雷达传感器和使用所述雷达传感器检测对象的方法

摘要

提供了一种雷达传感器和使用所述雷达传感器检测对象的方法。所述方法包括：接收从对象反射的至少一个雷达信号；将接收的至少一个雷达信号转换为至少一个频域的信号；对转换的至少一个信号进行累积预定时间并从累积的至少一个信号提取特征；通过将提取的至少一个特征与存储在数据库中的至少一个参考值进行比较来识别对象。

说明书

本申请要求于2011年10月14日在韩国知识产权局提交的第 10-2011-0105537号韩国专利申请的利益，该申请的公开通过引用全部包含 于此。

技术领域

本发明涉及一种雷达传感器和使用所述雷达传感器检测对象的方法。

背景技术

通过分析图像数据检测对象的传统方法具有低的对象检测精度的缺点， 低对象检测精度由于在用于监视室外环境的相机或闭路电视（CCTV）的情况 下自然现象（诸如刮风使得树木摇摆）或者对象自身的移动而造成。

使用被动红外（PIR）传感器或双重传感器来检测对象的方法具有由于传 感器周围的环境而发生频繁的误操作的缺点。

使用雷达传感器检测对象的方法具有这样的缺点：虽然可能获得诸如对 象的位置的空间信息，但是不可能具体地识别对象的类型。

发明内容

本发明提供一种用于准确检测对象并识别检测的对象的类型的雷达传感 器和使用该雷达传感器检测对象的方法。

根据本发明的一方面，提供了一种使用雷达传感器检测对象的方法，所 述方法包括：接收从对象反射的至少一个雷达信号；将接收的至少一个雷达 信号转换为至少一个频域的信号；在预定时间期间对转换的至少一个频域的 信号进行累积并从所述累积的至少一个信号提取至少一个特征；通过将提取 的至少一个特征与存储在数据库中的至少一个参考值进行比较来识别对象。

提取至少一个特征的步骤可包括：基于累积的至少一个信号产生频谱图； 从频谱图提取至少一个特征矢量。

所述至少一个特征矢量可包括信号周期、频率带宽和能量强度中的至少 一个。

存储在数据库中的至少一个参考值可包括针对目标对象的至少一个特征 矢量中的每个的最小值和最大值、或针对目标对象的至少一个特征矢量的组 合的最小值和最大值，识别对象的步骤可包括：基于提取的至少一个特征矢 量是否包括在针对目标对象的至少一个特征矢量中的每个的最小值和最大 值、或针对目标对象的至少一个特征矢量的组合的最小值和最大值之间来识 别对象是否是目标对象。

可根据环境条件调节针对目标对象的至少一个特征矢量中的每个的最小 值和最大值、以及针对目标对象的至少一个特征矢量的组合的最小值和最大 值。

存储在数据库中的至少一个参考值可包括基于针对目标对象确定的至少 一个特征矢量而产生的至少参考样式，识别对象的步骤可包括：通过将提取 的至少一个特征矢量与存储在数据库中的至少一个参考样式进行比较来识别 对象。

所述方法还可包括：基于至少一个雷达信号估计到对象的距离；从随着 时间的对象的距离改变检测对象的运动。

所述方法还可包括：基于当目标对象不存在于背景中时从背景反射的雷 达信号的至少一个特征矢量中的每个和当目标对象存在于背景中时从目标对 象反射的雷达信号的至少一个特征矢量之间的偏移，确定针对目标对象的至 少一个特征矢量中的每个的最小值和最大值、或针对目标对象的至少一个特 征矢量的组合的最小值和最大值。

识别对象的步骤可包括：当提取的对象的至少一个特征矢量包括在数据 库中的针对目标对象的至少一个特征矢量中的每个的最小值和最大值、或针 对目标对象的至少一个特征矢量的组合的最小值和最大值之间时，将对象确 定为目标对象。

