目标探测的方法、装置及相关设备

技术领域

本发明实施例涉及传感器技术领域，尤其涉及一种目标探测的方法、装置及相关设备。

背景技术

随着智能家居的发展，用于室内运动目标类型识别以及人体姿态识别的智能传感器在生活中越来越普及，常用的实现此类功能的传感器一般为光学摄像头等。

基于光学摄像的检测方法虽然可以利用机器学习等对目标进行分类和姿态识别，但是运算量较大，实现成本较高，而且摄像头受光照、遮挡等影响较大，不能全天候工作，同时还存在侵犯隐私的风险。

发明内容

本发明实施例提供一种目标检测的方法、装置、存储介质及相关设备，以减小运算量，降低成本，同时能够实现全天候的工作，避免隐私泄露。

本申请实施例提供了一种目标检测的方法，可包括：

利用无线传感器发射探测信号，并接收被目标物反射所形成的回波信号；

对所述回波信号进行信号处理以得到点云数据；以及

对所述点云数据进行数据处理以得到目标信息。

上述的实施例中，通过利用无线传感器(如毫米波雷达等)进行目标的检测，即通过发送和接收电磁波来进行目标的检测和跟踪，即可以对近距离(如小于10m的范围)或室内(一般为小于6m的范围)的目标进行分类并进行姿态识别，其不但可以测量目标的距离、速度和方位和俯仰角等信息，而且不受光照的影响，可以全天候工作，不涉及隐私问题，而且随着传感器分辨率的提高，其获取的目标的信息更加丰富。

可选的，所述无线传感器包括毫米波雷达。

可选的，所述点云数据包括径向距离、径向速度、方位角和俯仰角等至少多维度的数据，所述目标信息包括目标物的数量、速度、距离、方向角度、图像(如外形尺寸等)和/或姿态等。

本申请还提供了另一种目标检测的方法，可包括：

针对任一帧回波信号进行信号处理以得到包括多个目标点四维数据的点云数据，并对所述点云数据进行聚类处理以得到多个目标簇；

针对任一所述目标簇，获取该目标簇的聚类中心的第一径向距离，以及该目标簇所包括的目标点四维数据中的极值参数；

基于所述第一径向距离和所述极值参数获取所对应目标物的三维空间尺寸数据和最高目标点高度的均值；以及

基于所述最高目标点高度的均值和/或所述三维空间尺寸数据对所述目标物进行判断。

上述实施例中，通过利用四维数据对目标进行检测，可解决近距离、舱内、室内等场景中运动目标类型识别，以及活体目标姿态识别的问题，且识别准确率较高，实现成本较低，运算量较小，并可在常规的嵌入式平台上实时运行，便于产品开发和推广。

