CN111429791B - 身份确定方法、装置、存储介质及电子装置 - Google Patents
身份确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN111429791B CN111429791B CN202010276285.7A CN202010276285A CN111429791B CN 111429791 B CN111429791 B CN 111429791B CN 202010276285 A CN202010276285 A CN 202010276285A CN 111429791 B CN111429791 B CN 111429791B
- Authority
- CN
- China
- Prior art keywords
- type
- track
- determining
- target
- motion
- 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
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Ecology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种身份确定方法、装置、存储介质及电子装置,其中,该方法包括:基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;基于所述目标属性信息确定所述目标对象的身份。通过本发明,解决了相关技术中存在的监控设备监控效率低,无法准确确认目标对象身份的问题,进而达到了准确地确认目标对象的身份的效果。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种身份确定方法、装置、存储介质及电子装置。
背景技术
现代社会,安防越来越受到公众的重视,安防产品也层出不穷,安防应用领域不断扩展,安防技术也迅速发展,监控技术的应用也越来越多。
在相关技术中,传统的监控终端器材主要是可见光摄像机,但是,可见光摄像机在晚上无法工作;尽管有红外摄像机可补充可见光摄像机的缺陷,但此举无疑增加了成本和操作难度。此外,光学传感器也受天气影响,大雾天或雨雪天,监控效果无法令人满意。
由此可知,相关技术中存在监控设备监控效率低,无法准确确认目标对象身份的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种身份确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的监控设备监控效率低,无法准确确认目标对象身份的问题。
根据本发明的一个实施例,提供了一种身份确定方法,包括:基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;基于所述目标属性信息确定所述目标对象的身份。
根据本发明的另一个实施例,提供了一种身份确定装置,包括:第一确定模块,用于基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;第二确定模块,用于基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;第三确定模块,用于基于所述目标属性信息确定所述目标对象的身份。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,雷达以高检测概率获得目标对象的量测信息,根据雷达量测信息,能够快速准确确定目标对象的目标轨迹,根据目标轨迹的属性信息可以确定出目标对象的身份,因此,可以解决相关技术中存在的监控设备监控效率低,无法准确确认目标对象身份的问题,进而达到了准确地确认目标对象的身份的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种身份确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的身份确定方法的流程图;
图3是根据本发明可选实施例的简易局部地图;
图4是根据本发明可选实施例的基于所述目标属性信息确定所述目标区域的区域类型的流程图;
图5是根据本发明可选实施例的以时间阈值为例说明设置第一规则内容示意图;
图6是根据本发明可选实施例的行人特征子过程及车辆特征子过程流程图;
图7是根据本发明可选实施例的车辆聚类过程流程图;
图8是根据本发明可选实施例的第一类型轨迹为行人轨迹,第二类型轨迹为车辆轨迹时的延迟判断示意图;
图9是根据本发明具体实施例的身份确定方法流程图一;
图10是根据本发明具体实施例的判断目标对象的身份子过程示意图;
图11是根据本发明具体实施例的身份确定方法流程图二;
图12是根据本发明实施例的身份确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种身份确定方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的身份确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种身份确定方法,图2是根据本发明实施例的身份确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
步骤S204,基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
步骤S206,基于所述目标属性信息确定所述目标对象的身份。
在上述实施例中,雷达(例如,毫米波雷达)可以主动发射电磁波并接受同频率信号,对移动的目标对象或雷达反射面积(RCS)较大的目标对象有非常高的检测概率,对于静止物体有较低的检测概率(检测概率不为零),因此,利用雷达可以准确的确定目标对象的运动轨迹。上述雷达可按需设置量测周期(信号收发周期),一般设置量测周期为0.1秒,即工作频率为10Hz(当然,也可以设置其他的量测周期,例如0.05秒,0.15秒,0.2秒等)。其中,目标对象可以为人、动物、车辆等,雷达量测信息可以包括距离、角度、径向速度(RadialSpeed)、RCS等。目标对象的运动轨迹的状态X可以是四行一列的向量,由[x,vx,y,vy]组成,向量元素分别表示二维空间中的直角坐标位置x,速度分量vx,直角坐标位置y,速度分量vy。运动轨迹的状态协方差矩阵PX可以是四行四列的矩阵。
通过本发明,雷达以高检测概率获得目标对象的量测信息,根据雷达量测信息,能够快速准确确定目标对象的目标轨迹,根据目标轨迹的属性信息可以确定出目标对象的身份,因此,可以解决相关技术中存在的监控设备监控效率低,无法准确确认目标对象身份的问题,进而达到了准确地确认目标对象的身份的效果。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成雷达发射设备以及数据处理设备的机器,其中,数据处理设备可以包括计算机、手机等终端,但不限于此。
