19、基于雷达的人体目标检测与定位技术研究

基于雷达的人体目标检测与定位技术研究

1. 室内雷达检测面临的挑战

室内环境下，使用雷达传感器进行人体存在检测、定位和人数统计面临诸多挑战。主要的误差来源包括多径反射、幽灵目标、目标遮挡、目标合并和目标分裂。
- 多径反射和幽灵目标 ：来自墙壁、椅子或桌子等静态物体的反射会导致多径反射和幽灵目标的出现。这些幽灵目标和虚假反射在恒虚警率（CFAR）检测算法的输出中表现为误报。
- 目标遮挡 ：当目标与雷达传感器之间存在其他物体、两个目标靠得很近，或者由于平移距离迁移、旋转距离迁移或斑点等原因导致目标反射减弱时，可能会出现目标遮挡效应。在这种情况下，自适应CFAR算法可能无法检测到真实目标。
- 目标合并和分裂 ：参数聚类算法（如DBSCAN）可能会导致目标合并和分裂问题。如果邻域半径设置得太高，聚类可能会合并；如果设置得太低，人体目标的手臂、腿部或头部可能会被识别为单独的目标。

2. 传统处理流程与提出的解决方案

传统的处理流程通常采用有序统计CFAR（OS - CFAR）和DBSCAN算法。而本文提出了两种基于U - Net架构的解决方案：深度残差U - Net和深度复U - Net。
- 深度残差U - Net ：受用于图像分割问题的深度残差U - Net的启发，该架构用于生成检测的距离 - 多普勒图像（RDI），同时去除幽灵目标、多径反射，防止目标遮挡，并实现准确的目标聚类。
- 深度复U - Net ：该架构用于定位任务，使用完全复运