CN112102370A - 目标的跟踪方法和装置、存储介质、电子装置 - Google Patents

目标的跟踪方法和装置、存储介质、电子装置 Download PDF

Info

Publication number
CN112102370A
CN112102370A CN202011001634.0A CN202011001634A CN112102370A CN 112102370 A CN112102370 A CN 112102370A CN 202011001634 A CN202011001634 A CN 202011001634A CN 112102370 A CN112102370 A CN 112102370A
Authority
CN
China
Prior art keywords
target
point cloud
radar
cloud data
tracking
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.)
Pending
Application number
CN202011001634.0A
Other languages
English (en)
Inventor
孙聪
宋德超
唐杰
陈翀
罗晓宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202011001634.0A priority Critical patent/CN112102370A/zh
Publication of CN112102370A publication Critical patent/CN112102370A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种目标的跟踪方法和装置、存储介质、电子装置。其中，该方法包括：获取雷达装置采集到的点云数据；获取为所述点云数据输入的场景信息；根据所述点云数据和所述场景信息进行目标跟踪。本申请解决了雷达进行目标跟踪的准确率较低的技术问题。

Description

目标的跟踪方法和装置、存储介质、电子装置
技术领域
本申请涉及目标跟踪领域，具体而言，涉及一种目标的跟踪方法和装置、存储介质、电子装置。
背景技术
雷达技术是目前比较先进的技术，因为雷达作为一种电磁波探测设备，具有很多优秀的特点，并且随着科技和人工智能的发展在不断加快，雷达技术的突破也是突飞猛进，其技术从最开始的军事用途也逐渐进入到了日常的生活应用中，而雷达技术的使用则有机场安检仪器、机械振动测量、人类生命体征检测等等许多地方。雷达中的毫米波雷达具有着灵敏度高、穿透性强、无需接触等特点被广泛的应用在各个领域，目前毫米波雷达的技术应用于汽车领域是非常多的。而在家用和人体识别方面的使用还是比较欠缺的(尤其不能进行准确的跟踪)，这也将会是雷达发展的下一个阶段，真正将科技用于造福于人类生活。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种目标的跟踪方法和装置、存储介质、电子装置，以至少解决雷达进行目标跟踪的准确率较低的技术问题。
根据本申请实施例的一个方面，提供了一种目标的跟踪方法，包括：获取雷达装置采集到的点云数据；获取为所述点云数据输入的场景信息；根据所述点云数据和所述场景信息进行目标跟踪。
根据本申请实施例的另一方面，还提供了一种目标的跟踪装置，包括：第一获取单元，用于获取雷达装置采集到的点云数据；第二获取单元，用于获取为所述点云数据输入的场景信息；跟踪单元，用于根据所述点云数据和所述场景信息进行目标跟踪。
根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本申请实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本申请实施例中，在使用毫米波雷达时主动将要检测的边界和范围给到毫米波雷达，然后毫米波雷达根据传进来的边界数据，针对数据进行准确的检测和跟踪。提供了一种基于毫米波雷达与用户场景信息相结合的方法，来对区域内的目标进行跟踪，可以解决了雷达进行目标跟踪的准确率较低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种可选的目标的跟踪方法的流程图；
图2是根据本申请实施例的一种可选的目标的跟踪方案的示意图；
图3是根据本申请实施例的一种可选的目标的跟踪方案的示意图；
图4是根据本申请实施例的一种可选的目标的跟踪装置的示意图；
以及
图5是根据本申请实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一方面，提供了一种目标的跟踪方法的方法实施例。本方案提供了一种基于毫米波雷达和用户场景信息相结合的一种目标跟踪解决方案，可以解决毫米波雷达有时跟踪不准确的发生，可以更好的实现人场景内人员的跟踪监测和人数统计。图1是根据本申请实施例的一种可选的目标的跟踪方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤S1，获取雷达装置采集到的点云数据。
步骤S2，获取为所述点云数据输入的场景信息。
可选地，获取为所述点云数据输入的场景信息包括：在所述雷达装置位于屋顶的情况下，获取包括如下信息的所述场景信息：雷达距离地面的高度、所要探测区域的长度和宽度、以及进出探测区域的位置；在所述雷达装置位于墙角的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙相对雷达的位置、以及进出探测区域的位置；在所述雷达装置位于墙的侧面的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙中除雷达所在那面墙之外的其他三面墙相对雷达的位置、以及进出探测区域的位置。