在一个可选的实施例中,在基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息之前,所述方法还包括:载入绘制的初始地图;栅格化所述初始地图;为栅格化所述目标地图后所得到的各地图节点赋值以对应的节点属性,以得到所述目标地图,其中,所述目标地图的属性信息包括各地图节点对应的节点属性。在本实施例中,可以将地图栅格化,并且地图中节点属性允许不同,其中,地图节点属性可以包括:1)未知区域;2)树木区域;3)树木阴影区域;4)建筑物区域;5)建筑物遮挡区域;6)空旷区域;7)机动车可行驶区域;8)人可行驶区域;9)无法探测区域;10)高质量量测区域;11)低质量量测区域。如图3所示的简易局部地图,其中,标号为“1”的区域表示未知区域,标号为2的区域表示建筑物区域,标号为3的区域表示建筑物遮挡区域,标号为4的区域表示树木区域,标号为5的区域表示树木阴影区域,标号为6的区域表示人可行驶区域,标号为7的区域表示机动车可行驶区域,标号为8的区域表示空旷区域,标号为9的区域表示雷达无法探测到的区域。
在本实施例中,节点运动具有方向性,即可以用矢量地图来表示节点运动,比如地图中坐标为(CartX=10,CartY=40)的方格(边长为1米),运动方向为单向行驶区域,方向为0度(0度定义为北),允许误差为45度,是指如果坐标为(CartX=10,CartY=40)的方格中存在移动目标,则该移动目标的速度方向必须向北,允许的方向误差为45度。再比如,地图中坐标为(CartX=-10,CartY=20)的方格无运动方向要求,则表示该点允许存在任意方向运动的目标。
在本实施例中,确定地图中各个节点对应的属性后,即可根据目标对象的运动轨迹所在的目标区域确定出目标对象的运动轨迹的属性,以此判断目标对象的身份。需要说明的是,地图需栅格化,并且为每个地图节点赋值以正确的属性。描述地图的结构体如下:
在一个可选的实施例中,载入绘制的初始地图包括以下之一:载入人工绘制的所述初始地图;载入在线生成的所述初始地图。在本实施例中,载入绘制的初始地图,即为目标身份识别程序提供可靠准确的监控区域地图。载入地图可人工绘制已知环境地图并导入程序,也可以在线生成地图(无需任何人工辅助作业)。在线生成地图方法可以采用累计一段时间雷达量测,基于已有环境目标类型知识库,实时构建并更新环境地图。人工绘制已知环境的优点是地图准确度高,而且无需耗费额外时间(相对于在线生成地图需额外时间生成环境地图);其缺点是人工成本高,而且当环境信息变更时,需重新导入新的地图。在线生成地图方法的优点是无需任何人工辅助作业;其缺点是其准确度低于人工绘制的地图,而且启动程序时需额外时间来构建地图。构建地图期间无法进行目标跟踪和目标身份识别。另外,人工绘制地图和在线生成的地图内容也许有较大差别,例如,人工绘制地图中,无法探测区域较多,在线生成地图中未知区域较多。因此,可以根据待绘制地图的环境及需求结合采用不同方式载入地图的优缺点选择载入绘制初始地图的方式。
在一个可选的实施例中,基于所述目标属性信息确定所述目标对象的身份包括:基于所述目标属性信息确定所述目标区域的区域类型;确定与所述区域类型对应的量测规则;基于所述量测规则确定所述运动轨迹的类型;基于所述运动轨迹的类型确定所述目标对象的身份。在本实施例中,通过确定目标属性信息即可确定目标轨迹所处在目标区域的区域类型。图4是基于所述目标属性信息确定所述目标区域的区域类型的流程图,如图4所示,该过程包括:
Step 1:求任一量测对应的地图节点属性。假设一条轨迹有M个量测,每一个量测唯一对应一个地图节点属性。
Step 2:统计地图节点类型对应的量测个数。可统计每一种地图节点属性对应的量测个数。并且满足
∑N(P<sub>i</sub>) | = | M |
其中,表示第i种地图节点属性,表示第i种地图节点属性对应的量测个数。
Step 3:获得轨迹区域属性。计算公式为
即max N(Pi)对应的地图节点属性即为目标区域的区域类型。
在一个可选的实施例中,基于所述量测规则确定所述运动轨迹的特征包括:在确定所述量测规则用于起始第一类型轨迹时,判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则;在判定结果为满足所述第一规则的情况下,判断所述运动轨迹是否是所述第一类型轨迹,在判断结果为是所述第一类型轨迹的情况下,将所述运动轨迹的类型确定为所述第一类型轨迹,在判断结果为不是所述第一类型轨迹的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;在判定结果为不满足所述第一规则的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;其中,所述第一类型轨迹与所述第二类型轨迹不同。在本实施例中,第一类型轨迹可以为行人轨迹、第二类型轨迹可以为车辆轨迹,或者第一类型轨迹为车辆轨迹、第二类型轨迹可以为行人轨迹等,第一规则可以包括时间阈值规则,如图5所示,以时间阈值为例说明设置第一规则内容。时间阈值的定义为在规定的时间内(N帧)有足够的量测个数(M帧)满足彼此间的关联关系,即M/N规则(M≤N)。当N值不变时,M值越小,轨迹越容易起始;当M值不变时,N值越小,轨迹越难起始。因此,可以通过设置M/N值,来调节轨迹的起始难易/快慢程度。例如,设置行人是7/8,车辆是8/8(该取值仅是一种可实施方式,具体的M/N值可以根据目标区域的属性设置,例如,还可以设置为行人是6/8,7/9,车辆是7/8,8/9等)。N值相当于一个时间窗口,M相当于该时间窗口中满足RCS关联规则、空间距离关联规则和径向速度关联规则的最少量测个数。假设M=7,N=8,如图5中箭头标记的时间窗口。例1和例2中在时间窗口内,均有7个量测满足关联关系,分别有量测3和量测6没有满足量测关系,因此,可以确定其是一条轨迹。针对例3而言,在时间窗口内,却有2个量测(4和6)没有满足量测关联关系,换言之,最多有6个量测满足关联关系,因此,此条潜在轨迹尚无法形成目标轨迹(无法满足时间阈值)。由此可以判断运动轨迹是否满足第一规则,当判断结果为满足第一规则的情况下,判断运动轨迹是否为第一类型轨迹,判断方法可以采用调用目标对象特征子过程,确定运动轨迹是否为第一类型轨迹,例如,当第一类型轨迹为行人轨迹时,则调用行人特征子过程判断,当第一类型轨迹为车辆轨迹时,则调用车辆特征子过程判断,当判断结果为运动轨迹为第一类型轨迹时,确定运动轨迹类型为第一类型轨迹。其中,行人特征子过程及车辆特征子过程流程图可参见附图6,如图6所示,行人特征判断过程(即行人特征子过程)为判定轨迹量测是否位于已知的行人特征区间内,如果是,则其是行人轨迹。判定依据可以为RCS区间、径向速度区间、行人量测位置波动区间等。车辆特征判断与行人特征判断类似,也可以依据RCS区间、径向速度区间、行人量测位置波动区间等判断轨迹量测是否位于已知的车辆特征区间内。
在本实施例中,当运动轨迹不是第一类型轨迹的情况下,判断运动轨迹是否为第二类型轨迹,当第二类型轨迹为车辆轨迹时,可以采用调用车辆聚类过程判断运动轨迹是否为车辆轨迹。
在本实施例中,当运动轨迹不满足第一规则时,判断运动轨迹是否为第二类型轨迹,通过该判断,即可确定运动轨迹的类型。
