本发明关于一种生命体检测技术，尤其指一种生命体雷达检测系统及其判断方法、特征数据库建立方法。
背景技术：
先进驾驶辅助系统（adas：advanceddriverassistancesystems）为目前各相关业者研发的主要目标，不论是任一阶段的辅助驾驶或者自动驾驶技术，最重要的，便是如何有效的判断紧急状况而采取对应行动。其中，最为重要的，便是如何正确判断出车辆行进状况中前方所遇到的生命体，如行人，进而可以在有撞击危险时做出紧急反应。然而，车辆在行驶的过程中，能判断出行人并实时进行处置的时间相当短，仅能仰赖系统判断，因此需要更为精准且快速的判断模式，才能符合先进驾驶辅助系统行车安全的需求。因此，如何在行驶过程中快速且正确判断出前方有行人或动物等生命体，进而适时做出煞车或闪避的反应动作来避免生命体的生命安全受到威胁，即为先进驾驶辅助系统技术研发中相当重要的环节。
依现有判断障碍物的检测技术中，如以雷达进行检测的技术，因其产生的电波信息仅能检测障碍物的位置与距离，并无法显现出生命体的影像，故难以判断障碍物是否为生命体，特别是行人；如以影像读取的判断方式，虽可判断障碍物为生命体，但有无法准确判断生命体移动速度和距离的问题。
承上，美国第us10354160b2号专利发明一种行人检测装置及方法，主要是以摄影机进行影像读取并融合雷达检测(camera-radarfusion)的行人检测系统，除可检测障碍物的位置与距离，并可透过读取的影像显现判断障碍物是否为行人。然而，以摄影机读取行人的影像容易受到光线的干扰，例如阴天、雨天或黑夜等环境下会因光线不足而影像昏暗模糊，或是遇光线太亮也会造成影像过曝，这些情况都会造成行人影像不清楚，导致影像误判的情况发生，使行人的生命安全受到严重的威胁。
技术实现要素：
为解决上述课题，本发明提供一种生命体检测的雷达检测系统及其判断方法、特征数据库建立方法，在于以图像分析和频谱分析为主要检测技术，借此判断待检测物体是否为生命体。
本发明的一项实施例提供一种生命体检测的雷达检测系统及生命体判断方法，系统包含一图像分析单元、一频谱分析单元以及一运算处理单元，运算处理单元与图像分析单元及频谱分析单元电性连接，运算处理单元包含一特征萃取部以及一匹配判定部，由图像分析单元接收一以雷达测得的信号，且对信号进行信号处理而产生多个取样点以形成一图像信号，并由频谱分析单元接收信号，且对信号进行信号处理而产生一频谱信号，由特征萃取部接收图像信号和频谱信号进行特征萃取，以取得一待检测物体的一待测特征，并以匹配判定部对待测特征进行比对，以判断待检测物体是否为一生命体。
借此，当一待检测物体在移动的过程中，通过特征萃取部接收图像信号和频谱信号进行特征萃取并取得待测特征，且通过匹配判定部对待测特征进行比对，以综合前述两种现象而互补式的判断待检测物体真实的移动模式，借此解决现有摄影机在影像读取时因受到光线干扰而容易造成影像误判的问题，而能达到准确判断待检测物体是否为生命体的功效。
本发明的另一项实施例提供一种生命体检测雷达检测系统的特征数据库建立方法，以一生命体为对象进行一雷达信号的收集，包含以图像分析单元接收信号，且对信号进行信号处理而产生多个取样点而形成一图像样本信号，另一方面也以频谱分析单元接收信号，且对信号进行信号处理而产生一频谱样本信号，接着以特征萃取部对图像样本信号和频谱样本信号进行特征萃取，以获得一对照特征，将其建立于一特征数据库并归类为生命体的对照特征。
借此，随着特征数据库的建立，而可依其中归类为生命体的对照特征，作为匹配判定部对待测特征进行比对的标准，使待检测物体是否为生命体的判断有所依据。再者，特征数据库可不断建立可归类为生命体的不同对照特征，而通过不断扩充不同的对照特征于特征数据库内，可使生命体检测雷达检测系统在判断待检测物体是否为生命体时，达到人工智能化的深度学习，使匹配判定部对待测特征进行比对时能有充足的比对样本作为参照，可确保待检测物体被判断为生命体时具有高度的准确性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例的生命体检测的雷达检测系统的系统方块图。