步骤S3，根据所述点云数据和所述场景信息进行目标跟踪。
可选地，根据所述点云数据和所述场景信息进行目标跟踪包括：采用聚类算法对每一帧的点云数据进行聚类，以检测出目标；采用扩展卡尔曼滤波算法对每一帧的点云数据中的目标进行实时跟踪；在目标跟踪过程中，对走出雷达探测区域的目标进行释放。
上述采用聚类算法对每一帧的点云数据进行聚类，以检测出目标包括：采用聚类算法对每一帧的点云数据分区域进行聚类检测，其中，所分的区域包括入口区域和室内区域。
可选地，在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，在形成的新目标位于入口区域的情况下，确认该新目标为要跟踪的目标；在形成的新目标位于室内区域且室内区域存在旧目标的情况下，确认新目标为要跟踪的目标，并且释放室内区域的旧目标；在形成的新目标位于室内区域且室内区域不存在旧目标的情况下，不将新目标作为要跟踪的目标。
可选地，在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，若在一段目标时间内，室内区域连续多次出现新目标且室内区域不存在旧目标的情况下，确认新目标为要跟踪的目标。
可选地，在目标跟踪过程中，若有目标从入口区域走出边界，则释放该目标，若目标不是从入口区域走出边界，即使跟丢也不释放该目标。
通过上述步骤，在使用毫米波雷达时主动将要检测的边界和范围给到毫米波雷达，然后毫米波雷达根据传进来的边界数据，针对数据进行准确的检测和跟踪。提供了一种基于毫米波雷达与用户场景信息相结合的方法，来对区域内的目标进行跟踪，可以解决了雷达进行目标跟踪的准确率较低的技术问题。
关于边界的选取和确定，可以提供给用户一个交互程序，例如app或者小程序等，用户通过这种方式可以很直观的将自己想要用雷达探测的区域信息输入到里边(以上也可通过机器自动完成)，这些数据会通过app等交互方式传递到毫米波雷达中，然后在将边界的数据信息显示在用户的手机界面上，用户来判断边界信息是否正确，如果正确就确定设置成功。
作为一种可选的实施例，下文结合如图2和图3所示的具体实施方式进一步详述本申请的技术方案。
本方案是在毫米波雷达探测得到的点云数据的基础上进行的上层应用，通过使用毫米波雷达，以及用户输入的雷达探测的场景信息，两者结合对场景内的人目标进行跟踪，实现在特定场景内对用户进行跟踪和人数统计，提高准确性和精度。
步骤1，获取场景信息。
雷达安装分为三种模式：1)顶上模式，即雷达装置在屋顶上，垂直向下探测；2)墙角模式，即雷达放置在墙角，进行探测，采集数据；3)侧面模式，即雷达放置在墙的侧面，进行探测。
之所以设置三种模式，一方面雷达在上述三种模式下探测即采集数据的原理有一些不同，另一方面是上述三种模式下场景信息不同。场景信息如下：1)顶上模式的场景信息：雷达距离地面高度，所要探测的区域的长和宽，以及进出区域的位置；2)墙角模式的场景信息：所要探测的区域中四面墙相对雷达的位置，以及房间进出区域的位置；3)侧面模式的场景信息：所要探测的区域中四面墙除雷达所在那面墙之外的其他三面墙相对雷达的位置，以及进出区域的位置。
步骤2，毫米波雷达点云数据。
本方案是在毫米波雷达探测得到的点云数据的基础上进行的上层应用。毫米波雷达通过接收到的回波信号经信号处理得到点云数据，点云数据是本方案要进行计算处理的原始数据，点云数据信息包括：1)目标点与雷达的距离；2)目标点相对雷达的方位角；3)目标点相对雷达的仰角(该属性为三维毫米波雷达所探测的信息，二维毫米波雷达不包含该属性，本方案都包含这两种雷达)；4)目标点相对雷达的速度；5)目标点的信噪比。
步骤3，基于点云数据的目标跟踪。
基于点云数据的目标跟踪过程如下：
步骤3.1，目标形成，采用聚类算法对每一帧的点云数据进行聚类，实现目标检测，即新目标的形成，聚类算法使用DBSCAN算法，且不限于该聚类算法。
步骤3.2，目标跟踪，采用扩展卡尔曼滤波算法对新目标进行跟踪，对每一帧的点云数据中的目标进行实时跟踪。
步骤3.3，目标释放管理，在目标跟踪过程中，有的目标可能走出雷达探测区域，需对目标进行释放。
步骤4，基于点云数据的目标跟踪应用存在的缺陷，雷达探测的缺陷：1)一般检测到的数据都是运动的物体的，静止的物体无法准确探测；2)墙体存在反射，导致出现假目标。基于雷达探测到的点云数据的目标跟踪存在的缺陷：1)没有边界，算法不知道何时走出边界，什么时候释放无法确认，导致释放机制在实际应用中出错；2)易形成假目标。
步骤5，毫米波雷达与场景信息相结合。
利用场景信息的先验知识，来限制约束算法，可提高算法实际应用能力。
场景信息包括所要探测区域的边界以及边界的入口，跟踪算法结合场景信息进行如下：
步骤5.1，目标形成，采用聚类DBSCAN算法对每一帧的点云数据进行聚类，实现目标检测。分区域进行聚类检测，分两个区域：入口区域和室内区域。加入规则约束：a、若形成的新目标在入口区域，则确认该新目标为要跟踪的目标，其他不作处理；b、若形成的新目标在室内区域，则确认该新目标为要跟踪的目标，并且释放(删除)室内区域的一个旧目标，若室内区域没有其他目标，则不确认该新目标为要跟踪的目标；c、若在一段时间内，室内区域连续10次有新目标形成，即上述步骤b重复出现，若在一定时间内超出10次，又有新目标形成，则此时执行步骤a，确认该新目标为要跟踪的目标，其他不作处理。
步骤5.2，目标跟踪，采用扩展卡尔曼滤波算法对新目标进行跟踪，对每一帧的点云数据中的目标进行实时跟踪。
