目标对象检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及车辆技术领域，特别是涉及一种目标对象检测方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着人们对汽车安全性能意识的不断提升，车内安全也越来越受到人们的关注，因此，为了避免误将儿童、宠物等目标对象遗留在车内发生危险，出现了车内对象检测技术。
3.目前的目标对象检测方法，在车内安装有雷达，通过雷达对车内是否存在目标对象进行检测。具体地，若雷达检测到反射的电磁波信号发生变化时，确定车内存在目标对象。否则，则认为车内不存在目标对象。
4.然而，目前的目标对象检测方法，依赖车内物体反射的电磁波信号的变化来判断车内是否存在目标对象，极易受到非目标对象摆动的干扰，造成对车内目标对象的检测发生误报或者漏报的情况，进而导致检测结果不准确。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种目标对象检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种目标对象检测方法。所述方法包括：
7.获取回波均值数据集，所述回波均值数据集中包含多个回波均值，所述回波均值由目标待检测车辆内部反射的回波信号确定；
8.根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
9.根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标待检测车辆对应的目标对象检测结果。
10.在其中一个实施例中，所述获取回波均值数据集，包括：
11.接收目标待检测车辆内部反射的回波信号，每一帧所述回波信号中包含回波数据序列；
12.对每一帧所述回波数据序列中的回波数据进行均值处理，得到回波均值；
13.获取第一预设数目个连续帧回波信号对应的回波均值，并为每一所述回波均值添加帧号标识，得到回波均值数据集。
14.在其中一个实施例中，所述根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量，包括：
15.根据预设的第一特征提取算法和所述回波均值数据集，提取所述回波均值数据集中包含的包络特征，并对所述包络特征进行统计处理，确定第一特征量；
16.根据预设的第二特征提取算法提取所述包络特征中包含的毛刺特征，并对所述毛刺特征进行统计处理，确定第二特征量。
17.在其中一个实施例中，所述根据预设的第一特征提取算法提取所述回波均值数据集中包含的包络特征，并对所述包络特征进行统计处理，确定第一特征量，包括：
18.遍历所述回波均值数据集中的每一所述回波均值，识别所述回波均值数据集中的峰值数据；
19.针对每一所述峰值数据，获取包含所述峰值数据的第二预设数目的回波均值以及所述回波均值对应的帧号标识，并根据预设的包络特征判别条件，判定所述回波均值以及所述回波均值对应的帧号标识判定是否为一个包络特征；
20.对所述回波均值数据集中包含的所述包络特征进行数量统计，得到第一特征量。
21.在其中一个实施例中，所述根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标待检测车辆对应的目标对象检测结果，包括：
22.在所述第一特征量大于预设的第一特征量阈值的情况下，根据所述第二特征量与预设的第二特征量阈值，确定所述目标待检测车辆对应的目标对象检测结果；
23.在所述第一特征量小于或者等于所述第一特征量阈值的情况下，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
24.在其中一个实施例中，所述第二特征量阈值包括第二特征量的第一子阈值和第二子阈值，所述第一子阈值大于所述第二子阈值，所述根据所述第二特征量与预设的第二特征量阈值，确定所述目标待检测车辆对应的目标对象检测结果，包括：
25.在所述回波均值数据集中对应的全部第二特征量均小于或者等于所述第一子阈值的情况下，若所述全部第二特征量均大于所述第二子阈值，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部不存在目标对象；
26.在所述回波均值数据集中存在第二特征量大于所述第一子阈值的情况下，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
