毫米波雷达天线性能的影响，在大角度或较远处时的检测效果较差，较难形成目标，因此，预先对毫米波雷达发射信号的区域划分为至少两个检测区域，并对每个检测区域配置相应的检测逻辑，得到检测区域与检测逻辑的对应关系。进而，在根据坐标信息确定活动对象所在的目标检测区域后，便能够根据上述对应关系中，获取到与目标检测区域对应的目标检测逻辑。
其中，检测区域的划分可以依据毫米波雷达的检测精度，将检测精度较高的区域与检测精度较低的区域区分开来，按照不同的检测逻辑，检测活动对象。其中，检测精度小于第一精度阈值的检测区域为边缘区域，检测精度大于或等于第一精度阈值的检测区域为非边缘区域。
优选的，参照图3，由于毫米波雷达在扇形边缘区域的衰减以及家庭检测场景一般呈矩形分布，故将图3中的矩形区域作为有效检测区域，尺寸近似为一个矩形区域。由于毫米波雷达天线的限制，θ1以外的区域为毫米波雷达的检测盲区。从而，毫米波雷达的检测范围为θ1，将检测范围θ1划分为如图3所示的六个检测区域，θ2、θ3和θ4，由于扇形区域左右两端对称，因此，在图3中扇形区域的左边与右边划分方式相同，以扇形区域的右侧为例进行具体说明。
其中，θ4区域处于检测范围的中心部分，因此，可以灵敏的检测到活动对象并分类；θ3区域处于检测范围的中部，靠近雷达部分检测效果较好，后半部分检测的活动对象容易出现丢失的情况；θ2区域处于检测范围的边缘部分，受毫米波雷达天线的限制，正常情况下不容易检测活动对象。
图3中，θ2区域为边缘区域，θ3区域和θ4区域为非边缘区域。
基于上述毫米波雷达中不同检测区域的检测情况，对各检测区域配置对应的检测逻辑，从而提高活动对象的检测精度。
步骤203、基于目标检测逻辑和点云信号，确定活动对象的目标属性信息。
一些实施例中，在确定活动对象的目标检测逻辑后，便可以基于该目标检测逻辑和点云信号，确定活动对象的目标属性信息。如此，对于毫米波雷达在不同的检测区域配置不同的检测逻辑，在根据毫米波雷达反馈的点云数据确定活动对象在被测空间中的目标检测区域后，能够按照目标检测区域对应的目标检测逻辑，确定活动对象的目标属性信息。通过分区设置的检测逻辑，提高了活动对象检测精度。
由于不同的检测区域对应的检测逻辑不同，因此，根据目标检测逻辑不同，对确定活动对象目标属性信息的检测过程，进行分开说明，
在一个可选实施例中，目标检测逻辑指示为检测区域的非边缘区域的检测逻辑；基于目标检测逻辑和点云信号，确定活动对象的目标属性信息，具体包括：
根据点云信号确定活动对象的初始属性信息；确定最近确定的至少一个初始属性信息中，属性信息为指定类型的初始属性信息所占的百分比；根据点云信号中的坐标信息确定活动对象的移动距离；获取目标检测逻辑中的属性信息比例阈值和预设距离；若百分比大于属性信息比例阈值并且移动距离大于预设距离，确定目标属性信息为指定类型，否则，确定目标属性信息为非指定类型。
一些实施例中，在活动对象处在非边缘区域时，由于非边缘区域中毫米波雷达的检测精度较高，因此，先通过点云信号确定活动对象的初始属性信息，若最近确定的至少一个初始属性信息中，属性信息为指定类型的初始属性信息所占百分比。在对最近确定的至少一个初始属性信息的过程中，可以通过点云信号中的坐标信息，得到活动对象在此过程中产生的移动距离。基于非边缘区域的目标检测逻辑，该目标检测逻辑中，活动对象的点云信息需要满足百分比大于属性信息比例阈值，并且移动距离大于预设距离时，确定活动对象的目标属性信息为指定类型。
其中，上述的百分比为属性信息为指定类型的初始属性信息的数量与至少一个初始属性信息的比值。
示例性的，以最近确定的初始属性信息的数量为5个，属性信息比例阈值为0.5，预设距离为1米为例。若属性信息为指定类型的初始属性信息的数量为3个，则可以得出百分比为3/5，该百分比大于属性信息比例阈值，若活动对象的移动距离为1.2米，确定该活动对象的目标属性信息为指定类型。
可以理解的是，若上述的非边缘区域中包括两个及以上检测区域时，可以在不同的检测区域设置不同的属性信息比例阈值。示例性的可以将上述θ3指示的检测区域的属性信息比例阈值设置为0.6，将θ4指示的检测区域的属性信息比例阈值设置为0.8。
其中，指定类型可以但不限于为生物，如人类或动物。非指定类型可以但不限于为非生物，如扫地机器人、电扇等。
进一步的，在活动对象的目标属性信息为指定类型时，该方法还包括：
对活动对象配置身份标识；根据身份标识跟踪活动对象。
一些实施例中，在确定活动对象的目标属性信息为指定类型时，为活动对象配置身份标识(ID)，通过身份标识对该活动对象进行跟踪，从而保证在毫米波雷达所在的检测空间内，活动对象能够始终被确定为指定类型，降低了活动对象检测的复杂程度。
进一步的，在毫米波雷达检测范围内有多个指定类型的活动对象时，通过调整聚类算法的阈值或通过卡尔曼滤波算法对目标ID轨迹预测可以提升一定效果。一般来说目标没有重叠的情况发生，通过上述方法可以区分每个目标。然而，整个系统更多在于检测人的存在然后与设备的联动，同为指定类型的ID交换不影响检测效果；如若发生指定类型与非指定类型的ID交换(例如，人站在未形成目标的电风扇后面，然后突然下蹲，使得人的ID留在了风扇)，可以通过定时解锁再分类的机制来避免。
