| 1 |
1
레이더 수신 신호로부터 탐지된 각 타겟에 대한 도플러 스펙트럼, 상기 도플러 스펙트럼 내 최대 신호 크기 및 탐지 거리 값을 프레임 단위로 각각 입력받는 입력부;상기 타겟에 대한 현재 프레임의 도플러 스펙트럼에서 기준값 이상의 도플러 빈의 개수인 제1 특징 값(M)을 계산한 다음, 직전 프레임의 도플러 스펙트럼에서 기 계산된 기준값 이상의 도플러 빈의 개수(M')와 상기 제1 특징 값(M) 간의 차이인 제2 특징 값(N)을 계산하는 제1 연산부;상기 현재 프레임의 도플러 스펙트럼 내 최대 신호 크기를 상기 탐지 거리 값을 통해 정규화한 신호 크기(P) 및 직전 프레임의 도플러 스펙트럼 내 최대 신호 크기를 상기 탐지 거리 값을 통해 정규화한 신호 크기(P')를 이용하여, 상기 타겟의 신호 크기 변화율인 제3 특징 값(K)을 계산하는 제2 연산부; 및상기 제1 내지 제3 특징 값(M,N,K)을 이용하여 상기 타겟을 보행자 또는 차량으로 판단하는 검출부를 포함하는 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 2 |
2
청구항 1에 있어서,상기 제3 특징 값(K)은 아래의 수학식에 의해 연산되는 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 3 |
3
청구항 1에 있어서,상기 정규화한 신호 크기(P,P') 각각은,해당 프레임의 도플러 스펙트럼 상에 존재하는 최대 신호 크기를 해당 프레임에서 탐지된 탐지 거리 값의 4 제곱(r4)으로 나누어 연산된 값인 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 4 |
4
청구항 1에 있어서,상기 검출부는,상기 제1 내지 제3 특징 값(M,N,K)을 기 설정된 임계 값과 비교하여 상기 타겟을 보행자 또는 차량으로 판단하되,상기 제1 특징 값(M)이 제1 임계 값보다 크거나, 상기 제2 특징 값(N)이 제2 임계 값보다 크거나, 상기 제3 특징 값(K)이 제3 임계 값보다 큰 조건 중 적어도 하나를 만족하면, 상기 타겟을 보행자로 판단하는 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 5 |
5
청구항 4에 있어서,상기 검출부는,상기 제1 특징 값(M)이 상기 제1 임계 값 이하이고, 상기 제2 특징 값(N)이 상기 제2 임계 값 이하이고, 상기 제3 특징 값(K)이 상기 제3 임계 값 이하인 조건을 모두 만족하면, 상기 타겟을 차량으로 판단하는 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 6 |
6
청구항 1에 있어서,상기 검출부는,상기 제1 내지 제3 특징 값(M,N,K)을 기 학습된 머신 러닝 모델에 적용한 결과로부터 상기 타겟을 보행자 또는 차량으로 판단하며,상기 머신 러닝 모델은,복수의 차량과 보행자를 포함한 복수의 객체 별 수집된 상기 제1 내지 제3 특징 값을 입력 값으로 하고 해당 객체의 종류를 출력 값으로 하여 사전에 학습된 도플러 정보 기반의 보행자 및 차량 인식 장치
|
| 7 |
7
보행자 및 차량 인식 장치를 이용한 보행자 및 차량 인식 방법에 있어서,레이더 수신 신호로부터 탐지된 각 타겟에 대한 도플러 스펙트럼, 상기 도플러 스펙트럼 내 최대 신호 크기 및 탐지 거리 값을 프레임 단위로 각각 입력받는 단계;상기 타겟에 대한 현재 프레임의 도플러 스펙트럼에서 기준값 이상의 도플러 빈의 개수인 제1 특징 값(M)을 계산한 다음, 직전 프레임의 도플러 스펙트럼에서 기 계산된 기준값 이상의 도플러 빈의 개수(M')와 상기 제1 특징 값(M) 간의 차이인 제2 특징 값(N)을 계산하는 단계;상기 현재 프레임의 도플러 스펙트럼 내 최대 신호 크기를 상기 탐지 거리 값을 통해 정규화한 신호 크기(P) 및 직전 프레임의 도플러 스펙트럼 내 최대 신호 크기를 상기 탐지 거리 값을 통해 정규화한 신호 크기(P')를 이용하여, 상기 타겟의 신호 크기 변화율인 제3 특징 값(K)을 계산하는 단계; 및상기 제1 내지 제3 특징 값(M,N,K)을 이용하여 상기 타겟을 보행자 또는 차량으로 판단하는 단계를 포함하는 도플러 정보 기반의 보행자 및 차량 인식 방법
|
| 8 |
8
청구항 7에 있어서,상기 제3 특징 값(K)은 아래의 수학식에 의해 연산되는 도플러 정보 기반의 보행자 및 차량 인식 방법
|
| 9 |
9
청구항 7에 있어서,상기 정규화한 신호 크기(P,P') 각각은,해당 프레임의 도플러 스펙트럼 상에 존재하는 최대 신호 크기를 해당 프레임에서 탐지된 탐지 거리 값의 4 제곱(r4)으로 나누어 연산된 값인 도플러 정보 기반의 보행자 및 차량 인식 방법
|
| 10 |
10
청구항 7에 있어서,상기 판단하는 단계는,상기 제1 내지 제3 특징 값(M,N,K)을 기 설정된 임계 값과 비교하여 상기 타겟을 보행자 또는 차량으로 판단하되,상기 제1 특징 값(M)이 제1 임계 값보다 크거나, 상기 제2 특징 값(N)이 제2 임계 값보다 크거나, 상기 제3 특징 값(K)이 제3 임계 값보다 큰 조건 중 적어도 하나를 만족하면, 상기 타겟을 보행자로 판단하는 도플러 정보 기반의 보행자 및 차량 인식 방법
|
| 11 |
11
청구항 10에 있어서,상기 판단하는 단계는,상기 제1 특징 값(M)이 상기 제1 임계 값 이하이고, 상기 제2 특징 값(N)이 상기 제2 임계 값 이하이고, 상기 제3 특징 값(K)이 상기 제3 임계 값 이하인 조건을 모두 만족하면, 상기 타겟을 차량으로 판단하는 도플러 정보 기반의 보행자 및 차량 인식 방법
|
| 12 |
12
청구항 7에 있어서,상기 판단하는 단계는,상기 제1 내지 제3 특징 값(M,N,K)을 기 학습된 머신 러닝 모델에 적용한 결과로부터 상기 타겟을 보행자 또는 차량으로 판단하며,상기 머신 러닝 모델은,복수의 차량과 보행자를 포함한 복수의 객체 별 수집된 상기 제1 내지 제3 특징 값을 입력 값으로 하고 해당 객체의 종류를 출력 값으로 하여 사전에 학습된 도플러 정보 기반의 보행자 및 차량 인식 방법
|
