基于雷达的脚踢信号识别方法、雷达、存储介质及汽车

摘要

本发明提供了一种基于雷达的脚踢信号识别方法、雷达、存储介质及汽车，该方法包括：获取回波信号的点云信息；针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并存储至特征均值矩阵；将雷达在角度维上的探测区域进行网格划分，并根据每个网格的角度范围及每帧点云的角度维特征均值确定质心位置；若质心位置位于探测区域且每帧点云的速度维特征均值均位于预设速度区间，则提取特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组；根据距离维数组判断是否检测到脚踢目标。通过上述方案，本申请可以根据点云信息的角度维特征、速度维特征和距离维特征综合识别脚踢信号，避免出现虚警情况，提高脚踢信号的识别准确性。

说明书

技术领域

本发明涉及雷达技术领域，尤其涉及一种基于雷达的脚踢信号识别方法、雷达、存储介质及汽车。

背景技术

通过脚踢开启车门的方式，能够方便快捷地打开车门，满足了人们对车辆智能化和便捷性能的追求，受到了人们的青睐。

现有技术多采用提取电压差的方式识别正确的脚踢动作，该方法无法应对例如洗车时洗车工具洗车或者擦车出现的虚警情况，也易出现漏踢和多踢的现象。

发明内容

有鉴于此，本发明提供了一种基于雷达的脚踢信号识别方法、雷达、存储介质及汽车，能够解决脚踢信号识别准确性差的问题。

第一方面，本发明实施例提供了一种基于雷达的脚踢信号识别方法，包括：

获取雷达检测得到的回波信号的点云信息；所述点云信息包括距离维特征、角度维特征和速度维特征；

针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并将该帧点云对应的特征均值存储至特征均值矩阵；

将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围，并根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定点云轨迹的质心位置；

若所述质心位置位于所述探测区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组；

根据所述距离维数组判断是否检测到脚踢目标。

第二方面，本发明实施例提供了一种雷达，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面任一种可能的实现方式所述方法的步骤。

第三方面，本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一种可能的实现方式所述方法的步骤。

第四方面，本发明实施例提供了一种汽车，包括如上第三方面所述的雷达。

本发明实施例与现有技术相比存在的有益效果是：

本发明实施例首先获取雷达检测得到的回波信号的点云信息；针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并将该帧点云对应的特征均值存储至特征均值矩阵；然后将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围，并根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定点云轨迹的质心位置；若所述质心位置位于所述探测区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组；最后根据所述距离维数组判断是否检测到脚踢目标。通过上述方案，本实施例可以根据雷达探测的点云信息的角度维特征、速度维特征和距离维特征综合识别脚踢信号，避免出现虚警情况，提高脚踢信号的识别准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于雷达的脚踢信号识别方法的实现流程图；

图2是本发明实施例提供的基于雷达的脚踢信号识别方法的完整具体的流程图；

图3是本发明实施例提供的基于雷达的脚踢信号识别装置的结构示意图；

图4是本发明实施例提供的雷达的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

参见图1，其示出了本发明实施例提供的基于雷达的脚踢信号识别方法的实现流程图，详述如下：

S101：获取雷达检测得到的回波信号的点云信息；所述点云信息包括距离维特征、角度维特征和速度维特征。

在本发明实施例中，雷达包括发射天线和接收天线，在车门解锁后，雷达上电，雷达通过发射天线向固定脚踢区域发送特定频率的电磁波，电磁波遇到物体发生反射，接收天线接收回波信号，经过ADC采样和带通滤波处理，从一定程度上滤除带外干扰信号。

在获取到滤除带外干扰信号的回波信号后，雷达对回波信号进行FFT(fastFourier transform，快速傅里叶变换)处理，得到距离-多普勒频谱图，并对距离-多普勒频谱图进行恒虚警检测，得到多个目标点，各个目标点相对于雷达的距离、角度、速度形成点云信息。

具体的，点云信息包括速度维特征、距离维特征、角度维特征和信噪比特征。其中，角度维特征包括方位角特征和俯仰角特征。

S102：针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并将该帧点云对应的特征均值存储至特征均值矩阵。

