[发明专利]公共安全管理方法及公共安全管理系统

权利要求书

1.一种公共安全管理方法，其特征在于，包括：

通过毫米波雷达在被测空间发射线性调频连续波信号；

接收雷达回波数据，所述雷达回波信号为线性调频连续波信号被反射后的信号；

根据所述雷达回波数据获取点云数据；

根据所述点云数据获取所述被测空间内人员的人数；

根据所述点云数据获取所述被测空间内各人员的位置；

根据所述点云数据预测所述被测空间内人员的运动轨迹；

将所述被测空间内人员的人数以及人员的位置与所述被测空间对应的建筑物结构图进行融合，获取空间位置图；

根据所述被测空间内人员的人数、位置以及运动轨迹生成提示信息。

2.如权利要求1所述的公共安全管理方法，其特征在于，所述根据所述点云数据获取所述被测空间内人员的人数包括：

根据所述点云数据提取所述被测空间内人员的人体躯干轮廓特征；

基于第一深度学习模型，对所述人体躯干轮廓特征进行过滤、检测和分类，获取第一分类结果；

根据所述第一分类结果获取所述被测空间内人员的人数。

3.如权利要求1所述的公共安全管理方法，其特征在于,所述根据所述点云数据获取所述被测空间内各人员的位置包括：

基于近邻连通点云聚类算法和马尔可夫链蒙特卡罗算法，根据所述点云数据获取移动轨迹数据，以实现所述被测空间内人员的跟踪和轨迹追寻；

基于第二深度学习模型，从所述移动轨迹数据提取群组个体特征；

基于第二神经网络模型，对所述移动轨迹数据进行检测与分类，获取所述被测空间内周围参考物的特征；

结合所述建筑物结构图，根据所述群体个体特征以及所述被测空间内周围参考物的特征，获取所述被测空间内各人员的位置。

4.如权利要求3所述的公共安全管理方法，其特征在于,所述根据所述点云数据预测所述被测空间内人员的运动轨迹包括：

基于第三深度学习算法，根据所述群体个体特征以及所述被测空间内周围参考物的特征预测所述被测空间内人员的运动轨迹。

5.如权利要求4所述的公共安全管理方法，其特征在于,所述群组个体特征包括：距离、速度、加速度、方位和高度。

6.如权利要求4所述的公共安全管理方法，其特征在于,所述被测空间内人员的运动轨迹包括所述被测空间内人员的位置以及速度。

7.如权利要求1所述的公共安全管理方法，其特征在于,所述根据所述被测空间内人员的人数、位置以及运动轨迹生成提示信息包括：

根据预设人数阈值与拥挤程度的映射关系，根据所述被测空间内人员的人数获取所述被测空间的拥挤程度，生成拥挤程度提示信息；或

当所述被测空间内发生公共安全危机时，根据所述被测空间内人员的人数以及各人员的位置生成安全危机提示信息；

或当所述被测空间内人员的拥挤程度高时，根据所述被测空间内人员的运动轨迹生成后续拥挤空间提示信息。

8.如权利要求1所述的公共安全管理方法，其特征在于,所述根据目标区域内行人反射的雷达回波数据获取点云数据包括：

向目标区域内发射线性调频连续信号；

采集所述目标区域内行人反射的雷达回波数据；

将所述雷达回波数据通过混频、滤波和模数转换采样处理后获取中频原始数据；

根据所述中频原始数据进行测距、测速、测角以及恒虚警率检测处理后获取所述点云数据。

9.如权利要求2所述的公共安全管理方法，其特征在于,所述第一深度学习模型包括卷积神经网络优化学习模型。

10.一种公共安全管理系统，其特征在于，包括：

毫米波雷达子系统，用于通过毫米波雷达对被测空间发射线性调频连续波信号以及接收所述被测空间反射的雷达回波数据；

数据处理与跟踪定位子系统，用于根据所述雷达回波数据获取点云数据；

所述数据处理与跟踪定位子系统还用于根据所述点云数据获取所述被测空间内人员的人数；

所述数据处理与跟踪定位子系统还用于根据所述点云数据获取所述被测空间内各人员的位置；

所述数据处理与跟踪定位子系统还用于根据所述点云数据预测所述被测空间内人员的运动轨迹；

管理子系统，用于将所述被测空间内人员的人数以及人员的位置与所述被测空间对应的建筑物结构图进行融合，获取平面位置图；

所述管理子系统还用于根据所述被测空间内人员的人数、位置以及运动轨迹生成提示信息。