在一个可选的实施例中,在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括以下至少之一:设置所述第一规则;设置与所述第二类型轨迹对应的第二规则。在本实施例中,当第一类型轨迹为行人轨迹时,设置第一规则的目的是可以调整相关参数,使行人轨迹更易于起始,车辆轨迹更难起始。其中,相关参数可以包括起始时间阈值、量测与量测RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值。同理,当第二类型轨迹为车辆轨迹时,设置第二规则的目的是调整相关参数,使车辆轨迹更易于起始,行人轨迹更难起始。
在一个可选的实施例中,所述第一规则包括以下至少之一:起始时间阈值、量测与量测雷达发射面积RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值。在本实施例中,可以通过调节起始时间阈值、量测与量测雷达发射面积RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值中的至少之一,使第一类型轨迹更容易起始。
在一个可选的实施例中,在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括:在所述第一类型轨迹为行人轨迹时,将所述运动轨迹中包括的量测与所述第一类型轨迹进行匹配,以确定出第一目标量测;将所述第一目标量测保存至第一预定序列中,以得到第一目标序列;判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则包括:基于所述第一目标序列判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。在本实施例中,当第一类型轨迹为行人轨迹时,在判断运动轨迹是否满足第一规则之前,需要将运动轨迹中的量测与行人轨迹进行匹配,如果匹配,则起始行人轨迹或关联行人轨迹。其中,起始行人轨迹或关联行人轨迹可以包括如下内容:将当前帧量测与行人轨迹匹配,选择合适的量测保存到行人轨迹序列,即,将第一目标量测保存到第一预定序列中,得到第一目标序列。其中,运动轨迹中包括的量测可以包括量测时间、X、Y、RCS、径向速度信息和地图区域信息等。
在一个可选的实施例中,在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括:在所述第一类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则包括:基于所述第二目标量测判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。在本实施例中,车辆聚类过程,是用一个等价量测代替多个车辆量测。一辆车有多个雷达量测,因此,首先需聚类,选择所有属于同一辆车的量测,剔除干扰量测;然后计算其等价量测。
在一个可选的实施例中,对当前帧中的量测进行聚类处理包括:将所述当前帧中包括的所有量测两两相关,将相关后的满足预先设置的聚类门限的量测归为一组。在本实施例中,可以依据量测到雷达之间的距离,确定聚类门限。
在一个可选的实施例中,在将所述当前帧中包括的所有量测两两相关之前,所述方法还包括:依据量测到雷达之间的距离,确定所述聚类门限中包括的以下门限至少之一:量测与量测之间的距离关联门限、量测与量测之间的RCS关联门限、量测与量测之间的径向速度关联门限。在本实施例中,车辆聚类过程流程图可参见附图7,如图7所示,该过程如下:
Step 1:依据量测到雷达之间的距离,确定聚类门限。聚类门限包括量测与量测之间距离关联门限、RCS关联门限、径向速度关联门限。
Step 2:聚类。将同一帧内,所有量测两两关联。将满足聚类门限的量测划归为一组。
Step 3:求等价量测。求聚类的等价量测计算公式为
X | = | ∑α<sub>i</sub>X<sub>i</sub> |
Y | = | ∑α<sub>i</sub>Y<sub>i</sub> |
RCS | = | ∑α<sub>i</sub>RCS<sub>i</sub> |
RadialSpeed | = | ∑α<sub>i</sub>RadialS<sub>p</sub>eed<sub>i</sub> |
∑α<sub>i</sub> | = | 1 |
其中αi为第i个量测的权重。
在一个可选的实施例中,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型包括:判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则;在判断结果为满足所述第二规则的情况下,判断所述运动轨迹是否是所述第二类型轨迹,在判断结果为是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为所述第二类型轨迹,在判断结果为不是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为虚假轨迹;在判断结果为不满足所述第二规则的情况下,基于当前帧的下一帧图像重复执行确定所述目标属性信息以及确定所述目标对象的身份信息的操作。在本实施例中,第二规则可以以时间阈值设置,当第二类型轨迹为车辆轨迹时,第二规则设置为车辆量测时间阈值,即判断车辆轨迹是否满足M/N规则,当第二类型轨迹为行人时,则第二规则设置为行人量测时间阈值,即判断行人轨迹是否满足M/N规则。当运动轨迹满足第二规则的情况下,判断运动轨迹是否为第二类型轨迹,当运动轨迹为第二类型轨迹时,输出目标对象的身份,当运动轨迹不是第二类型轨迹时,确定运动轨迹为虚假轨迹,将虚假轨迹删除。其中,判断运动轨迹是否满足第二规则的方法可以采用调用如图6所示的行人特征子过程或车辆特征子过程的方式,当第二类型轨迹为行人轨迹时,则调用行人特征子过程,当第二类型轨迹为车辆轨迹时,则调用车辆特征子过程。
在一个可选的实施例中,在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,所述方法还包括:循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:在确定所述第二类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则包括:基于所述第二目标量测判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。在本实施例中,当运动轨迹中的各量测点不能形成第一类型轨迹时,对量测进行聚类处理,判断各量测点中是否包含第二目标量测。可选地,判断方法可采用延迟判断,判断方法如下:
图8为第一类型轨迹为行人轨迹,第二类型轨迹为车辆轨迹时的延迟判断示意图,如图8所示,空心圆用于起始行人轨迹,填充横线的圆用于起始车辆轨迹,填充竖线的圆表示无效量测点,成对的箭头表示当前时间窗口范围。以7说明延迟判断过程,假设M=7/N=8,当前时刻是8,则箭头1所示当前窗口范围无法形成行人轨迹。箭头1窗口向右滑动,当前时刻是9,变成箭头2窗口。则点1肯定无法用于形成行人轨迹,则由空心圆变为填充横线的圆,开始尝试形成车辆轨迹。箭头2窗口,依旧无法形成行人轨迹,则继续向后滑动,变成箭头3时间窗口,此时点2也由空心圆变成填充横线的圆。相对于当前时刻,起始行人轨迹是以当前时刻为基准的时间窗口(如成对的箭头所示时间窗口),起始车辆轨迹却在时间上有所滞后(如填充横线的圆所示范围),此即延迟起始/关联汽车轨迹过程,更广义上讲,是延迟判断过程。由此可以判断出各个量测点中的第二目标量测,再根据第二目标量测判断运动轨迹是否满足第二规则。