所述方法还可包括：基于当目标对象不存在于背景中时从背景反射的雷 达信号的至少一个背景特征矢量中的每个和当目标对象存在于背景中时从目 标对象反射的雷达信号的至少一个特征矢量之间的偏移，确定不同环境条件 中的针对目标对象的至少一个特征矢量的最小值和最大值、或针对目标对象 的至少一个特征矢量的组合的最小值和最大值；将在不同环境条件中的至少 一个背景特征矢量中的每个、针对目标对象的至少一个特征矢量的最小值和 最大值、或针对目标对象的至少一个特征矢量的组合的最小值和最大值存储 在数据库中；当雷达传感器被安装时，通过将从监视区域的背景反射的雷达 信号的至少一个特征矢量与数据库中存储的至少一个背景特征矢量进行比较 来选择最相似的环境条件；选择数据库中存储的与选择的环境条件对应的针 对目标对象的至少一个特征矢量的最小值和最大值、或与选择的环境条件对 应的针对目标对象的至少一个特征矢量的组合的最小值和最大值。

根据示例性实施例的另一方面，提供了一种雷达传感器，所述雷达传感 器包括：信号转换器，将从对象反射的至少一个雷达信号转换为至少一个频 域的信号；特征提取器，在预定时间期间对转换的至少一个频域的信号进行 累积并从累积的至少一个信号提取对象的特征；数据库，存储用于识别对象 的至少一个参考值；确定器，通过将提取的至少一个特征与存储在数据库中 的至少一个参考值进行比较来识别对象。

特征提取器可基于累积的至少一个信号产生频谱图并从频谱图提取至少 一个特征矢量。

至少一个特征矢量可包括信号周期、频率带宽和能量强度中的至少一个。

存储在数据库中的至少一个参考值可包括针对目标对象的至少一个特征 矢量中的每个的最小值和最大值、或针对目标对象的至少一个特征矢量的组 合的最小值和最大值，确定器基于提取的至少一个特征矢量是否包括在针对 目标对象的至少一个特征矢量中的每个的最小值和最大值、或针对目标对象 的至少一个特征矢量的组合的最小值和最大值之间，来识别对象是否是目标 对象。

可根据环境条件调节针对目标对象的至少一个特征矢量中的每个的最小 值和最大值、或针对目标对象的至少一个特征矢量的组合的最小值和最大值。

存储在数据库中的至少一个参考值包括基于针对目标对象确定的至少一 个特征矢量而产生的至少一个参考样式，其中，确定器通过将提取的至少一 个特征矢量与存储在数据库中的至少一个参考样式进行比较来识别对象。

特征提取器可提取不同环境条件中的当目标对象不存在于背景中时从背 景反射的雷达信号的至少一个背景特征矢量和当目标对象存在于背景中时从 目标对象反射的雷达信号的至少一个特征矢量，数据库存储在不同环境条件 中的从背景提取的至少一个背景特征矢量中的每个、针对目标对象的至少一 个特征矢量的最小值和最大值、或针对目标对象的至少一个特征矢量的组合 的最小值和最大值，所述最小值和最大值基于当目标对象不存在于背景中时 从背景反射的雷达信号的至少一个背景特征矢量中的每个和当目标对象存在 于背景中时从目标对象反射的雷达信号的至少一个特征矢量之间的偏移被确 定。

雷达传感器还可包括：距离估计器，基于至少一个雷达信号估计到对象 的距离；运动检测器，从随着时间的距离改变检测对象的运动。

附图说明

通过参照附图详细描述本发明的示例性实施例，本发明的以上和其它特 点和优点将变得更加清楚，其中：

图1和图2是用于描述根据本发明实施例的使用雷达传感器检测对象的 方法的概念图；

图3是根据本发明实施例的雷达传感器的框图；

图4A至图4C示出根据本发明实施例的具有不同样式（pattern）的频谱 图；

图5A和图5B示出根据本发明实施例的数据库的示例；

图6A和图6B是用于描述根据本发明实施例的对象的运动跟踪的曲线图；

图7是示出根据本发明实施例的使用雷达传感器检测对象的方法的流程 图；

图8是示出根据本发明另一实施例的使用雷达传感器检测对象的方法的 流程图；

图9是示出根据本发明实施例的区分人与动物的方法的流程图。

具体实施方式

现在将参照附图更充分地描述本发明，在附图中示出发明的示例性实施 例。在以下描述中，由于公知功能或结构将通过不必要的细节使本发明模糊， 因此不详细描述公知功能或结构。