27.第二方面，本技术还提供了一种目标对象检测装置。所述装置包括：
28.获取模块，用于获取回波均值数据集，所述回波均值数据集中包含多个回波均值，所述回波均值由目标待检测车辆内部反射的回波信号确定；
29.第一确定模块，用于根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
30.第二确定模块，用于根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标待检测车辆对应的目标对象检测结果。
31.在其中一个实施例中，所述获取模块，用于接收目标待检测车辆内部反射的回波信号，每一帧所述回波信号中包含回波数据序列；
32.对每一帧所述回波数据序列中的回波数据进行均值处理，得到回波均值；
33.获取第一预设数目个连续帧回波信号对应的回波均值，并为每一所述回波均值添加帧号标识，得到回波均值数据集。
34.在其中一个实施例中，所述第一确定模块，用于根据预设的第一特征提取算法提
取所述回波均值数据集中包含的包络特征，并对所述包络特征进行统计处理，确定第一特征量；
35.根据预设的第二特征提取算法提取所述包络特征中包含的毛刺特征，并对所述毛刺特征进行统计处理，确定第二特征量。
36.在其中一个实施例中，所述第一确定模块，用于遍历所述回波均值数据集中的每一所述回波均值，识别所述回波均值数据集中的峰值数据；
37.针对每一所述峰值数据，获取包含所述峰值数据的第二预设数目的回波均值以及所述回波均值对应的帧号标识，并根据预设的包络特征判别条件，判定所述回波均值以及所述回波均值对应的帧号标识是否为一个包络特征；
38.对所述回波均值数据集中包含的所述包络特征进行数量统计，得到第一特征量。
39.在其中一个实施例中，所述第二确定模块，用于在所述第一特征量大于预设的第一特征量阈值的情况下，根据所述第二特征量与预设的第二特征量阈值，确定所述目标待检测车辆对应的目标对象检测结果；
40.在所述第一特征量小于或者等于所述第一特征量阈值的情况下，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
41.在其中一个实施例中，所述第二特征量阈值包括第二特征量的第一子阈值和第二子阈值，所述第一子阈值大于所述第二子阈值，所述第二确定模块，用于在所述回波均值数据集中对应的全部第二特征量均小于或者等于所述第一子阈值的情况下，若所述全部第二特征量均大于所述第二子阈值，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部不存在目标对象；
42.在所述回波均值数据集中存在第二特征量大于所述第一子阈值的情况下，确定所述目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
43.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
44.获取回波均值数据集，所述回波均值数据集中包含多个回波均值，所述回波均值由目标待检测车辆内部反射的回波信号确定；
45.根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
46.根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标待检测车辆对应的目标对象检测结果。
47.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
48.获取回波均值数据集，所述回波均值数据集中包含多个回波均值，所述回波均值由目标待检测车辆内部反射的回波信号确定；
49.根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
50.根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标
待检测车辆对应的目标对象检测结果。
51.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
52.获取回波均值数据集，所述回波均值数据集中包含多个回波均值，所述回波均值由目标待检测车辆内部反射的回波信号确定；
53.根据预设的特征提取算法对所述回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
54.根据所述第一特征量、所述第二特征量以及预设的检测识别策略，确定所述目标待检测车辆对应的目标对象检测结果。