其中，由于毫米波雷达在较远位置以及大角度位置检测效果不佳，这时候目标的点云数量不稳定，基于点云数量的分类算法在这种情况下很容易出现误分、错分。产品应用时需要考虑到系统的稳定性，为了保证指定类型的活动对象不反复“出现”“消失”，需要给出规则进行限制，即活动对象的锁定。
可以理解的是，在确定活动对象走出检测区域的出口后，可以对活动对象的锁定进行解锁。其中，检测区域的出口可以预先设定，将出口位置以线段形式放置于平面内，如果ID的坐标(x0,y0)超出门的范围((x1,y1)(x2,y2)形成的线段)后，为出门状态。
在一个可选实施例中，根据点云信号确定活动对象的初始属性信息，包括：
基于单元平均恒虚警算法对点云信号进行处理，得到二维傅里叶变换图像；提取二维傅里叶变换图像中的图像特征；将图像特征输入预先训练的属性分类模型中，通过预先训练的属性分类模型对图像特征进行分类，得到初始属性信息。
一些实施例中，通过提取点云信号中的图像特征的方式有多种，参见图4，LFMCW(使用线性调频连续波波形)雷达利用雷达发射信号与回波信号之间的频率差来计算目标距离与速度信息，进而使用带噪声抑制的2D-FFT(二维快速傅里叶变换)获得二维的多普勒-距离二维图像。实际过程中杂波回波与敌对噪声干扰比接收的内部噪声大很多时，会出现错误预警的情况，为了避免该情况，采用CA-CFAR(单元平均恒虚警)算法作为自适应门限提升抗干扰能力。在目标的分类过程中训练两个SVM分类器，一个是根据不同对象之间运动的距离与多普勒频移信息区分人与非人的运动目标(如扫地机器人、风扇和窗帘等)，另一个是根据人体不同身体部位(包括躯干移动、四肢摆动以及运动幅度)运动组合时的距离与多普勒频移来构成家庭成员的步态信息等，最后对点云计算上下包络线和最小多普勒之间的平均差来获得特征。
在一个可选实施例中，目标检测逻辑指示为检测区域的边缘区域的检测逻辑时，基于目标检测逻辑和点云信号，确定活动对象的目标属性信息，包括：
获取点云信号的点云数量；获取目标检测逻辑中的数量阈值；若点云数量大于数量阈值，确定目标属性信息为指定类型，否则，确定目标属性信息为非指定类型。
一些实施例中，在活动对象处在边缘区域时，由于边缘区域中毫米波雷达的检测精度较低，因此，在此区域确定活动对象属性时，可以根据点云信号的点云数量，在活动对象不同时，发生发射信号的数量也不同，因此，可以通过将点云数量大于数量阈值的活动对象的目标属性信息确定为指定类型。
在一个可选实施例中，获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息之后，方法还包括：
判断坐标信息是否在预先确定的目标路径的预设范围内；若是，确定活动对象的属性信息为指定类型。
一些实施例中，为缩短对活动对象的检测时间，在获取到活动对象的点云信号后，根据点云信号中活动对象的坐标信息，判断该坐标信息是否在目标路径的预设范围内，若在目标路径的预设范围内，先将该活动对象的属性信息确定为指定类型，在进一步根据点云信号进行进一步的检测。
其中，目标路径为活动对象活动频率较多的路径。可以根据生活经验设置该目标路径；也可以通过获取最近至少一次活动对象在检测区域的行动轨迹，将行动轨迹中重复次数最高的行动轨迹，作为目标路径。
可以理解的是，在活动对象的属性信息确定为指定类型时，可以对毫米波雷达所在区域内的家电设备进行控制。如，活动对象确定为人时，终端可以控制区域内的电灯打开，或空调打开等；或者，触发区域内的安防设备报警等。
在一个具体实施例中，该活动对象的检测方法，受到毫米波雷达天线的影响，在大角度或较远处的检测效果较差，会出现目标消失或较难形成目标的情况。为了解决这个问题，通过设置细分检测区域，用以提升目标形成的速度与精度；另外通过查询目标消失的历史数据，完成入口位置的估算。具体实现方式如下：
首先，划分检测区域：由于毫米波雷达在扇形边缘区域的衰减以及家庭检测场景一般呈矩形分布，故将图3中的矩形区域作为有效检测区域，由于雷达天线的限制，θ1以下区域为视野盲区。
其中，基础检测规则为：由毫米波雷达检测到的目标信号经过分类器进行判断，由系统储存目标最近几次分类标签，统计一段时间内“人”与“非人”标签，如连续N次为人、移动距离大于1m则判定为人，反之则判断为非人。对于频繁切换标签的情况，设置延迟直至目标稳定(判断几次分类标签是否相同)。一旦系统确定是“人”时，对目标进行锁定，直至目标走出检测区域的出口时解锁。在频繁切换标签的时候，由于此处未天线检测效果不理想的区域，以检测结果的60％的比例为准。在θ4以连续次数+移动距离为第一优先判断条件，在θ3区域是分类结果占比+移动距离为第二条件，在不容易形成目标的θ2区域以目标点数+距离作为第三条件。
然后，对理论检测区域进行细分，由于检测区域对称，仅对右半侧区域进行分析。在人为设定的矩形检测范围内，按角度分为θ1-θ4区域，其中：θ4区域可以灵敏的检测到目标并分类；θ3区域靠近雷达部分检测效果较好，后半部分目标容易出现丢失的情况；θ2区域正常情况下不容易形成目标。
因此，需要附加区域检测规则辅助系统进行检测，其中θ4区域可以正常检测，故保持原检测方法不变；θ3区域的检测条件为一段时间内“人”与“非人”的比例大于60％时即可判断为人；θ2区域需要根据聚类目标的点数进行判断，区域范围内例如风扇、空调、扫地机器人等其它“非人”目标在该区域内不容易形成目标，通过对目标聚类时的点数设置阈值，将符合条件(点数大于预设值)的目标同一划入“人”的目标，但在此区域目标不进行锁定，等目标进入θ3、θ4区域时作进一步判断。
