CN110618465B - 物品检测方法和装置 - Google Patents
物品检测方法和装置 Download PDFInfo
- Publication number
- CN110618465B CN110618465B CN201810563044.3A CN201810563044A CN110618465B CN 110618465 B CN110618465 B CN 110618465B CN 201810563044 A CN201810563044 A CN 201810563044A CN 110618465 B CN110618465 B CN 110618465B
- Authority
- CN
- China
- Prior art keywords
- signal
- detected
- article
- predetermined number
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 107
- 238000005070 sampling Methods 0.000 claims description 39
- 230000009467 reduction Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 21
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000013056 hazardous product Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V5/00—Prospecting or detecting by the use of ionising radiation, e.g. of natural or induced radioactivity
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种物品检测方法和装置,其中,该方法包括:收发单元向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,该待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;该预定距离根据该待检测物品和该收发单元的距离确定;根据从该特征信号中提取的特征确定该待检测物品中所包含的物品。由此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种物品检测方法和装置。
背景技术
近年来,公共场所的安全问题越来越受到人们的重视,如何对诸如管制器具、易燃易爆品等危险品进行检测成为重要的问题。目前,针对危险品的检测装置广泛应用于机场、火车站、地铁站、体育场等各种人员密集场合,危险品检测装置可以分为两个类型:接触式和非接触式。接触式检测装置需要将可疑物品(例如装有液体的瓶子)放置在检测装置上进行检测,而非接触式检测装置能够在可疑物移动到距离检测装置一定范围内即启动检测并分辨可疑物是否属于危险品。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
目前针对非接触式检测装置,常见的检测方法之一是X射线探测方法,但是该方法成本通常较高,长期使用将会对工作人员的身体健康造成影响;另外,由于不同物品的材质不同,因此其反射特性也会存在差异,这样的差异,可以用于物品的检测,即可以通过设置传感器向待检测物品发射信号,利用待检测物品的反射信号的强度来实现物体检测;但由于危险品常常被藏匿于人身上,因此,传感器接收到的反射信号的强度会受到人体的干扰,从而无法准确地反映待检测物品的反射特性,进而导致待检测物品的漏检、误检。
本发明实施例提出了一种物品检测方法和装置,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
根据本发明实施例的第一个方面,提供了一种物品检测装置,其中,该装置包括:收发单元、处理单元、确定单元;
该收发单元向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元的距离确定;
确定单元,其用于根据从该特征信号中提取的特征确定该待检测物品中所包含的物品。
根据本发明实施例的第二个方面,提供了一种物品检测方法,其中,该方法包括:
收发单元向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,该待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;
对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元的距离确定;
根据从该特征信号中提取的特征确定该待检测物品中所包含的物品。
本发明实施例的有益效果在于,利用藏匿于人身上的物品随着人的行走而产生的摆动对该物品的反射信号的影响,来进行物品的检测,因此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大或缩小。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
在附图中:
图1是本实施例1中物品检测装置的示意图;
图2是该微波传感器发射信号示意图;
图3是本实施例1中待检测物品摆动示意图;
图4是本实施例1中处理单元构成示意图;
图5是本实施例1中确定单元构成示意图;
图6A是本实施例1中微多普勒图;
图6B是本实施例1中微多普勒频谱降噪处理示意图;
图6C-6D是本实施例1中提取特征示意图;
图7-8是本实施例1中***以及手机对应的微多普勒图;
图9是本实施例2中物品检测装置的硬件构成示意图;
图10是本实施例3中物品检测方法流程图;
图11是本实施例3中步骤1102实施方法流程图;
图12是本实施例3中步骤1103实施方法流程图。
具体实施方式
参照附图,通过下面的说明书,本发明实施例的前述以及其它特征将变得明显。这些实施方式只是示例性的,不是对本发明的限制。为了使本领域的技术人员能够容易地理解本发明的原理和实施方式,本发明实施例以发射微波信号为例进行说明,但可以理解,本发明实施例并不限于发射微波信号。
