[发明专利]基于时-距包围盒目标截取的多目标分割方法、步态识别方法、装置、系统和存储介质

权利要求书

1.一种基于时-距包围盒目标截取的超宽带雷达多目标分割方法，其特征在于，包括以下步骤：

采集超宽带雷达回波信号，形成元素值为回波信号强度、横纵坐标分别表示慢时间轴和快时间轴的回波信号矩阵，每个慢时间点对应的所有回波信号强度形成一个雷达帧；

根据回波信号矩阵中回波信号强度的分布状态计算时-距包围盒以框选出多个目标区域，包括：对回波信号矩阵进行帧间差分滤波和边界平滑处理，得到连通图；将连通图沿着慢时间轴等间隔分割成多个子图后，对每个子图内部所有像素点基于像素值进行聚类，确定聚类中心作为目标点；依据相邻子图中对应目标点确定目标轨迹，基于目标轨迹计算时-距包围盒；其中，该时-距包围盒为能够包围某个区域信号以实现快、慢时间轴分割的边界，计算过程为：

针对属于同一目标的相邻两个目标点，将这两个目标点作为左右基准点，然后结合雷达帧的最大宽度沿快时间轴和慢时间轴分割回波信号矩阵，推理得到时-距包围盒的四个顶点B_lt、B_lb、B_rt、B_rb的坐标为：

其中，i为子图的索引，j为目标点的索引，d为分割间隔，w为雷达帧的最大宽度，n和m表示短时间轴和长时间轴坐标。

2.如权利要求1所述的基于时-距包围盒目标截取的超宽带雷达多目标分割方法，其特征在于，在确定目标轨迹之前，根据回波信号矩阵中雷达帧的最大宽度判断子图中多个目标点之间是否被遮挡，并筛选未遮挡的目标点用于确定目标轨迹。

3.如权利要求1或2所述的基于时-距包围盒目标截取的超宽带雷达多目标分割方法，其特征在于，所述边界平滑处理包括：对回波信号矩阵进行灰度拉伸、自适应阈值二值化以及形态学处理，得到连通图。

4.如权利要求1或2所述的基于时-距包围盒目标截取的超宽带雷达多目标分割方法，其特征在于，所述依据相邻子图中对应目标点确定目标轨迹包括：针对所有用于确定目标轨迹的目标点，认为相邻多张子图中用于区分目标点的标识相同的目标点属于同一目标，将属于同一目标的所有目标点按照慢时间轴连接形成目标轨迹。

5.一种基于时-距包围盒目标截取的超宽带雷达多目标步态识别方法，其特征在于，包括以下步骤：

利用权利要求1～4所述的基于时-距包围盒目标截取的超宽带雷达多目标分割方法对采集的回波信号矩阵进行目标分割，获得目标区域；

利用基于深度学习构建的多目标识别模型对每个目标区域对应的子回波信号矩阵进行步态识别，以获得目标步态识别结果。

6.根据权利要求5所述的基于时-距包围盒目标截取的超宽带雷达多目标步态识别方法，其特征在于，对目标区域进行特征预提取，预提取的步态特征输入至多目标识别模型中，多目标识别模型对步态特征进行步态识别得到目标步态识别结果，其中，采用MTI方法提取目标区域的步态特征。