55.上述目标对象检测方法、装置、计算机设备、存储介质和计算机程序产品，雷达获取回波均值数据集。其中，回波均值数据集中包含多个回波均值。回波均值由目标待检测车辆内部反射的回波信号确定。雷达根据预设的特征提取算法对回波均值数据集进行特征提取，确定第一特征量和第二特征量。雷达根据第一特征量、第二特征量以及预设的检测识别策略，确定目标待检测车辆对应的目标对象检测结果。采用本方法，通过预设的特征提取算法确定回波均值数据集中的包络特征和毛刺特征的数量(即第一特征量和第二特征量)，并根据预设的检测识别策略对包络特征数量和毛刺特征数量进行分析处理，可以有效识别目标对象(即活体对象)和非目标对象(非活体对象)，以避免车内非活体对象的晃动造成的误报问题和活体对象的漏报问题。
附图说明
56.图1为一个实施例中一种目标对象检测方法的流程示意图；
57.图2为一个实施例中获取回波均值数据集步骤的流程示意图；
58.图3为一个实施例中确定第一特征量和第二特征量步骤的流程示意图；
59.图4为一个实施例中确定第一特征量步骤的流程示意图；
60.图5为一个实施例中确定目标对象检测结果步骤的流程示意图；
61.图6为另一个实施例中确定目标对象检测结果步骤流程示意图；
62.图7为一个实施例中一种目标对象检测示例的流程示意图；
63.图8为一个实施例中目标对象检测装置的结构框图；
64.图9为一个实施例中计算机设备的内部结构图。
具体实施方式
65.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
66.在一个实施例中，如图1所示，提供了一种目标对象检测方法，以该方法应用于雷达为例进行说明，其中，雷达中可以包含用于数据处理的处理单元(例如，cpu，central processing unit，中央处理器)和数据存储单元等，具体的该目标对象检测方法可以包括以下步骤：
67.步骤102，获取回波均值数据集。
68.其中，回波均值数据集中包含多个回波均值，该回波均值由目标待检测车辆内部反射的回波信号确定。
69.在实施中，目标待检测车辆内部设置有雷达，通过该雷达发射电磁波信号，以对目标待检测车辆内部的目标对象进行检测，然后，经过目标待检测车辆内部各物体的反射，雷达可以接收到反射后的电磁波信号(也称为回波信号)，然后，针对回波信号进行adc采样(也称为奈奎斯特采样)，然后，针对采集到的回波信号，雷达根据每一帧回波信号包含的回波数据序列计算回波均值。并且，雷达设置有第一预设数目(例如，第一预设数目用m表示，m为任意非零自然数且m大于3)的数据采集框架(也称为一个固定采样窗口)，基于该数据采集框架，雷达获取回波均值数据集。每一回波均值数据集中即包含有m个回波均值。
70.可选的，雷达内部集成的回波均值数据的处理单元也可以独立于雷达之外，例如，回波均值数据的处理单元可以集成在车载终端，雷达进行回波信号采集后，发送给车载终端，通过车载终端中的处理单元对回波信号中的回波数据进行处理，得到目标对象检测结果。因此，本技术实施例对于目标对象检测方法的执行设备不做限定。
71.可选的，目标待检测车内设置的雷达可以为毫米波雷达，通过毫米波雷达发射毫米波实现对目标对象的检测。由于毫米波穿透雾、烟、灰尘的能力强，能够实现距离、速度方位角和俯仰角等多维分辨，并且毫米波雷达视场角(fov)视角广，有效带宽较大，检测精度高。因此，下文提到的雷达均可以替换为毫米波雷达以更精确的实现目标对象的检测，本技术不载赘述。
72.可选的，目标待检测车辆内部设置的雷达可以具有休眠期和工作期，在车辆正常行驶过程中，可以让雷达进入休眠期，减少资源消耗，而当车辆停止或者车辆落锁时，基于预设的激活条件(或称为前置条件)，雷达上电激活，使得雷达由休眠期进入工作期，并在该工作期内对车内目标对象进行实时检测。其中，雷达的预设的激活条件可以但不限于为车辆停止、车辆落锁等，本技术实施例不做限定。
73.步骤104，根据预设的特征提取算法对回波均值数据集进行特征提取，确定第一特征量和第二特征量。
74.在实施中，针对固定采样窗口采集到的回波均值数据集(包含m个回波均值)，雷达可以根据预设的特征提取算法提取该回波均值数据集中包含的包络特征和毛刺特征，然后，雷达对提取到的包络特征和毛刺特征进行统计处理，分别得到表征包络特征数量的第一特征量和表征毛刺特征数量的第二特征量。