下面参照附图对本发明的具体实施方式进行说明。
实施例1
本实施例1提供一种物品检测装置;图1是该物品检测装置构成示意图,如图1所示,装置100包括:收发单元101、处理单元102、确定单元103;
该收发单元101向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;
处理单元102,其用于对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元101的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元101的距离确定;
确定单元103,其用于根据从该特征信号中提取的特征确定该待检测物品中所包含的物品。
通过本实施例的上述装置,利用藏匿于人身上的物品随着人的行走而产生的摆动对该物品的反射信号的影响,来进行物品的检测,因此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
在本实施例中,收发单元101具有发射信号和接收信号的功能,可由微波传感器实现。例如,收发单元101是工作在24.05GHz~24.25GHz的微波传感器,其向待检测物品发射微波(例如毫米波)信号,例如调频连续波(Frequency-modulated Continuous Wave,FMCW),但本实施例并不以此作为限制,该收发单元101还可以是除微波传感器之外的其他传感器或者使用了除多普勒雷达技术外的微波传感器,例如,该收发单元101还可以是工作在Ka波段27GHz~40GHz的微波设备,或者该收发单元101也可以是太赫兹设备,此处不再一一列举。
例如,在该收发单元101是以连续调频(Frequency-modulated Continuous Wave,FMCW)方式工作的微波传感器时,图2是该FWCW方式工作的发射信号示意图,该FMCW信号为锯齿形,如图2所示,B表示发射信号的频率在一个周期内的变化量(调频带宽),该频率在一周期内呈线性变化,频率最小为f0,频率最大为fT,T表示周期的长度,以下为了方便说明,将一个周期称为一个chirp,将第二预定数量(m)个chirp称为一个帧(frame)。
在本实施例中,收发单元101的距离分辨率dres可以根据该发射信号的调频带宽B以及光速c确定,即dres=c/2B,对应的速度分辨率为vres=λ/2Tf,Tf表示一个帧的时间长度,等于mT,以上仅为示例说明,本实施例并不以此作为限制。
在本实施例中,该待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;该径向是指待检测物品朝向收发单元的方向;图3是该待检测物品摆动示意图,如图3所示,待检测物品相对预定轴做摆动,摆动时,该待检测物品在该轴的两侧分别沿A轴和与A轴径向相反的B轴运动,该摆动可以是多次往复运动,也可以仅为单次沿A轴和与A轴径向相反的B轴运动,本实施例并不以此作为限制,其中,可以是由驱动部产生驱动力控制该待检测物品摆动,也可以是将该待检测物品放置在人身体上,随着人的行走使该待检测物品摆动,本实施例并不以此作为限制。
在本实施例中,收发单元101接收经过待检测物品反射得到的反射信号,该反射信号和发射信号具有频差,该频差与收发单元和该待检测物品的距离成正比,对该发射信号和反射信号进行处理,获得基带信号,其中,在待检测物品相对收发单元101有径向速度时,该基带信号的频率在变化,在变化的频率中,包含了该速度以及待检测物品和收发单元的距离信息,通过进行二维傅里叶变换(2D-FFT),可以得到该速度和距离信息,即获得该特征信号,其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元101的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元101的距离确定。
以下对该处理单元102如何对该发射信号和反射信号进行处理获得特征信号进行说明。
图4是该处理单元102一构成示意图,如图4所示,该处理单元102包括:
预处理模块401,其用于将该发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,该发射信号是周期信号;其中,一个基带信号矩阵的行数等于该第二预定数量,每一行表示一个周期的采样点的基带信号值;该基带信号矩阵的列数等于第三预定数量,该第三预定数量为基带信号在一个周期内的采样点的数量;
变换模块402,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与该第三预定数量个距离分别对应的该第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与该第三预定数量个距离分别对应的该第二预定数量个速度值对应的信号强度值的第二信号矩阵;
选择模块403,其用于针对每个第二信号矩阵,从该第三预定数量个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
在本实施例中,根据前述可知,发射信号和反射信号具有频差,预处理模块401将具有不同频率的发射信号和反射信号进行混频处理,再经过模数转换器转换为第一预定数量个基带信号矩阵,其中,该第一预定数量n可以为一个或至少两个,每个帧对应一个基带信号矩阵,每个基带信号矩阵的行数为第二预定数量,等于一个帧包含的chirp的数量m,该基带信号矩阵的列数等于第三预定数量,等于基带信号在一个周期内的采样点的数量k;每一行表示一个chirp内的采样点的基带信号值,其中,m,n和k的值可以根据需要确定,本实施例并不以此作为限制,该一个基带信号矩阵如下所示:
在本实施例中,变换模块402对每个基带信号矩阵进行二维傅里叶变换,即先逐行进行傅里叶变换后,得到第一信号矩阵,每个第一信号矩阵具体如下所示:
在该第一信号矩阵中,包含与该第三预定数量个距离分别对应的该第二预定数量个信号强度值,即包含第三预定数量乘以第二预定数量个信号强度值,其中,该第一信号矩阵的列数与与基带信号矩阵的列数k相同,每一列信号强度值对应一个距离,该第三预定数量个距离等于距离分辨率的整倍数,每一列对应的倍数等于该列所在的列序号,例如第1列信号强度值对应的距离为1倍的距离分辨率,第k列信号强度值对应的距离为k倍的距离分辨率,该第一信号矩阵的行数与基带信号矩阵的行数m相同。
