[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

说明书

本发明公开了一种基于时‑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，包括：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，所述时‑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；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，实现基于超宽带雷达回波信号的多目标步态识别。

技术领域

本发明属于目标识别领域，具体涉及一种基于时-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。

背景技术

在环境辅助生活(Ambient Assisted Living,AAL)领域，识别人体身份是AAL系统为特定用户提供针对性服务的基础，而步态特征是识别身份的一种有效手段。相较于摄像头这种传统步态特征捕捉设备，雷达同样可以捕捉步态特征，且具有隐私泄露风险小、不受光照条件限制等优点。在多种体制的雷达中，超宽带(UWB)雷达抗干扰能力强、目标检测能力高，更适合用于捕捉人体目标自由行走时在回波信号的主频率周围产生的额外频率分量。因此，超宽带雷达是家庭场景中较为理想的步态特征采集设备。

目前开展的雷达步态识别研究一般由数据表示与识别算法建模组成，前者的目的是从雷达回波中提取人体步态特征，后者则利用步态特征建立识别模型、判断目标身份。典型的数据表示方法有STFT、慢时间分割等，它们都是针对单人情况的频域表示方法，以往研究将这些表示方法与视觉模式分类算法、长短期记忆网络等识别算法相结合，实现了多种单人步态识别方法，如公开号为CN110456320A的专利申请公开了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，再如公开号为CN110133610A的专利申请公开了一种基于时变距离-多普勒图的超宽带雷达动作识别方法。

问题在于，上述表示方法不具备多人情况下分割目标的能力，但在实用场景中人体目标数量不一定唯一，多人步态识别更具实用意义。为实现多人步态识别，需要特定的数据表示方法，并结合与之适配的识别算法。

发明内容

鉴于上述，本发明的目的是提供一种基于时-距包围盒(Time-Range BoundingBox，TRBB)目标截取的目标分割方法、步态识别方法、装置、系统和存储介质，在基于回波信号分布状态截取目标区域的基础上，实现基于超宽带雷达回波信号的多目标步态识别。

为实现上述发明目的，本发明提供以下技术方案：

第一方面，本发明实施例提供了一种基于时-距包围盒目标截取的超宽带雷达多目标分割方法，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，所述时-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。

第二方面，本发明实施例提供了一种基于时-距包围盒目标截取的超宽带雷达多目标步态识别方法，包括以下步骤：

利用第一方面所述的基于时-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。

第三方面，本发明实施例提供一种基于时-距包围盒目标截取的超宽带雷达多目标步态识别装置，包括：