在一个可选的实施例中,在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,所述方法还包括:循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:将所述运动轨迹中包括的量测与所述第二类型轨迹进行匹配,以确定出第二目标量测;将所述第二目标量测保存至第二预定序列中,以得到第二目标序列;判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则包括:基于所述第二目标序列判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。在本实施例中,当目标轨迹中的量测点无法形成第一类型轨迹时,则尝试形成或起始第二类型轨迹。例如,当目标轨迹无法形成行人轨迹时,则根据延迟判断方法判断各个量测点是否与车辆轨迹匹配,当匹配时,再判断是否满足第二规则,若满足,则形成或起始地车辆轨迹。
在一个可选的实施例中,判断所述运动轨迹是否是所述第一类型轨迹包括:基于如下判断依据至少之一判断所述运动轨迹是否是所述第一类型轨迹:RCS区间、径向速度区间、第一类型量测位置波动区间。在本实施例中,可以根据RCS区间、径向速度区间、第一类型量测位置波动区间等判断运动轨迹是否是第一类型轨迹。RCS区间、径向速度区间、第一类型量测位置波动区间等可以根据第一类型轨迹、目标区域等设置不同的区间,本发明对区间不做限制。例如,当第一类型轨迹为行人轨迹时,RCS区间可以为(0.5㎡,2㎡),径向速度区间可以为(0.5m/s,1.5m/s),第一类型量测位置波动区间可以为(0m,30m),当第一类型轨迹为车辆时,RCS区间可以为(50㎡,150㎡),径向速度区间可以为(20km/h,120km/h),第一类型量测位置波动区间可以为(0m,50m)。
在一个可选的实施例中,确定与所述区域类型对应的量测规则包括:在所述区域类型为人行道区域的情况下,确定与所述区域类型对应的量测规则为先量测行人轨迹再量测车辆轨迹;在所述区域类型为车辆行驶区域的情况下,确定与所述区域类型对应的量测规则为先量测车辆轨迹再量测行人轨迹;在所述区域类型为未知区域的情况下,确定与所述区域类型对应的量测规则为同时量测车辆轨迹和行人轨迹。在本实施例中,当区域类型为人行道区域时,行人在人行道的概率要高于车辆在人行道的概率,因此,设置量测先行人后车辆,量测首先用于起始行人轨迹,当该量测确定无法形成行人轨迹时,再考虑形成车辆轨迹的可能性。同理,当区域类型为车辆行驶区域时,设置量测先车辆后行人,量测首先用于起始车辆轨迹,当该量测确定无法形成车辆轨迹时,再考虑形成行人轨迹的可能性。当区域类型为未知区域时,行人和车辆在未知区域出现的概率基本相同,因此,设置行人、车辆同时量测。
在一个可选的实施例中,在确定所述区域类型为其他区域类型时,结束确定所述目标对象的身份的操作;其中,所述其他区域类型为除人行道区域、车辆行驶区域以及未知区域之外的区域类型。在本实施例中,若在其他区域,如建筑物区域,存在目标轨迹,无论是行人目标还是车辆轨迹,目标跟踪算法均认为此是虚假轨迹,给予删除或延迟上报。
下面结合具体实施方式对如何确定身份进行说明:
图9是根据本发明具体实施例的身份确定方法流程图一,包括初始化环节,载入地图,输入有序量测,目标身份判断。如图9所示,该流程包括:
步骤S902,初始化环节目的是开辟地图存储空间、量测存储空间等必要的预处理环节。只需要执行一次即可。
步骤S904,载入地图,即为目标身份识别程序提供可靠准确的监控区域地图。载入地图可人工绘制已知环境地图并导入程序,也可以在线生成地图(无需任何人工辅助作业)。
步骤S906,输入有序量测,雷达量测信息包括量测时间、X、Y、RCS、径向速度信息和地图区域信息。结构体如下:
其中,有序量测是指量测依量测时间以非递减的顺序排列。
步骤S908,判断目标对象的身份,需要四个子过程,如图10所示,分别是确定轨迹区域属性区域过程(对应于上述确定目标属性信息过程),车辆聚类过程,行人特征判断过程(对应于上述行人特征子过程),车辆特征判断过程(对应于上述车辆特征子过程)。
图11是根据本发明具体实施例的身份确定方法流程图二,如图11所示,该方法包括:
第1步:确定轨迹区域属性。跳转第2步。
第2步:人行道区域判断。若是人行道区域,则跳转第3步;否则跳转第17步。
第3步:设置量测先人后车。该步骤目的是量测首先用于起始行人轨迹,当该量测确定无法形成行人轨迹时,再考虑形成车辆轨迹的可能性。跳转到第4步。
第4步:设置起始规则。该步骤目的是调整相关参数,使行人轨迹更易于起始,车辆轨迹更难起始。相关参数包括起始时间阈值、量测与量测RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值。跳转第5步。
第5步:起始行人轨迹或关联行人轨迹。即当前帧量测与行人轨迹匹配,选择合适的量测保存到行人轨迹序列中。跳转第6步。
第6步:行人量测时间阈值判断。即行人轨迹是否满足M/N规则,若不满足,跳转第7步;若满足,则跳转第8步。
第7步:延迟起始/关联车辆轨迹。此条行人轨迹中每一个量测点,当确定无法形成行人轨迹时,则尝试形成车辆轨迹,该过程是延迟判断过程。跳转到第11步。
第8步:行人特征判断。调用子过程——行人特征判断——判断是否是行人轨迹。跳转第9步。
第9步:满足行人特征。若是行人特征则跳转第10步;否则跳转第11步。
第10步:输出行人目标身份。将该轨迹标记为行人,并输出。
第11步:车辆聚类过程。调用子过程——车辆聚类过程——尝试判断是否是车辆轨迹。
第12步:车辆量测时间阈值。即车辆轨迹是否满足M/N规则,若不满足,跳转第13步;若满足,则跳转第14步。
第13步:下一帧循环。跳转到下一次循环,从第1步开始。
第14步:车辆特征判断。调用子过程——车辆特征判断——判断是否是车辆轨迹。若不是车辆轨迹,则跳转第15步;若是车辆轨迹,则跳转第16步。
第15步:虚假轨迹,删除。
第16步:输出车辆目标身份。将该轨迹标记为车辆,并输出。
第17步:车辆可行驶区域判断。判断是否是车辆可行驶区域。若是,则跳转第18步;若不是,则跳转第33步。
第18步:设置量测先车后人。该步骤目的是量测首先用于起始车辆轨迹,当该量测确定无法形成车辆轨迹时,再考虑形成行人轨迹的可能性。跳转到第19步。
第19步:设置起始规则。该步骤目的是调整相关参数,使车辆轨迹更易于起始,行人轨迹更难起始。跳转第20步。
第20步:车辆聚类过程。调用子过程——车辆聚类过程——判断是否是车辆轨迹。
第21步:车辆量测时间阈值。即车辆轨迹是否满足M/N规则,若不满足,跳转第22步;若满足,则跳转第第23步。
第22步:延迟起始/关联行人轨迹。此条车辆轨迹中每一个量测点,当确定无法形成车辆轨迹时,则尝试形成行人轨迹。跳转到第26步。