虽然诸如“第一”和“第二”的术语可被用于描述各种元件，但是元件 不被所述术语限制。可使用所述术语来分类特定元件与另一元件。例如，在 不改变本发明的范围的情况下，第一元件可被命名为第二元件，并且类似地， 第二元件可被命名为第一元件。此外，本发明中的一系列操作不仅包括连续 操作还包括并行或单独的操作。

如这里所使用的，诸如“中的至少一个”的描述在一列元素之后时，修 饰元素的整个列表而不是修饰列表中的单个元素。

图1和图2是用于描述根据本发明实施例的使用雷达传感器检测对象的 方法的概念图。图1的雷达传感器100是收发器式雷达传感器，图2的雷达 传感器是发送器和接收器式雷达传感器。

参照图1，雷达传感器100通过天线101输出雷达信号Tx并接收从对象 反射的信号Rx。输出雷达信号Tx以直线传播到对象并通过从对象反射而返 回。雷达传感器100可通过分析输出雷达信号Tx和接收的从对象反射的雷达 信号Rx检测位置信息，所述位置信息包括从雷达传感器100到对象的距离（在 下文，称为对象距离）和相位。雷达传感器100可基于位置信息的改变跟踪 对象。

此外，雷达传感器100可通过将从反射的雷达信号Rx检测到的对象的特 征与数据库中的参考值进行比较来识别对象的类型。

天线101可被实现为用于发送和接收的单个天线或用于发送和接收的一 组天线。

参照图2，发送器和接收器式雷达传感器包括雷达发送器200和雷达接 收器300。

雷达发送器200和雷达接收器300彼此分离并被布置在监视区域。图2 的发送器和接收器式雷达传感器具有这样的优点：对象搜索距离可被扩展为 超过图1的收发器式雷达传感器100。

雷达发送器200通过天线201输出雷达信号Tx。

雷达接收器300通过天线301接收从雷达发送器200输出的雷达信号Tx 和从对象反射的信号Rx。雷达接收器300可通过将从反射的雷达信号Rx检 测到的对象的特征与数据库中的参考值进行比较来识别对象的类型。

图3是根据本发明实施例的雷达传感器400的框图。

参照图3，雷达传感器400包括接收器410、信号处理器420、对象跟踪 器430和对象识别器460。

雷达传感器400可以是用于确定对象存在和不存在或对象距离的传感 器，或者是用于还检测对象的位置的传感器。图3的雷达传感器400可被实 施在图1的收发器式雷达传感器或图2的发送器和接收器式雷达传感器中。

接收器410通过天线接收从对象反射的雷达信号（例如，射频（RF）信 号）。接收的雷达信号是脉冲信号或多普勒信号，并且是时域中的信号。

信号处理器420从雷达信号中去除干扰和噪声。更具体地说，信号处理 器420以数字信号对雷达信号采样。然后，作为示例，信号处理器420可以 以每150至200ms的间隔处理采样的雷达信号。信号处理器420从采样的雷 达信号去除干扰和噪声。例如，信号处理器420可使用环路滤波器算法、奇 异值分解算法等去除干扰和噪声。然而，本发明不限于此，并且可使用各种 其它方法。

对象识别器460包括信号转换器470、特征提取器480、确定器490和数 据库（DB）500。

信号转换器470将雷达信号转换为频域的信号。信号转换器470可使用 例如快速傅里叶变换（FFT）将时域的信号转换为频域的信号。

特征提取器480在预定时间期间对转换的频域的信号进行累积，并从累 积的信号提取至少一个特征矢量。特征提取器480基于在预定时间期间累积 的频域的信号来产生频谱图，并从频谱图提取至少一个特征矢量。特征矢量 可包括信号周期、频率带宽和能量强度中的至少一个。

