[发明专利]一种目标行为识别的方法、装置和雷达系统

说明书

本申请实施例公开了一种目标行为识别的方法、装置和雷达系统，可以应用在自动驾驶汽车场景。所述方法包括：接收目标反射的雷达回波信号；处理所述雷达回波信号得到时频域数据；处理所述时频域数据得到信号属性特征数据和线性预测系数LPC特征数据，其中，所述信号属性特征数据用于表征所述雷达回波信号属性的特征，所述LPC特征数据用于表征所述雷达回波信号的特征；将所述信号属性特征数据和所述线性预测系数LPC特征数据输入行为识别模型，输出所述目标的行为信息。采用本申请，可以提高目标行为识别的准确度。

技术领域

本申请涉及雷达技术领域，特别涉及一种目标行为识别的方法、装置和雷达系统。

背景技术

人体行为识别作为近年来兴起的新技术，在视频监控、自动驾驶、智能人机交互、智能交通预警等领域，受到了广泛关注。

目前，较为常用的人体行为识别技术是基于图像采集和图像处理实现的。即，通过图像拍摄设备对行人进行拍摄，再对拍摄得到的图像进行目标识别，得到每个行人的目标图像，再通过特征提取算法，对各目标图像进行特征提取得到行人对应的特征数据，最后，将得到的每个行人对应的特征数据输入到预先训练好的行为识别模型，该行为识别模型的输出即为行人的行为信息，如跑动、步行等等。

在实现本申请的过程中，发明人发现相关技术至少存在以下问题：

上述基于图像采集和图像处理的人体行为识别技术，容易受到光线、图像拍摄设备的视距等影响，导致识别准确度较低。

发明内容

为了解决相关技术中行为识别准确度低的问题，本申请实施例提供了一种目标行为识别的方法和装置。所述技术方案如下：

第一方面，提供了一种目标行为识别的方法，该方法包括：

接收目标反射的雷达回波信号；

处理所述雷达回波信号得到时频域数据；

处理所述时频域数据得到信号属性特征数据和线性预测系数(LinearPrediction Coefficient，LPC)特征数据，其中，所述信号属性特征数据用于表征所述雷达回波信号属性的特征，所述LPC特征数据用于表征所述雷达回波信号的特征；

将所述信号属性特征数据和所述线性预测系数LPC特征数据输入行为识别模型，输出所述目标的行为信息。

本申请实施例中所示的方案，雷达系统的发射天线在发射雷达信号时，会以脉冲重复周期持续发射，即在每个脉冲重复周期中，雷达系统的发射天线会持续发射调制后的不同频率的雷达信号，该脉冲重复周期也可以称为扫频周期。雷达信号经由目标反射后，由接收天线进行接收，接收到的雷达信号即为雷达回波信号。雷达系统在处理雷达回波信号时，可以对预设的行为识别周期内接收到的雷达回波信号一起进行处理。一个行为识别周期包括有预设数目个脉冲重复周期。

雷达系统接收到目标反射的雷达回波信号后，将接收到的雷达回波信号与接收到雷达回波信号时发射的雷达信号进行混频，得到差拍信号。然后，对差拍信号的模拟信号进行N点采样，经过A/D转换器将采样的N点模拟信号转换为数字信号。对于每个脉冲重复周期，可以对经A/D转换后的差拍信号进行M点快速傅里叶变换(Fast FourierTransformation，FFT)，即可以得到M点的频域数据。每个点得到的频域数据可以以复数形式表示。对于得到的M点的频域数据，如果有频域数据对应的频谱图中存在信号幅度大于预设值，则认为该点的频域数据是由目标反射得到的雷达回波所得到的。那么，可以将该点的频域数据作为目标的频域数据。对一个行为识别周期内的频域数据进行积累，得到目标在一个行为识别周期的频域数据，目标在一个行为识别周期的频域数据是一维向量。然后，对于一个行为识别周期中目标的频域数据可以进行短时傅里叶变换，得到目标在一个行为识别周期内的时频域数据，目标在一个行为识别周期内的时频域数据是一个二维矩阵。