第23步:车辆特征判断。调用子过程——车辆特征判断,进而判断是否是车辆轨迹。
第24步:判断满足车辆特征。若不满足车辆轨迹特征,则跳转第26步;若满足,则跳转第25步。
第25步:输出车辆目标身份。将该轨迹标记为车辆,并输出。
第26步:起始行人轨迹/关联行人轨迹。该步骤属于延迟判断。车辆轨迹中任意一个量测点,当其确定无法形成车辆轨迹时,则开始尝试起始或关联行人轨迹。转到第27步。
第27步:满足行人量测时间阈值。若不满足,则跳转第31步;若满足,跳转第28步。
第28步:行人特征判断。调用行人特征判断过程。跳转第29步。
第29步:满足行人特征。如果不满足行人特征,则跳转第32步;若满足行人特征,跳转第30步。
第30步:输出行人目标身份。
第31步:结束该循环,等待下一帧循环。
第32步:虚假轨迹删除。
第29步:输出行人目标身份。将该轨迹标记为行人,并输出。
第33步:未知区域。判断是否处于未知区域。若否,则跳转第34步。若是,则跳转35步。
第35步:设置量测人车无先后顺序。该步骤目的是量测可同时起始行人轨迹和车辆轨迹。跳转第36步。
第36步:设置起始规则。该步骤目的是起始行人轨迹和起始车辆轨迹的概率相等。即不存在优先顺序的差别。跳转第37步。
第37步:同时起始车辆轨迹和行人轨迹。第37步同时从第11步和第26步开始(并行),即车辆轨迹和行人轨迹会争夺轨迹身份,哪一种轨迹先形成,则先输出,并终止另一种轨迹的形成过程。
在前述实施例中,雷达以高检测概率获得移动目标的量测信息,后台目标跟踪算法基于雷达量测输入信息,快速准确起始真实目标轨迹,确认真实移动目标身份和运动信息,及时过滤虚假轨迹和终结目标轨迹,进而将准确的目标身份和运动信息输出给其它环节。毫米波雷达可监控多种目标,从多种目标中提取用户感兴趣的目标,尽快终结/过滤用户不感兴趣的目标或虚假目标。目标轨迹分类的目的之一即是筛选/过滤目标。例如,在公园中,偶然间刮起3级风,树木摇晃进而形成一条低速且小范围运动的目标轨迹,其目标类型为非人、非车、非动物目标,此类型目标无需上报,或尽快调用轨迹终结方法对其删除。如果是一条小狗从花园穿过,则由于不是用户关注的目标(用户关注的目标是人或车),也应该及时终结轨迹。如果是行人形成的一条轨迹,则雷达将行人轨迹信息输出至摄像机,摄像机依据雷达提供的轨迹空间位置信息,对其拍照或录像。
本发明算法适应能力强:适应于空旷环境(如飞机场),复杂环境(如公园、道路、闸口、园区)等多种环境,也适用于恶略天气,如大雾天、雨雪天;目标身份识别率高:借助地图区域属性,自适应调节目标轨迹的起始规则,进而提高目标身份识别准确率;实时性高:借助地图信息,可快速起始目标轨迹;允许多线程并行计算。可以应用在如公园、工地、十字路口、道路、园区出入口、闸机等。若在建筑物区域存在目标轨迹,无论是行人目标还是车辆轨迹,目标跟踪算法均认为此是虚假轨迹,给予删除或延迟上报。如果在人行道区域内发现一条行人轨迹,则给予删除;如果在人行道区域内发现一条车辆轨迹,则需尽快上报;如果在机动车可行驶区域内,出现机动车目标轨迹,则无需关注并删除轨迹,但是在机动车行驶区域,出现行人轨迹,则需尽快上报。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种身份确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图12是根据本发明实施例的身份确定装置的结构框图,如图12所示,该装置包括:
第一确定模块1202,用于基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
第二确定模块1204,用于基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
第三确定模块1206,用于基于所述目标属性信息确定所述目标对象的身份。
在一个可选的实施例中,在基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息之前,所述装置可以用于:载入绘制的初始地图;栅格化所述初始地图;为栅格化所述目标地图后所得到的各地图节点赋值以对应的节点属性,以得到所述目标地图,其中,所述目标地图的属性信息包括各地图节点对应的节点属性。
在一个可选的实施例中,所述装置可以通过如下方式之一载入绘制的初始地图:载入人工绘制的所述初始地图;载入在线生成的所述初始地图。
在一个可选的实施例中,所述第三确定模块1206可以通过以下方式实现基于所述目标属性信息确定所述目标对象的身份:基于所述目标属性信息确定所述目标区域的区域类型;确定与所述区域类型对应的量测规则;基于所述量测规则确定所述运动轨迹的类型;基于所述运动轨迹的类型确定所述目标对象的身份。
在一个可选的实施例中,所述第三确定模块1206可以通过以下方式实现基于所述量测规则确定所述运动轨迹的特征:在确定所述量测规则用于起始第一类型轨迹时,判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则;在判定结果为满足所述第一规则的情况下,判断所述运动轨迹是否是所述第一类型轨迹,在判断结果为是所述第一类型轨迹的情况下,将所述运动轨迹的类型确定为所述第一类型轨迹,在判断结果为不是所述第一类型轨迹的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;在判定结果为不满足所述第一规则的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;其中,所述第一类型轨迹与所述第二类型轨迹不同。
在一个可选的实施例中,所述装置可以用于在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,设置所述第一规则;设置与所述第二类型轨迹对应的第二规则。
在一个可选的实施例中,所述第一规则包括以下至少之一:起始时间阈值、量测与量测雷达发射面积RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值。
在一个可选的实施例中,所述装置还可以用于在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,在所述第一类型轨迹为行人轨迹时,将所述运动轨迹中包括的量测与所述第一类型轨迹进行匹配,以确定出第一目标量测;将所述第一目标量测保存至第一预定序列中,以得到第一目标序列;所述第三确定模块1206可以通过如下方式判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则:基于所述第一目标序列判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。
在一个可选的实施例中,所述装置还可以用于在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,在所述第一类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;所述第三确定模块1206可以通过如下方式判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则:基于所述第二目标量测判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。
