[发明专利]一种周界区域安防中虚警抑制方法及装置

说明书

本发明公开一种周界区域安防中虚警抑制方法及装置，该方法步骤包括：S1.使用雷达对目的区域内目标进行持续检测，获取连续多帧检测到的目标信息；S2.根据获取的连续多帧检测到的目标信息判断是否存在目标为处于固定位置的固定动目标，如果是，获取检测得到固定动目标的目标信息，转入步骤S3，否则返回执行S1；S3.根据检测到的固定动目标的目标信息划分出指定范围的区域作为虚警区域；S4.雷达输出检测到的目标时，过滤掉其中属于虚警区域内的目标后输出最终目标。本发明能够有效抑制周界区域安防中固定动目标的虚警产生，且具有实现操作简单、成本及计算复杂度低、执行效率高等优点。

技术领域

本发明涉及周界安防技术领域，尤其涉及一种周界区域安防中虚警抑制方法及装置。

背景技术

雷达具有出色的动目标检测能力，近年来新兴起的应用即是将雷达应用在周界区域安防的应用场景中，比如用于油库、机场、监狱等地方，雷达也以其出色的动目标检测能力体现出了突出的优势。雷达在进行检测时，是对一整片区域进行监测，即有一个检测的距离和角度范围，通常为一个扇形，检测范围内存在动目标时，都会被雷达检测到。在周界区域安防的应用场景中，雷达关注的目标仅为入侵或者移动的行人，而在该类应用场景中，常常会存在如大量的树木，在有风的天气时，树木晃动也会被雷达检测到，从而产生大量的虚警，因而需要在雷达检测到目标时区分出如晃动的树木等动目标，来减少虚警的出现。

雷达目标分类可以实现目标的类型识别，现有技术中雷达目标分类即是将模式识别和机器学习的相关知识应用到雷达目标探测中，通常都是先将目标的雷达回波信号采用短时傅里叶变换，提取出能够体现目标特性的特征信息(如微多普勒特征)，再利用支持向量机、卷积神经网络等分类器，将提取的特征代入分类器中，对输入的目标数据做出类别判定，但是该类方式需要提取如微多普勒特征等的特征信息，而微多普勒特征是在提取到多普勒特征的基础上进一步提取得到，提取过程较为复杂，会延长分类处理时间，同时采用支持向量机、卷积神经网络等分类器的计算量大、计算复杂度高，因而实现复杂、分类效率低，尤其是对雷达刷新率高的设备，雷达的刷新率为雷达的一项参数指标，刷新率越高，雷达成本越高，此时提取的微多普勒特征也越明显，因而基于微多普勒特征要实现精确雷达目标分类需要较高的成本，而由于成本的限制，通常雷达的刷新率并不能设置的很高，因此也难以达到精确的分类。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现操作简单、成本及计算复杂度低、执行效率高的周界区域安防中虚警抑制方法及装置，能够有效降低周界区域安防中如晃动的树木等固定动目标产生的虚警。

为解决上述技术问题，本发明提出的技术方案为：

一种周界区域安防中虚警抑制方法，步骤包括：

S1.雷达检测：使用雷达对目的区域内目标进行持续检测，获取连续多帧检测到的目标信息，转入执行步骤S2；

S2.固定动目标识别：根据获取的连续多帧检测到的目标信息判断是否存在目标为处于固定位置的固定动目标，如果是，获取检测到的所述固定动目标的目标信息，转入执行步骤S3，否则返回执行步骤S1；

S3.虚警区域划分：根据检测到的所述固定动目标的目标信息在目的区域中划分出指定范围的区域作为虚警区域；

S4.目标输出：雷达输出检测到的目标时，过滤掉其中属于所述虚警区域内的目标后输出最终目标。

进一步的，所述目标信息包括距离值、角度值。

进一步的，所述步骤S2中判断是否存在目标为处于固定位置的固定动目标时，查找连续多帧检测到的各距离值中重复出现次数超过阈值的距离值以及各角度值中重复出现次数超过阈值的角度值，如果查找到，判定存在所述固定动目标，以及由查找到的距离值、角度值对应得到所述固定动目标的位置信息。