反射和接收的RF信号的样式可根据人的运动、动物的运动或诸如车辆的 移动对象的响应信号而变化。人的运动一般具有普通样式，并且该样式与动 物的移动样式或对象的响应信号样式明显不同。例如，人的行走运动的雷达 接收信号显示规则周期样式。动物的运动的雷达接收信号显示不同于人的非 常不规则的周期样式。这是因为动物不同于人，不按照恒速移动或以规则样 式移动。固定对象的雷达接收信号是具有较大幅度的规则信号（诸如噪声）。 移动对象的雷达接收信号显示与其它雷达接收信号不同的信号特征。因此， 确定器490可通过附加地分析雷达接收信号来识别对象。

图4A至图4C示出具有不同样式的频谱图。参照图4A至图4C，在每个 频谱图中，x轴指示时间，y轴指示频率。信号沿着x轴重复的间隔指示信号 周期。沿着y轴的信号范围指示频率带宽。对比指示能量强度（或能量的量）。 如图4A至图4C中所示，每个对象具有不同的频谱图。

确定器490可通过将提取的特征矢量与存储在DB500中的参考值进行比 较来识别对象。确定器490可通过使用样式比较将对象分类为例如人、动物、 移动对象（例如，机器人或车辆）等。

图5A示出根据本发明实施例的DB500的示例。

DB500预先存储基于从关于人、动物（猫、狗等）以及固定和移动的对 象（树木、车辆等）的频谱图提取的特征矢量的参考样式。

参照图5A，DB500基于从对象的频谱图提取的特征矢量定义参考样式（样 式A、样式B、样式C……），并将参考样式与对象的相应类型一起存储。例 如，当从被对象反射的雷达信号提取的至少一个特征矢量与DB500的样式A 匹配时，确定器490可将对象识别为人。通过这种方式，确定器490可通过 使用样式比较将对象分类为例如人、动物、移动对象（例如，机器人或车辆） 等。

这里，存储在数据库500中的样式可以是信号周期、频率带宽、能量强 度等中的至少一个。根据另一示例性实施例，样式可以是信号周期、频率带 宽、能量强度等中的至少两个的组合值。在这种情况下，特征提取器480可 产生从频谱图提取的至少一个特征矢量的组合值以将该组合值与数据库500 中存储的样式进行比较。

虽然为了描述的方便，在当前实施例中仅执行识别以将人与其它对象进 行区分，但是还可通过将人分类为诸如年龄和外表的不同种类来将人存储在 数据库中。

图5B示出根据本发明实施例的DB500的另一示例。

当DB500具有基于对象的参考样式时，数据量大。因此，DB500可指 定将被识别的对象并仅具有指定对象（在下文，被称为“目标对象”）的特征 矢量阈值范围以容易地识别目标对象。例如，当目标对象是人时，DB500可 仅存储针对人的特征矢量的最小值Min和最大值Max。在这种情况下，由于 特征矢量可根据环境条件变化，可根据环境条件调节最小值Min和最大值 Max。

根据另一示例性实施例，最小值Min可以是至少两个特征矢量的组合值 的最小值，最大值Max可以是所述至少两个特征矢量的组合值的最大值。

现在将描述确定针对人的特征矢量的最小值Min和最大值Max的方法。 首先，当在各种环境条件（例如，低和高亮度环境、走廊、楼梯、室外等） 中不存在人时提取特征矢量（在下文，称为“背景特征矢量”）。这是为了在 人不存在时检查是否由于周围对象的周期性摇动而存在信号周期原因。接着， 当提取背景特征矢量时，当人在相同环境中存在时提取特征矢量。基于当人 存在时提取的特征矢量与背景特征矢量相比较的偏移Δ确定每个环境中的针 对人的特征矢量的最小值Min和最大值Max。