可选的，所述目标点四维数据包括径向速度、方位角、俯仰角和第二径向距离等。

可选的，所述目标点四维数据还包括信噪比(signal Noise Ratio，SNR)；

其中，基于所述信噪比对所述点云数据进行聚类处理。

可选的，所述聚类处理包括最近邻聚类操作、K-均值聚类操作或DBSCAN聚类操作等。

可选的，所述信号处理包括依次进行的混频、模数转换(AD)、采样、二维快速傅里叶变换(FFT)、恒虚警检测(CFAR)和波达方向估计(DOA)操作等。

可选的，所述极值参数包括该目标簇所包括的目标点四维数据中的最大径向速度；所述方法还可包括：

判断该目标簇是否满足预设条件；

若满足所述预设条件，则基于所述第一径向距离和所述极值参数获取所对应目标物的三维空间尺寸数据和最高目标点基准高度；

否则，将该目标簇作为伪目标簇进行处理；

其中，所述预设条件为所述目标簇所包含的目标点数量大于预设数量，且所包含的所述最大径向速度大于第一预设速度。

可选的，所述极值参数包括该目标簇所包括的目标点四维数据中的最大方位角、最小方位角、最大俯仰角、最小俯仰角、最大第二径向距离和最小第二径向距离等；以及

所述三维空间尺寸包括探测视角切面上的长度、宽度和高度。

可选的，所述基于所述第一径向距离和所述极值参数获取所对应目标物的三维空间尺寸数据，包括：

基于所述第一径向距离、所述最大方位角和所述最小方位角获取所述宽度；

基于所述第一径向距离、所述最大俯仰角和所述最小俯仰角获取所述高度；以及

基于所述最大第二径向距离和所述最小第二径向距离获取所述长度。

可选的，所述的方法还可包括：

基于所述第一径向距离和所述最大俯仰角获取所述最高目标点高度。

可选的，所述方法还可包括：

基于当前预设时间段内的历史数据，获取所述三维空间尺寸数据的均值；

其中，所述三维空间尺寸数据的均值包括所述长度的均值、所述宽度的均值、所述高度的均值和所述最高目标点高度的均值中的至少一个。

可选的，所述方法还可包括：

基于平滑因子、所述最高目标点高度的均值和前一帧的最高目标点基准高度，以获取当前帧的所述最高目标点基准高度；

其中，在预设处理时间段内，第一帧的最高目标点基准高度为第一帧对应目标簇中的所述最高目标点高度。

可选的，所述方法还可包括：

获取所述目标簇的聚类中心的速度；

判断所述目标簇的聚类中心的速度是否大于第二速度预设值；

若大于，则基于所述平滑因子、所述最高目标点高度的均值和前一帧的所述最高目标点基准高度，以获取当前帧的所述最高目标点基准高度。

可选的，所述基于所述最高目标点高度的均值对所述目标物进行判断，包括：

预设至少一个高度阈值；以及

通过将所述最高目标点基准高度与各所述高度阈值进行大小比较，以确定所述目标物的类型。

可选的，所述至少一个高度阈值包括第一高度阈值和第二高度阈值，且所述第一高度阈值大于所述第二高度阈值；所述目标物的类型包括第一类型目标物、第二类型目标物和第三类型目标物；

所述通过将所述最高目标点高度的均值与各所述高度阈值进行大小比较，以确定所述目标物的类型，包括：

若所述最高目标点高度的均值大于所述第一高度阈值，则确认所述目标物为所述第一类型目标物；

若所述最高目标点高度的均值小于所述第二高度阈值，则确认所述目标物为所述第三类型目标物；

否则，则确认所述目标物为所述第二类型目标物。

可选的，所述的方法可包括：

基于所述最高目标点高度的均值和所述最高目标点基准高度确定目标物高度变化值；

基于所述目标物的类型、所述目标物高度变化值和所述三维空间尺寸的均值确定各类型的姿态。

可选的，所述目标物的类型包括“成人”，所述姿态包括“站立”、“坐”和“躺”；所述基于所述目标物的类型、所述目标物高度变化值和所述三维空间尺寸的均值确定各类型的姿态，包括：

预设站立阈值和坐阈值；

当所述目标物的类型为“成人”时，若所述目标物高度变化值大于等于所述站立阈值时，则确定该目标物的姿态为“站立”；若所述目标物高度变化值位于所述站立阈值与所述坐阈值之间时，则确定该目标物的姿态为“坐”；若所述目标物高度变化值小于等于所述坐阈值时，则确定该目标物的姿态为“躺”。

可选的，若所述目标物高度变化值位于所述站立阈值与所述坐阈值之间，且所述高度的均值减去所述宽度的均值小于预设差值时，输出目标物的姿态为“坐”。

可选的，若所述目标物高度变化值小于等于所述坐阈值时，且所述高度的小于所述宽度的均值时，输出目标物的姿态为“躺”。

可选地，所述方法还可包括：

基于所述目标物的姿态之间的转换时间来确定所述目标物的运动状态。

可选的，所述基于所述目标物的姿态之间的转换时间来确定所述目标物的运动状态，包括：

若所述目标物的姿态由“站立”转换到“躺”的时间小于预设时间阈值，则确定所述目标物的运动状态为“摔倒”。

本申请实施例还提供了一种目标检测的设备，可包括存储器、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，其特征在于，所述处理器执行所述程序时实现如本申请任一实施例所述方法。