图2是本发明实施例的生命体检测的雷达检测系统的另一系统方块图。
图3是本发明实施例的生命体判断方法的流程图。
图4是本发明实施例的特征数据库建立方法的流程图。
图5是本发明实施例的待检测物体为树时所测得的图像信号呈现的取样点分布图。
图6是本发明实施例的待检测物体为树时所测得的频谱信号呈现的波形图。
图7是本发明实施例的待检测物体为狗时所测得的图像信号呈现的取样点分布图。
图8是本发明实施例的待检测物体为狗时所测得的频谱信号呈现的波形图。
图9是本发明实施例的待检测物体为行人时所测得的图像信号呈现的取样点分布图。
图10是本发明实施例的待检测物体为行人时所测得的频谱信号呈现的波形图。
附图标记说明
100：雷达检测系统。
200：生命体判断方法。
300：特征数据库建立方法。
10：图像分析单元。
20：频谱分析单元。
30：运算处理单元。
31：特征萃取部。
32：匹配判定部。
40：特征数据库。
41：生命体子数据库。
42：非生命体子数据库。
50：雷达检测模块。
51：点云雷达。
52：微多普勒雷达。
53：连续波雷达。
f1：待测特征。
f2：对照特征。
f3：对照特征。
p：取样点。
s1：信号。
s1a：第一信号。
s1b：第二信号。
s2：图像信号。
s3：频谱信号。
s4：图像样本信号。
s5：频谱样本信号。
具体实施方式
以下参照各附图详细描述本发明的示例性实施例，且不意图将本发明的技术原理限制于特定公开的实施例。
请参阅图1至图10所示，本发明提供一种生命体检测的雷达检测系统100、生命体判断方法200及特征数据库建立方法300。
所述生命体检测的雷达检测系统100，如图1所示，于本实施例中包含一图像分析单元10、一频谱分析单元20以及一运算处理单元30，其中运算处理单元30又包含一特征萃取部31以及一匹配判定部32，其中匹配判定部32与一特征数据库40电性连接。而于本实施例中，运算处理单元30，其采用长短期记忆模型(longsort-termmemory,lstm)算法的人工智能系统，以进行特征萃取及比对判断，但不以此为限。
于本实施例中，进一步包括一雷达检测模块50，该雷达检测模块50可收发的电磁信号，其电磁信号波长可满足下列条件：0.001mm<λ≤12mm。较佳地，其可满足下列条件：1mm<λ≤10mm。更佳地，其可满足下列条件：3mm<λ≤5mm。此述雷达检测模块50包括一点云雷达51和一微多普勒雷达52，由点云雷达51检测一待检测物体而可产生一第一信号s1a，由微多普勒雷达52检测同一待检测物体而可产生一第二信号s1b。
上述生命体检测的雷达检测系统100，如图3示例一种其所应用的生命体判断方法200，而于本实施例中是由图像分析单元10接收信号s1a，且对信号s1a进行信号处理而产生多个取样点p，并形成一图像信号s2；另外，由频谱分析单元20接收信号s1b，且对该信号s1b进行信号处理而产生一频谱信号s3。进而，通过特征萃取部31接收图像信号s2和频谱信号s3，并进行特征萃取，以取得待检测物体的一待测特征f1，并以匹配判定部32对待测特征f1进行比对，以判断该待检测物体是否为一生命体。
所述雷达检测模块50，其并不局限于本实施例所述的点云雷达51和微多普勒雷达52的两个雷达，在不同实施例中，雷达检测模块50也可以是单一个连续波雷达53(如图2所示)，以连续波雷达53可收发的电磁信号，其电磁信号波长可满足下列条件：0.001mm<λ≤10mm。较佳地，其可满足下列条件：1mm<λ≤10mm。更佳地，其可满足下列条件：3mm<λ≤5mm。连续波雷达53检测一待检测物体而可产生一信号s1，信号s1并通过该图像分析单元10及频谱分析单元20分别形成前述图像信号s2及频谱信号s3，也可供特征萃取部31进行特征萃取。