在本实施例中,由于变换模块402对第一预定数量个基带信号矩阵中的每个基带信号矩阵进行上述处理,得到第一预定数量个第一信号矩阵。
在本实施例中,变换模块402在逐行完成傅里叶变换后,再对每个第一信号矩阵逐列进行傅里叶变换,得到第二信号矩阵,每个第二信号矩阵具体如下:
在该第二信号矩阵中,包含与该第三预定数量个距离分别对应的该第二预定数量个速度值对应的信号强度值的第二信号矩阵;即包含第三预定数量乘以第二预定数量个信号强度值,其中,该第二信号矩阵的列数与基带信号矩阵的列数k相同,每一列信号强度值对应一个距离,该第三预定数量个距离等于距离分辨率的整倍数,每一列对应的倍数等于该列所在的列序号,例如第1列信号强度值对应的距离为1倍的距离分辨率,第k列信号强度值对应的距离为k倍的距离分辨率,该第一信号矩阵的行数与基带信号矩阵的行数m相同,每一行信号强度值对应一个速度值,该第二预定数量个速度值等于速度分辨率的整倍数,每一行对应的倍数等于该行所在的行序号,例如第1行信号强度值对应的速度值为1倍的速度分辨率,第m行信号强度值对应的速度值为m倍的速度分辨率。
在本实施例中,由于变换模块402对第一预定数量个第一信号矩阵中的每个第一信号矩阵进行上述处理,得到第一预定数量个第二信号矩阵。
在本实施例中,该二维傅里叶变换(例如二维快速傅里叶变换)的具体变换公式可以参考现有技术,此处不再赘述。
在本实施例中,该选择模块403针对每个第二信号矩阵,从该第三预定数量个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号,其中,该预定距离根据该待检测物品和该收发单元101的距离确定。
在本实施例中,在该待检测物品和收发单元101的距离等于距离分辨率的整倍数时,该预定距离等于该待检测物品和该收发单元101的距离,在该待检测物品和收发单元101的距离不等于距离分辨率的整倍数时,该预定距离等于最接近该待检测物品和该收发单元101的距离的距离分辨率的整倍数,例如待检测物品和收发单元101的距离等于dres时,选择模块403从该第二信号矩阵中,选择与dres对应的一组速度值对应的强度值,即选择第1列信号强度值,例如待检测物品和收发单元101的距离等于2×dres时,选择模块403从该第二信号矩阵中,选择与2×dres对应的一组速度值对应的强度值,即选择第2列信号强度值,例如待检测物品和收发单元101的距离等于1.8×dres时,选择模块403从该第二信号矩阵中,选择最接近1.8×dres的距离分辨率的整倍数即2×dres对应的一组速度值对应的强度值,即选择第2列信号强度值,以上仅为示例说明。
在本实施例中,在该第一预定数量为1时,该一个第二信号矩阵中选择出的一列信号强度值作为特征信号,该一列信号强度值包含第二预定数量m个速度值,该m个速度值分别等于径向速度分辨率的整倍数,且m个速度值对应的倍数不同,分别为1,2,…,m,该一列信号强度值对应的距离等于预定距离。
在本实施例中,在该第一预定数量n大于1时,选择模块403分别从n个第二信号矩阵(每个第二信号矩阵对应一帧frame)中选择一列信号强度值(选择方式相同,如上所述,此处不再赘述),将选择的n列信号强度值合并构成特征矩阵,作为该特征信号,该特征矩阵的列数等于n,该特征矩阵的行数等于该第二预定数量m,该特征矩阵的每一列对应从一个第二信号矩阵中选择的该第二预定数量个速度值对应的信号强度值,该特征矩阵如下所示:
需要说明的是,为了方便说明,图4中的各个模块将信号转换为矩阵形式进行变换和处理,但本实施例并不以此,也可以不需要将该基带信号采样并转换为矩阵形式,直接按照公式进行二维傅里叶变换(参考现有技术),并选择预定距离的信号强度值构成特征信号,此处不再赘述。
在本实施例中,对基带信号进行二维傅里叶变换后得到的特征信号包含了距离、速度值以及与距离速度值对应的信号强度值的信息,确定单元103可以根据从该特征信号中提取的特征确定该待检测物品中所包含的物品,在一个实施方式中,确定单元103可以直接从该特征信号中提取速度值、信号强度值满足预定条件的信号,作为该特征;在一个实施方式中,为了更直观的提取数据,确定单元103可以将该特征信号转换为微多普勒图,从该微多普勒图中提取该特征。
图5是该确定单元103一实施方式构成示意图,如图5所示,该确定单元103包括:
转换模块501,其用于将该特征信号转换为微多普勒图;
提取模块502,其用于从该微多普勒图中提取该特征;
确定模块503,其用于根据该特征确定该待检测物品中所包含的物品。
在本实施例中,转换模块501将该特征信号转换为微多普勒图,其转换方式可以参考现有技术,图6A是转换得到的微多普频谱图,如图6A所示,其横坐标表示帧号,分别对应特征矩阵各个列的帧号frame 1,frame 2,…,frame n,纵坐标对应在一个帧下的速度值,其中,该速度值是根据特征矩阵各个行的vres,…,m×vres一一映射转换的,另外,每个横纵坐标确定的坐标点的灰度表示该信号的信号强度值,即特征矩阵中的信号强度值,例如,在m=5时,可以将特征矩阵第三行速度分辨率为3×vres映射为图6A中纵坐标为0的速度值,对应的,将第二行速度分辨率2×vres映射为图6A中纵坐标为1(或-1)的速度值,将第一行速度分辨率vres映射为图6A中纵坐标为2(或-2)的速度值,将第四行速度分辨率4×vres映射为图6A中纵坐标为-1(或1)的速度值,将第五行速度分辨率5×vres映射为图6A中纵坐标为-2(或2)的速度值;例如,针对特征矩阵第i行第j列的信号强度值S,在将该值Sij映射到微多普勒图上时,横坐标x对应特征矩阵的列号j(帧号),纵坐标y对应特征矩阵的第i行对应的速度值(例如经过上述方法将i×vres转换后的速度值),该坐标点的灰度即为该信号强度值Sij,以上仅为示例说明,本实施例并不以此作为限制,该纵坐标中的速度值仅为一个相对的参考值。
在本实施例中,提取模块502提取该微多普勒图中速度值不为0,且信号强度值大于第三阈值的采样点,将该采样点的信号强度值或者信号强度值乘以速度值作为该特征。
在本实施例中,可选的,该确定单元103还可以包括:
降噪模块504(可选),其对该微多普勒图进行降噪处理;并且该提取模块502从经过降噪模块处理后的该微多普勒图中提取特征;
在本实施例中,降噪模块504去除该微多普勒图中信号强度值高于第一阈值和/或低于第二阈值的采样点,此处仅为示例性说明,该降噪模块还可以利用现有技术中的其他方法去除微多普勒图中的噪点,此处不再一一举例。