75.其中，包络特征表征了回波均值数据集中回波均值数据的数据波动趋势。进而，统计包络特征可以得到第一特征量，该第一特征量表示一个回波均值数据集中包含的包络特征的数量。毛刺特征(用burr表示)表征每一包络特征中包含的回波均值数据微小偏差波动。进而，统计毛刺特征可以得到第二特征量，该第二特征量表示一个包络特征中包含的毛刺特征数目。通过对第一特征量和第二特征量进行分析，可以得出目标待检测车辆内部的微动或者大幅度动作等信息。具体的，当第一特征量和第二特征量满足预设的数量条件时，表征目标待检测车辆内部存在目标对象产生高频微动或者低频大幅度动作。
76.步骤106，根据第一特征量、第二特征量以及预设的检测识别策略，确定目标待检测车辆对应的目标对象检测结果。
77.在实施中，雷达中设置有第一特征量和第二特征量的特征量阈值以及车内目标对象检测识别策略，因而，雷达可以根据第一特征量、第二特征量以及预设的检测识别策略，确定目标待检测车辆对应的目标对象检测结果。其中，该目标对象检测结果可以包括目标待检测车辆内部存在目标对象以及目标待检测车辆内部不存在目标对象，而对应每一种目标对象检测结果还可以进一步细分，即针对存在目标对象分为车内存在微动的目标对象以及车内存在大幅动作的目标对象等，本技术实施例不做限定。
78.可选的，雷达针对不同的目标对象检测结果，生成对应的控制信号，并将该控制信号发送给车载终端，车载终端预先存储有多种车辆控制策略，进而，基于该控制信号执行对应的目标车辆控制策略。例如，本技术中的目标对象可以但不限于为儿童、老人、宠物等活体对象。当目标对象检测结果为目标待检测车辆内部存在目标对象时，雷达可以向车载终端发送基于目标对象检测结果产生的控制信号，根据车载终端中预设的车辆预警管控策略，车载终端响应于该控制信号生成控制指令发送至告警装置，由告警设备产生报警提示信息。
79.可选的，报警提示信息的输出形式可以有多种，可以通过车载终端的显示界面输出显示告警提示信息，也可以通过车载扬声器等输出告警提示信息，还可以将多种告警提示信息的输出形式组合起来对告警提示信息进行输出显示，本实施例不做限定。
80.可选的，上述各特征量参数(即第一特征量和第二特征量)的特征量阈值经过大量实验确定，并且可以基于具体业务需求设定，本技术实施例不做限定。
81.上述目标对象检测方法中，雷达获取回波均值数据集。其中，回波均值数据集中包含多个回波均值。回波均值由目标待检测车辆内部反射的回波信号确定。雷达根据预设的特征提取算法以及回波均值数据集，确定第一特征量和第二特征量。雷达根据第一特征量、第二特征量以及预设的检测识别策略，确定目标待检测车辆对应的目标对象检测结果。采用本方法，通预设的特征提取算法以及检测识别策略，对回波信号确定出的回波均值数据集进行处理，可以实现对目标对象和非目标对象的区分，提高了目标对象检测的准确性。
82.在一个实施例中，如图2所示，步骤102的具体处理过程包括：
83.步骤202，接收目标待检测车辆内部反射的回波信号。其中，每一帧回波信号中包含回波数据序列。
84.在实施中，雷达(例如，可以为毫米波雷达)包含发射天线和接收天线，通过发射天线持续发射电磁波信号(例如，毫米波信号)，该电磁波信号经过车内各物体的反射，再由雷达的接收天线进行接收，即得到车辆内部反射的回波信号。
85.步骤204，对每一帧回波数据序列中的回波数据进行均值处理，得到回波均值。
86.在实施中，每一帧回波信号中包含一组回波数据序列，进而，雷达可以对每一帧回波数据序列中的回波数据进行均值处理，得到该帧回波信号对应的回波均值。可选的，回波均值可以为固定距离维区间内的回波信号数据的均值，本技术实施例不做限定。
87.步骤206，获取第一预设数目个连续帧回波信号对应的回波均值，并为每一回波均值添加帧号标识，得到回波均值数据集。
88.在实施中，在进行回波均值数据处理之后，雷达根据预设的固定采样窗口，采集等于该采样窗口的采样点数目m(即第一预设数目)的回波均值，并为其中的每一回波均值添加帧号标识，其中，该帧号标识用于表征回波均值对应的回波信号在回波均值数据集中的
采样顺序。进而，雷达得到一个回波均值数据集。该回波均值数据集也可以称为固定采样窗口下的特征矩阵。
89.例如，以set表示帧号标识，则对应的一个采样窗口内的连续的回波均值的帧号标识分别表示为：set1、set2、
……
setm。以amp表示回波均值，对应的m个回波均值表示为：amp1、amp2……
ampm。进而，可以将每一回波均值与其帧号标识对应，构建为一个特征矩阵(用enmatrix表示)，该enmatrix特征矩阵中则包含矩阵元素，每一矩阵元素即为包含帧号标识以及该帧号标识对应的回波均值的二元组，则该特征矩阵具体表示为：