本申请实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如本申请任一实施例所述方法。

本申请实施例还提供了一种无线电器件，可包括：

无线电发收通道，用于发射无线电信号及接收被目标物反射所形成的回波信号；

信号处理模块，用于对所述回波信号进行信号处理以得到包括多个目标点四维数据的点云数据；以及

数据处理模块，用于对所述点云数据进行数据处理以判断所检测到的目标物的类型、姿态和运动状态中的至少一个。

可选的，所述数据处理模块用于执行如如本申请任一实施例所述方法，以得到所检测到的目标物的类型、姿态和运动状态中的至少一个。

可选的，所述无线电器件为片上天线芯片或封装天线芯片，例如MIMO(多发多收)芯片。

可选的，所述无线电器件为毫米波雷达芯片。

可选的，一种无线电设备，可包括：

承载体；

如本申请实施例中任一项所述的无线电器件，设置在所处承载体上；

天线，设置在所述承载体上，或者与所述无线电器件集成为一体器件设置在所述承载体上；

其中，所述无线电器件与所述天线连接，用于发收无线电信号。

可选的，上述的天线为MIMO天线，无线电器件可具有至少三个发收通道，且该至少三个发收通道所连接的天线的物理中心不在同一条直线上，以使得能够进行目标俯仰角、方位角的检测。

本申请实施例还提供了一种电子设备，可包括：

设备本体；以及

设置于所述设备本体上的如本申请实施例所述的无线电器件；

其中，所述无线电器件用于目标检测和/或通信。

附图说明

图1是本发明实施例一中一种目标检测的方法的流程示意图；

图2是本发明实施例二中一种目标检测的方法的流程示意图；

图3是毫米波雷达进行目标检测的模块结构示意图；

图4为毫米波雷达进行目标检测的流程第一示意图；

图5为毫米波雷达进行目标检测的流程第二示意图；

图6为毫米波雷达进行目标检测的流程第三示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一：

图1是本发明实施例一中一种目标检测的方法的流程示意图。如图1所示，一种目标检测的方法，可应用于近距离的目标探测和监控的场景中，例如在小于10m范围内的目标检测，尤其是在室内、仓内或停车场等具有封闭或半封闭的空间中进行目标的监控中，该方法可包括以下步骤：

步骤S11，可利用无线传感器(如各种雷达，例如毫米波雷达等)发射探测信号，并接收被目标物反射所形成的回波信号。

步骤S12，对所述回波信号进行信号处理以得到点云数据。可选的，所述点云数据可包括径向距离、径向速度、方位角和俯仰角等至少多维度的数据，一般为四个维度的数据，即上述的无线传感器为四维(4D)传感器，同时上述的目标信息还可包括目标物的数量、速度、距离、方向角度、图像(如外形尺寸等)和/或姿态等信息。

步骤S13，对所述点云数据进行数据处理以得到目标信息，进而实现对目标物的探测、追踪、监控等操作。

上述的实施例中，通过利用无线传感器(如毫米波雷达等)进行目标的检测，即通过发送和接收电磁波来进行目标的检测和跟踪，即可以对近距离(如小于10m的范围)或室内(一般为小于6m的范围)的目标进行分类并进行姿态识别，其不但可以测量目标的距离、速度和方位和俯仰角等信息，而且不受光照的影响，可以全天候工作，不涉及隐私问题，而且随着传感器分辨率的提高，其获取的目标的信息更加丰富。

需要说明的是，实施例一可基于后续各个实施例(如实施例二等)的基础上实现对目标物的目标物的探测、追踪、监控等操作。

实施例二：

图2是本发明实施例二中一种目标检测的方法的流程示意图。在本实例中，本申请还提供了另一种目标检测的方法，可包括以下步骤：

步骤S21，针对任一帧回波信号进行信号处理以得到包括多个目标点四维数据的点云数据，并对所述点云数据进行聚类处理以得到多个目标簇。所述目标点四维数据包括径向速度、方位角、俯仰角和第二径向距离等，以便于检测到目标物的空间形状尺寸；同时，上述的目标点四维数据还可包括信噪比等，以便于后续对所述点云数据进行聚类处理等操作。

另外，可采用最近邻聚类操作、K-均值聚类操作或DBSCAN聚类操作等以对所述点云数据进行聚类处理。

需要说明的是，上述针对回波信号进行信号处理可包括依次进行的混频、模数转换、采样、二维快速傅里叶变换、恒虚警检测和波达方向估计操作等操作，且不同操作之间还可依据实际需求调整前后的顺序，并还可增加或删除一些操作步骤，只要能够得到上述包括多个目标点四维数据的点云数据即可。