参照图5B，DB500将每个环境条件中的从背景提取的背景特征矢量以及 在每个环境条件中的针对人的特征矢量的最小值Min和最大值Max存储为参 考值。例如，当从被对象反射的雷达信号提取的特征矢量包括在DB500的针 对人的特征矢量的最小值Min和最大值Max之间时，确定器490可将对象识 别为人。

在雷达传感器400的初始安装中，雷达传感器400通过将存储的多个背 景特征矢量与安装环境的背景特征矢量进行比较来选择最相似的环境，并预 先设置针对人的特征矢量的与选择的环境对应的最小值Min和最大值Max。 因此，确定器490可基于提取的特征对象是否在预设的针对人的特征矢量的 最小值Min和最大值之间来确定对象是否是人。这样，雷达传感器400可通 过考虑环境条件而调节特征矢量最小值和最大值来容易并准确地识别对象。

虽然为了说明的方便，当前实施例示出确定针对人的特征矢量的阈值范 围，但是本发明不限于此，并还可以以通过提取特定动物（诸如猫或狗）的 特征矢量并确定特征矢量的最小值和最大值的相同方式被应用于动物的识 别。

雷达传感器400可与识别对象的类型的操作独立地通过使用雷达信号跟 踪对象，或可在识别对象的类型的操作之前通过使用雷达信号跟踪对象。因 此，对象跟踪器430和对象识别器460可并行操作，并分别执行对象检测和 跟踪，以及对象检测和识别。

对象跟踪器430包括距离估计器440和运动检测器450。

距离估计器440可基于脉冲雷达信号估计对象距离。距离估计器440可 基于输出雷达信号和从对象反射的雷达信号之间的相似度估计对象距离。距 离估计器440可通过使用互相关函数测量输出雷达信号和从对象反射的雷达 信号之间的时间差，并基于测量的时间差估计对象距离。

运动检测器450可基于估计的距离信息检测对象的运动。运动检测器450 可通过使用卡尔曼滤波器算法对估计的距离进行补偿。

图6A和图6B是用于描述根据本发明实施例的对象的运动跟踪的曲线图。 参照图6A，运动检测器450可基于随着时间的对象距离的改变检测对象的运 动。参照图6B，运动检测器450可通过应用运动特性来校正估计的对象，从 而对象的运动是自然的。例如，运动检测器450可使用卡尔曼滤波器算法将 图6A的曲线图校正为图6B的平滑曲线图。

图7是示出根据本发明实施例的使用雷达传感器的检测对象的方法的流 程图。

参照图7，在操作S601中，雷达传感器接收从对象反射的雷达信号。接 收的雷达信号是脉冲信号或多普勒信号，并且是时域的信号。此外，雷达传 感器可从雷达信号去除干扰和噪声。为此，雷达传感器可使用环路滤波器算 法、SVD算法等。

在操作S602，雷达传感器将雷达信号转换为频域的信号。雷达传感器可 使用FFT将时域的信号转换为频域的信号。

在操作S603，雷达传感器在预定时间期间对转换的频域的信号进行累积， 并从累积的信号提取至少一个特征矢量。特征矢量可包括信号周期、频率带 宽和能量强度中的至少一个。雷达传感器可通过基于在预定时间期间累积的 时域的信号来产生频谱图并所述从频谱图提取至少一个特征矢量，来定义检 测样式。

在操作S604，雷达传感器通过将至少一个特征矢量与存储在DB中的参 考样式进行比较来识别对象的类型。雷达传感器可通过在存储在DB中的参考 样式中寻找与至少一个特征矢量匹配的参考样式来确定对象的类型。

雷达传感器可使用脉冲雷达信号跟踪对象，而不是执行识别对象的类型 的操作。

在操作S607，雷达传感器基于脉冲雷达信号估计对象距离。雷达传感器 可基于输出雷达信号和从对象反射的雷达信号之间的相似度，来估计对象距 离。雷达传感器可使用互相关函数测量输出雷达信号和从对象反射的雷达信 号之间的时间差，并基于测量的时间差来估计对象距离。