90.enmatrix{{set1，amp1}、{set2，amp2}、
……
{setm，ampm}}
91.在一个实施例中，如图3所示，步骤204的具体处理过程包括如下步骤：
92.步骤302，根据预设的第一特征提取算法提取回波均值数据集中包含的包络特征，并对包络特征进行统计处理，确定第一特征量。
93.在实施中，雷达根据预设的第一特征提取算法，在每一回波均值数据集中进行特征提取，得到该回波均值数据集中包含的包络特征。然后，雷达在该回波均值数据集中统计全部的包络特征的数目，得到用于表征包络特征数目的第一特征量。
94.具体的，回波均值数据集中的确定包络特征的过程如下所示：
95.识别回波均值数据集中存在的回波均值数据的峰值，针对该峰值，若存在第三预设数目(例如，第三预设数目为数目a，且数目a小于第一预设数目m)的连续帧号的回波均值数据的数值大小呈梯度上升，在此基础上，还存在第四预设数目(例如，第四预设数目为数目b，数目b小于第一预设数目m，但是b可以等于a，也可以不等于a)的连续帧号的回波均值数据的数值大小呈梯度下降，则在该回波均值数据集中确定出一个包络特征。也即一个包络特征包含第三预设数目的连续帧号的回波均值数据、峰值数据和第四预设数目的连续帧号的回波均值数据，且第三预设数目的回波均值数据和第四预设数目的回波均值数据满足预设的变化趋势。
96.可选的，雷达在基于第一特征提取算法提取包络特征时，可以将确定出的呈梯度上升的第三预设数目的连续帧号的回波均值数据，标记为gradriseup为1；以gradriseup为1作为先验判断条件，在此基础上，进一步判别是否存在第四预设数目的连续帧号的回波均值数据的数值大小呈梯度下降。
97.步骤304，根据预设的第二特征提取算法提取包络特征中包含的毛刺特征，并对毛刺特征进行统计处理，确定第二特征量。
98.在实施中，雷达可以在提取到包络特征的基础上，根据预设的毛刺特征提取算法，在每一回波均值数据集确定出的每一包络特征(即第一特征)中，确定毛刺特征，然后，雷达对每一包络特征中包含的毛刺特征进行数量统计，得到第二特征量，用burr表示。
99.具体的，毛刺特征的确定过程为：针对每一包络特征中包含的回波均值以及回波均值对应的帧号标识，预设有第一阈值(用thr1表示)和第二阈值(用thr2表示)。然后，雷达为了确定相邻的回波均值，雷达计算任意两个回波均值对应的帧号标识间的间隔差值以及该任意两个回波均值的差值，若计算得到的两个回波均值对应的帧号标识间的间隔差值小于等于第一阈值，且两个回波均值的差值小于等于第二阈值，则当前包络特征中存在一个毛刺特征。
100.可选的，雷达可以基于该毛刺特征的确定方法，统计每个包络特征中的毛刺特征
数量，并用burr来表示，进而，一个回波均值数据集中的毛刺特征数量(即第二特征量)可以构建为一个毛刺矩阵，例如，一个回波均值数据集中包含ennum个包络特征时，在ennum个包络特征中，每个包络特征中又包含对应的毛刺特征，统计每个包络特征中毛刺特征的数量(即第二特征量)，则基于回波均值数据集中全部包络特征对应的毛刺特征数量，可以构建毛刺矩阵，该毛刺矩阵可以表示为：enburrinforre[burr1、burr2、burr3,
…
,burr
ennum
]。其中，burr1表征回波均值数据集中第一个包络特征包含的毛刺特征数量(第二特征量)，burr2表征回波均值数据集中第二个包络特征包含的毛刺特征数量，
……
后续毛刺矩阵中的元素含义与之相似，burr
ennum
表征第ennum个包络特征中包含的毛刺特征数量，本实施例对于毛刺矩阵中的元素含义不再赘述。
[0101]
在一个实施例中，如图4所示，针对包络特征的确定过程进行详细表述，则步骤302的具体处理过程包括：
[0102]
步骤402，遍历回波均值数据集中的每一回波均值，识别回波均值数据集中的峰值数据。
[0103]
在实施中，回波均值数据集中包含enmatrix{{set1，amp1}、{set2，amp2}、
……
{setm，ampm}}。雷达遍历回波均值数据集中的每一回波均值，通过对回波均值的大小比较，识别回波均值数据集中的峰值数据，同时也可以确定该峰值数据对应的帧号标识。例如，在一个回波均值数据集中存在ennum个峰值数据，则可以得到ennum个回波均值(峰值数据)以及对应的帧号标识。
[0104]
步骤404，针对每一峰值数据，获取包含峰值数据的第二预设数目的回波均值以及回波均值对应的帧号标识，根据预设的包络特征判别条件，判定回波均值以及回波均值对应的帧号标识是否为一个包络特征。
