本发明涉及周界防护领域,尤其是一种基于毫米波雷达的周界智能预测预警方法。
背景技术:
对于一些重要场所的外围区域,是建筑物安全防范的第一道屏障,周界防范对于消除安全隐患具有重要的意义。但是,周界区域通常跨度很大,周边环境复杂,周界防范手段的合理选择对于防范的有效性非常重要。目前主要采用电子围栏、红外对射、电子围栏与视频联动等方式,这些方式仅能探测可疑目标是否触线,不能形成目标运动轨迹。只是针对检测线上的检测,无法达到面上的覆盖,危险事件发生时才进行报警,不能进行有效的预警,而且容易受到光线、雾霾、沙尘暴等恶劣天气的影响,误报率高准确率低。
技术实现要素:
为了克服上述现有技术的不足,为此,本发明提供一种基于毫米波雷达的周界智能预测预警方法。
为实现上述目的,本发明采用以下技术方案:
一种基于毫米波雷达的周界智能预测预警方法,包括以下步骤:
S1、对摄像机和毫米波雷达位置和方向进行标定,使得毫米波雷达拍摄的图像和摄像机拍摄的图像处在同一位置;
S2、用户通过客户端在毫米波雷达探测范围内设置防控检测区;在防控检测区内设置多条与毫米波雷达间距不同的警戒线;设置防控检测区内运动物体的临界判断速度;
S3、毫米波雷达探测进入防控探测区的多个目标,得出单个目标的大小、距离、速度信息;
S4、对目标进行跟踪,标注目标运动轨迹;对目标运动轨迹、目标速度进行分析,如果分析出的目标运动轨迹一直接近于警戒线或目标速度大于设置的运动物体的临界判断速度则发出预警通知;
S5、系统收到预警通知后,将毫米波雷达探测到的目标信息对应到视频图像上,启动视频分析判断,在视频图像上对目标进行跟踪并进行目标识别,如果识别出来的目标是人或车,则发出最终预警。
优化的,毫米波雷达采用调频连续波频率扫描体制。
优化的,步骤S4中对目标运动轨迹进行分析的详细步骤如下:
S41、毫米波雷达探测到目标后,毫米波雷达发射信号并接收回波信号,所述发射信号采用锯齿线性调频波形,回波信号与发射信号间存在时间差,通过测量两个信号之间的时间差来获得目标与毫米波雷达的距离作为目标距离R;
S42、对回波信号内多个锯齿调频周期对应的各时刻获得的目标距离R进行FFT处理,得到多普勒频谱,在频谱中检测峰值,得到峰值处对应频率f,计算目标速度V;
S43、判断是否发出预警通知,所述警戒线为两条,分别为第一警戒线和第二警戒线,所述第一警戒线与毫米波雷达的间距大于第二警戒线与毫米波雷达的间距;当目标速度V大于等于临界判断速度且目标距离R不大于第一警戒线与毫米波雷达的间距时、目标速度低于临界判断速度且目标距离R小于第二警戒线与毫米波雷达的间距时均判断启动预警通知。
优化的,第一警戒线与毫米波雷达的间距为40m,第二警戒线与毫米波雷达的间距为10m。
优化的,所述临界判断速度为8m/s。
优化的,步骤S5中,在视频图像上对目标进行跟踪并进行目标识别的步骤如下:
S51、启动跟踪算法,所述跟踪算法采用Camshift算法和Kalman滤波器,将毫米波雷达检测到的目标作为第一帧跟踪目标,第一帧跟踪目标作为Camshift算法的输入,同时初始化Kalman滤波器的状态向量;
S52、运行Camshift算法,获得最佳搜索窗口新位置;
S53、将最佳搜索窗口新位置作为观测值传递给Kalman滤波器后,kalman滤波器根据上一时刻的状态得到下一时刻的最优估计,并根据最优估计对上一时刻的最佳搜索窗口新位置进行修正获得新的最佳搜索窗口新位置;
S54、将获得新的最佳搜索窗口新位置作为下一时刻Camshift算法的输入,并判断如果kalman滤波器估计得到的目标面积区域大于设定像素值,则进行目标识别;否则跳转到S52继续执行,所述设定像素值能够过滤幅宽小于人和车的运动物体;
S55、对检测到的目标进行标注,如果目标区域的高度为a,目标区域二分之一高度处的宽度为b,a与b的比值大于1.5,则认为该目标是人,否则判断为车。
优化的,所述设定像素值为20。