并且,该提取模块502从经过降噪处理后的微多普勒图中提取特征。
图6B和图6C分别是降噪处理后的示意图以及提取的特征示意图,如图6B所示,经过降噪处理后,微多普勒图中保留了信号强度值为第二阈值和第一阈值之间的采样点,如图6C所示,在附图6B中的横坐标上可以以一帧或预定数量帧为基本提取单位,提取该基本提取单位中纵坐标速度值不为0,且信号强度值(灰度)大于第三阈值的采样点。
在本实施例中,可选的,该确定单元103还可以包括:
归一化模块505(可选),其对提取的该特征进行归一化处理;
图6D是归一化处理后的特征示意图,如图6D所示,各个采样点的长度一致,便于以该归一化后的特征与训练集(训练集中的样本也经过同样的归一化处理)比较,降低数据处理复杂度。
并且该确定模块503根据归一化处理后的该特征确定该待检测物品中所包含的物品。
在本实施例中,该确定模块503将该特征与预先获得的训练集中的特征进行比较,以确定该待检测物品中所包含的物品。
在本实施例中,该装置还可以包括:训练单元(未图示,可选),其可以预先使用收发单元101,在与待检测物品的同一距离下,针对不同的物品进行测试,提取不同物品的特征作为训练数据,使用现有的机器学习(例如支持向量机SVM)的方法预先对不同的物品的训练数据进行训练,得到训练集。在实际检测时,并不知道待检测物品,但根据提取的特征,以及该训练集进行比较,即可以确定待检测物品,具体的比较方法也可以使用现有的机器学习(例如支持向量机SVM)方法,此处不再赘述。
图7-8分别是***(危险品)以及手机(安全)的降噪后的微多普勒图,如图7-8所示,如图7所示,由于***的形状不规则,***的预定轴左右两侧摆动产生的径向速度不对称,例如在横坐标对应一个帧号时,纵坐标只有正速度或只有负速度;如图8所示,由于手机的形状规则,手机的预定轴左右两侧摆动产生的径向速度对称,例如在横坐标对应一个帧号时,纵坐标上正速度和负速度都有;因此,可以利用微多普勒图中提取的特征(采样点)区分待检测物品。
例如先针对手机、***分别发射信号,以便提取特征作为训练数据,经过训练后得到训练集,在实际检测时,向待检测物品发射同样的信号,提取特征与训练集比较,例如,如图7所示,由于***的不对称性,因此,微多普勒图中呈现的径向相反的速度(正负速度)也是不对称的,根据该微多普勒图提取的特征与训练集比较,可以对待检测物品进行检测。
通过本实施例的上述装置,利用藏匿于人身上的物品随着人的行走而产生的摆动对该物品的反射信号的影响,来进行物品的检测,因此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
实施例2
本实施例2还提供了一种物品检测装置,图9是本发明实施例物品检测装置的硬件构成示意图,如图9所示,装置900可以包括:一个接口(图中未示出),中央处理器(CPU)920,存储器910和收发单元940;存储器910耦合到中央处理器920。其中存储器910可存储各种数据;此外还存储物品检测的程序,并且在中央处理器920的控制下执行该程序,并存储各种预设的值和预定的条件等。
在一个实施方式中,物品检测装置的功能可以被集成到中央处理器920中。其中,中央处理器920可以被配置为:控制收发单元940向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,待检测物品相对预定轴摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元的距离确定;根据从该特征信号中提取的特征确定该待检测物品中所包含的物品
在一个实施方式中,中央处理器920还可以被配置为:将该发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,该发射信号是周期信号;其中,一个基带信号矩阵的行数等于该第二预定数量,每一行表示一个周期的采样点的基带信号值;该基带信号矩阵的列数等于第三预定数量,该第三预定数量为基带信号在一个周期内的采样点的数量;对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与该第三预定数量个距离分别对应的该第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与该第三预定数量个距离分别对应的该第二预定数量个速度值对应的信号强度值的第二信号矩阵;针对每个第二信号矩阵,从该第三预定数量个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
在一个实施方式中,中央处理器920还可以被配置为:从第一预定数量个第二信号矩阵中选择的与该预定距离对应的该第二预定数量个速度值对应的信号强度值合并构成特征矩阵,作为该特征信号,该特征矩阵的列数等于该第一预定数量,该特征矩阵的行数等于该第二预定数量,该特征矩阵的每一列对应从一个第二信号矩阵中选择的该第二预定数量个速度值对应的信号强度值。
在一个实施方式中,中央处理器920还可以被配置为:将该特征信号转换为微多普勒频谱图;从该微多普勒频谱图中提取该特征;根据该特征确定该待检测物品中所包含的物品。
在一个实施方式中,中央处理器920还可以被配置为:将该特征与预先获得的训练集中的特征进行比较,以确定该待检测物品中所包含的物品。
在一个实施方式中,中央处理器920还可以被配置为:提取该微多普勒频谱图中速度值不为0,且信号强度值大于第三阈值的采样点,将该采样点的信号强度值或者信号强度值乘以速度值作为该特征。
在一个实施方式中,中央处理器920还可以被配置为:对该微多普勒频谱图进行降噪处理;并且从经过降噪处理后的该微多普勒频谱图中提取特征;
在一个实施方式中,中央处理器920还可以被配置为:对提取的该特征进行归一化处理;并且根据归一化处理后的该特征确定该待检测物品中所包含的物品。
在一个实施方式中,中央处理器920还可以被配置为:去除该微多普勒频谱图中信号强度值高于第一阈值和/或低于第二阈值的采样点。
中央处理器920的具体实施方式可以参考实施例1,此处不再重复。
在另一个实施方式中,也可以将上述物品检测装置配置在与中央处理器920连接的芯片(图中未示出)上,通过中央处理器920的控制来实现物品检测装置的功能。
值得注意的是,装置900也并不是必须要包括图9中所示的所有部件;此外,该装置900还可以包括图9中没有示出的部件,可以参考现有技术。