步骤5.3，目标释放管理，在目标跟踪过程中，若有目标从入口区域走出边界，则释放该目标，若目标不是从入口区域走出边界，即使跟丢也不释放目标(跟丢目标时，实际目标会形成新目标，形成新目标时按前文步骤处理可以将旧目标释放掉，从而保持跟踪目标数和实际目标数一致，能够弥补雷达跟踪目标数不准的缺陷。
本方案提出了一种基于毫米波雷达和场景信息相结合的目标跟踪方法，主要是基于毫米波雷达探测到的点云数据和场景信息相结合解决目前单独使用毫米波时出现的跟踪不稳定、不准确的问题，本方案可应用于空调、壁挂炉等需要控制开关的用品上。来根据用户需求来控制设备的开和关。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
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，本申请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)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述目标的跟踪方法的目标的跟踪装置。图4是根据本申请实施例的一种可选的目标的跟踪装置装置的示意图，如图4所示，该装置可以包括：
第一获取单元401，用于获取雷达装置采集到的点云数据；
第二获取单元403，用于获取为所述点云数据输入的场景信息；
跟踪单元405，用于根据所述点云数据和所述场景信息进行目标跟踪。
需要说明的是，该实施例中的第一获取单元401可以用于执行本申请实施例中的步骤S1，该实施例中的第二获取单元403可以用于执行本申请实施例中的步骤S2，该实施例中的跟踪单元405可以用于执行本申请实施例中的步骤S3。
通过上述模块，在使用毫米波雷达时主动将要检测的边界和范围给到毫米波雷达，然后毫米波雷达根据传进来的边界数据，针对数据进行准确的检测和跟踪。提供了一种基于毫米波雷达与用户场景信息相结合的方法，来对区域内的目标进行跟踪，可以解决了雷达进行目标跟踪的准确率较低的技术问题。
可选地，第一获取单元还用于：在所述雷达装置位于屋顶的情况下，获取包括如下信息的所述场景信息：雷达距离地面的高度、所要探测区域的长度和宽度、以及进出探测区域的位置；在所述雷达装置位于墙角的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙相对雷达的位置、以及进出探测区域的位置；在所述雷达装置位于墙的侧面的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙中除雷达所在那面墙之外的其他三面墙相对雷达的位置、以及进出探测区域的位置。
可选地，跟踪单元还用于：采用聚类算法对每一帧的点云数据进行聚类，以检测出目标；采用扩展卡尔曼滤波算法对每一帧的点云数据中的目标进行实时跟踪；在目标跟踪过程中，对走出雷达探测区域的目标进行释放。
可选地，跟踪单元还用于：采用聚类算法对每一帧的点云数据分区域进行聚类检测，其中，所分的区域包括入口区域和室内区域。
可选地，跟踪单元还用于：在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，在形成的新目标位于入口区域的情况下，确认该新目标为要跟踪的目标；在形成的新目标位于室内区域且室内区域存在旧目标的情况下，确认新目标为要跟踪的目标，并且释放室内区域的旧目标；在形成的新目标位于室内区域且室内区域不存在旧目标的情况下，不将新目标作为要跟踪的目标。
可选地，跟踪单元还用于：在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，若在一段目标时间内，室内区域连续多次出现新目标且室内区域不存在旧目标的情况下，确认新目标为要跟踪的目标。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在相应的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的另一个方面，还提供了一种用于实施上述目标的跟踪方法的服务器或终端。
图5是根据本申请实施例的一种终端的结构框图，如图5所示，该终端可以包括：一个或多个(仅示出一个)处理器201、存储器203、以及传输装置205，如图5所示，该终端还可以包括输入输出设备207。
其中，存储器203可用于存储软件程序以及模块，如本申请实施例中的目标的跟踪方法和装置对应的程序指令/模块，处理器201通过运行存储在存储器203内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的目标的跟踪方法。存储器203可包括高速随机存储器，还可以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203可进一步包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。
上述的传输装置205用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置205包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置205为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器203用于存储应用程序。
处理器201可以通过传输装置205调用存储器203存储的应用程序，以执行下述步骤：
获取雷达装置采集到的点云数据；
获取为所述点云数据输入的场景信息；
根据所述点云数据和所述场景信息进行目标跟踪。