在操作S608，雷达传感器基于随着时间的对象距离的改变来检测对象的 运动。雷达传感器可使用卡尔曼滤波器算法校正估计的对象距离。

图8是示出根据本发明的另一实施例的使用雷达传感器检测对象的方法 的流程图。

参照图8，在操作S701，雷达传感器接收从对象反射的雷达信号。接收 的雷达信号是脉冲信号或多普勒信号，并且是时域的信号。此外，雷达传感 器可从雷达信号去除干扰和噪声。为此，雷达传感器可使用环路滤波器算法、 SVD算法等。

在操作S702，雷达传感器将雷达信号转换为频域的信号。雷达传感器可 使用FFT将时域的信号转换为频域的信号。

在操作S703，雷达传感器在预定时间期间对转换的频域的信号进行累积， 并从累积的信号提取至少一个特征矢量。雷达传感器可通过基于在预定时间 期间累积的时域中的信号来产生频谱图并从所述频谱图提取至少一个特征矢 量，来定义检测模式。特征矢量可包括信号周期、频率带宽和能量强度中的 至少一个。例如，雷达传感器可分别提取信号周期、频率带宽、能量强度作 为第一特征矢量、第二特征矢量和第三特征矢量。

在操作S704，雷达传感器确定提取的特征矢量是否包括在存储在DB中 的针对人的特征矢量的阈值的范围中。基于最小值Min和最大值Max定义阈 值的范围。例如，雷达传感器确定提取的第一特征矢量、第二特征矢量、第 三特征矢量是否包括在第一特征矢量、第二特征矢量、第三特征矢量的各个 最小值Min和最大值Max之间，或包括在针对人的各个第一参考特征矢量、 第二参考特征矢量和第三参考特征矢量的各个阈值的范围中。

接着，在操作S704，如果提取的特征矢量中的每个特征矢量包括在各个 参考特征矢量的阈值的范围中，则雷达传感器可在操作S705确定对象是人。 否则，雷达传感器可在操作S706确定对象是动物。根据另一示例性实施例， 如果第一特征矢量至第三特征矢量中的至少一个包括在针对人的各个参考特 征矢量的阈值的范围内，则雷达传感器可确定对象是人。根据又一示例性实 施例，如果特征矢量中的至少两个特征矢量的组合值在参考特征矢量的组合 值的范围之内，则雷达传感器可确定对象是人。

雷达传感器可使用脉冲雷达信号跟踪对象，而不是执行识别对象的类型 的操作。

在操作S707，雷达传感器基于脉冲雷达信号估计对象距离。雷达传感器 可基于输出雷达信号和从对象反射的雷达信号之间的相似度估计对象距离。 雷达传感器可使用互相关函数测量输出雷达信号和从对象反射的雷达信号之 间的时间差，并基于测量的时间差来估计对象距离。

在操作S708，雷达传感器基于随着时间的对象距离的改变来检测对象的 运动。雷达传感器可使用卡尔曼滤波器算法校正估计的对象距离。

图9是示出根据本发明实施例的区分人与动物的方法的流程图。

参照图9，通过使用雷达传感器识别人的方法可包括建立DB（操作S810）、 设置参考值（操作S830）和识别人（操作S850）。

建立DB的步骤（操作S810）包括确保针对各种环境的值。

在操作S811，雷达传感器提取当人存在时和当人不存在时的各种环境条 件中的至少一个参考特征矢量。特征矢量包括信号周期、频率带宽和能量强 度。例如，雷达传感器可在人存在时以及在人不存在时分别提取信号周期、 频率带宽、能量强度作为第一特征矢量、第二特征矢量和第三特征矢量。

