运动目标识别方法及装置、存储介质、终端与流程

本发明涉及通信，特别是涉及一种运动目标识别方法及装置、存储介质、终端。

背景技术：

1、随着智慧城市的迅速发展，智能感应技术已经全面融入人们的日常生活，例如，智能灯具、感应门、智能家居等能够响应于运动目标如人、机器人等的活动，执行相应控制的设备均应用到了智能感应技术。智能感应技术通常基于视觉、红外、微波雷达三类非接触式传感器采集的数据对运动目标进行识别，其中，微波雷达因其不受光线、目标姿态、热源、射频辐射等因素的限制，成为目前应用最为广泛的一种智能感应传感器。

2、微波雷达向环境中发射雷达信号，并采集遇到运动目标后反射回的雷达信号，通过对采集到的雷达信号进行判别以实现对环境中运动目标的识别，其中，运动目标为指定识别的运动目标，例如需要进行识别的运动中的人，大型动物、车辆、机器人等。但在一些户外环境中，植物晃动、雨水滴落、车辆经过等运动目标以外的物体也会使雷达信号发生反射，产生干扰雷达信号，这些干扰雷达信号掺杂在运动目标的雷达信号中，增加了雷达信号的判别难度，从而降低了对运动目标识别的准确度。

技术实现思路

1、有鉴于此，本发明提供一种运动目标识别方法及装置、存储介质、终端，主要目的在于解决运动目标识别准确度较低的问题。

2、依据本发明一个方面，提供了一种运动目标识别方法，包括：

3、获取目标雷达的雷达信号，并根据所述雷达信号的频率序列计算得到目标秩序列；

4、根据所述目标秩序列与秩序列样本集中秩序列样本的匹配结果，确定所述雷达信号的信号类型，所述秩序列样本集包括不同信号类型的雷达信号样本的秩序列；

5、利用对应所述信号类型的运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果。

6、进一步地，所述根据所述目标秩序列与秩序列样本集中秩序列样本的匹配结果，确定所述雷达信号的信号类型，包括：

7、计算所述目标秩序列与所述秩序列样本的平均秩次差值；

8、若所述平均秩次差值满足预先得到的秩统计量分布，则将所述秩序列样本的信号类型确定为所述雷达信号的信号类型。

9、进一步地，所述根据所述目标秩序列与秩序列样本集中秩序列样本的匹配结果，确定所述雷达信号的信号类型之前，所述方法还包括：

10、获取雷达信号样本集，所述雷达信号样本集包括分别对应第一信号类型、第二信号类型、第三信号类型、第四信号类型的雷达信号样本子集，所述第一信号类型表征异常环境下的环境雷达信号、所述第二信号类型表征异常环境下的运动目标雷达信号、所述第三信号类型表征正常环境下的环境雷达信号、所述第四信号类型表征正常环境下的运动目标雷达信号；

11、分别计算每个所述雷达信号样本的秩序列样本，并根据所述秩序列样本构建包括多个秩序列样本子集的秩序列样本集；

12、根据所述秩序列样本集计算得到秩统计量分布。

13、进一步地，所述秩序列样本集包括分别对应所述第一信号类型、所述第二信号类型、所述第三信号类型、所述第四信号类型的秩序列样本子集，所述根据所述秩序列样本集计算得到秩统计量分布，包括：

14、分别计算每个所述秩序列样本子集中每两个秩序列样本的平均秩次差值；

15、将所述平均秩次差值作为秩统计量，统计得到秩统计量分布。

16、进一步地，所述分别计算每个所述雷达信号样本的秩序列样本，包括：

17、若所述雷达信号样本所对应的信号类型为所述第二信号类型或所述第四信号类型，则利用信号强度阈值对所述雷达信号样本进行筛选处理，得到筛选处理后的雷达信号样本；

18、根据所述筛选处理后的雷达信号样本计算得到秩序列样本。

19、进一步地，所述根据所述雷达信号的频率序列计算得到目标秩序列，包括：

20、通过对所述雷达信号进行时域至频域的转化，得到初始频率序列；

21、通过对所述初始频率序列进行平滑处理、分段运算处理，得到频率序列；

22、通过计算所述频率序列中每个频率幅值的秩次，得到目标秩序列。

23、进一步地，所述利用对应所述信号类型的运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果之前，所述方法还包括：

24、构建初始第一运动目标识别网络模型及初始第二运动目标识别网络模型；

25、利用所述第一信号类型、所述第二信号类型的雷达信号样本训练所述初始第一运动目标识别网络模型，得到第一运动目标识别网络模型；

26、利用所述第三信号类型、所述第四信号类型的雷达信号样本训练所述初始第二运动目标识别网络模型，得到第二运动目标识别网络模型。

27、进一步地，所述信号类型包括第一信号类型、第二信号类型、第三信号类型、第四信号类型，所述运动目标识别网络模型包括第一运动目标识别网络模型、第二运动目标识别网络模型，所述利用对应所述信号类型的运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果，包括：