在一个可选的实施例中,所述装置可以通过以下方式对当前帧中的量测进行聚类处理:将所述当前帧中包括的所有量测两两相关,将相关后的满足预先设置的聚类门限的量测归为一组。
在一个可选的实施例中,所述装置还可以用于在将所述当前帧中包括的所有量测两两相关之前,依据量测到雷达之间的距离,确定所述聚类门限中包括的以下门限至少之一:量测与量测之间的距离关联门限、量测与量测之间的RCS关联门限、量测与量测之间的径向速度关联门限。
在一个可选的实施例中,所述第三确定模块1206可以通过以下方式实现执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型:判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则;在判断结果为满足所述第二规则的情况下,判断所述运动轨迹是否是所述第二类型轨迹,在判断结果为是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为所述第二类型轨迹,在判断结果为不是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为虚假轨迹;在判断结果为不满足所述第二规则的情况下,基于当前帧的下一帧图像重复执行确定所述目标属性信息以及确定所述目标对象的身份信息的操作。
在一个可选的实施例中,所述装置还可以用于在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:在确定所述第二类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;所述第三确定模块1206可以通过如下方式判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则:基于所述第二目标量测判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。
在一个可选的实施例中,所述装置还可以用于在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:将所述运动轨迹中包括的量测与所述第二类型轨迹进行匹配,以确定出第二目标量测;将所述第二目标量测保存至第二预定序列中,以得到第二目标序列;所述第三确定模块1206可以通过如下方式判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则:基于所述第二目标序列判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。
在一个可选的实施例中,所述第三确定模块1206可以通过以下方式实现判断所述运动轨迹是否是所述第一类型轨迹:基于如下判断依据至少之一判断所述运动轨迹是否是所述第一类型轨迹:RCS区间、径向速度区间、第一类型量测位置波动区间。
在一个可选的实施例中,所述第三确定模块1206可以通过以下方式实现确定与所述区域类型对应的量测规则:在所述区域类型为人行道区域的情况下,确定与所述区域类型对应的量测规则为先量测行人轨迹再量测车辆轨迹;在所述区域类型为车辆行驶区域的情况下,确定与所述区域类型对应的量测规则为先量测车辆轨迹再量测行人轨迹;在所述区域类型为未知区域的情况下,确定与所述区域类型对应的量测规则为同时量测车辆轨迹和行人轨迹。
在一个可选的实施例中,所述装置还可以用于在确定所述区域类型为其他区域类型时,结束确定所述目标对象的身份的操作;其中,所述其他区域类型为除人行道区域、车辆行驶区域以及未知区域之外的区域类型。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
S2,基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
S3,基于所述目标属性信息确定所述目标对象的身份。
可选地,在本实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
S2,基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
S3,基于所述目标属性信息确定所述目标对象的身份。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (19)
1.一种身份确定方法,其特征在于,包括:
基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
基于所述目标属性信息确定所述目标对象的身份;
基于所述目标属性信息确定所述目标对象的身份包括:基于所述目标属性信息确定所述目标区域的区域类型;确定与所述区域类型对应的量测规则;基于所述量测规则确定所述运动轨迹的类型;基于所述运动轨迹的类型确定所述目标对象的身份;
基于所述量测规则确定所述运动轨迹的类型包括:在确定所述量测规则用于起始第一类型轨迹时,判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则,得到判定结果;判断所述运动轨迹是否是所述第一类型轨迹,得到判断结果;基于判定结果以及所述判断结果确定所述运动轨迹的类型。
2.根据权利要求1所述的方法,其特征在于,在基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息之前,所述方法还包括:
载入绘制的初始地图;
栅格化所述初始地图;
为栅格化所述目标地图后所得到的各地图节点赋值以对应的节点属性,以得到所述目标地图,其中,所述目标地图的属性信息包括各地图节点对应的节点属性。
3.根据权利要求2所述的方法,其特征在于,载入绘制的初始地图包括以下之一:
载入人工绘制的所述初始地图;
载入在线生成的所述初始地图。
4.根据权利要求1所述的方法,其特征在于,基于判定结果以及所述判断结果确定所述运动轨迹的类型包括:
在所述判定结果为满足所述第一规则,且所述判断结果为是所述第一类型轨迹的情况下,将所述运动轨迹的类型确定为所述第一类型轨迹,在所述判定结果为满足所述第一规则,且所述判断结果为不是所述第一类型轨迹的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;
在所述判定结果为不满足所述第一规则的情况下,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型;
其中,所述第一类型轨迹与所述第二类型轨迹不同。
5.根据权利要求4所述的方法,其特征在于,在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括以下至少之一:
设置所述第一规则;
设置与所述第二类型轨迹对应的第二规则。
6.根据权利要求1或5所述的方法,其特征在于,所述第一规则包括以下至少之一:
起始时间阈值、量测与量测雷达发射面积RCS关联阈值、径向速度关联阈值、空间位置关联阈值、聚类门限关联阈值。
7.根据权利要求1所述的方法,其特征在于,
在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括:在所述第一类型轨迹为行人轨迹时,将所述运动轨迹中包括的量测与所述第一类型轨迹进行匹配,以确定出第一目标量测;将所述第一目标量测保存至第一预定序列中,以得到第一目标序列;
判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则包括:基于所述第一目标序列判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。
8.根据权利要求1所述的方法,其特征在于,
在判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则之前,所述方法还包括:在所述第一类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;
判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则包括:基于所述第二目标量测判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则。
9.根据权利要求8所述的方法,其特征在于,对当前帧中的量测进行聚类处理包括:
将所述当前帧中包括的所有量测两两相关,将相关后的满足预先设置的聚类门限的量测归为一组。
10.根据权利要求9所述的方法,其特征在于,在将所述当前帧中包括的所有量测两两相关之前,所述方法还包括:
依据量测到雷达之间的距离,确定所述聚类门限中包括的以下门限至少之一:
量测与量测之间的距离关联门限、量测与量测之间的RCS关联门限、量测与量测之间的径向速度关联门限。
11.根据权利要求4所述的方法,其特征在于,执行判断所述运动轨迹是否为第二类型轨迹的操作,并基于判断结果确定所述运动轨迹的类型包括:
判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则;
在判断结果为满足所述第二规则的情况下,判断所述运动轨迹是否是所述第二类型轨迹,在判断结果为是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为所述第二类型轨迹,在判断结果为不是所述第二类型轨迹的情况下,将所述运动轨迹的类型确定为虚假轨迹;
在判断结果为不满足所述第二规则的情况下,基于当前帧的下一帧图像重复执行确定所述目标属性信息以及确定所述目标对象的身份信息的操作。
12.根据权利要求11所述的方法,其特征在于,
在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,所述方法还包括:循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:在确定所述第二类型轨迹为车辆轨迹时,对当前帧中的量测进行聚类处理,基于聚类结果确定出所述运动轨迹中包括的量测中属于同一辆车的第二目标量测;
判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则包括:基于所述第二目标量测判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。
13.根据权利要求11所述的方法,其特征在于,
在判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则之前,所述方法还包括:循环判断所述运动轨迹中包括的各量测点是否能够形成所述第一类型轨迹;在确定无法形成所述第一类型轨迹的情况下,执行以下操作:将所述运动轨迹中包括的量测与所述第二类型轨迹进行匹配,以确定出第二目标量测;将所述第二目标量测保存至第二预定序列中,以得到第二目标序列;
判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则包括:基于所述第二目标序列判断所述运动轨迹是否满足与所述第二类型轨迹对应的第二规则。
14.根据权利要求1所述的方法,其特征在于,判断所述运动轨迹是否是所述第一类型轨迹包括:
基于如下判断依据至少之一判断所述运动轨迹是否是所述第一类型轨迹:
RCS区间、径向速度区间、第一类型量测位置波动区间。
15.根据权利要求1所述的方法,其特征在于,确定与所述区域类型对应的量测规则包括:
在所述区域类型为人行道区域的情况下,确定与所述区域类型对应的量测规则为先量测行人轨迹再量测车辆轨迹;
在所述区域类型为车辆行驶区域的情况下,确定与所述区域类型对应的量测规则为先量测车辆轨迹再量测行人轨迹;
在所述区域类型为未知区域的情况下,确定与所述区域类型对应的量测规则为同时量测车辆轨迹和行人轨迹。
16.根据权利要求1所述的方法,其特征在于,在确定所述区域类型为其他区域类型时,结束确定所述目标对象的身份的操作;
其中,所述其他区域类型为除人行道区域、车辆行驶区域以及未知区域之外的区域类型。
17.一种身份确定装置,其特征在于,包括:
第一确定模块,用于基于目标对象的雷达量测信息确定所述目标对象的运动轨迹;
第二确定模块,用于基于目标地图的属性信息确定所述运动轨迹所在的目标区域的目标属性信息,其中,所述目标地图中包括所述目标区域;
第三确定模块,用于基于所述目标属性信息确定所述目标对象的身份;
所述第三确定模块通过如下方式实现基于所述目标属性信息确定所述目标对象的身份:基于所述目标属性信息确定所述目标区域的区域类型;确定与所述区域类型对应的量测规则;基于所述量测规则确定所述运动轨迹的类型;基于所述运动轨迹的类型确定所述目标对象的身份;
所述第三确定模块通过如下方式实现基于所述量测规则确定所述运动轨迹的类型:基于所述量测规则确定所述运动轨迹的类型包括:在确定所述量测规则用于起始第一类型轨迹时,判断所述运动轨迹是否满足与所述第一类型轨迹对应的第一规则,得到判定结果;判断所述运动轨迹是否是所述第一类型轨迹,得到判断结果;基于判定结果以及所述判断结果确定所述运动轨迹的类型。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至16任一项中所述的方法。
19.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至16任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276285.7A CN111429791B (zh) | 2020-04-09 | 2020-04-09 | 身份确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276285.7A CN111429791B (zh) | 2020-04-09 | 2020-04-09 | 身份确定方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429791A CN111429791A (zh) | 2020-07-17 |