处理器201还用于执行下述步骤：
在所述雷达装置位于屋顶的情况下，获取包括如下信息的所述场景信息：雷达距离地面的高度、所要探测区域的长度和宽度、以及进出探测区域的位置；
在所述雷达装置位于墙角的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙相对雷达的位置、以及进出探测区域的位置；
在所述雷达装置位于墙的侧面的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙中除雷达所在那面墙之外的其他三面墙相对雷达的位置、以及进出探测区域的位置。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图5所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如，终端还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行目标的跟踪方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
获取雷达装置采集到的点云数据；
获取为所述点云数据输入的场景信息；
根据所述点云数据和所述场景信息进行目标跟踪。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：
在所述雷达装置位于屋顶的情况下，获取包括如下信息的所述场景信息：雷达距离地面的高度、所要探测区域的长度和宽度、以及进出探测区域的位置；
在所述雷达装置位于墙角的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙相对雷达的位置、以及进出探测区域的位置；
在所述雷达装置位于墙的侧面的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙中除雷达所在那面墙之外的其他三面墙相对雷达的位置、以及进出探测区域的位置。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种目标的跟踪方法，其特征在于，包括：
获取雷达装置采集到的点云数据；
获取为所述点云数据输入的场景信息；
根据所述点云数据和所述场景信息进行目标跟踪。
2.根据权利要求1所述的方法，其特征在于，获取为所述点云数据输入的场景信息包括：
在所述雷达装置位于屋顶的情况下，获取包括如下信息的所述场景信息：雷达距离地面的高度、所要探测区域的长度和宽度、以及进出探测区域的位置；
在所述雷达装置位于墙角的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙相对雷达的位置、以及进出探测区域的位置；
在所述雷达装置位于墙的侧面的情况，获取包括如下信息的所述场景信息：所要探测区域的四面墙中除雷达所在那面墙之外的其他三面墙相对雷达的位置、以及进出探测区域的位置。
3.根据权利要求1所述的方法，其特征在于，根据所述点云数据和所述场景信息进行目标跟踪包括：
采用聚类算法对每一帧的点云数据进行聚类，以检测出目标；
采用扩展卡尔曼滤波算法对每一帧的点云数据中的目标进行实时跟踪；
在目标跟踪过程中，对走出雷达探测区域的目标进行释放。
4.根据权利要求3所述的方法，其特征在于，采用聚类算法对每一帧的点云数据进行聚类，以检测出目标包括：
采用聚类算法对每一帧的点云数据分区域进行聚类检测，其中，所分的区域包括入口区域和室内区域。
5.根据权利要求4所述的方法，其特征在于，在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，所述方法还包括：
在形成的新目标位于入口区域的情况下，确认该新目标为要跟踪的目标；
在形成的新目标位于室内区域且室内区域存在旧目标的情况下，确认新目标为要跟踪的目标，并且释放室内区域的旧目标；
在形成的新目标位于室内区域且室内区域不存在旧目标的情况下，不将新目标作为要跟踪的目标。
6.根据权利要求5所述的方法，其特征在于，在采用聚类算法对每一帧的点云数据分区域进行聚类检测之后，所述方法还包括：
若在一段目标时间内，室内区域连续多次出现新目标且室内区域不存在旧目标的情况下，确认新目标为要跟踪的目标。
7.根据权利要求3所述的方法，其特征在于，在目标跟踪过程中，对走出雷达探测区域的目标进行释放包括：
在目标跟踪过程中，若有目标从入口区域走出边界，则释放该目标，其中，若目标不是从入口区域走出边界，即使跟丢也不释放该目标。
8.一种目标的跟踪装置，其特征在于，包括：
第一获取单元，用于获取雷达装置采集到的点云数据；
第二获取单元，用于获取为所述点云数据输入的场景信息；
跟踪单元，用于根据所述点云数据和所述场景信息进行目标跟踪。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
CN202011001634.0A 2020-09-22 2020-09-22 目标的跟踪方法和装置、存储介质、电子装置 Pending CN112102370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011001634.0A CN112102370A (zh) 2020-09-22 2020-09-22 目标的跟踪方法和装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011001634.0A CN112102370A (zh) 2020-09-22 2020-09-22 目标的跟踪方法和装置、存储介质、电子装置