由于毫米波雷达在较远位置以及大角度位置检测效果不佳，这时候目标的点云数量不稳定，基于点云数量的分类算法在这种情况下很容易出现误分、错分。产品应用时需要考虑到系统的稳定性，为了保证人类目标不反复“出现”、“消失”，需要给出规则进行限制，即目标锁定。
其次，目标快速形成机制：运行一段时间后，系统对“人”经过的历史路径进行统计，如果新目标出现在历史热门轨迹的边界上，则将目标先分为“人”再进行分类处理，这样可以有效缩短系统检测时间。
基于同一构思，本申请实施例中提供了一种活动对象检测装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图5所示，该装置主要包括：
获取模块501，用于获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息；
第一确定模块502，用于根据坐标信息确定活动对象的目标检测逻辑，目标检测逻辑指示坐标信息所在的毫米波雷达检测区域的检测逻辑；
第二确定模块503，用于基于目标检测逻辑和点云信号，确定活动对象的目标属性信息。
基于同一构思，本申请实施例中还提供了一种电子设备，如图6所示，该电子设备主要包括：处理器601、存储器602和通信总线603，其中，处理器601和存储器602通过通信总线603完成相互间的通信。其中，存储器602中存储有可被处理器601执行的程序，处理器601执行存储器602中存储的程序，实现如下步骤：
获取毫米波雷达发送的点云信号，点云信号中包括活动对象的坐标信息；
根据坐标信息确定活动对象的目标检测逻辑，目标检测逻辑指示坐标信息所在的毫米波雷达检测区域的检测逻辑；
基于目标检测逻辑和点云信号，确定活动对象的目标属性信息。
上述电子设备中提到的通信总线603可以时外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线603可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器602可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的活动对象检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区域分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种活动对象检测方法，其特征在于，包括：
获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息；
根据所述坐标信息确定所述活动对象的目标检测逻辑，所述目标检测逻辑指示所述坐标信息所在的毫米波雷达检测区域对应的检测逻辑；
基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息；
其中，所述检测逻辑包括所述检测区域的非边缘区域的检测逻辑和所述检测区域的边缘区域的检测逻辑；所述检测区域的非边缘区域的检测逻辑为：
所述基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息包括：
根据所述点云信号确定所述活动对象的初始属性信息；
确定最近确定的至少一个初始属性信息中，属性信息为指定类型的所述初始属性信息所占的百分比；
根据所述点云信号中的坐标信息确定所述活动对象的移动距离；
获取所述目标检测逻辑中的属性信息比例阈值和预设距离；
若所述百分比大于所述属性信息比例阈值并且所述移动距离大于所述预设距离，则确定所述目标属性信息为指定类型，否则，确定所述目标属性信息为非指定类型。
2.根据权利要求1所述的活动对象检测方法，其特征在于，所述根据所述坐标信息确定所述活动对象的目标检测逻辑，包括：
根据所述坐标信息确定所述活动对象所在的目标检测区域，所述目标检测区域为对所述毫米波雷达所在检测空间划分得到的至少两个检测区域中的一个；
从预设的检测区域与检测逻辑的对应关系中，获取所述目标检测区域对应的目标检测逻辑。
3.根据权利要求2所述的活动对象检测方法，其特征在于，所述检测区域是基于所述毫米波雷达的检测精度划分得到的，其中，所述检测精度小于第一精度阈值的检测区域为边缘区域，所述检测精度大于或等于所述第一精度阈值的检测区域为非边缘区域。
4.根据权利要求1所述的活动对象检测方法，其特征在于，所述目标属性信息为指定类型时，所述方法还包括：
对所述活动对象配置身份标识；
根据所述身份标识跟踪所述活动对象。
5.根据权利要求1-3任一项所述的活动对象检测方法，其特征在于，所述检测区域的边缘区域的检测逻辑为：
所述基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息，包括：
获取所述点云信号的点云数量；
获取所述目标检测逻辑中的数量阈值；
若所述点云数量大于所述数量阈值，则确定所述目标属性信息为指定类型，否则，确定所述目标属性信息为非指定类型。