在本实施例中，脚踢信号通常需要限定识别距离范围，例如车辆的整个保险杠对应的距离范围，而超出该距离范围的信号则可认为为干扰信号，因此，本实施例在获取到点云信息后，则提取每帧点云中距离维特征满足预设条件的点的特征构建特征均值矩阵。

具体地，特征均值包括速度维特征均值、距离维特征均值和角度维特征均值，角度维特征均值包括方位角特征均值和/或俯仰角特征均值。

S103：将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围，并根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定点云轨迹的质心位置。

为了找到点云轨迹的质心位置，本实施例首先对雷达的探测区域进行网格划分，每个网格对应一定的角度范围。根据每帧点云的角度维特征均值和每个网格的角度范围，确定每帧点云在网格的位置，根据每帧点云所在网格的位置确定特征均值矩阵KnickFeatureALL对应的点云轨迹的质心位置，进而通过质心位置与探测区域的相对关系准确的区分脚踢目标与虚警目标。

S104：若所述质心位置位于所述探测区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组。

在本实施例中，脚踢信号相较于其他虚警信号通常在速度上会满足一定的规律，因此本实施例还可以基于速度维特征检测点云中是否存在脚踢信号。

S105：根据所述距离维数组判断是否检测到脚踢目标。

在本实施例中，若质心位置位于探测区域，且点云的速度维特征与距离维特征均满足对应的条件，则可以判定点云信息中包括脚踢目标。

在获取到脚踢目标后，雷达发送CAN报文数据至车门控制器，车门控制器根据接收的CAN报文数据控制车门打开。

通过上述方案，本实施例可以根据雷达探测的点云信息的角度维特征、速度维特征和距离维特征综合识别脚踢信号，避免出现虚警情况，提高脚踢信号的识别准确性。

在一个实施例中，S102的具体实现流程包括：

提取该帧点云中距离维特征小于或等于第一预设距离阈值的点作为目标点；

计算该帧点云中所有目标点的各类特征对应的特征均值，并将该帧点云的各类特征对应的特征均值存储至所述特征均值矩阵。

具体地，筛选每帧点云中距离维特征小于或等于第一预设距离阈值的点作为目标点，其他点则作为干扰点剔除，确定目标点。在获取到目标点后，针对任一类特征，对同一帧点云中的该类特征求平均，计算该帧点云的各类特征对应的特征均值，并存储至特征均值矩阵。特征均值矩阵中按照时间顺序存储着各帧点云的特征均值。

示例性的，特征均值矩阵KnickFeatureALL可以为KnickFeatureALL{{cfarAzi

其中，cfarAzi

在一个实施例中，在S103之前，本实施例提供的方法还包括：

若该帧点云为空帧或该帧点云的距离维特征大于第一预设距离阈值，则将第一计数值加第一数值；

若所述第一计数值达到第一计数阈值，则停止更新所述特征均值矩阵，并继续执行所述将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围步骤，否则返回所述获取雷达检测得到的回波信号的点云信息步骤。

在本实施例中，第一数值可以为1，在雷达上电之初，初始化第一计数值为零，在检测到某一帧点云信息为空帧或者该帧点云的距离维特征大于第一预设距离阈值时，则对第一计数值加1，若第一计数值达到第一计数阈值，则停止更新特征均值矩阵，向下执行S103步骤，针对当前获取的特征均值矩阵进行脚踢目标判断。若第一计数值小于第一计数阈值，则返回S101继续执行，更新特征均值矩阵。

在一个实施例中，S103的具体实现流程包括：

S201：将所述雷达在角度维上的探测区域划分为多个子区域，并对每个子区域进行网格划分，确定每个网格的角度范围。

具体的，角度维特征包括方位角特征和俯仰角特征，本实施例根据雷达探测波束的方位角范围angleAzi[M，N]和俯仰角范围anglePit[A,B]，将探测区域划分为多个子区域，每个子区域划分多个矩形，形成网格，每个网格对应不同的方位角和俯仰角范围。