本发明的优点在于:
(1)毫米波雷达覆盖面广,获取的运动目标信息维度多,准确度高,可形成目标运动轨迹,但在目标类别判断方面,准确度低。视频监控系统获取的运动目标直观形象,通过视频智能分析技术,可获取目标类别、目标特征信息。研究如何联合利用毫米波雷达和视频监控系统保障周界安全,实现可疑目标的预测预警,在本发明中防控检测区设定两个距离和速度的检测,这样可以对在防控检测区内高速度运动或靠近检测区中心处逗留的运动物体报警。
(2)在本发明中临界判断速度为8m/s,第一设定距离为40m,第二设定距离为10m、设定像素值为20是经过分析大量的实验样本获得的数据,这样使得预警更加的准确。
(3)本发明区分至最终预警的人和车,这样可以针对做出不同的措施来应对可能发生的危险。
附图说明
图1为本发明的总体框架图;
图2为本发明的雷达目标运动轨迹自动分析方法流程图;
图3为本发明的视频分析判断方法流程图;
图4为本发明的人车判断示意图。
具体实施方式
如图1-3所示,一种基于毫米波雷达的周界智能预测预警方法,包括以下步骤:
S1、对摄像机和毫米波雷达位置和方向进行标定,使得毫米波雷达拍摄的图像和摄像机拍摄的图像处在同一位置,在该实施例中毫米波雷达采用调频连续波频率扫描体制。
S2、用户通过客户端在毫米波雷达探测范围内设置防控检测区;在防控检测区内设置多条与毫米波雷达间距不同的警戒线;设置防控检测区内运动物体的临界判断速度。在该实施例中,临界判断速度为8m/s,第一警戒线与毫米波雷达的间距为40m,第二警戒线与毫米波雷达的间距为10m。
S3、毫米波雷达探测进入防控探测区的多个目标,得出单个目标的大小、距离、速度信息。
S4、对目标进行跟踪,标注目标运动轨迹。对目标运动轨迹、目标速度进行分析,如果分析出的目标运动轨迹一直接近于警戒线或目标速度大于设置的运动物体的临界判断速度则发出预警通知。详细步骤具体如下:
S41、毫米波雷达探测到目标后,毫米波雷达发射信号并接收回波信号,发射信号采用锯齿线性调频波形,回波信号与发射信号间存在时间差,通过测量两个信号之间的时间差来获得目标与毫米波雷达的距离作为目标距离R;
S42、对回波信号内多个锯齿调频周期对应的各时刻获得的目标距离R进行FFT处理,得到多普勒频谱,在频谱中检测峰值,得到峰值处对应频率f,计算目标速度V,即V=0.002/f;
S43、判断是否发出预警通知,当目标速度大于等于临界判断速度8m/s且目标距离R不大于40m、目标速度低于临界判断速度8m/s且目标距离R小于10m时均判断启动预警通知。
S5、系统收到预警通知后,将毫米波雷达探测到的目标信息对应到视频图像上,启动视频分析判断,在视频图像上对目标进行跟踪并进行目标识别,如果识别出来的目标是人或车,则发出最终预警。具体步骤如下:
S51、启动跟踪算法,所述跟踪算法采用Camshift算法和Kalman滤波器,将毫米波雷达检测到的目标作为第一帧跟踪目标,第一帧跟踪目标作为Camshift算法的输入,同时初始化Kalman滤波器的状态向量;
S52、运行Camshift算法,获得最佳搜索窗口新位置;
S53、将最佳搜索窗口新位置作为观测值传递给Kalman滤波器后,kalman滤波器根据上一时刻的状态得到下一时刻的最优估计,并根据最优估计进行对上一时刻的最佳搜索窗口新位置修正获得新的最佳搜索窗口新位置;
S54、将获得的新的最佳搜索窗口新位置作为下一时刻Camshift算法的输入,并判断如果kalman滤波器估计得到的目标面积区域大于20个像素,则进行目标识别;否则跳转到S52继续执行,20个像素能够过滤幅宽小于人和车的运动物体;
S55、对检测到的目标进行标注,如图4所示,如果目标区域的高度为a,目标区域二分之一高度处的宽度为b,a与b的比值大于1.5,则认为该目标是人,否则判断为车。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。