6.根据权利要求1所述的活动对象检测方法，其特征在于，所述获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息之后，所述方法还包括：
判断所述坐标信息是否在预先确定的目标路径的预设范围内；
若是，确定所述活动对象的属性信息为指定类型。
7.根据权利要求6所述的活动对象检测方法，其特征在于，确定所述目标路径的过程包括：
获取最近至少一次活动对象在所述检测区域的行动轨迹；
将所述行动轨迹中重复次数最高的行动轨迹，作为所述目标路径。
8.根据权利要求1所述的活动对象检测方法，其特征在于，所述根据所述点云信号确定所述活动对象的初始属性信息，包括：
基于单元平均恒虚警算法对所述点云信号进行处理，得到二维傅里叶变换图像；
提取所述二维傅里叶变换图像中的图像特征；
将所述图像特征输入预先训练的属性分类模型中，通过所述预先训练的属性分类模型对所述图像特征进行分类，得到所述初始属性信息。
9.一种活动对象检测装置，其特征在于，包括：
获取模块，用于获取毫米波雷达发送的点云信号，所述点云信号中包括活动对象的坐标信息；
第一确定模块，用于根据所述坐标信息确定所述活动对象的目标检测逻辑，所述目标检测逻辑指示所述坐标信息所在的毫米波雷达检测区域对应的检测逻辑；
第二确定模块，用于基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息；
其中，所述检测逻辑包括所述检测区域的非边缘区域的检测逻辑和所述检测区域的边缘区域的检测逻辑；所述检测区域的非边缘区域的检测逻辑为：
所述基于所述目标检测逻辑和所述点云信号，确定所述活动对象的目标属性信息包括：
根据所述点云信号确定所述活动对象的初始属性信息；
确定最近确定的至少一个初始属性信息中，属性信息为指定类型的所述初始属性信息所占的百分比；
根据所述点云信号中的坐标信息确定所述活动对象的移动距离；
获取所述目标检测逻辑中的属性信息比例阈值和预设距离；
若所述百分比大于所述属性信息比例阈值并且所述移动距离大于所述预设距离，则确定所述目标属性信息为指定类型，否则，确定所述目标属性信息为非指定类型。
10.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1-8任一项所述的活动对象检测方法。
11.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的活动对象检测方法。
CN202111296057.7A 2021-11-03 2021-11-03 活动对象检测方法、装置、电子设备和存储介质 Active CN114047503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111296057.7A CN114047503B (zh) 2021-11-03 2021-11-03 活动对象检测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111296057.7A CN114047503B (zh) 2021-11-03 2021-11-03 活动对象检测方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN114047503A CN114047503A (zh) 2022-02-15
CN114047503B true CN114047503B (zh) 2024-06-14

Family

ID=80206996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111296057.7A Active CN114047503B (zh) 2021-11-03 2021-11-03 活动对象检测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114047503B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115327497B (zh) * 2022-08-12 2023-10-10 南京慧尔视软件科技有限公司 雷达检测范围确定方法、装置、电子设备及可读介质
CN117079465A (zh) * 2023-09-11 2023-11-17 山东交通学院 一种用于高速公路的行驶车辆安全预警方法与系统
CN118091634A (zh) * 2024-04-17 2024-05-28 深圳迈睿智能科技有限公司 近区可调的抗近区干扰微波探测装置及其遥控调节方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415018A (zh) * 2018-03-27 2018-08-17 哈尔滨理工大学 一种基于毫米波雷达检测的目标存在性分析方法
CN111114548A (zh) * 2019-12-04 2020-05-08 福瑞泰克智能系统有限公司 一种车辆探测方法、装置、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017044567A (ja) * 2015-08-26 2017-03-02 株式会社東芝 レーダ装置