在操作S813，雷达传感器基于当人存在时提取的特征矢量与当没有人存 在时提取的背景特征矢量相比较的偏移Δ，确定每个环境中的针对人的特征 矢量的最小值Min和最大值Max。例如，基于当人存在时的第一特征矢量、 第二特征矢量、第三特征矢量中的每个分别和当没有人存在时提取的第一特 征矢量、第二特征矢量、第三特征矢量中的每个特征矢量相比较的偏移设置 在每个环境中的针对人的第一特征矢量、第二特征矢量、第三特征矢量中的 每个的最小值和最大值。在操作S815，雷达传感器将背景特征矢量和针对相 应环境的人的特征矢量的最小值Min和最大值Max存储在数据库中。例如， 雷达传感器可将针对每个环境的第一背景特征矢量至第三背景特征矢量以及 人的第一特征矢量至第三特征矢量的最小值Min和最大值Max存储在DB中。

设置参考值的步骤（操作S830）包括根据安装有雷达传感器的环境设置 参考值。

在操作S831，当雷达传感器进入初始安装的传感器标定状态时，雷达传 感器提取针对安装环境的特征矢量。例如，雷达传感器可提取针对安装环境 的背景的第一特征矢量至第三特征矢量。

在操作S835，雷达传感器通过将提取的至少一个特征矢量和存储在DB 中的背景特征矢量进行比较来选择与雷达传感器的安装环境最相似的环境， 并同时从DB选择与选择的环境相关的针对人的至少一个特征矢量的最小值 Min和最大值Max作为参考值。例如，雷达传感器可从将针对安装环境的第 一特征矢量至第三特征矢量中的至少一个与针对DB中的每个环境的第一特 征矢量至第三特征矢量中的至少一个进行比较的结果来选择最相似环境。此 外，雷达传感器可选择针对选择的环境的第一特征矢量至第三特征矢量的最 小值Min和最大值Max作为参考值。

识别人的步骤（操作S850）包括确定检测对象是否是人。在操作S851， 雷达传感器从被对象反射的雷达信号提取至少一个特征矢量。图8中示出的 对象检测方法可被应用于识别人的步骤（操作S850）。

具体地讲，雷达传感器可从反射的雷达信号去除噪声，将时域的雷达信 号转换为频域的雷达信号，产生累积了预定事件的雷达信号的频谱图，并从 频谱图提取至少一个特征矢量。由于以上描述了特征矢量提取处理，因此省 略对其的详细描述。在操作S853，雷达传感器确定提取的至少一个特征矢量 是否包括在在操作S835选择的针对人的至少一个特征矢量的最小值Min和最 大值Max之间。例如，雷达传感器可确定从被对象反射的雷达信号提取的第 一特征矢量至第三特征矢量是否包括在作为参考值的第一特征矢量至第三特 征矢量的最小值和最大值之间。

作为确定结果，如果提取的至少一个特征矢量包括在在操作S835选择的 针对人的至少一个特征矢量的最小值Min和最大值Max之间，则在操作S855， 雷达传感器确定对象是人。否则，在操作S857，雷达传感器确定对象是动物。 例如，雷达传感器可基于第一特征矢量至第三特征矢量的比较结果中的至少 一个确定对象是否是人。根据另一示例性实施例，雷达传感器可基于第一特 征矢量至第三特征矢量中的至少两个的组合值的比较结果，确定对象是否是 人。

虽然图9示出人识别方法，但是本发明不限于人的识别，并还可通过提 取特定动物的特征矢量并建立提取的特征矢量的最小值和最大值的DB而以 相同的方式被应用于动物的识别。

根据本发明的实施例，可通过处理和分析频域的RF雷达接收信号来检测 对象和识别检测的对象的类型。此外，可通过考虑周围环境来调节确定标准， 从而准确地确定对象的类型。

虽然参照本发明的示例性实施例具体地示出和描述了本发明，但是本领 域普通技术人员将理解，在不脱离由权利要求限定的本发明的精神和范围的 情况下，可对其进行形式和细节的各种改变。示例性实施例应仅被视为描述 的意义，而非限制的目的。因此，本发明范围不是由本发明的详细描述限定， 而是由权利要求限定，并且在范围内的所有不同将被解释为包括在本发明中。