步骤S22，针对任一所述目标簇，获取该目标簇的聚类中心的第一径向距离，以及该目标簇所包括的目标点四维数据中的极值参数。

可选的，为了对目标簇进行进一步的筛选，还可先判断该目标簇是否满足预设条件；若满足所述预设条件，则可基于所述第一径向距离和所述极值参数获取所对应目标物的三维空间尺寸数据和最高目标点基准高度；否则，将该目标簇作为伪目标簇进行处理，即可删除或进行其他操作，也可不进行任何处理；其中，所述预设条件可为所述目标簇所包含的目标点数量大于预设数量(如1个、2个或3个等)，且所包含的所述最大径向速度大于第一预设速度(如0.05m/s、0.1m/s或0.15m/s等)。

可选的，本申请实施例中的极值参数可包括该目标簇所包括的目标点四维数据中的最大方位角、最小方位角、最大俯仰角、最小俯仰角、最大第二径向距离和最小第二径向距离等极值。

步骤S23，基于所述第一径向距离和所述极值参数获取所对应目标物的三维空间尺寸数据和最高目标点高度的均值。

可选的，所述三维空间尺寸可包括探测视角切面上的长度、宽度和高度等尺寸信息。例如，可基于所述第一径向距离、所述最大方位角和所述最小方位角获取所述宽度，基于所述第一径向距离、所述最大俯仰角和所述最小俯仰角获取所述高度，基于所述最大第二径向距离和所述最小第二径向距离获取所述长度。另外，还可基于所述第一径向距离和所述最大俯仰角获取所述最高目标点高度。

步骤S24，基于所述最高目标点高度的均值和/或所述三维空间尺寸数据对所述目标物进行判断。

可选的，可基于当前预设时间段内的历史数据，获取所述三维空间尺寸数据的均值；其中，所述三维空间尺寸数据的均值包括所述长度的均值、所述宽度的均值、所述高度的均值和所述最高目标点高度的均值中的至少一个。

可选的，可基于平滑因子、所述最高目标点高度的均值和前一帧的最高目标点基准高度，以获取当前帧的所述最高目标点基准高度；其中，在预设处理时间段内，第一帧的最高目标点基准高度为第一帧对应目标簇中的所述最高目标点高度。

需要说明的是，上述的平滑因子可基于大数据分析或历史经验值进行设定，也可基于当前场景中的历史数据建模分析得到，具体可依据实际情况结合对应的算法而得到或设定。例如，可将平滑因子设置为0.05、0.1或0.15等值。

可选的，为了对目标簇进行进一步的筛选，还可获取所述目标簇的聚类中心的速度，并判断所述目标簇的聚类中心的速度是否大于第二速度预设值(如0.2m/s、0.3m/s或0.4m/s等)；若大于，则基于所述平滑因子、所述最高目标点高度的均值和前一帧的所述最高目标点基准高度，以获取当前帧的所述最高目标点基准高度。

可选的，所述至少一个高度阈值可包括第一高度阈值和第二高度阈值(也可设置三个或多个高度阈值，只要确保不同的高度阈值的值相异即可)，且所述第一高度阈值大于所述第二高度阈值；所述目标物的类型包括第一类型目标物、第二类型目标物和第三类型目标物(可对应高度阈值的数量及具体值进行目标物类型的划分或设定)。即若所述最高目标点高度的均值大于所述第一高度阈值，则确认所述目标物为所述第一类型目标物；若所述最高目标点高度的均值小于所述第二高度阈值，则确认所述目标物为所述第三类型目标物；否则，则确认所述目标物为所述第二类型目标物。

可选的，为了进一步提升目标物类型判断的精准性，可基于所述最高目标点高度的均值和所述最高目标点基准高度确定目标物高度变化值，并可基于所述目标物的类型、所述目标物高度变化值和所述三维空间尺寸的均值确定各类型的姿态。

例如，所述目标物的类型包括“成人”，所述姿态包括“站立”、“坐”和“躺”；此时可预设站立阈值和坐阈值，且当所述目标物的类型为“成人”时，若所述目标物高度变化值大于等于所述站立阈值时，则确定该目标物的姿态为“站立”；若所述目标物高度变化值位于所述站立阈值与所述坐阈值之间时，则确定该目标物的姿态为“坐”；若所述目标物高度变化值小于等于所述坐阈值时，则确定该目标物的姿态为“躺”。