Publications (1)

Publication Number Publication Date
CN112102370A true CN112102370A (zh) 2020-12-18

Family

ID=73755806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011001634.0A Pending CN112102370A (zh) 2020-09-22 2020-09-22 目标的跟踪方法和装置、存储介质、电子装置

Country Status (1)

Country Link
CN (1) CN112102370A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946618A (zh) * 2021-01-26 2021-06-11 北京清雷科技有限公司 室内人员的定位方法及装置、***、家电设备
CN114442081A (zh) * 2021-12-21 2022-05-06 珠海格力电器股份有限公司 人员检测方法、装置、存储介质及电子设备
CN115049696A (zh) * 2021-03-08 2022-09-13 北京金茂绿建科技有限公司 一种基于雷达数据的人员监测方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946618A (zh) * 2021-01-26 2021-06-11 北京清雷科技有限公司 室内人员的定位方法及装置、***、家电设备
CN112946618B (zh) * 2021-01-26 2023-02-17 北京清雷科技有限公司 室内人员的定位方法及装置、***、家电设备
CN115049696A (zh) * 2021-03-08 2022-09-13 北京金茂绿建科技有限公司 一种基于雷达数据的人员监测方法和装置
CN114442081A (zh) * 2021-12-21 2022-05-06 珠海格力电器股份有限公司 人员检测方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN112102370A (zh) 目标的跟踪方法和装置、存储介质、电子装置
EP3417309B1 (en) Detecting motion based on repeated wireless transmissions
CN110363076B (zh) 人员信息关联方法、装置及终端设备
JP2018503795A (ja) 電磁信号に基づくモバイル端末の測位
CN110456321B (zh) 滤除雷达误报的方法、终端设备及存储介质
Bhattacherjee et al. Experimental study of outdoor UAV localization and tracking using passive RF sensing
CN109917390A (zh) 基于雷达的车辆检测方法和***
CN112673277B (zh) 用于雷达应用的运动辅助泄漏去除
Geng et al. Indoor tracking with RFID systems
US20190286863A1 (en) Rfid module for through boundary location accuracy
CN107850656B (zh) 用于确定定位目的的模型参数的方法、装置和***
CN104703215B (zh) 一种室内信号强度异常诊断方法及***
CN106470478A (zh) 一种定位数据处理方法、装置和***
CN111899279A (zh) 一种目标对象的运动速度检测方法及装置
CN113344954A (zh) 边界检测方法、装置、计算机设备、存储介质和传感器
Galajda et al. Wireless UWB sensor system for robot gripper monitoring in non-cooperative environments
CN109889977A (zh) 一种基于高斯回归的蓝牙定位方法、装置、设备和***
CN105094423B (zh) 电子平板交互***及方法
CN111136689B (zh) 自检方法及装置
CN109788431A (zh) 一种基于相邻节点组的蓝牙定位方法、装置、设备和***
CN111132309B (zh) 一种定位方法、装置、服务器及存储介质
CN114047513A (zh) 语音提示的方法、装置和电子设备
CN107040876A (zh) 一种基于wifi的定位方法和服务器
CN109831737A (zh) 一种基于置信度的蓝牙定位方法、装置、设备和***
KR101947648B1 (ko) 전자전 수집신호변수 기반의 레이더 위협체 역추정을 위한 시뮬레이션 시스템 및 그 방법

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