通过本实施例的上述装置,利用藏匿于人身上的物品随着人的行走而产生的摆动对该物品的反射信号的影响,来进行物品的检测,因此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
实施例3
本发明实施例3提供了一种物品检测方法,由于该方法解决问题的原理与实施例1的装置类似,因此其具体的实施可以参考实施例1的装置的实施,内容相同之处,不再重复说明。
图10是本实施例的物品检测方法的一个实施方式的流程图,请参照图10,该方法包括:
步骤1001,收发单元向待检测物品发送发射信号,并且接收该待检测物品反射后的反射信号;其中,待检测物品相对预定轴做摆动,该待检测物品在该轴的两侧产生沿径向方向相反的运动速度;
步骤1002,对该发射信号和该反射信号进行处理,以获得特征信号;其中,该特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,该速度值等于该收发单元的径向速度分辨率的整倍数,该预定距离根据该待检测物品和该收发单元的距离确定;
步骤1003,根据从该特征信号中提取的特征确定该待检测物品中所包含的物品。
在本实施例中,步骤1001-1003的具体实施方式可以参考实施例1中收发单元101,处理单元102,确定单元103其内容合并于此,重复之处不再赘述。
图11是本实施例中步骤1002一实施方法流程图,如图11所示,步骤1002包括:
步骤1101,将该发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,该发射信号是周期信号;其中,一个基带信号矩阵的行数等于该第二预定数量,每一行表示一个周期的采样点的基带信号值;该基带信号矩阵的列数等于第三预定数量,该第三预定数量为基带信号在一个周期内的采样点的数量;
步骤1102,对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与该第三预定数量个距离分别对应的该第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与该第三预定数量个距离分别对应的该第二预定数量个速度值对应的信号强度值的第二信号矩阵;
步骤1103,针对每个第二信号矩阵,从该第三预定数量个距离中选择与该预定距离对应的一组速度值对应的信号强度值,以获得该特征信号。
在本实施例中,步骤1101-1103的具体实施方式可以参考实施例1中预处理模块401,变换模块402,选择模块403其内容合并于此,重复之处不再赘述。
图12是本实施例中步骤1003一实施方法流程图,如图12所示,步骤1003包括:
步骤1200,将该特征信号转换为微多普勒频谱图;
步骤1202,从该微多普勒频谱图中提取该特征;
步骤1204,根据该特征确定该待检测物品中所包含的物品。
在本实施例中,步骤1200-1204的具体实施方式可以参考实施例1中转换模块501,提取模块502,确定模块503其内容合并于此,重复之处不再赘述。
在本实施例中,步骤1003还可以包括:
步骤1201(可选),对该微多普勒频谱图进行降噪处理;
步骤1203(可选),对提取的该特征进行归一化处理。
在本实施例中,降噪处理、提取特征、归一化处理以及确定待检测物品的具体实施方式可以参考实施例1,此处不再赘述。
通过本实施例的上述方法,利用藏匿于人身上的物品随着人的行走而产生的摆动对该物品的反射信号的影响,来进行物品的检测,因此,能够利用非接触式的检测方法和装置,准确地实现藏匿于人身上的物品的检测,检测成本较低。
本发明实施例还提供一种计算机可读程序,其中当在物品检测装置中执行该程序时,该程序使得计算机在该物品检测装置中执行如上面实施例3中的物品检测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中该计算机可读程序使得计算机在物品检测装置中执行上面实施例3中的物品检测方法。
结合本发明实施例描述的在物品检测装置中物品检测的方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1,4,5,9所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图10-12所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在物品检测装置的存储器中,也可以存储在可***物品检测装置的存储卡中。
针对图1,4,5,9描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1,4,5,9描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上多个实施例的实施方式,还公开下述的附记。
附记1、一种物品检测装置,其中,所述装置包括:收发单元、处理单元、确定单元;
所述收发单元向待检测物品发送发射信号,并且接收所述待检测物品反射后的反射信号;其中,待检测物品相对预定轴摆动,所述待检测物品在所述轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对所述发射信号和所述反射信号进行处理,以获得特征信号;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数,所述预定距离根据所述待检测物品和所述收发单元的距离确定;
确定单元,其用于根据从所述特征信号中提取的特征确定所述待检测物品中所包含的物品。
附记2、根据附记1所述的装置,其中,所述处理单元包括:
预处理模块,其用于将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第三预定数量,所述第三预定数量为基带信号在一个周期内的采样点的数量;
变换模块,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
选择模块,其用于针对每个第二信号矩阵,从所述第三预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