需要说明的是，在传感器的精度范围内，在家庭室内的应用场景中，可将目标物的类型划分为“成人”、“未成年人”或“宠物”等多个目标物类型，并可针对不同的目标物类型设定对应的姿态判断条件，以提升各种目标物类型姿态判断精准性。同时，基于其他的场景，还可进行其他目标物类型的划分，具体可依据实际需求，结合目标物的空间尺寸、运动状态及姿态等参数进行划分和设定等操作。

可选的，为了提升姿态判断的精确性，还可增加一些判断条件。例如，在所述目标物高度变化值位于所述站立阈值与所述坐阈值之间，且所述高度的均值减去所述宽度的均值小于预设差值时，输出目标物的姿态为“坐”；在所述目标物高度变化值小于等于所述坐阈值时，且所述高度的小于所述宽度的均值时，输出目标物的姿态为“躺”。

可选的，结合姿态的变化还可对目标物的运动状态进行判断，即基于所述目标物的姿态之间的转换时间来确定所述目标物的运动状态。例如，若所述目标物的姿态由“站立”转换到“躺”的时间小于预设时间阈值，则确定所述目标物的运动状态为“摔倒”。

上述实施例中，通过利用四维数据对目标进行检测，可解决近距离、舱内、室内等场景中运动目标类型识别，以及活体目标姿态识别的问题，且识别准确率较高，实现成本较低，运算量较小，并可在常规的嵌入式平台上实时运行，便于产品开发和推广。

本申请实施例还提供了一种目标检测的设备，可包括存储器、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，其特征在于，所述处理器执行所述程序时实现如本申请任一实施例所述方法。

本申请实施例还提供了一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如本申请任一实施例所述方法。

本申请实施例还提供了一种无线电器件，可包括无线电发收通道、信号处理模块和数据处理模块，无线电发收通道可用于发射无线电信号及接收被目标物反射所形成的回波信号，信号处理模块可用于对所述回波信号进行信号处理以得到包括多个目标点四维数据的点云数据，数据处理模块可用于对所述点云数据进行数据处理以判断所检测到的目标物的类型、姿态和运动状态中的至少一个。

可选的，所述数据处理模块用于执行如本申请任一实施例所述方法，以得到所检测到的目标物的类型、姿态和运动状态中的至少一个。

可选的，所述无线电器件为片上天线芯片或封装天线芯片，例如MIMO(多发多收)芯片，例如毫米波雷达芯片。

本申请还提供了一种无线电设备，可包括：承载体；如本申请实施例中任一项所述的无线电器件，设置在所处承载体上；天线，设置在所述承载体上，或者与所述无线电器件集成为一体器件设置在所述承载体上；其中，所述无线电器件与所述天线连接，用于发收无线电信号。

可选的，上述的天线为MIMO天线，无线电器件可具有至少三个发收通道，且该至少三个发收通道所连接的天线的物理中心不在同一条直线上，以使得能够进行目标俯仰角、方位角的检测。

本申请实施例还提供了一种电子设备，可包括设备本体，以及设置于所述设备本体上的如本申请实施例所述的无线电器件；其中，所述无线电器件用于目标检测和/或通信。

在一个可选的实施例中，上述设备本体可为应用于诸如智能住宅、交通、智能家居、消费电子、监控、工业自动化、舱内检测及卫生保健等领域的部件及产品；例如，该设备本体可为智能交通运输设备(如汽车、自行车、摩托车、船舶、地铁、火车等)、安防设备(如摄像头)、智能穿戴设备(如手环、眼镜等)、智能家居设备(如电视、空调、智能灯等)、各种通信设备(如手机、平板电脑等)等，以及诸如道闸、智能交通指示灯、智能指示牌、交通摄像头及各种工业化机械手(或机器人)等，也可为用于检测生命特征参数的各种仪器以及搭载该仪器的各种设备。无线电器件则可为本申请任一实施例中所阐述的无线电器件，无线电器件的结构和工作原理在上述实施例中已经进行了详细说明，此处不在一一赘述。