[0105]
其中，第二预设数目等于第三预设数目、第四预设数目以及数目一三者的和值。
[0106]
在实施中，针对确定出的每一峰值数据，雷达根据该峰值数据以及与该峰值数据左右临近的连续帧回波均值进一步判别该部分的回波均值是否满足预设的包络特征的特征条件，即若存在峰值数据左侧第三预设数目的连续帧号的回波均值数据的数值大小呈梯度上升，峰值数据右侧第四预设数目的连续帧号的回波均值数据的数值大小呈梯度下降，则确定第三预设数目、第四预设数目的回波均值数据、峰值数据以及这些回波均值数据对应的帧号标识为一个包络特征。
[0107]
步骤406，对回波均值数据集中包含的包络特征进行数量统计，得到第一特征量。
[0108]
在实施中，雷达对回波均值数据集中包含的包络特征进行数量统计，得到该回波均值数据集中包含的第一特征量。例如，针对上述ennum个峰值数据的判断，每一峰值数据及其左右连续帧的回波均值均满足包络特征的特征条件，则统计出的该回波均值数据集中包含的第一特征量即为ennum，具体的该数量统计过程与上述步骤104中相同，本实施例不再赘述。
[0109]
在其中一个实施例中，雷达内部预先存储有多种目标对象的检测识别策略，以及对应这些目标对象的检测识别策略设置的检测参数阈值，例如，第一特征量阈值、第二特征量阈值等，针对每一回波均值数据集进行特征提取之后，雷达基于检测识别策略以及提取到的第一特征量和第二特征量，对目标待检测车辆内部的目标对象进行检测，如图5所示，步骤206的具体处理过程包括：
[0110]
步骤502，在第一特征量大于预设的第一特征量阈值的情况下，则根据第二特征量与预设的第二特征量阈值，确定目标待检测车辆对应的目标对象检测结果。
[0111]
在实施中，雷达基于检测识别策略，将第一特征量(用ennum表示)与预设的第一特征量阈值(用g表示)进行比对，若得到第一特征量大于预设的第一特征量阈值的结果的情况，即ennum》g，表征目前待检测车辆内部存在判别车辆内部是否存在目标对象的干扰信息，则雷达需要根据第二特征量与预设的第二特征量阈值进一步确定目标待检测车辆对应的目标对象检测结果，即目标待检测车辆内部是否存在目标对象。其中，第二特征量阈值包括第一子阈值和第二子阈值，具体的，根据第二特征量以及预设的第二特征量阈值确定目标对象检测结果的过程，在后文进行详细描述，在此不再赘述。步骤504，在第一特征量小于或者等于第一特征量阈值的情况下，确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
[0112]
在实施中，若得到第一特征量小于或者等于预设的第一特征量阈值(用g表示)的结果，雷达确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象，即车辆内部存在活体对象。
[0113]
本实施例中，通过预设的特征提取算法以及检测识别策略，对回波信号数据集中提取到的第一特征量和第二特征量的判别处理，可以有效识别车内活体对象和非活体对象，以避免因车内非活体对象的晃动造成的误报问题和对活体对象的漏报问题。
[0114]
在一个实施例中，雷达内部设置的第二特征量阈值可以包括第二特征量的第一子阈值(用thr3表示)和第二子阈值(用thr4表示)，并且第一子阈值大于第二子阈值，即thr3》thr4，如图6所示，在第一特征量大于第一特征量阈值的情况下，步骤502的具体处理过程包括：
[0115]
步骤602，在回波均值数据集对应的全部第二特征量均小于或者等于第一子阈值的情况下，若全部第二特征量均大于第二子阈值，确定目标待检测车辆对应的目标对象检测结果为车辆内部不存在目标对象。
[0116]
在实施中，雷达将第二特征量与第一子阈值进行比对，若得到回波均值数据集对应的全部第二特征量均小于或者等于第一子阈值，则雷达根据第二子阈值，进一步确定第二特征量与预设的第二子阈值的大小，进而确定目标对象待检测车辆对应的目标对象检测结果。具体的，可以分为两种情况：
[0117]
情况一，全部的第二特征量均大于第二子阈值，该种情况表征回波均值数据集包含的回波均值数据中提取出的第一特征量、第二特征量不满足存在目标对象的条件，也即当回波均值数据集所包含的包络特征的数量大于第一特征量阈值，且全部包络特征中，各个包络特征所包含的毛刺特征的数量均大于第二子阈值且小于或等于第一子阈值时，此时判定目标待检测车辆中不存在目标对象。
[0118]