所述特征数据库40，其储存有对照为生命体的对照特征f2，匹配判定部32对待测特征f1进行比对时，匹配判定部32存取对照特征f2，且对该待测特征f1与该对照特征f2进行比对。
所述生命体检测的雷达检测系统100，如图4示例一种特征数据库建立方法300，于此以雷达检测模块50检测一待检测物体，于本实施例中以点云雷达51检测待检测物体而取得一图像样本信号s4，并以微多普勒雷达52检测待检测物体而取得一频谱样本信号s5，由特征萃取部31接收图像样本信号s4和频谱样本信号s5并进行特征萃取所获得一对照特征，此对照特征经比对而判断为生命体的，将其建立于特征数据库40并归类为生命体的对照特征f2；若对照特征经比对而判断为非生命体的，将其建立于特征数据库40并归类为非生命体的对照特征f3。
于一较佳实施例中，所述特征数据库40包括一生命体子数据库41，此生命体子数据库41储存有归类为生命体的对照特征f2，以作为匹配判定部32判断待检测物体为生命体的标准。进一步地，所述特征数据库40又包括一非生命体子数据库42，此非生命体子数据库42储存被归类为非生命体的对照特征f3，以作为匹配判定部32排除待检测物体为生命体的标准。此述的非生命体，是以不具移动特征的物体为主，例如树或电线杆。
于本实施例的生命体判断方法200中，所述生命体以行人为例，在对照特征f2与待测特征f1进行比对时，图像信号s2比对图像样本信号s4的所述人体以两只脚行走时的下肢动作，且频谱信号s3比对频谱样本信号s5所述人体以两只脚行走时的下肢和躯干的动作。所述待检测物体，若为其他生命体(例如狗或其他动物)而非行人，或者为非生命体(如树或电线杆)，则借前述下肢和躯干的表现的形体来判断和行人的区别。
以下就本发明实施例的生命体检测的雷达检测系统100，以及其生命体判断方法200，以应用于车辆行驶过程中进行待检测物体的判断说明如下：
当一载有前述生命体检测的雷达检测系统100的车辆在路面行驶的过程中，如一实施例是雷达检测模块50检测到一为“树”的待检测物体时，即由点云雷达51检测而产生第一信号s1a，且由微多普勒雷达52产生第二信号s1b，此时图像分析单元10接收信号s1a并进行信号处理后便产生图像信号s2，此图像信号s2的多个取样点p如图5所示，包括有明显的直躯干部分以及位在直躯干顶部而分布零散的取样点p，如通过取样点p的动态变化可见，在直躯干部分不见有下肢移动现象而为固定不动，只有位于直躯干顶部而分布零散的取样点p有缓慢移动的情况；再由频谱分析单元20接收信号s1b并进行信号处理后产生的频谱信号s3，如图6所示仅显现波度平缓的波形图。因此，就此述的图像信号s2和频谱信号s3经特征萃取部31进行特征萃取所取得待检测物体的待测特征f1，在与对照特征f2进行比对之后，有此待测特征f1的待检测物体并非行人或动物的生命体。再经与对照特征f3进行比对，可以从待测特征f1的图像信号s2和频谱信号s3的特征判断待检测物体非为生命体。
在另一实施例是雷达检测模块50检测到一为“狗”的待检测物体时，如前所述由图像分析单元10接收信号s1a并进行信号处理后便产生图像信号s2，此图像信号s2的多个取样点p如图7所示，包括有高度明显偏低的横躯干部分以及位于横躯干底部类似下肢的取样点p，如通过取样点p的动态变化观察可见，在下肢部位有四只脚交错移动现象；再由频谱分析单元20接收信号s1b并进行信号处理后产生的频谱信号s3，如图8所示的波形图，表示为横躯干部分的波形，以及表示为下肢的波形，均在波峰及波谷处有明显的不规则波的产生。因此，就此述的图像信号s2和频谱信号s3经特征萃取部31进行特征萃取所取得待检测物体的待测特征f1，在与对照特征f2进行比对之后，有此待测特征f1的待检测物体为生命体，更进一步的，也可依照此述图像信号s2和频谱信号s3的特征来判断待检测物体为狗。