CN111429791B true CN111429791B (zh) | 2022-11-18 |
Family
ID=71557743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010276285.7A Active CN111429791B (zh) | 2020-04-09 | 2020-04-09 | 身份确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429791B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040128A (zh) * | 2020-09-03 | 2020-12-04 | 浙江大华技术股份有限公司 | 工作参数的确定方法及装置、存储介质、电子装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITPI20120110A1 (it) * | 2012-11-05 | 2014-05-06 | I D S Ingegneria Dei Sistemi S P A | Metodo e dispositivo per per determinare la traiettoria di un proiettile emesso da una piccola arma da fuoco, in particolare per localizzare una postazione di sparo |
CN107615090B (zh) * | 2015-05-29 | 2021-06-11 | 三菱电机株式会社 | 雷达信号处理装置 |
CN106126521B (zh) * | 2016-06-06 | 2018-06-19 | 腾讯科技(深圳)有限公司 | 目标对象的社交账号挖掘方法及服务器 |
CN106546975B (zh) * | 2016-10-14 | 2019-04-26 | 中国民航科学技术研究院 | 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法 |
CN107643752B (zh) * | 2017-05-09 | 2020-12-08 | 清研华宇智能机器人(天津)有限责任公司 | 基于行人轨迹预测的全向移动机器人路径规划算法 |
CN108873908B (zh) * | 2018-07-12 | 2020-01-24 | 重庆大学 | 基于视觉slam和网络地图结合的机器人城市导航*** |
CN109084798B (zh) * | 2018-08-29 | 2020-10-13 | 武汉环宇智行科技有限公司 | 网络下发带有道路属性的控制点的路径规划方法 |
CN109829386B (zh) * | 2019-01-04 | 2020-12-11 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
CN109899685A (zh) * | 2019-03-25 | 2019-06-18 | 吴新文 | 一种管线安全防护方法 |
CN110532916B (zh) * | 2019-08-20 | 2022-11-04 | 北京地平线机器人技术研发有限公司 | 一种运动轨迹确定方法及装置 |
-
2020
- 2020-04-09 CN CN202010276285.7A patent/CN111429791B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111429791A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Varney et al. | DALES: A large-scale aerial LiDAR data set for semantic segmentation | |
CN105787502B (zh) | 用于物体融合的目标分类集合技术 | |
CN112070807B (zh) | 多目标跟踪方法和电子装置 | |
WO2021170030A1 (zh) | 一种用于目标追踪的方法、设备及*** | |
CN110785774A (zh) | 用于自动驾驶车辆中的闭环感知的方法和*** | |
US20130004017A1 (en) | Context-Based Target Recognition | |
CN110869559A (zh) | 用于自动驾驶车辆中的集成的全局式与分布式学习的方法和*** | |
CN110799982A (zh) | 用于自动驾驶车辆中的以物体为中心的立体视觉的方法和*** | |
CN111753757B (zh) | 一种图像识别处理方法及装置 | |
CN107507417B (zh) | 一种基于微波雷达回波信号的智能车道划分方法及装置 | |
Barnes et al. | Exploiting 3D semantic scene priors for online traffic light interpretation | |
CN106327880B (zh) | 一种基于监控视频的车速识别方法及其*** | |
Cheng et al. | Pedestrian group detection in shared space | |
CN109948635A (zh) | 一种基于激光扫描的目标识别方法及装置 | |
Hashemi | Automatic inference of road and pedestrian networks from spatial-temporal trajectories | |
CN111929672A (zh) | 移动轨迹的确定方法及装置、存储介质和电子装置 | |
CN111429791B (zh) | 身份确定方法、装置、存储介质及电子装置 | |
CN112052878A (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
CN111324686B (zh) | 目标测量轨迹的获取方法及装置、存储介质、电子装置 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN112863195B (zh) | 车辆状态的确定方法及装置 | |
KR20220038857A (ko) | 자율주행 상황 인지 알고리즘 평가 서비스 장치 및 방법 | |
Zhang et al. | Real time obstacle detection method based on lidar and wireless sensor | |
CN116430404A (zh) | 相对位置的确定方法和装置、存储介质及电子装置 | |
CN111274336B (zh) | 目标轨迹的处理方法、装置、存储介质及电子装置 |
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 |