JP6571545B2 (ja) * 2016-01-19 2019-09-04 パナソニック株式会社 物体検出装置および物体検出方法
CN111932943B (zh) * 2020-10-15 2021-05-14 深圳市速腾聚创科技有限公司 动态目标的检测方法、装置、存储介质及路基监测设备
CN112396791A (zh) * 2020-11-26 2021-02-23 珠海格力电器股份有限公司 入侵行为的报警方法和装置、存储介质、电子装置
CN113344917B (zh) * 2021-07-28 2021-11-23 浙江华睿科技股份有限公司 一种检测方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415018A (zh) * 2018-03-27 2018-08-17 哈尔滨理工大学 一种基于毫米波雷达检测的目标存在性分析方法
CN111114548A (zh) * 2019-12-04 2020-05-08 福瑞泰克智能系统有限公司 一种车辆探测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114047503A (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN114047503B (zh) 活动对象检测方法、装置、电子设备和存储介质
US20220252712A1 (en) Human Detection Method and Device, Electronic Apparatus and Storage Medium
Stephan et al. Radar-based human target detection using deep residual u-net for smart home applications
Li et al. Robust human targets tracking for MIMO through-wall radar via multi-algorithm fusion
JP2020071226A (ja) 転倒検出方法及び装置
US20170026860A1 (en) Device and method for detecting high wind weather events using radio emissions
Lim et al. Detection and localization of people inside vehicle using impulse radio ultra-wideband radar sensor
CN111239728A (zh) 一种基于毫米波雷达的乘客计数方法及系统
CN111983595A (zh) 一种室内定位的方法及装置
Li et al. Indoor multihuman device-free tracking system using multiradar cooperative sensing
Sim et al. Road environment recognition for automotive FMCW radar systems through convolutional neural network
CN113093174B (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法
CN110706436A (zh) 基于雷达的监控方法、终端和计算机可读介质
CN111722196A (zh) 雷达反射点提取方法和装置
CN119355666A (zh) 目标检测方法及装置、集成电路、电磁波传感器及终端设备
CN112859059A (zh) 目标检测与跟踪系统和方法
Khawaja et al. UWB radar based beyond wall sensing and tracking for ambient assisted living
CN114942416B (zh) 一种状态识别方法及装置
US20240004055A1 (en) Radar Device and Method of Operating a Radar Device
Jiang et al. Continuous tracking of indoor human targets based on millimeter wave radar
TWI772208B (zh) 基於毫米波雷達的人數偵測方法
CN114037044A (zh) 人员计数方法、装置、电子设备以及存储介质
Fernandes et al. Wi-Fi intruder detection
WO2021007760A1 (zh) 身份识别方法、终端设备及计算机存储介质
CN114280568A (zh) 墙体的轮廓识别方法及装置

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