具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1是根据一示例性实施例示出的一种公共安全管理的方法的流程图，如图1所示，所述方法包括：

步骤110：通过毫米波雷达在被测空间发射线性调频连续波信号；

本申请实施例中，将建筑物划分成多个被测空间，每个被测空间均通过毫米波雷达发射线性调频连续波信号；

步骤120：接收雷达回波数据，所述雷达回波信号为线性调频连续波信号被反射后的信号；

本申请实施例中，建筑物中人员和周围参考物反射所述线性调频连续波信号，毫米波雷达接收反射后的信号。

步骤130：根据所述雷达回波数据获取点云数据；

步骤140：根据所述点云数据获取所述被测空间内人员的人数；

步骤150：根据所述点云数据获取所述被测空间内各人员的位置；

步骤160：根据所述点云数据预测所述被测空间内人员的运动轨迹；

步骤170：将所述被测空间内人员的人数以及人员的位置与所述被测空间对应的建筑物结构图进行融合，获取空间位置图；

本申请实施例中，通过将建筑物内各个被测空间内人员的人数以及人员的位置与各个所述被测空间对应的已绘制建筑物结构图进行融合，图形化显示建筑物各个被测空间区域人员人数和人员位置，汇总得到整个建筑物内的人员分布图，即所述空间位置图。所述空间位置图使得建筑物中遇到公共安全危机时，救援人员可以根据建筑物内人员分布图快速定位遇险人群并确定遇险人数，降低救险难度。

步骤180：根据所述被测空间内人员的人数、位置、运动轨迹生成提示信息。

本申请实施例中，通过预测被测空间内人员的运动轨迹，分析出人流的运动轨迹，预测下一个可能发生拥挤的区域，帮助管理部门提前部署协调管理人员。

本申请实施例通过毫米波雷达统计建筑物中各个被测空间人数，以及人员的定位，预测人流轨迹，在公共安全管理时，显示建筑物空间位置图，便于管理员查看建筑物各被测空间的人数和人员分布，在建筑物内发生险情时，降低险情下的救援难度，通过预测人流轨迹使管理部门提前部署防范措施。

图2是根据一示例性实施例示出的一种根据点云数据获取被测空间内人员的人数方法的流程图，如图2所示，所述根据所述点云数据获取所述被测空间内人员的人数包括：

步骤241：根据所述点云数据提取所述被测空间内人员的人体躯干轮廓特征；

本申请实施例中，获取建筑物内各个被测空间对应的点云数据后，提取各个被测空间对应的点云数据中的人体躯干轮廓特征，通过人体轮廓统计建筑物内各个被测空间的人数。

步骤242：基于第一深度学习模型，对所述人体躯干轮廓特征进行过滤、检测和分类，获取第一分类结果；

本申请实施例中,所述第一深度学习模型可以为卷积神经网络(ConvolutionalNeuralNetworks，CNN)优化学习模型或者其他机器学习中的分类模型，利用深度学习算法提高人体轮廓识别的精度。

步骤243：根据所述第一分类结果获取所述被测空间内的人员的人数。

本申请实施例将第一深度学习模型输出的各个被测空间的分类结果通过智能统计算法进行统计，通过对各被测空间历史人数的数据集进行学习，统计各个被测空间的人数并且进行误差处理得出总人数。

图3是根据一示例性实施例示出的一种根据点云数据获取被测空间内各人员的位置方法的流程图，如图3所示，所述根据所述点云数据获取所述被测空间内各人员的位置包括：

步骤351：基于近邻连通点云聚类算法和马尔可夫链蒙特卡罗(Markov ChainMonte Carlo,MCMC)算法，根据所述点云数据获取移动轨迹数据，以实现所述被测空间内人员的跟踪和轨迹追寻；

本申请实施例中，所述点云数据包括点迹的数量、每个点迹的距离、每个点迹的多普勒信息和角度参数。本申请实施例利用近邻连通点云聚类算法和MCMC算法，随机关联所述点云数据中的点迹获取关联结果；对前次所述关联结果进行轨迹变换获取当前所述关联结果；对所述当前关联结果进行采样，获取所述当前关联结果的采样样本，根据所述当前关联结果的采样样本获取所述当前关联结果的点迹关联概率；根据所述前次关联的点迹关联概率和所述当前关联的点迹关联概率，决策采纳所述当前关联结果或者所述前次关联；多次重复前述点迹关联和轨迹变换过程，获取所述移动轨迹数据。本申请实施例中，轨迹变换的方式包括：轨迹新生、轨迹消亡、轨迹分裂、轨迹合并、轨迹延拓、轨迹缩减、轨迹更新和轨迹切换。

步骤352：基于第二深度学习模型，从所述移动轨迹数据提取群组个体特征；

本申请实施例中，所述第二深度学习模型可以包括CNN优化学习模型，从所述移动轨迹数据提取群组个体特征，所述群组个体特征包括：距离、速度、加速度、方位和高度，以便后续实现人员定位。