具体的，每个网格划分的角度范围大小均相同，每个网格均可以为2*2°的小正方形。

S202：根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定位于每个网格中的点云数量。

S203：针对每个网格，若该网格中的点云数量大于该网格所在子区域对应的预设阈值，则将该网格对应的数值设置为第二数值，否则设置为第三数值，构建网格矩阵，所述网格矩阵中包括所有网格对应的数值。

在本实施例中，由于脚踢信号在探测区域不同位置的重心不同，而虚警点则不具备这种特征。因此本实施例对探测区域划分为多个子区域，通过在不同子区域设置不同的预设阈值，可以筛除虚警点，提高脚踢信号的识别效率。

具体的，子区域的位置越靠近中心，其对应的预设阈值越大。例如，若将探测区域划分为左、中、右3个子区域，则中间子区域的预设阈值大于左右两边子区域的预设阈值。

具体的，第二数值不等于第三数值，第二数值可以为1，第三数值可以为0。网格矩阵中每个网格按照角度范围的大小排列。

示例性的，在划分网格后，构建网格的位置矩阵

在计算得到各个网格对应的数值后，将每个网格对应的数值存储至位置矩阵的对应位置，构成网格矩阵。

S204：针对所述网格矩阵中的每个网格，若该网格及其相邻网格的数值均为第二数值，则将该网格的数值更新为第四数值。

具体的，若当前网格以及当前网格的前后左右网格的数值均为第二数值，则将该网格的数值更新为第四数值。

具体的，第四数值与第二数值和第三数值不相等，示例性的，第四数值可以为2。

S205：提取更新后的网格矩阵中所有数值为第四数值的网格的角度范围，并根据所有数值为第四数值的网格的角度范围计算点云轨迹的质心位置。

本实施例统计每个网格中点云数量，根据每个网格中点云数量的多少层层向上对网格赋值实现点云聚类，筛除杂散点。通过上述聚类方法，能够使赋值为第四数值的网格作为点云的聚类中心点，从而根据聚类后的网格的角度范围计算质心位置，提高质心位置的准确性。

在一个实施例中，所述角度维特征包括方位角特征和俯仰角特征；所述角度范围包括方位角范围和俯仰角范围；所述质心位置包括方位角平均范围和俯仰角平均范围；

S205的具体实现流程包括：

对所有数值为第四数值的网格的方位角范围求平均，得到方位角平均范围；

对所有数值为第四数值的网格的俯仰角范围求平均，得到俯仰角平均范围。

在一个实施例中，所述探测区域包括多个子区域；S104的具体实现流程包括：

若所述质心位置位于其中一子区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组。

具体的，距离维数组中每个距离维特征均值按照数值大小进行排序。若质心位置不位于任一子区域内，或特征均值矩阵中存在点云的速度维特征均值不位于预设速度区间，则判定没有脚踢目标。

在一个实施例中，S105的具体实现流程包括：

针对所述距离维数组中的每个距离维特征均值，计算该距离维特征均值与下一个距离维特征均值之间的差值；若该距离维特征均值与下一个距离维特征均值之间的差值小于第一预设差值，则将该距离维特征均值对应的帧作为包络起始帧；若该距离维特征均值与下一个距离维特征均值之间的差值大于第二预设差值，则将下一个距离维特征均值对应的帧作为包络终止帧。

将相邻的包络起始帧和包络终止帧之间的距离维特征均值作为一个包络，统计所述距离维数组中的包络个数。

若所述包络个数小于预设包络个数，则判定检测到脚踢目标。

若所述包络个数大于所述预设包络个数，则提取所述特征均值矩阵中小于第二预设距离阈值的距离维特征均值构建距离维特征矩阵。

统计所述距离维特征矩阵中的峰值个数，若所述峰值个数小于第一预设数量，则判定检测到脚踢目标。

申请人经过大量实验发现，脚踢目标和其他虚警目标的区别在于：脚踢目标中包络个数较少，而虚警目标的包络个数较多。基于上述发现，本实施例遍历距离维数组中的距离维特征，每检测到相邻的一对包络起始帧和包络终止帧时，则将包络起始帧和包络终止帧之间的帧作为一个包络，统计距离维数组中的包络个数。若包络个数小于预设包络个数，则判定检测到脚踢目标；若包络个数大于或等于预设包络个数，则基于距离维特征矩阵中的峰值个数判断点云中是否存在脚踢目标。