28、若所述雷达信号为所述第一信号类型或所述第二信号类型，则利用所述第一运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果；

29、若所述雷达信号为所述第三信号类型或所述第四信号类型，则利用所述第二运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果。

30、依据本发明另一个方面，提供了一种运动目标识别装置，包括：

31、获取模块，用于获取目标雷达的雷达信号，并根据所述雷达信号的频率序列计算得到目标秩序列；

32、匹配模块，用于根据所述目标秩序列与秩序列样本集中秩序列样本的匹配结果，确定所述雷达信号的信号类型，所述秩序列样本集包括不同信号类型的雷达信号样本的秩序列；

33、识别模块，用于利用对应所述信号类型的运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果。

34、进一步地，所述匹配模块，包括：

35、第一计算单元，用于计算所述目标秩序列与所述秩序列样本的平均秩次差值；

36、确定单元，用于若所述平均秩次差值满足预先得到的秩统计量分布，则将所述秩序列样本的信号类型确定为所述雷达信号的信号类型。

37、进一步地，所述装置还包括：

38、所述获取模块，还用于获取雷达信号样本集，所述雷达信号样本集包括分别对应第一信号类型、第二信号类型、第三信号类型、第四信号类型的雷达信号样本子集，所述第一信号类型表征异常环境下的环境雷达信号、所述第二信号类型表征异常环境下的运动目标雷达信号、所述第三信号类型表征正常环境下的环境雷达信号、所述第四信号类型表征正常环境下的运动目标雷达信号；

39、构建模块，用于分别计算每个所述雷达信号样本的秩序列样本，并根据所述秩序列样本构建包括多个秩序列样本子集的秩序列样本集；

40、计算模块，用于根据所述秩序列样本集计算得到秩统计量分布。

41、进一步地，所述计算模块，包括：

42、第二计算单元，用于分别计算每个所述秩序列样本子集中每两个秩序列样本的平均秩次差值；

43、统计单元，用于将所述平均秩次差值作为秩统计量，统计得到秩统计量分布。

44、进一步地，在具体应用场景中，若所述雷达信号样本所对应的信号类型为所述第二信号类型或所述第四信号类型，则利用信号强度阈值对所述雷达信号样本进行筛选处理，得到筛选处理后的雷达信号样本；

45、根据所述筛选处理后的雷达信号样本计算得到秩序列样本。

46、进一步地，所述获取模块，包括：

47、转化单元，用于通过对所述雷达信号进行时域至频域的转化，得到初始频率序列；

48、处理单元，用于通过对所述初始频率序列进行平滑处理、分段运算处理，得到频率序列；

49、第三计算单元，用于通过计算所述频率序列中每个频率幅值的秩次，得到目标秩序列。

50、进一步地，所述装置还包括：

51、所述构建模块，还用于构建初始第一运动目标识别网络模型及初始第二运动目标识别网络模型；

52、第一训练模块，用于利用所述第一信号类型、所述第二信号类型的雷达信号样本训练所述初始第一运动目标识别网络模型，得到第一运动目标识别网络模型；

53、第二训练模块，用于利用所述第三信号类型、所述第四信号类型的雷达信号样本训练所述初始第二运动目标识别网络模型，得到第二运动目标识别网络模型。

54、进一步地，所述识别模块，包括：

55、第一识别单元，用于若所述雷达信号为所述第一信号类型或所述第二信号类型，则利用所述第一运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果；

56、第二识别单元，用于若所述雷达信号为所述第三信号类型或所述第四信号类型，则利用所述第二运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果。

57、根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述运动目标识别对应的操作。

58、根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

59、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述运动目标识别对应的操作。

60、借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

61、本发明提供了一种运动目标识别方法及装置、存储介质、终端，本发明实施例通过获取目标雷达的雷达信号，并根据所述雷达信号的频率序列计算得到目标秩序列；根据所述目标秩序列与秩序列样本集中秩序列样本的匹配结果，确定所述雷达信号的信号类型，所述秩序列样本集包括不同信号类型的雷达信号样本的秩序列；利用对应所述信号类型的运动目标识别网络模型对所述雷达信号进行识别，得到目标雷达范围内的运动目标识别结果，基于秩序列对不同信号类型的雷达信号进行分类，进而利用运动目标识别网络模型对对应信号类型的雷达信号进行识别，大大降低了环境雷达信号对运动目标雷达信号识别的干扰，提升了模型识别的准确性，从而有效提升了运动目标识别的准确度。

62、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。