一种基于毫米波雷达点云的行人重识别方法及装置与流程

技术特征：
1.一种基于毫米波雷达点云的行人重识别方法，其特征在于，包括：获取毫米波雷达点云数据；对所述毫米波雷达点云数据进行预处理；根据预设的雷达点云行人重识别模型，对预处理后的所述毫米波雷达点云数据进行行人重识别。2.根据权利要求1所述的方法，其特征在于，所述毫米波雷达点云数据按帧获取，每帧所述毫米波雷达点云数据的获取方法为：利用毫米波雷达按照设定的波形发射一次信号并接收对应的回波信号，根据所述回波信号获取一帧所述毫米波雷达点云数据。3.根据权利要求2所述的方法，其特征在于，所述对所述毫米波雷达点云数据进行预处理，包括：对每帧所述毫米波雷达点云数据进行聚类以得到有效目标点云数据，其中所述有效目标点云数据为每帧所述毫米波雷达点云中单个行人点云的集合；对所述有效目标点云数据进行归一化，得到归一化后的有效目标点云数据。4.根据权利要求3所述的方法，其特征在于，所述聚类采用基于密度的聚类方法。5.根据权利要求3所述的方法，其特征在于，所述雷达点云行人重识别模型包括：单帧特征提取网络、多帧点云信息融合网络和行人点云雷达分类器网络；所述单帧特征提取网络的输入为每帧所述毫米波雷达点云中所述归一化后的有效目标点云数据，输出为所述归一化后的有效目标点云数据对应的特征向量；所述多帧点云信息融合分类网络的输入为同一行人对应的连续多帧的所述特征向量，输出为对应的融合特征向量；所述行人点云雷达分类器网络的输入为所述融合特征向量，输出为所述行人的标签识别结果。6.根据权利要求5所述的方法，其特征在于，在所述根据预设的雷达点云行人重识别模型，对所述归一化后的有效目标点云数据进行行人重识别之前，还包括：训练所述雷达点云行人重识别模型；其中，所述训练所述雷达点云行人重识别模型包括：获取多帧毫米波雷达点云数据，对每帧所述毫米波雷达点云数据中的行人身份标签进行标注；对每帧所述毫米波雷达点云数据进行预处理，得到归一化后的有效目标点云数据；将所述归一化后的有效目标点云数据组成训练集；构建所述雷达点云行人重识别模型；利用所述训练集对所述雷达点云行人重识别模型进行训练，得到训练完毕的所述所述雷达点云行人重识别模型。7.根据权利要求3
‑
6任一项所述的方法，其特征在于，所述归一化方法具体如下：对于任一帧毫米波雷达点云数据通过聚类后得到的每个有效目标点云数据，采用如下方法对所述有效目标点云数据中每个点的数据进行归一化：x
j’＝x
j
‑
x
j_min
y
j’＝y
j
‑
y
j_min
z
j’＝z
j
‑
z
j_min
v
j
'＝v
j
/v
j_max
其中，x
j
,y
j
,z
j
和v
j
分别为所述有效目标点云数据中第j点的x,y,z坐标和径向速度；x
j_min
,y
j_min
,z
j_min
分别为该点所在有效目标点云数据中所有点x,y,z坐标的最小值，v
j_max
为该点所在有效目标点云数据中所有点径向速度v绝对值的最大值；x
j
',y
j
',z
j
',v
j
'分别代表该点归一化后的x,y,z坐标和径向速度。8.一种基于毫米波雷达点云的行人重识别装置，其特征在于，包括：获取模块，用于获取毫米波雷达点云数据；预处理模块，用对所述毫米波雷达点云数据进行预处理；识别模块，用于根据预设的雷达点云行人重识别模型，对预处理后的所述毫米波雷达点云数据进行行人重识别。9.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1
‑
7任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1
‑
7任一项所述的方法。

技术总结
本公开涉及一种基于毫米波雷达点云的行人重识别方法及装置，属于行人重识别技术领域。其中，方法包括：获取毫米波雷达点云数据；对所述毫米波雷达点云数据进行预处理；根据预设的雷达点云行人重识别模型，对预处理后的所述毫米波雷达点云数据进行行人重识别。本公开可以不受环境光照的影响，可应用于低照度、强光反射等恶劣条件下；且无需获取行人的图像信息，可以应用于隐私敏感场合的行人重识别，具有更强的适用性。有更强的适用性。有更强的适用性。


技术研发人员：程宇威 刘一民 黄天耀
受保护的技术使用者：清华大学
技术研发日：2021.07.30
技术公布日：2021/11/2