現今儘管市面上有許多偵測和監控感應裝置可用，雷達仍然是一個有效的工具。在我們的兩個應用項目中，我們以下列方式利用雷達：
交通管制：使用雷達來估算調查區域內的車輛數量。
安全監控：在偏遠地區，我們利用雷達來偵測動物或人類的移動和潛在威脅，確保安全同時保持隱私。

一般來說，當雷達作為檢測和監控工具時，具有以下優勢：
1.    隱私保護：避免捕捉可識別的圖像，在安全區域中減輕隱私疑慮。
2.    快速實時反應：提供即時反饋，適合於交通控制和安全監控中的快速決策。
3.    廣泛覆蓋：從單個單元監控多達180度和3-4公里的大範圍。
4..    成本效益：比部署多個光學相機更經濟，降低總成本。

然而，在最近的雷達系統應用中，我們遇到了以下問題：
1.    在一個漁農自然護理署的一個項目中，雷達將海浪誤認為人影，導致海洋公園安全系統發出虛警。
2.    同樣，在與運輸署合作的一個交通監控系統項目中，雷達將樹葉移動誤認為小型車輛，妨礙交通監控。

為了應對雷達技術在準確識別物體方面面臨的挑戰，我們提出了一種利用聚類算法和強化學習的雙重方法。
1.    使用DBSCAN和孤立森林進行數據聚類。
2.    使用光學攝像機代理實施強化學習進行驗證。最終，光學攝影機在生產的過程中並非必要。

提議的方法旨在實現：
1.    改進雷達檢測準確性的算法。
2.    專門為雷達應用優化的訓練數據集。

通過整合這些先進技術，我們旨在顯著增強雷達技術在安全和交通監控應用中的可靠性和準確性。

此外，我們計劃在學術期刊上發表我們的研究。我們作品的暫定標題是《通過強化學習驗證方法提升雷達檢測的準確性》。