包络特征的数量和毛刺特征的数量可以用于表征动作频率，具体的，当包络特征量(即第一特征量)小于或等于第一特征量阈值时，此时相当于检测到低频动作，具体可以判定目标待检测车辆内部存在活体对象，该活体对象产生低频大幅度动作。而当第一特征量大于第一特征量阈值时，此时并未确定动作频率，因此，也并不能直接判定是否存在活体对象，即初步判定的检测结果可能存在干扰，为了排除干扰对检测结果的影响，该情况下，进一步对毛刺特征进行分析，综合毛刺特征分析结果判定是否存在活体对象，也即将第二
特征量与第二特征量阈值进行比对。在具体实现时，第二特征量阈值包括第一子阈值和第二子阈值，且第一子阈值大于第二子阈值。当第二特征量大于第一子阈值时，相当于此时检测到高频动作，具体可以判定目标待检测车辆内部存在活体对象，该活体对象产生高频微动作。当第二特征量小于第一子阈值且小于第二子阈值时，相当于此时检测到活体对象低频动作，具体可以判定目标待检测车辆内部存在活体对象，该活体对象产生低频大幅度动作。当第二特征量小于第一子阈值，但大于第二子阈值时，相当于此时检测到无效目标，即不存在活体对象。
[0119]
则雷达确定目标待检测车辆对应的目标对象检测结果为车辆内部不存在目标对象。即目标待检测车辆内部不存在活体对象。
[0120]
情况二，存在第二特征量小于或者等于第二子阈值，该种情况表征回波均值数据集包含的回波均值数据中包含由目标对象发生低频大幅度运动时产生的回波均值数据，进而，使得回波均值数据集中提取出的第一特征量、第二特征量满足存在目标对象的条件，则雷达确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。即目标待检测车辆内部存在活体目标，并且基于预设的检测识别策略，还可以细分该目标对象检测结果为车内存在低频大幅度动作的目标对象。
[0121]
步骤604，在回波均值数据集中存在第二特征量大于第一子阈值的情况下，确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
[0122]
在实施中，雷达将回波均值数据集中的全部第二特征量与第一子阈值进行比对，若存在第二特征量大于第一子阈值(即thr3)的情况，表征回波均值数据集中的回波均值数据包含由目标对象发生高频微动动作产生的回波均值数据，进而，使得回波均值数据集中提取出的第一特征量、第二特征量满足存在目标对象的条件，则雷达确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。并且基于预设的检测识别策略，还可以细分该目标对象检测结果为车内存在高频微动作的的目标对象。
[0123]
在一个实施例中，提供了一种目标对象检测方法的示例，如图7所示，具体处理过程包括：
[0124]
步骤701，获取回波均值数据集，其中，回波均值数据集中包含多个回波均值。
[0125]
步骤702，根据预设的特征提取算法以及回波均值数据集，确定第一特征量和第二特征量。
[0126]
步骤703，比对第一特征量(ennum)与预设的第一特征量阈值(g)，若第一特征量大于预设的第一特征量阈值，则执行步骤704，若第一特征量小于或者等于预设的第一特征量阈值，则执行步骤707。
[0127]
步骤704，回波均值数据集中包含的全部第二特征量与预设的第二特征量阈值进行比对，其中，第二特征量阈值包括第一子阈值(thr3)和第二子阈值(thr4)，第一子阈值(thr3)大于第二子阈值(thr4)。若回波均值数据集中包含的全部第二特征量均小于或者等于第一子阈值(thr3)，则执行步骤705；若回波均值数据集中存在第二特征量大于第一子阈值(thr3)，则执行步骤707。
[0128]
步骤705，若回波均值数据集中包含的第二特征量均大于第二子阈值(thr4)，则执行步骤706。若回波均值中存在第二特征量小于或者等于第二子阈值(thr4)，则执行步骤707。
[0129]
步骤706，确定目标对象检测结果为车辆内部不存在目标对象。
[0130]
步骤707，确定目标对象检测结果为车辆内部存在目标对象。
[0131]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0132]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的目标对象检测方法的目标对象检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个目标对象检测装置实施例中的具体限定可以参见上文中对于目标对象检测方法的限定，在此不再赘述。
[0133]