附记3、根据附记2所述的装置,其中,所述选择模块将从第一预定数量个第二信号矩阵中选择的与所述预定距离对应的所述第二预定数量个速度值对应的信号强度值合并构成特征矩阵,作为所述特征信号,所述特征矩阵的列数等于所述第一预定数量,所述特征矩阵的行数等于所述第二预定数量,所述特征矩阵的每一列对应从一个第二信号矩阵中选择的所述第二预定数量个速度值对应的信号强度值。
附记4、根据附记1所述的装置,其中,所述确定单元包括:
转换模块,其用于将所述特征信号转换为微多普勒图;
提取模块,其用于从所述微多普勒图中提取所述特征;
确定模块,其用于根据所述特征确定所述待检测物品中所包含的物品。
附记5、根据附记4所述的装置,其中,所述确定模块将所述特征与预先获得的训练集中的特征进行比较,以确定所述待检测物品中所包含的物品。
附记6、根据附记4所述的装置,其中,所述提取模块提取所述微多普勒图中速度值不为0,且信号强度值大于第三阈值的采样点,将所述采样点的信号强度值或者信号强度值乘以速度值作为所述特征。
附记7、根据附记4所述的装置,其中,确定模块还包括:
降噪模块,其用于对所述微多普勒图进行降噪处理;并且所述提取模块从经过降噪模块处理后的所述微多普勒图中提取特征;
归一化模块,其用于对提取的所述特征进行归一化处理;并且所述确定模块根据归一化处理后的所述特征确定所述待检测物品中所包含的物品。
附记8、根据附记7所述的装置,其中,所述降噪模块去除所述微多普勒图中信号强度值高于第一阈值和/或低于第二阈值的采样点。
附记9、一种物品检测方法,其中,所述方法包括:
收发单元向待检测物品发送发射信号,并且接收所述待检测物品反射后的反射信号;其中,所述待检测物品相对预定轴摆动,所述待检测物品在所述轴的两侧产生沿径向方向相反的运动速度;
对所述发射信号和所述反射信号进行处理,以获得特征信号;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数,所述预定距离根据所述待检测物品和所述收发单元的距离确定;
根据从所述特征信号中提取的特征确定所述待检测物品中所包含的物品。
附记10、根据附记9所述的方法,其中,对所述发射信号和所述反射信号进行处理,以获得特征信号包括:
将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第三预定数量,所述第三预定数量为基带信号在一个周期内的采样点的数量;
对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
针对每个第二信号矩阵,从所述第三预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。附记11、根据附记10所述的方法,其中,所述方法还包括:
将从第一预定数量个第二信号矩阵中选择的与所述预定距离对应的所述第二预定数量个速度值对应的信号强度值合并构成特征矩阵,作为所述特征信号,所述特征矩阵的列数等于所述第一预定数量,所述特征矩阵的行数等于所述第二预定数量,所述特征矩阵的每一列对应从一个第二信号矩阵中选择的所述第二预定数量个速度值对应的信号强度值。
附记12、根据附记9所述的方法,其中,根据从所述特征信号中提取的特征确定所述待检测物品中所包含的物品包括:
将所述特征信号转换为微多普勒图;
从所述微多普勒图中提取所述特征;
根据所述特征确定所述待检测物品中所包含的物品。
附记13、根据附记12所述的方法,其中,根据所述特征确定所述待检测物品中所包含的物品包括:将所述特征与预先获得的训练集中的特征进行比较,以确定所述待检测物品中所包含的物品。
附记14、根据附记12所述的方法,其中,从所述微多普勒图中提取所述特征包括:提取所述微多普勒图中速度值不为0,且信号强度值大于第三阈值的采样点,将所述采样点的信号强度值或者信号强度值乘以速度值作为所述特征。
附记15、根据附记12所述的方法,其中,所述方法还包括:
对所述微多普勒图进行降噪处理;并且从经过降噪处理后的所述微多普勒图中提取特征;
对提取的所述特征进行归一化处理;并且根据归一化处理后的所述特征确定所述待检测物品中所包含的物品。
附记16、根据附记15所述的方法,其中,所述降噪处理包括:去除所述微多普勒图中信号强度值高于第一阈值和/或低于第二阈值的采样点。
Claims (8)
1.一种物品检测装置,其中,所述装置包括:收发单元、处理单元、确定单元;
所述收发单元向待检测物品发送发射信号,并且接收所述待检测物品反射后的反射信号;其中,待检测物品相对预定轴摆动,所述待检测物品在所述轴的两侧产生沿径向方向相反的运动速度;
处理单元,其用于对所述发射信号和所述反射信号进行处理,以获得特征信号;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数,所述预定距离根据所述待检测物品和所述收发单元的距离确定;
确定单元,其用于根据从所述特征信号中提取的特征确定所述待检测物品中所包含的物品,
其中,所述处理单元包括:
预处理模块,其用于将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第三预定数量,所述第三预定数量为基带信号在一个周期内的采样点的数量;
变换模块,其用于对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
选择模块,其用于针对每个第二信号矩阵,从所述第三预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
2.根据权利要求1所述的装置,其中,所述选择模块将从第一预定数量个第二信号矩阵中选择的与所述预定距离对应的所述第二预定数量个速度值对应的信号强度值合并构成特征矩阵,作为所述特征信号,所述特征矩阵的列数等于所述第一预定数量,所述特征矩阵的行数等于所述第二预定数量,所述特征矩阵的每一列对应从一个第二信号矩阵中选择的所述第二预定数量个速度值对应的信号强度值。
3.根据权利要求1所述的装置,其中,所述确定单元包括:
转换模块,其用于将所述特征信号转换为微多普勒图;
提取模块,其用于从所述微多普勒图中提取所述特征;
确定模块,其用于根据所述特征确定所述待检测物品中所包含的物品。
4.根据权利要求3所述的装置,其中,所述确定模块将所述特征与预先获得的训练集中的特征进行比较,以确定所述待检测物品中所包含的物品。
5.根据权利要求3所述的装置,其中,所述提取模块提取所述微多普勒图中速度值不为0,且信号强度值大于第三阈值的采样点,将所述采样点的信号强度值或者信号强度值乘以速度值作为所述特征。