又在另一实施例是雷达检测模块50检测到一为“行人”的待检测物体时，如前所述由图像分析单元10接收信号s1a并进行信号处理后同样产生图像信号s2，此图像信号s2的多个取样点p如图9所示，包括有直躯干部分以及分布在直躯干下肢和上肢处的取样点p，如通过取样点p的动态变化，即可明显可见下肢有规律的移动现象；再由频谱分析单元20接收信号s1b并进行信号处理后产生的频谱信号s3，如图10所示的波形图，表示为直躯干部分的波形，以及表示为下肢的波形，此分别表示为直躯干和下肢的两波形均呈现规律的弦波分布。因此，就此述的图像信号s2和频谱信号s3经特征萃取部31进行特征萃取所取得待检测物体的待测特征f1，在与对照特征f2进行比对之后，有此待测特征f1的待检测物体为生命体，更进一步的，也可依照此述图像信号s2和频谱信号s3的特征来判断待检测物体为行人。
在此进一步说明的是，若要进一步判断待检测物体是否为“行人”的状况下，在上述所举待检测物体为树、狗或行人的例子中，各待测物体的特征仍可明显的进行判断不论由图像信号s2或频谱信号s3，经特征萃取部31进行特征萃取再经匹配判定部32比对的结果，都能准确判断待检测物体为行人或非行人。但在某些状况下，很有可能图像信号s2或频谱信号s3会让树或者是狗有非常近似于行人的表现，进而产生误判的可能。
上述的误判情形发生，如树因受风吹，造成树干会有微幅摆动，而树枝较为大幅摆动的情形，因而相像于人缓慢移动时：躯干微幅摆动，四肢较为大幅摆动的状况，因而在频谱信号s3的表现上会相似造成判断上的困难；但若在图像信号s2的表现上，因树的图像会有明显的直躯干部分以及位在直躯干顶部而分布零散的取样点，在下肢部分也是明显的仅有一个连续点状，而不似人的下肢会有明显的两条腿，因此便可通过图像信号s2明显的确定待检测物体为非行人。
而在狗的判断机制上，当狗缓慢地朝向或背向车辆走动时，图像信号s2的表现上，下肢会类似行人双脚走动的情形，仅能看到两只脚，甚至因下肢过于接近而仅能呈现出连续的点状图，无法明确的看到四只脚，且与人类幼童高度相近，此时便无法通过图像信号s2明确的判断是否为行人；但若在频谱信号s3的表现上，可较为明显的判断出四肢摆动的时间周期、形状与行人不同，因此便可通过频谱信号s3明显的确定待检测物体为非行人。故本发明通过图像信号s2和频谱信号s3两种信号由运算处理单元30接收，经特征萃取部31进行特征萃取，再经匹配判定部32比对，确实可达到互补判断的效果，大幅降低误判的可能。
通过上述的说明不难发现本发明的主要特点在于：
1.通过运算处理单元30分别对图像信号s2和频谱信号s3并进行特征萃取，便可进行快速且准确的判断出是否为生命体，相较于现有利用影像判断是否为行人而言，不需要进行复杂的算法即可进行待测特征的确认，也避免使用摄影机在影像读取时因受到光线干扰而容易造成影像误判的问题。
2.通过特征数据库40的设置，让匹配判定部32对待测特征进行比对时，可依其归类为生命体的对照特征f2作为比对的标准，而使待检测物体是否为生命体的判断有所依据，并且，特征数据库40可不断的建立归类为生命体的对照特征f2于生命体子数据库41，或建立可归类为非生命体的对照特征f3于非生命体子数据库42，达到人工智能化的深度学习，供匹配判定部32对待测特征f1进行比对时，能有充足的比对样本作为参照，提高判断准确性。
3.利用单一个连续波雷达53所产生的信号s1，便可供图像分析单元10及频谱分析单元20分别形成图像信号s2及频谱信号s3，以供特征萃取部31进行特征萃取，借此达到缩小体积并且降低雷达设置成本的功效。
以上所举实施例仅用以说明本发明而已，非用以限制本发明的保护范围。凡不违背本发明所从事的种种修改或变化，皆属于本发明意欲保护的范畴。