[发明专利]一种基于毫米波雷达的人流量动态监测方法

说明书

本发明公开了一种基于毫米波雷达的人流量动态监测方法，该方法首先建立人体目标回波信号模型，通过对人体目标回波信号进行二维快速傅里叶变换处理来获得人体散射点的距离以及多普勒频率信息；接着通过恒虚警处理滤除杂波散射点，并对保留散射点进行方位角估计，获取人体目标散射点的角度信息，并使用二维坐标变换得到散射点位置，与对应多普勒频率信息一起构成点云数据；然后依据多普勒频率的正负来判断人体的运动方向，同时根据人体运动时不同部位多普勒特征的差异对点云数据进行筛选以减少干扰点数，避免基于密度的聚类算法出现虚警问题；最后在双时间点对特定区域的人员数量进行统计，并利用双时间点之间所获取的聚类结果来进一步修正人流量数据，从而解决因人体行走速度不同而引起的误判问题。

技术领域

本发明涉及一种雷达目标检测领域的毫米波雷达人流量动态监测方法，具 体涉及一种基于数据筛选和双时间点检测的毫米波雷达人流量动态监测方法。

背景技术

随着社会发展，人们的出行率不断提高，尤其是商场、车站和景区等公众 场合的人流量增加，导致安全问题日益突出。2020年新型冠状病毒肺炎席卷全 国，为了减缓疫情的传播，各地政府相继出台社交距离规定，因此对公共区域 进行人流量实时统计具有重要意义。通过实时人流量统计，可对人群进行及时 有效的分流、疏导和控制，不仅可以规避可能发生的安全事故，而且对优化公 共场合的资源配置有重要参考价值。

早期对公共场所的人流量统计主要使用人工计算的方式，该方法不能准确 统计人员数目，且人力成本高，管理复杂，不利于当下快速发展的大数据分析 及其应用。为了有效统计人流量，节约人力资本，守护公共区域安全，国内外 的学者在此基础上研究自动统计人流量方法。基于红外线传感器探测的人流量 监测方法利用发射红外线的发光二极管和感知红外线的接收二极管，实现红外 线感应，对经过感应区域的具有一定温度的目标自动计数，但是该方法应用场 景有限，不能区分目标个体的运动方向，且难以分辨多人并排行走的情况。基 于超声波探测的人流量监测方法通过对发射声波以及对其回波信号处理来实现 人体目标的位置测量，从而实现人流量的统计，但此方法作用距离有限，容易 受外界环境的干扰，存在测量盲区，因此在人流量监测应用中具有一定局限性。 随着人工智能算法的兴起，视频监控成为人流量监测的主要方式之一，目前基 于视频监控系统来统计人流量的检测追踪算法大体可分为三类：基于图像底层 特征的方法、基于特征点运动轨迹的方法以及基于运动目标的检测跟踪方法。 基于视频监控的人流量监测技术利用摄像头等光学传感器对应用环境有限制， 对于光照、烟雾等环境因素敏感度高，难以全天候工作，同时采集的监控数据 存在人员隐私泄露的风险。因此，研究如何以较高的准确率统计人流量且克服 现有人流量统计方法弊端的人流量监测方法是非常有必要的。

发明内容

实时人流量统计能对公共场合的人员进行有效管控，以避免人数过于密集 导致安全事故的发生。针对现有人流量监测方法的弊端，本发明利用毫米波雷 达体积小、成本低、分辨率高的特点，提出一种基于数据筛选和双时间点检测 的人流量动态监测方法。

本发明提供如下技术方案：

该方法首先建立人体目标回波信号模型，通过对人体目标回波信号进行二 维快速傅里叶变换(Fast Fourier Transform,FFT)处理来获得人体散射点的距离 以及多普勒频率信息；接着通过恒虚警(constant false alarm rate,CFAR)处理滤 除杂波散射点，并对保留散射点进行方位角估计，获取人体散射点目标的角度 信息，并使用二维坐标变换得到散射点位置，与对应多普勒频率信息一起构成 点云数据；然后依据多普勒频率的正负来判断人体的运动方向，同时根据人体 运动时不同部位多普勒特征的差异对点云数据进行筛选以减少干扰点数，避免 基于密度的聚类算法(density-based spatial clusteringof applications with noise, DBSCAN)出现虚警问题；最后在双时间点对特定区域的人员数量进行统计， 并利用双时间点之间所获取的聚类结果来进一步修正人流量数据，从而解决因 人体行走速度不同而引起的误判问题。本发明能够用匿名的方式以较高的正确 率统计人员的进出。