6.根据权利要求3所述的装置,其中,确定模块还包括:
降噪模块,其用于对所述微多普勒图进行降噪处理;并且所述提取模块从经过降噪模块处理后的所述微多普勒图中提取特征;
归一化模块,其用于对提取的所述特征进行归一化处理;并且所述确定模块根据归一化处理后的所述特征确定所述待检测物品中所包含的物品。
7.根据权利要求6所述的装置,其中,所述降噪模块去除所述微多普勒图中信号强度值高于第一阈值和/或低于第二阈值的采样点。
8.一种物品检测方法,其中,所述方法包括:
收发单元向待检测物品发送发射信号,并且接收所述待检测物品反射后的反射信号;其中,所述待检测物品相对预定轴摆动,所述待检测物品在所述轴的两侧产生沿径向方向相反的运动速度;
对所述发射信号和所述反射信号进行处理,以获得特征信号;其中,所述特征信号包含与预定距离对应的第一预定数量组速度值对应的信号强度值;每组速度值包括第二预定数量个速度值,所述速度值等于所述收发单元的径向速度分辨率的整倍数,所述预定距离根据所述待检测物品和所述收发单元的距离确定;
根据从所述特征信号中提取的特征确定所述待检测物品中所包含的物品;
其中,对所述发射信号和所述反射信号进行处理,以获得特征信号包括:
将所述发射信号和反射信号进行混频采样,以得到第一预定数量个基带信号矩阵,其中,所述发射信号是周期信号;其中,一个基带信号矩阵的行数等于所述第二预定数量,每一行表示一个周期的采样点的基带信号值;所述基带信号矩阵的列数等于第三预定数量,所述第三预定数量为基带信号在一个周期内的采样点的数量;
对每个基带信号矩阵逐行进行傅里叶变换后,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个信号强度值的第一信号矩阵;再对每个第一信号矩阵逐列进行傅里叶变换,得到包含与所述第三预定数量个距离分别对应的所述第二预定数量个速度值对应的信号强度值的第二信号矩阵;
针对每个第二信号矩阵,从所述第三预定数量个距离中选择与所述预定距离对应的一组速度值对应的信号强度值,以获得所述特征信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563044.3A CN110618465B (zh) | 2018-06-04 | 2018-06-04 | 物品检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563044.3A CN110618465B (zh) | 2018-06-04 | 2018-06-04 | 物品检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110618465A CN110618465A (zh) | 2019-12-27 |
CN110618465B true CN110618465B (zh) | 2021-07-06 |
Family
ID=68919814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810563044.3A Active CN110618465B (zh) | 2018-06-04 | 2018-06-04 | 物品检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110618465B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010223870A (ja) * | 2009-03-25 | 2010-10-07 | Mitsubishi Electric Corp | 目標方位算出装置 |
WO2011056730A2 (en) * | 2009-11-03 | 2011-05-12 | Vawd Applied Science & Technology Corporation | Standoff range sense through obstruction radar system |
CN201936324U (zh) * | 2010-12-24 | 2011-08-17 | 天津职业技术师范大学 | 超声微多普勒人体步态特征提取装置 |
WO2012152476A1 (de) * | 2011-05-12 | 2012-11-15 | Robert Bosch Gmbh | Verfahren zum erkennen von gesten |
CN102928835A (zh) * | 2012-10-09 | 2013-02-13 | 北京航空航天大学 | 一种基于改进广义s变换的人体目标运动状态识别方法 |
CN107358250A (zh) * | 2017-06-07 | 2017-11-17 | 清华大学 | 基于双波段雷达微多普勒融合的人体步态识别方法及*** |
CN107490795A (zh) * | 2017-07-24 | 2017-12-19 | 长沙学院 | 一种通过雷达实现人体运动状态识别的方法 |
CN107748862A (zh) * | 2017-09-21 | 2018-03-02 | 清华大学 | 一种基于双频雷达信号时频分布的无人机分类方法及装置 |
CN108072872A (zh) * | 2016-11-17 | 2018-05-25 | 富士通株式会社 | 信息提取装置、物品检测装置 |
CN108072909A (zh) * | 2016-11-17 | 2018-05-25 | 富士通株式会社 | 物品检测方法、装置和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6943884B2 (en) * | 2002-04-17 | 2005-09-13 | The Boeing Company | Laser system for detection and identification of chemical and biological agents and method therefor |
-
2018
- 2018-06-04 CN CN201810563044.3A patent/CN110618465B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010223870A (ja) * | 2009-03-25 | 2010-10-07 | Mitsubishi Electric Corp | 目標方位算出装置 |
