[发明专利]一种基于毫米波雷达的室内人员跟踪方法

权利要求书

1.一种基于毫米波雷达的室内人员跟踪方法，其特征在于，包括如下步骤：

S1、对毫米波雷达回波信号进行ADC数据采样，得到采样数据；

S2、采用CFAR处理所述采样数据，得到检测点云数据；

S3、采用改进的DBSCAN算法对所述点云数据进行聚类；

S4、采用多径干扰消除算法处理所述聚类结果；

S5、对处理后的聚类结果采用无迹卡尔曼滤波跟踪，得到室内人员的轨迹。

2.根据权利要求1所述的一种基于毫米波雷达的室内人员跟踪方法，其特征在于，所述S3的具体步骤包括：

S31、自适应确定DBSCAN算法中的最大搜索半径maxDistance和聚类的最少点数minClusterSize；

S32、将点云数据中每一个未聚类的点作为质心，计算剩余未聚类的点到质心的距离；

S33、若改点到某质心的距离小于maxDisatance，则将改点与该质心分为一簇，并重新计算该质心的位置；

S34、统计每一个簇的点数，若大于minCluster，则将该簇聚类成功，输出该簇的质心位置，并将属于该簇的点标记为已聚类。

3.根据权利要求1所述的一种基于毫米波雷达的室内人员跟踪方法，其特征在于，所述S4的具体步骤包括：

S41、根据房间边界去除聚类结果中位于房间边界外的新目标；

S42、若房间内存在已跟踪目标，且该目标的跟踪时间大于minTrackingLife，则计算聚类结果中新目标与该目标的物理距离，若距离过近，则去除该新目标；

S43、根据处理后的聚类结果初始化新目标跟踪滤波参数。

4.根据权利要求1所述的一种基于毫米波雷达的室内人员跟踪方法，其特征在于，所述S5的具体步骤包括：

S51、建立描述目标跟踪非线性离散的状态转移模型和量测模型

x_k＝f_k-1(x_k-1)+w_k-1

y_k＝h_k(x_k)+v_k

其中，x_k和x_k-1分别表示k和k-1时刻室内人员的状态向量；y_k表示时间k时刻室内人员的量测向量；f_k-1(·)和h_k(·)分别为室内人员状态转移函数和量测函数；w_k-1和v_k分别为过程噪声和量测噪声，满足w_k-1 N(0，Q_k-1)，v_k N(0，R_k),Q_k-1为过程噪声协方差矩阵，R_k表示量测噪声协方差矩阵，N(·,·)表示正态分布；

则，滤波分布的高斯逼近即为：

p(x_k|y_1:k)＝N(x_k|m_k,P_k)

其中，m_k和P_k分别为人员状态变量的均值和方差；

S52、根据状态空间模型确定sigma采样点和权值：

λ＝α²(n+κ)-n

(1)构造sigma采样点

(2)确定权值

S53、将采样点经非线性状态转移函数传递，并进行加权处理预测目标状态；

S54、根据预测状态将量测点云划分给已跟踪目标；

(1)计算量测点云中各点与各已跟踪目标的马氏距离

(2)若量测点i与已跟踪目标j的马氏距离最小且小于距离门限，则将量测点i划分给已跟踪目标j；

(3)量测划分结束后，求得划分给同一目标所有量测点的质心，作为滤波更新过程中的y_k；

S55、根据量测点云划分的结果进行滤波更新，输出状态估计，形成室内人员的跟踪轨迹；

(1)构造sigma采样点

(2)将sigma采样点代入系统量测模型

(3)计算量测量预测均值，预测协方差以及状态与量测量之间的互协方差

(4)结合量测划分的结果，计算滤波增益，滤波状态均值和方差

m_k＝m_k|k-1+K_k(y_k-μ_k)

S56、输出滤波状态均值作为室内人员位置的估计值，形成室内人员的跟踪轨迹。

5.根据权利要求1所述的一种基于毫米波雷达的室内人员跟踪方法，其特征在于，所述S2中的点云数据包括距离、方位角、俯仰角以及多普勒速度。