[发明专利]毫米波雷达目标识别方法

权利要求书

1.一种毫米波雷达目标识别方法，其特征在于，包括：

获取毫米波雷达输出的多个运动点云数据；

对所述多个运动点云数据进行处理，得出多个候选目标，所述多个候选目标包括活动人员目标和运动物体目标；

获取所述多个候选目标的特征数据，并基于所述多个候选目标的特征数据构建特征向量；

构建分类器，将所述特征向量输入所述分类器识别所述多个候选目标中的活动人员目标与运动物体目标。

2.根据权利要求1所述的方法，其特征在于，所述多个运动点云数据的云数据包括每个运动点的坐标、速度和信噪比，所述对所述多个运动点云数据进行处理，得出多个候选目标包括：

根据所述每个运动点的坐标、速度和信噪比，对所述多个运动点云数据进行聚类处理，得出多个目标集群；

对所述多个目标集群进行连续稳定判断，得出所述多个候选目标。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每个运动点的坐标和速度对所述多个运动点云数据进行聚类处理，得出多个目标集群包括：

选取每一个未进行目标集群划分且未访问的目标运动点，获取与所述目标运动点坐标之差在设定阈值内，且与所述目标运动点速度之差在设定阈值内的邻域；

如果在所述邻域内运动点的数量大于设定数量，则将所述目标运动点与所述邻域内的其他运动点作为一个新集群，得到多个新集群；

确定所述多个新集群中每个新集群包含的运动点的信噪比之和；

选取所述多个新集群中信噪比之和大于设定阈值的集群，得到所述多个目标集群。

4.根据权利要求2所述的方法，其特征在于，所述将所述目标运动点与所述邻域内的其他运动点作为一个新集群包括：

将所述目标运动点标记为所述一个新集群的第一个运动点；

将所述第一个运动点的邻域内的全部运动点标记为属于所述一个新集群，对所述一个新集群中全部运动点进行邻域提取，并将邻域提取获得的运动点标记为属于所述一个新集群。

5.根据权利要求3或4所述的方法，其特征在于，如果在所述邻域内运动点数量小于设定数量，则将所述目标运动点记为噪声点。

6.根据权利要求3或4所述的方法，其特征在于，所述坐标之差的阈值为0.15m，所述速度之差的阈值为1m/s。

7.根据权利要求2至4中任一项所述的方法，其特征在于，所述对所述多个目标集群进行连续稳定判断，得出所述多个候选目标包括：

确定所述多个目标集群中单个目标集群的上一帧中所有运动点的邻域的并集；

将当前帧中落入所述并集的运动点，标记为属于所述单个目标集群的运动点；

获取所述标记为属于所述单个目标集群的运动点的信噪比，与所述单个目标集群中所有运动点的信噪比之和；

获取所述信噪比之和大于设定阈值的目标集群，得出所述多个候选目标。

8.根据权利要求7所述的方法，其特征在于，所述设定阈值为100dB。

9.根据权利要求1至4中任一项所述的方法，其特征在于，所述多个候选目标的特征数据包括以下至少一项：

所述多个候选目标在设定的连续一段时间内关联的平均点云个数；

所述多个候选目标在设定的连续一段时间内关联的点云个数的标准差；

所述多个候选目标在设定的连续一段时间内的平均速度；

所述多个候选目标在设定的连续一段时间内的速度的标准差；

所述多个候选目标在设定的连续一段时间内的平均尺寸；

所述多个候选目标在设定的连续一段时间内的尺寸的标准差；

所述多个候选目标在设定的连续一段时间内的平均信噪比；

所述多个候选目标在设定的连续一段时间内的信噪比的标准差；

所述多个候选目标从产生之时至当前时刻距离最近的房间边界的最大值；

所述多个候选目标从产生之时至当前时刻距离诞生点的最大移动距离；

所述多个候选目标从产生之时至当前时刻的最大尺寸。

10.根据权利要求1至4中任一项所述的方法，其特征在于，所述构建分类器包括：

采集已知类别的多个目标特征向量，标记每个目标特征向量的类别后，将所述多个目标特征向量随机划分为验证集和训练集；

对所述训练集进行训练生成决策树，根据验证集对所述决策树进行剪枝，得到所述分类器。