在一个实施例中，如图8所示，提供了一种目标对象检测装置800，包括：获取模块810、第一确定模块820和第二确定模块830其中：
[0134]
获取模块810，用于获取回波均值数据集，回波均值数据集中包含多个回波均值，回波均值由目标待检测车辆内部反射的回波信号确定；
[0135]
第一确定模块820，用于根据预设的特征提取算法对回波均值数据集进行特征提取，确定第一特征量和第二特征量；所述第一特征量表征所述回波均值数据集中包含的包络特征的数量，所述第二特征量表征所述回波均值数据集每一包络特征中包含的毛刺特征的数量；
[0136]
第二确定模块830，用于根据第一特征量、第二特征量以及预设的检测识别策略，确定目标待检测车辆对应的目标对象检测结果。
[0137]
在其中一个实施例中，获取模块810，用于接收目标待检测车辆内部反射的回波信号，每一帧回波信号中包含回波数据序列；
[0138]
对每一帧回波数据序列中的回波数据进行均值处理，得到回波均值；
[0139]
获取第一预设数目个连续帧回波信号对应的回波均值，并为每一回波均值添加帧号标识，得到回波均值数据集。
[0140]
在其中一个实施例中，第一确定模块820，用于根据预设的第一特征提取算法和回波均值数据集，提取回波均值数据集中包含的包络特征，并对包络特征进行统计处理，确定第一特征量；
[0141]
根据预设的第二特征提取算法提取包络特征中包含的毛刺特征，并对毛刺特征进行统计处理，确定第二特征量。
[0142]
在其中一个实施例中，第一确定模块810，用于遍历回波均值数据集中的每一回波均值，识别回波均值数据集中的峰值数据；
[0143]
针对每一峰值数据，获取包含峰值数据的第二预设数目的回波均值以及回波均值对应的帧号标识，并根据预设的包络特征判别条件，判定回波均值以及回波均值对应的帧号标识是否为一个包络特征；
[0144]
对回波均值数据集中包含的包络特征进行数量统计，得到第一特征量。
[0145]
在其中一个实施例中，第二确定模块830，用于在第一特征量大于预设的第一特征量阈值的情况下，根据第二特征量与预设的第二特征量阈值，确定目标待检测车辆对应的目标对象检测结果；
[0146]
在第一特征量小于或者等于第一特征量阈值的情况下，确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
[0147]
在其中一个实施例中，第二特征量阈值包括第二特征量的第一子阈值和第二子阈值，第一子阈值大于第二子阈值，第二确定模块830，用于在回波均值数据集中对应的全部第二特征量均小于或者等于第一子阈值的情况下，若回波均值数据集中包含的全部第二特征量均大于第二子阈值，确定目标待检测车辆对应的目标对象检测结果为车辆内部不存在目标对象；
[0148]
在回波均值数据集中存在第二特征量大于第一子阈值的情况下，确定目标待检测车辆对应的目标对象检测结果为车辆内部存在目标对象。
[0149]
上述目标对象检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0150]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标对象检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0151]
本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0152]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0153]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0154]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0155]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0156]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机
可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0157]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0158]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。