[发明专利]基于毫米波感知的追踪目标状态识别方法和装置

权利要求书

1.一种基于毫米波感知的追踪目标状态识别方法，其特征在于，该方法包括以下步骤：

基于毫米波雷达接收到的毫米波信号实时获取点云数据，所述点云数据包括各个检测点的空间坐标数据、多普勒速度信息和信噪比；

基于获得的点云数据进行目标追踪，确定追踪目标的空间坐标数据；

对预定长度的时间窗口内的、与所述追踪目标相关的点云数据按帧进行数据拆分，基于拆分的数据生成各帧数据对应的多维数据矩阵，所述多维数据矩阵至少包括多个属性的数据，所述多个属性的数据包括空间坐标属性以及以下属性中的至少一种：多普勒速度属性和信噪比属性；

将各帧数据对应的多维数据矩阵输入至预训练的神经网络模型，输出追踪目标状态预测结果，其中所述预训练的神经网络模型包括通道数与所述多维数据矩阵中数据的属性数相同的多通道的多层卷积层、LSTM网络层和全连接分类器；各帧数据对应的多维数据矩阵中各个属性的数据分别输入至相应通道的多层卷积层，并输出各帧对应的特征序列作为所述LSTM网络层的输入，所述LSTM网络层的输出经融合后输入至所述全连接分类器，以由所述全连接分类器输出追踪目标的状态的预测结果，所述追踪目标的状态包括多种动作状态；

基于所述追踪目标状态预测结果和预先建立的有限状态机确定追踪目标的最终状态。

2.根据权利要求1所述的方法，其特征在于，所述多层卷积层输出的各帧对应的特征序列为一维特征序列，所述全连接分类器输出追踪目标的状态的预测结果为各动作状态的预测概率值。

3.根据权利要求1所述的方法，其特征在于，所述动作状态选自以下状态中的部分或全部：站、跌、走、跑、跳、坐和躺。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：神经网络模型训练步骤。

5.根据权利要求1所述的方法，其特征在于，所述多维数据矩阵的中心坐标为追踪目标的空间坐标，所述基于拆分的数据生成各帧数据对应的多维数据矩阵包括：

在当前帧的点云数据中的检测点的数量小于预定数目时，使用距离当前帧的目标中心点最近的前一帧的部分检测点进行空缺数据填充，直至当前帧的点云数据中的检测点的数量达到所述预定数目。

6.根据权利要求2所述的方法，其特征在于，所述预先建立的有限状态机中含有以各动作状态为节点的各状态之间的变换关系以及状态预测概率最小阈值。

7.根据权利要求6所述的方法，其特征在于，所述基于所述追踪目标状态预测结果和预先建立的有限状态机确定追踪目标的最终状态包括：

所述追踪目标的最终状态为符合状态之间的变换关系且预测概率值大于预设的概率阈值的状态，或者为不改变的状态。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于有限状态机确定的追踪目标的最终状态，产生提示信息和/或向通信终端发送提示信息。

9.一种基于毫米波感知的追踪目标状态识别装置，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。