下面结合实际的应用，基于4D的FMCW(调频连续波)MIMO目标传感器对活体目标进行检测来详细说明：

一种目标检测的方法，可用于提高目标类别识别及人员姿态识别的准确率和实时性，可包括以下步骤：

获取4D传感器的检测点云，即DOA后得到数据；点云信息可包含径向距离(即第二径向距离)、径向速度、方位角、俯仰角和信噪比(signal noise ratio，SNR)等，然后通过预设的聚类算法(DBSCAN)把检测到的点云聚类成一个个目标簇。

计算每一个跟踪目标(即目标物)所关联到的各目标簇的聚类中心到传感器的径向距离R(即第一径向距离)。

当目标簇中包含的目标点数据数量大于1，且其中的目标点的最大速度大于所设门限vTh1(即第一预设速度)的时候，搜寻每一个目标簇中所包含的目标点的极值信息，如最大方位角aziMax和最小方位角aziMin，最大俯仰角elvMax和最小俯仰角elvMin，最大径向距离rMax和最小径向距离rMin等。

计算每一个目标簇在三维空间的分布大小，即获取获取目标物在传感器监测视角切面上的三维空间尺寸，如宽度(width)、长度(long)、目标物的高度(height)，以及每一个目标簇中最高点的高度heightMax等。

具体的，可采用以下公式获取上述的各个参数信息：

long＝rMax-rMin

heightMax＝R*sin(elvMax)

可继续建立4个循环存储体，分别存储最近1s～2s历史数据的width、long、height和heightMax的值，并分别计算每个循环存储体中所有存储数据的均值，以得到宽度均值widthAvg、长度均值longhAvg、高度均值heightAvg和最高点高度均值heightMaxAvg。

判断目标簇聚类中心点速度是否大于所设门限vTh2(即第二速度阈值)，并在大于时更新每个目标簇中最高点的基准高度heightBmark，heightBmark的初始值为第一帧目标簇中最高点云的高度。具体的：

heightBmark(n)＝(1-α)*heightBmark(n-1)+α*heightMaxAvg

其中，heightBmark(n-1)为上一帧时目标簇中最高点的基准高度，α是平滑因子，heightMaxAvg是当前帧最高点高度均值，heightBmark(n)为当前帧的目标簇中最高点的基准高度，n为大于1的整数。

继续根据目标簇高度均值heightAvg，判断目标物是否为成人，即在连续m帧满足heightAvg>hTh1时，则判断目标物为成人；如果连续m帧满足hTh1≥heightAvg≥hTh2时，则判断目标物为小孩；否则，则判断目标物为宠物。其中hTh1(即第一高度阈值)和hTh2(即第二高度阈值)是用来判断目标类型所设的高度门限值，且hTh1>hTh2。

下面就针对目标物为成人的情况为例，进行人体姿态的识别；即当目标确认是成人以后，则对成人进行姿态识别，根据上述步骤得到的目标簇中最高点的基准高度heightBmark和最高点高度均值heightMaxAvg，计算高度的变化值h_diff，即h_diff＝heightBmark-heightMaxAvg。

然后，进行成人姿态的判断，即当h_diff≥ly_Th时，判断成人姿态为“站立”；当满足ly_Th＞h_diff＞sit_Th，且heightAvg-widthAvg＜0.5m时，判断成人姿态为“坐”；当sit_Th≥h_diff且heightAvg＜widthAvg时，判断成人姿态为“躺”。另外，当成人由“站立”状态到“躺”状态之间的转变时间小于1s，还可判决成人摔倒(即运动状态判断)。其中，ly_Th和sit_Th是判断姿态所设的高度变化门限值，即ly_Th为第一姿态阈值，sit_Th为第二姿态阈值。

在上述的实施例中，通过直接利用目标反射所检测到的点云特征进行目标物类型和姿态识别，不仅识别准确率较高，而且运算量小，同时还能降低监控器的成本。

下面以毫米波雷达为例，以对室内的活体进行目标分类，并对目标物为成人的目标进行姿态判断进行详细说明：

图3是毫米波雷达进行目标检测的模块结构示意图，图4为毫米波雷达进行目标检测的流程第一示意图，图5为毫米波雷达进行目标检测的流程第二示意图，图6为毫米波雷达进行目标检测的流程第三示意图。

