[发明专利]一种目标检测方法、装置及系统

权利要求书

1.一种目标检测方法，其特征在于，包括：

获得雷达连续发射的电磁波的连续反馈数据；

基于每一帧反馈数据确定预测目标以及所述预测目标的位置信息；

基于连续预设帧数的反馈数据、预测目标及所述预测目标的位置信息确定所述预测目标的运动轨迹；

基于所述预测目标的运动轨迹通过短时傅里叶变化确定预设时长内所述预测目标的时间频率关系数据；

基于预先训练得到的卷积神经网络模型及所述预测目标的时间频率关系数据确定所述预测目标的类别。

2.根据权利要求1所述的方法，其特征在于，还包括：

基于训练数据对所述卷积神经网络模型进行模型训练，其中，所述训练数据至少包括：多个训练目标的时间频率关系数据以及每一个所述训练目标的类别。

3.根据权利要求2所述的方法，其特征在于，还包括：

从所述训练数据中选择不少于一个训练目标的时间频率关系数据作为所述卷积神经网络模型的输入，确定所述卷积神经网络模型的输出结果；

基于所述输出结果及每一个所述训练目标的类别确定所述卷积神经网络模型的预测概率。

4.根据权利要求1所述的方法，其特征在于，所述基于每一帧反馈数据确定预测目标以及所述预测目标的位置信息，包括：

基于每一帧反馈数据通过预设算法确定所述预测目标与所述雷达之间的距离及角度关系。

5.根据权利要求1所述的方法，其特征在于，还包括：

将获得的所述雷达连续发射的电磁波的连续反馈数据进行模数转换，得到雷达数字信号；

通过第一滤波器对所述雷达数字信号进行滤波处理，得到运动目标的连续反馈数据。

6.一种目标检测系统，其特征在于，包括：

获得单元，用于获得雷达连续发射的电磁波的连续反馈数据；

第一确定单元，用于基于每一帧反馈数据确定预测目标以及所述预测目标的位置信息；

第二确定单元，用于基于连续预设帧数、预测目标及所述预测目标的位置信息确定所述预测目标的运动轨迹；

第三确定单元，用于基于所述预测目标的运动轨迹通过短时傅里叶变化确定预设时长内所述预测目标的时间频率关系数据；

预测单元，用于基于预先训练得到的卷积神经网络模型及所述预测目标的时间频率关系数据确定所述预测目标的类别。

7.根据权利要求6所述的系统，其特征在于，还包括：

训练单元，用于基于训练数据对所述卷积神经网络模型进行模型训练，其中，所述训练数据至少包括：多个训练目标的时间频率关系数据以及每一个所述训练目标的类别。

8.根据权利要求7所述的系统，其特征在于，还包括：

第四确定单元，用于从所述训练数据中选择不少于一个训练目标的时间频率关系数据作为所述卷积神经网络模型的输入，确定所述卷积神经网络模型的输出结果，基于所述输出结果及每一个所述训练目标的类别确定所述卷积神经网络模型的预测概率。

9.根据权利要求6所述的系统，其特征在于，还包括：

预处理单元，用于将获得的所述雷达连续发射的电磁波的连续反馈数据进行模数转换，得到雷达数字信号；通过第一滤波器对所述雷达数字信号进行滤波处理，得到运动目标的连续反馈数据。

10.一种目标检测装置，其特征在于，包括：

处理器，用于获得雷达连续发射的电磁波的连续反馈数据；基于每一帧反馈数据确定预测目标以及所述预测目标的位置信息；基于连续预设帧数的反馈数据、预测目标及所述预测目标的位置信息确定所述预测目标的运动轨迹；基于所述预测目标的运动轨迹通过短时傅里叶变化确定预设时长内所述预测目标的时间频率关系数据；基于预先训练得到的卷积神经网络模型及预测目标的时间频率关系数据确定预测目标的类别；

存储器，用于存储所述处理器执行上述步骤的程序。