作为一个具体的实施例，若包络个数小于或等于预设包络个数，则判定检测到脚踢目标。

具体的，距离维特征矩阵中的元素按照帧顺序排序。

在上述依据包络个数判断脚踢目标的基础上，为了提高脚踢目标的判断准确性，本实施例还可以基于距离维特征矩阵中的峰值个数对脚踢目标进行识别。具体的，申请人经过大量实验发现，当点云中包括脚踢目标时，相应的距离维特征矩阵中的峰值个数较少，而点云中的目标为虚警目标时，相应的距离维特征矩阵中的峰值个数较多，基于该发现，本实施例在峰值个数小于第一预设数量时判定检测到脚踢目标，否则判定无脚踢目标。

在完成当前的特征均值矩阵的脚踢目标判定后，将当前的特征均值矩阵删除，并重置第一计数值为零。重新开始筛选后续的点云数据进行脚踢目标识别。

以下以一个具体应用场景为例，对本发明实施例提供的基于雷达的脚踢信号识别方法进行详细说明，具体如下；

步骤A：车门解锁后，雷达上电，开始工作；

步骤B：获取雷达检测的回波信号的点云信息；通过距离维特征筛选每帧点云中满足预设条件的点，构建特征均值矩阵；

步骤C：若该帧点云为空帧或该帧点云的距离维特征大于第一预设距离阈值，则将第一计数值累积加1；

步骤D：判断第一计数值是否大于等于第一计数阈值，若是，则进入步骤E，否则返回步骤B；

步骤E：在雷达波束的方位角和俯仰角构成的二维区域划分3个子区域，每个子区域设置相同的网格间隔；

步骤F：若临近的多个网格中点云数量均大于该网格所在区域对应的预设阈值，则提取临近的多个网格中的中心网格，并采用中心网格的方位角范围和俯仰角范围计算质心；

步骤G：判断质心点是否位于任一子区域，若是则进入步骤H，若否则进入步骤N。

步骤H：判断特征均值矩阵中每帧点云的速度维均值是否均位于预设速度区间，若是则进入步骤I，若否则进入步骤N。

步骤I：提取特征均值矩阵中的距离维特征均值，得到距离维数组；

步骤J：遍历距离维数组中的包络个数，若包络个数小于预设包络个数，则进入步骤M，否则继续执行步骤K；

步骤K：提取所述特征均值矩阵中小于第二预设距离阈值的距离维特征均值构建距离维特征矩阵；

步骤L：统计所述距离维特征矩阵中的峰值个数，若峰值个数小于第一预设数量，则进入步骤M，否则进入步骤N；

步骤M：当前的点云中检测到脚踢目标。

步骤N：当前的点云中未检测到脚踢目标。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图3示出了本发明实施例提供的基于雷达的脚踢信号识别装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图3所示，基于雷达的脚踢信号识别装置100包括：

点云信息获取模块110，用于获取雷达检测得到的回波信号的点云信息；所述点云信息包括距离维特征、角度维特征和速度维特征；

特征均值矩阵构建模块120，用于针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并将该帧点云对应的特征均值存储至特征均值矩阵；

质心位置计算模块130，用于将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围，并根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定点云轨迹的质心位置；

距离维数组计算模块140，用于若所述质心位置位于所述探测区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组；

脚踢目标判断模块150，用于根据所述距离维数组判断是否检测到脚踢目标。

在一个实施例中，特征均值矩阵构建模块120包括：

提取该帧点云中距离维特征小于或等于第一预设距离阈值的点作为目标点；

计算该帧点云中所有目标点的各类特征对应的特征均值，并将该帧点云的各类特征对应的特征均值存储至所述特征均值矩阵。

在一个实施例中，基于雷达的脚踢信号识别装置100还包括计数模块，用于：

若该帧点云为空帧或该帧点云的距离维特征大于第一预设距离阈值，则将第一计数值加第一数值；

若所述第一计数值达到第一计数阈值，则停止更新所述特征均值矩阵，并继续执行所述将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围步骤，否则返回所述获取雷达检测得到的回波信号的点云信息步骤。