步骤353：基于第二神经网络模型，对所述移动轨迹数据进行检测与分类，获取所述被测空间内周围参考物的特征；

本申请实施例中，所述第二神经网络模型可以为循环神经网络模型(Recurrentneural network，RNN)，通过所述第二神经网络模型提高被测空间内周围参考物的识别精度，精确分辨出被测空间内的人员和周围参考物。

步骤354：结合所述建筑物结构图，根据所述群体个体特征以及所述被测空间内周围参考物的特征，获取所述被测空间内各人员的位置。

本申请实施例将分辨出的被测空间内人员和参考物与已绘制的建筑物结构图进行匹配融合，定位出人员在建筑物中的具体位置，便于管理人员在险情时准确定位遇险人员。

本申请实施例中，所述根据所述点云数据预测所述被测空间内人员的运动轨迹包括：

基于第三深度学习算法，根据所述群体个体特征以及所述被测空间内周围参考物的特征预测所述被测空间内人员的运动轨迹。

本申请实施例中,所述被测空间内人员的运动轨迹包括所述被测空间内人员的位置以及速度。

本申请实施例，所述第三深度学习算法可以为CNN优化学习模型，通过所述被测空间内人员当前的位置、速度及历史运动轨迹，预测人员的下一阶段的运动轨迹，便于在某被测空间拥挤时，管理人员提前在一下阶段可能发生拥挤的区域部署安全防范措施。

本申请实施例中,所述根据所述被测空间内人员的运动轨迹生成提示信息包括：

根据预设人数阈值与拥挤程度的映射关系，根据所述被测空间内人员的人数获取所述被测空间的拥挤程度，生成拥挤程度提示信息；或

当所述被测空间内发生公共安全危机时，根据所述被测空间内人员的人数以及各人员的位置生成安全危机提示信息；或

当所述被测空间内人员的拥挤程度高时，根据所述被测空间内人员的运动轨迹生成后续拥挤空间提示信息。

本申请实施例中，设置预设人数阈值与拥挤程度的映射关系，比如设置三个预设人数阈值对应三个等级的拥挤程度，根据被测空间内的人数生成对应的拥挤程度提示信息，管理人员可获悉被测空间的拥挤程度。

本申请实施例中，通过预测被测空间内人流轨迹可以提前获悉下一阶段即将发生拥挤的区域，所以可以提前安排管理人员前往即将发生拥挤的区域。如：当前区域A拥挤程度高，但是预测被测空间A内部分人群即将移动区域B，导致B地区即将拥挤。因此，生成后续拥挤空间提示信息预警区域B即将发生拥挤，管理人员可提前前往导流处理。

图4是根据一示例性实施例示出的一种根据目标区域内行人反射的雷达回波数据获取点云数据的方法的流程图，如图4所示，所述根据目标区域内行人反射的雷达回波数据获取点云数据包括：

步骤431：向目标区域内发射线性调频连续信号；

步骤432：采集所述目标区域内行人反射的雷达回波数据；

步骤433：将所述雷达回波数据通过混频、滤波和模数转换采样处理后获取中频原始数据；

步骤434：根据所述中频原始数据进行测距、测速、测角以及恒虚警率检测(Constant False-Alarm Rate，CFAR)处理后获取所述点云数据。

由于所述雷达回波数据中噪声的存在及所述雷达回波数据数量的限制，在检测所述雷达回波数据中的目标点迹过程中，不可避免地会产生判决错误，判决错误包括漏报和虚警，本申请实施例采用CFAR，在保持虚警概率恒定的条件下，对所述中频原始信号中的信号与噪声利用动态门限作判别以获取所述点云数据中的点迹。

图5是根据一示例性实施例示出的一种公共安全管理系统，包括：

毫米波雷达子系统510，用于通过毫米波雷达对被测空间发射线性调频连续波信号以及接收所述被测空间反射的雷达回波数据；

数据处理与跟踪定位子系统520，用于根据所述雷达回波数据获取点云数据；

所述数据处理与跟踪定位子系统520还用于根据所述点云数据获取所述被测空间内人员的人数；

所述数据处理与跟踪定位子系统520还用于根据所述点云数据获取所述被测空间内各人员的位置；

所述数据处理与跟踪定位子系统520还用于根据所述点云数据预测所述被测空间内人员的运动轨迹；

管理子系统530，用于将所述被测空间内人员的人数以及人员的位置与所述被测空间对应的建筑物结构图进行融合，获取平面位置图；

所述管理子系统530还用于根据所述被测空间内人员的人数、位置以及运动轨迹生成预警信息。

本发明提供了一种公共安全管理方法，包括：通过毫米波雷达在被测空间发射线性调频连续波信号；接收雷达回波数据，所述雷达回波信号为线性调频连续波信号被反射后的信号；根据所述雷达回波数据获取点云数据；根据所述点云数据获取所述被测空间内人员的人数；根据所述点云数据获取所述被测空间内各人员的位置；根据所述点云数据预测所述被测空间内人员的运动轨迹；将所述被测空间内人员的人数以及人员的位置与所述被测空间对应的建筑物结构图进行融合，获取空间位置图；根据所述被测空间内人员的人数、位置以及运动轨迹生成提示信息。满足被测空间人数统计，人员定位，人流轨迹预测，生成安全管理提示信息需求，提高公共安全管理水平。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。