如图4所示，毫米波雷达可包含雷达前端、雷达信号处理模块和雷达数据处理模块等，其中雷达前端包含有天线、射频前端模块(如模数转换单元ADC)等，而雷达信号处理模块则可包括FFT单元、CFAR检测单元和COA单元等，雷达数据处理模块则可包括聚类单元、目标关联和跟踪单元，以及目标类型和姿态识别单元等。例如，该毫米波雷达具有4发4收天线阵列，且以MIMO(多发多收)方式向监测区域发射调频连续波FMCW，同时接收经由监控区域内的目标反射的回波信号，该回波信号经雷达的接收模块接收后，送入后端的信号处理模块，可经过ADC、FFT、CFAR检测以及DOA解角后，得到关于目标的反射点数据，即为上述的点云信息，点云信息可包含目标到雷达的径向距离、径向速度、水平角度、垂直角以及反射强度等信息，进而完成雷达信号处理操作。然后，把获得的点云信息送入雷达数据处理模块，以对所得到的点云信息做聚类处理，进而得到目标聚类簇，常用的聚类算法有最近邻聚类、K-均值聚类、DBSCAN等，本实施例中则以DBSCAN为例进行说明；在完成聚类操作后，再对目标簇进行关联滤波和跟踪等操作，以对每个跟踪目标关联到的点云簇运用本申请实施例所提出的目标类型识别和姿态识别方法，进而得到每个跟踪目标(即目标物)的类型和姿态等信息。

如图5所示，本实施例中提供了一种基于4D毫米波雷达室内目标类型及姿态检测方法中所需信息的步骤，具体为：

可先获取4D雷达的检测点云，得到每个目标所关联到的目标点云簇。

计算每一个目标簇的聚类中心到雷达的径向距离R。

针对包含的点云数量大于1且其中的点云最大径向速度的绝对值大于所设门限vTh1的目标簇，搜寻每一个目标簇中所包含的点云的最大方位角aziMax和最小方位角aziMin，最大俯仰角elvMax和最小俯仰角elvMin，最大径向距离rMax和最小径向距离rMin；此实施例中，所设的目标簇中的点云最大径向速度的绝对值门限vTh1可为0.1m/s。

然后计算每一个目标簇在三维空间的分布大小，包括宽度(width)、长度(long)、高度(height)，以及每一个目标簇中最高点的高度heightMax；具体计算公式为:

long＝rMax-rMin

heightMax＝R*sin(elvMax)

之后，建立4个循环存储体，分别存储最近1s～2s的宽度(width)、长度(long)、高度(height)值和最高点的高度heightMax值，并分别计算每个循环存储体中所有存储数据的均值，得到宽度均值widthAvg、长度均值widthAvg、高度均值heightAvg和最高点高度均值heightMaxAvg。在一个可选的实施例中，可针对所存储的最近1s时间内历史数据进行上述操作。

最后，当目标簇聚类中心点速度大于所设门限vTh2时，更新每个目标簇中最高点的基准高度heightBmark，heightBmark的初始值为第一帧目标簇中最高点云的高度。

具体的，计算更新方式为：

heightBmark(n)＝(1-α)*heightBmark(n-1)+α*heightMaxAvg

本实施例中，heightBmark的初始值为有效目标点云簇第一帧的测量值，α可为0.1，vTh2可为0.3m/s。

如图4-5所示，当获得用于判断目标类型及姿态的有关信息后，首先进行目标类型判决。具体步骤为当连续3帧满足heightAvg>hTh1时，则判断目标为成人，否则，如果连续3帧满足hTh1>heightAvg>hTh2时，则判断为小孩，否则，则为宠物。本实施例中，hTh1设为1.2m，hTh2设为0.5m。

如图6所示，当目标确认是成人以后，则对成人进行姿态识别，具体步骤为假定成人刚进入雷达监测区域时处在站立姿态，当满足ly_Th>h_diff>sit_Th，且heightAvg-widthAvg＜0.5时，判断成人姿态为坐；当ly_Th＜h_diff且heightAvg＜widthAvg时，判断成人姿态为躺；当成人由站立状态到躺状态之间的转变时间小于1s，则判决成人摔倒；如果sit_Th＜h_diff则判断成人姿态为站。本实施例中，sit_Th为0.4m，ly_Th为1m。

需要说明的是，在本申请的实施例中，“＜”、“＞”均可根据实际需求对应替换为“≤”、“≥”，只要其相互之间不产生冲突即可。注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。