在一个实施例中，质心位置计算模块130包括：

网格划分单元，用于将所述雷达在角度维上的探测区域划分为多个子区域，并对每个子区域进行网格划分，确定每个网格的角度范围；

点云数量统计单元，用于根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定位于每个网格中的点云数量；

第一网格赋值单元，用于针对每个网格，若该网格中的点云数量大于该网格所在子区域对应的预设阈值，则将该网格对应的数值设置为第二数值，否则设置为第三数值，构建网格矩阵，所述网格矩阵中包括所有网格对应的数值；

第二网格赋值单元，用于针对所述网格矩阵中的每个网格，若该网格及其相邻网格的数值均为第二数值，则将该网格的数值更新为第四数值；

质心位置计算单元，用于提取更新后的网格矩阵中所有数值为第四数值的网格的角度范围，并根据所有数值为第四数值的网格的角度范围计算点云轨迹的质心位置。

在一个实施例中，所述角度维特征包括方位角特征和俯仰角特征；所述角度范围包括方位角范围和俯仰角范围；所述质心位置包括方位角平均范围和俯仰角平均范围；质心位置计算单元包括：

对所有数值为第四数值的网格的方位角范围求平均，得到方位角平均范围；

对所有数值为第四数值的网格的俯仰角范围求平均，得到俯仰角平均范围。

在一个实施例中，所述探测区域包括多个子区域；

距离维数组计算模块140包括：

若所述质心位置位于其中一子区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组。

在一个实施例中，脚踢目标判断模块150包括：

针对所述距离维数组中的每个距离维特征均值，计算该距离维特征均值与下一个距离维特征均值之间的差值；若该距离维特征均值与下一个距离维特征均值之间的差值小于第一预设差值，则将该距离维特征均值对应的帧作为包络起始帧；若该距离维特征均值与下一个距离维特征均值之间的差值大于第二预设差值，则将下一个距离维特征均值对应的帧作为包络终止帧；

将相邻的包络起始帧和包络终止帧之间的距离维特征均值作为一个包络，统计所述距离维数组中的包络个数；

若所述包络个数小于预设包络个数，则判定检测到脚踢目标；

若所述包络个数大于所述预设包络个数，则提取所述特征均值矩阵中小于第二预设距离阈值的距离维特征均值构建距离维特征矩阵；

统计所述距离维特征矩阵中的峰值个数，若所述峰值个数小于第一预设数量，则判定检测到脚踢目标。

从上述实施例可知，本发明实施例首先获取雷达检测得到的回波信号的点云信息；针对每帧点云，计算该帧点云中距离维特征满足预设条件的点的特征均值，并将该帧点云对应的特征均值存储至特征均值矩阵；然后将所述雷达在角度维上的探测区域进行网格划分，确定每个网格的角度范围，并根据每个网格的角度范围及所述特征均值矩阵中每帧点云的角度维特征均值，确定点云轨迹的质心位置；若所述质心位置位于所述探测区域内且所述特征均值矩阵中每帧点云的速度维特征均值均位于预设速度区间，则提取所述特征均值矩阵中每帧点云的距离维特征均值，得到距离维数组；最后根据所述距离维数组判断是否检测到脚踢目标。通过上述方案，本实施例可以根据雷达探测的点云信息的角度维特征、速度维特征和距离维特征综合识别脚踢信号，避免出现虚警情况，提高脚踢信号的识别准确性。

图4是本发明一实施例提供的雷达的示意图。如图4所示，该实施例的雷达4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个基于雷达的脚踢信号识别方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块110至150的功能。

示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述雷达4中的执行过程。

所述雷达4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述雷达4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是雷达4的示例，并不构成对雷达4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41可以是所述雷达4的内部存储单元，例如雷达4的硬盘或内存。所述存储器41也可以是所述雷达4的外部存储设备，例如所述雷达4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述雷达4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个基于雷达的脚踢信号识别方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。