WO2011056730A2 (en) * | 2009-11-03 | 2011-05-12 | Vawd Applied Science & Technology Corporation | Standoff range sense through obstruction radar system |
CN201936324U (zh) * | 2010-12-24 | 2011-08-17 | 天津职业技术师范大学 | 超声微多普勒人体步态特征提取装置 |
WO2012152476A1 (de) * | 2011-05-12 | 2012-11-15 | Robert Bosch Gmbh | Verfahren zum erkennen von gesten |
CN102928835A (zh) * | 2012-10-09 | 2013-02-13 | 北京航空航天大学 | 一种基于改进广义s变换的人体目标运动状态识别方法 |
CN108072872A (zh) * | 2016-11-17 | 2018-05-25 | 富士通株式会社 | 信息提取装置、物品检测装置 |
CN108072909A (zh) * | 2016-11-17 | 2018-05-25 | 富士通株式会社 | 物品检测方法、装置和*** |
CN107358250A (zh) * | 2017-06-07 | 2017-11-17 | 清华大学 | 基于双波段雷达微多普勒融合的人体步态识别方法及*** |
CN107490795A (zh) * | 2017-07-24 | 2017-12-19 | 长沙学院 | 一种通过雷达实现人体运动状态识别的方法 |
CN107748862A (zh) * | 2017-09-21 | 2018-03-02 | 清华大学 | 一种基于双频雷达信号时频分布的无人机分类方法及装置 |
Non-Patent Citations (1)
Title |
---|
微多普勒生物探测雷达技术研究;王德纯;《现代雷达》;20111031;第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110618465A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200125180A1 (en) | Hidden markov model-based gesture recognition with fmcw radar | |
EP2983007A1 (en) | Radar apparatus and object sensing method | |
US11391817B2 (en) | Radio frequency (RF) object detection using radar and machine learning | |
CN111580060B (zh) | 目标姿态识别的方法、装置和电子设备 | |
Jiang et al. | Recognition of dynamic hand gesture based on mm-wave FMCW radar micro-Doppler signatures | |
JP2010271262A (ja) | レーダ装置 | |
US8963767B2 (en) | Method for detecting the motion of object by ultra-wideband radar imaging and system thereof | |
Lee et al. | Digit recognition in air-writing using single millimeter-wave band radar system | |
CN110554439B (zh) | 物品检测方法和装置 | |
CN108020834B (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
JP2024514618A (ja) | Dnn基盤の人の顔分類 | |
Chowdhury et al. | Activity recognition using ultra wide band range-time scan | |
Qu et al. | Dynamic hand gesture classification based on multichannel radar using multistream fusion 1-D convolutional neural network | |
Xie et al. | Lightweight midrange arm-gesture recognition system from mmwave radar point clouds | |
CN110967763B (zh) | 物品检测方法和装置 | |
CN110618465B (zh) | 物品检测方法和装置 | |
CN112130143A (zh) | 物品检测方法和装置 | |
US9915727B1 (en) | Agile sensing for radar and metal detection | |
CN110412655B (zh) | 物品检测方法和装置 | |
CN112034450A (zh) | 物品检测方法和装置 | |
Abouzaid et al. | Fine hand gesture recognition using d-band fmcw radar | |
CN111474587B (zh) | 物品检测方法和装置 | |
Zheng et al. | Hand gesture recognition based on range Doppler-angle trajectory and LSTM network using an MIMO radar | |
CN114002655A (zh) | 超宽带连续波生物雷达数据处理方法及*** | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |