CN109774641A - 车内人员检测方法、雷达和车 - Google Patents
车内人员检测方法、雷达和车 Download PDFInfo
- Publication number
- CN109774641A CN109774641A CN201910227789.7A CN201910227789A CN109774641A CN 109774641 A CN109774641 A CN 109774641A CN 201910227789 A CN201910227789 A CN 201910227789A CN 109774641 A CN109774641 A CN 109774641A
- Authority
- CN
- China
- Prior art keywords
- occupant
- target
- echo signal
- signal
- thermodynamic chart
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于车载雷达技术领域,提供了一种车内人员检测方法、雷达和车。该方法包括:获取车内有人时的多路目标回波信号,并对每路目标回波信号进行预处理得到多路数字目标信号;计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据所述目标二维热力图信息建立车内人员识别模型;获取车内的待检测多路回波信号,重复所述预处理和计算所述CAPON谱的步骤得到待检测二维热力图信息,根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人。本发明实施例不受环境影响,可以精确检测车内是否有滞留人员,保障了车内滞留孩童或行动不便人群的人身安全。
Description
技术领域
本发明属于车载雷达技术领域,尤其涉及一种车内人员检测方法、雷达和车。
背景技术
传统的汽车人身安全防护都是针对行驶过程中的车辆,例如安全气囊、安全带等防护装置以及防止追尾报警器等报警装置,为防止发生人身事故而进行的安全防护措施。但随着驻停车辆内人员死亡的新闻频频发出,尤其是儿童和婴儿等,由于长时间待在封闭的车内,随着车内温度的变化和有害气体的积聚出现中暑和缺氧等症状,由于这类人不具备一定的行为能力,所以无法自行报警求救,也无法自行采取通风换气的自救措施,最终导致悲剧的发生,所以在车内配置人员监控设备极为重要。
目前车内人员监控设备主要有红外探测器、超声波雷达和摄像头等,但是红外容易受各种热源干扰,被动红外穿透力差,人体的红外辐射容易被遮挡,使得人员检测精度低,尤其当环境温度和人体温度接近时,红外探测器的探测能力和灵敏度明显下降;超声波雷达分辨率差,复杂环境下检测精度低,高温时灵敏性下降;摄像头对光线要求极高,且成本高。
发明内容
有鉴于此,本发明实施例提供了一种车内人员检测方法、雷达和车,以解决现有车内人员监控技术容易受环境影响和检测精度低的问题。
本发明实施例的第一方面提供了一种车内人员检测方法,包括:
获取车内有人时的多路目标回波信号,并对每路目标回波信号进行预处理得到多路数字目标信号;
计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据所述目标二维热力图信息建立车内人员识别模型;
获取车内的待检测多路回波信号,重复所述预处理和计算所述CAPON谱的步骤得到待检测二维热力图信息,根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人。
可选的,所述对每路目标回波信号进行预处理得到多路数字目标信号,包括:
将每路目标回波信号转换为中频信号,并对每路中频信号进行滤波;
根据预设采样频率对滤波后的所述中频信号进行离散采样得到多路I/Q(In-phase/Quadrature,同相/正交)信号;
对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到所述多路数字目标信号。
可选的,所述计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,包括:
采用空间阵列流型法计算所述多路数字目标信号的CAPON谱,得到车内人员的距离信息和角度信息;
根据所述车内人员的距离信息和角度信息生成所述目标二维热力图信息。
可选的,所述根据所述目标二维热力图信息建立车内人员识别模型,包括:
根据预设分类函数对所述目标二维热力图信息进行目标分类,得到初始分类数据;
采用损失函数计算所述初始分类数据与真实分类数据之间的分类偏差;
根据所述分类偏差更新所述预设分类函数的参数,确定所述车内人员识别模型。
可选的,所述车内人员检测方法还包括:
根据Logistic回归方法确定所述预设分类函数。
可选的,所述根据所述分类偏差更新所述预设分类函数的参数,包括:
采用最小化代价函数计算所述初始分类数据与真实分类数据之间的分类偏差。
可选的,在根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人之后,所述车内人员检测方法还包括:
向车载中控系统发送人员检测结果,所述人员检测结果包括车内无人和车内有人;
在车内有人时,车载中控系统启动报警装置并向通风系统控制器发送通风指令,以使所述通风系统控制器启动车载通风设备。
本发明实施例的第二方面提供了一种车内人员检测雷达,包括射频前端模块、MIMO(Multiple-Input Multiple-Output,多发多收)系统和中央处理器,所述中央处理器包括:射频前端模块、数字信号处理系统和微处理器;
所述微处理器用于配置射频前端模块的参数,以使所述射频前端模块向所述MIMO系统发送毫米波信号;
所述MIMO系统用于根据FMCW(Frequency Modulated Continuous Wave,调频连续波)方法发射所述毫米波信号扫描车内目标,并接收多路回波信号发送给所述数字信号处理系统;
所述数字信号处理系统用于执行如实施例的第一方面提供的任一项所述的车内人员检测方法。
可选的,所述毫米波信号为77GHz毫米波信号。
本发明实施例的第三方面提供了一种车,包括车载中控系统、报警装置、通风系统控制器和车载通风设备,还包括如上述实施例的第二方面提供的所述车内人员检测雷达。
本发明实施例与现有技术相比存在的有益效果是:雷达内的中央处理器采用数字信号处理系统和微处理器双核平台的异构方案,互不干扰,运行稳定,保证了人员检测的稳定性;采用MIMO系统收发信号,不仅降低了信号的峰值辐射功率和收发天线增益,还提高了阵列的角度分辨力;使用线性调频连续波信号扫描车内目标,信号不受环境影响,提高检测准确度;最后数字信号处理系统将获取的每路目标回波信号进行预处理得到多路数字目标信号,计算多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据目标二维热力图信息建立车内人员识别模型,再将获取的待检测多路回波信号输入到车内人员识别模型确定车内是否有人,提高了人员检测精度,保障驻停车内的人员安全。
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车内人员检测方法的实现流程示意图;
图2是图1步骤S101的具体实现流程示意图;
图3是图1步骤S102的具体实现流程示意图;
图4是图1步骤S102的另一种具体实现流程示意图;
图5是本发明实施例提供的车内人员检测雷达的结构示意图。
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。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
参见图1,为本实施例提供的车内人员检测方法的一个实施例实现流程示意图,详述如下:
步骤S101,获取车内有人时的多路目标回波信号,并对每路目标回波信号进行预处理得到多路数字目标信号。
可选的,本实施例可以通过MIMO系统获取车内目标反射的多路目标回波信号。MIMO系统可以产生虚拟阵,即可以利用少数天线阵元形成具有多个虚阵元的虚拟阵列,从而扩展了天线阵列的孔径,提高了角分辨力。
一个实施例中,参见图2,步骤S101所述的对每路目标回波信号进行预处理得到多路数字目标信号的具体实现过程可以包括:
步骤S201,将每路目标回波信号转换为中频信号,并对每路中频信号进行滤波。
可选的,本实施例可以通过混频器将每路目标回波信号由射频信号转换到中频信号,便于后面的采样处理。
可选的,本实施例可以通过带通滤波器对中频信号进行模拟域的滤波处理,滤除脉冲杂波和某些特定频率的干扰信号,提高人员检测精度。
步骤S202,根据预设采样频率对滤波后的所述中频信号进行离散采样得到多路I/Q信号。
可选的,本实施例可以通过ADC(Analog-to-Digital Converter,模/数转换器)采样器根据预设采样频率对滤波后的所述中频信号进行离散采样得到多路I/Q信号,即先对滤波后的所述中频信号进行模数转换,将滤波后的中频信号转换为数字信号,然后根据预设采样频率对数字信号进行采样得到多路I/Q信号。
步骤S203,对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到所述多路数字目标信号。
示例性的,对每路I/Q信号沿距离方向做一维的快速傅里叶变换,将进行傅里叶变换的I/Q信号进行滤波,剔除静止杂波成分,例如剔除车内箱包、衣物等的干扰,得到多路数字目标信号,提高人员检测精度。
步骤S102,计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据所述目标二维热力图信息建立车内人员识别模型。
CAPON谱为一种参数化空间谱,根据多路数字目标信号可以获取目标的二维空间信息。可选的,基于空间阵列流型原理计算多路数字目标信号的CAPON谱。再根据CAPON谱得到目标二维热力图信息,然后对目标二维热力图信息进行特征提取和目标分类,根据分类结果建立车内人员识别模型。
一个实施例中,参见图3,步骤S102所述的计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息的具体实现过程可以包括:
步骤S301,采用空间阵列流型法计算所述多路数字目标信号的CAPON谱,得到车内人员的距离信息和角度信息。
步骤S302,根据所述车内人员的距离信息和角度信息生成所述目标二维热力图信息。
本实施例通过多路数字目标信号的CAPON谱可以得到目标距离信息、目标角度和目标距离信息。所述目标二维热力图信息可以根据得到的目标距离信息和目标角度信息确定。
一个实施例中,参见图4,步骤S102所述的根据所述目标二维热力图信息建立车内人员识别模型的具体实现过程可以包括:
步骤S401,根据预设分类函数对所述目标二维热力图信息进行目标分类,得到初始分类数据。
可选的,本实施例还可以根据卷积神经网络对所述目标二维热力图信息进行目标分类,还可以根据深度学习算法对所述目标二维热力图信息进行目标分类,本实施例对分类方法不做具体限定。
步骤S402,采用损失函数计算所述初始分类数据与真实分类数据之间的分类偏差。
具体应用中,损失函数通常作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。例如应用于识别模型的参数估计。本实施例对损失函数可以为均方误差损失函数、交叉熵损失函数、svm合页损失函数和Smooth L1损失函数等,本实施例对损失函数不做具体限定。
步骤S403,根据所述分类偏差更新所述预设分类函数的参数,确定所述车内人员识别模型。
具体的,本实施例通过将目标二维热力图信息进行多次分类,然后根据损失函数计算初始分类数据与真实分类数据之间的分类偏差,根据分类偏差更新预设分类函数的参数,确定最合适的分类函数,即优化分类函数的参数,训练车内人员识别模型获得最优的模型参数,进而完成目标二维热力图信息的特征提取和模式识别。
可选的,车内人员识别模型还可以根据决策方法输出分类结果,确定车内有无人员,例如可以根据决策树分类方法确定分类结果。本实施例对决策方法不做具体限定。
可选的,本实施例的车内人员检测方法可以包括:根据Logistic回归方法确定所述预设分类函数。
本实施例对回归方法不做具体限定,还可以为线性回归法、Polynomial(多项式)回归法、Stepwise回归法和Lasso回归法等。
可选的,本实施例采用最小化代价函数计算所述初始分类数据与真实分类数据之间的分类偏差。
示例性的,得到目标二维热力图信息后,利用Logistic回归方法确定预设分类函数,根据确定的预设分类函数对目标二维热力图信息进行目标分类,得到初始分类数据,采用最小化代价函数计算所述初始分类数据与真实分类数据之间的分类偏差,根据所述分类偏差更新所述预设分类函数的参数,确定所述车内人员识别模型。
步骤S103,获取车内的待检测多路回波信号,重复所述预处理和计算所述CAPON谱的步骤得到待检测二维热力图信息,根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人。
示例性的,MIMO系统可以包括8路收天线。首先通过MIMO系统获取车内的待检测多路回波信号,将每路回波信号转换为中频信号,并对每路中频信号进行滤波,根据预设采样频率对滤波后的中频信号进行离散采样得到多路I/Q信号,对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到多路数字信号。然后基于空间阵列流型法计算多路数字信号的CAPON谱得到待检测二维热力图信息。最后训练好的车内人员识别模型对待检测二维热力图信息进行特征提取和分类检测车内是否有人,如果车人有人将检测结果通过CAN通信方式发送给车辆中控系统。
一个实施例中,在根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人之后,所述车内人员检测方法还包括:
向车载中控系统发送人员检测结果,所述人员检测结果包括车内无人和车内有人;在车内有人时,车载中控系统启动报警装置并向通风系统控制器发送通风指令,以使所述通风系统控制器启动车载通风设备。
报警装置可以包括发光器和发生器,车载通风设备可以包括空调系统和车窗升降系统。
具体应用中,将本实施例的车内人员检测雷达安装在车辆内部的顶部,检测车内是否有人,其中雷达安装位置尽量在顶部中间位置,以便尽可能扫描到车内所有区域。当车辆停放且锁好时,车内人员检测雷达处于激活状态,开始检测车内是否有人。无论孩童是活动状态还是熟睡状态,雷达本实施例的车内人员检测雷达都可以稳定的探测到目标信息,并且可以很好地滤除毛绒玩具和箱包等干扰,使得该雷达能在复杂且狭小的车内空间中表现出高效的检测性能。
示例性的,先将获取的多路回波信号由射频信号转换到中频信号,便于采样处理;对所述中频信号进行模拟域的滤波处理,去掉脉冲杂波和某些特定频率的干扰信号,根据预设采样频率对滤波后的中频信号进行离散采样得到多路I/Q信号,对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到多路数字信号。
然后计算多路数字信号的CAPON谱得到待检测二维热力图信息,根据车内人员识别模型和待检测二维热力图信息确定车内是否有人,并通过CAN总线向车载中控系统发送人员检测结果,例如车内无人时向车载中控系统发送“0”信号,车内有人时向车载中控系统发送“1”信号;在车内有人时,即车载中控系统在接收到“1”信号时,则启动发光器和发生器,发光器启动原车警示灯,发生器发出报警声,以及向通风系统控制器发送通风指令,通风系统控制器根据通风指令启动原车空调系统和车窗升降系统,从而保障滞留人员的安全,防止由于温度过高或者氧气稀薄造成人员身体的不适,甚至窒息危险。
可选的,本实施例的车内人员检测方法还包括:在确定车内有人员后可以直接向驾驶员的智能手机发送报警通知。
上述车内人员检测方法,将获取的每路目标回波信号进行预处理得到多路数字目标信号,计算多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据目标二维热力图信息建立车内人员识别模型,再将获取的待检测多路回波信号输入到车内人员识别模型确定车内是否有人,提高了人员检测精度,保障驻停车内的人员安全。
本领域技术人员可以理解,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。
实施例二
对应于上文实施例一所述的车内人员检测方法,本实施例提供了一种车内人员检测雷达。具体参见图5,为本实施例中车内人员检测雷达的结构示意图。为了便于说明,仅示出了与本实施例相关的部分。
所述车内人员检测雷达包括:MIMO系统100和中央处理器200。其中,中央处理器200可以包括:射频前端模块210、数字处理系统220和微处理器230。MIMO系统100与中央处理器200连接。
具体的,微处理器230用于配置射频前端模块210的参数,以使射频前端模块210向MIMO系统100发送毫米波信号;MIMO系统100用于根据FMCW方法发射所述毫米波信号扫描车内目标,并接收多路回波信号发送给数字处理系统220;数字处理系统220用于执行如实施例一提供的任一种车内人员检测方法,也具有上述实施例一中任一种车内人员检测方法的有益效果。
本实施例的中央处理器200采用先进的MMIC(Monolithic Microwave IntegratedCircuit,单片微波集成电路)技术,使得雷达具有高度集成化的性能,外围接口丰富,结构尺寸小,便于安装使用,同时采用先进的脉冲多普勒和连续波雷达技术,与常规雷达处理器相比,降低了峰值辐射功率和收发天线增益。另外还采用数字处理系统220和微处理器230双核平台的异构方案,互相独立,保证中央处理器200的稳定运行,可支持各种传感器(近距离传感器、中距离传感器和远距离传感器等)接入,并且能够进行动态重新配置,适用性极强,降低成本。
另外,中央处理器200可以通过CAN(Controller Area Network,控制器局域网络)总线与车载中控系统连接,在检测到车内有人时,数字处理系统220向车载中控系统发送目标信息(目标的二维热力图信息),车载中控系统根据目标信息启动报警装置以及向通风系统控制器发送通风指令,以使通风系统控制器启动车载通风设备;中央处理器200还可以与车内互联网服务有线或无线相连,可以直接向驾驶员的智能手机发送报警通知。
MIMO系统100能充分利用空间资源,通过多个天线实现多发多收,在不增加频谱资源和天线发射功率的情况下,可以成倍的提高系统信道容量。MIMO系统100还可以产生虚拟阵,即可以利用少数天线阵元形成具有多个虚阵元的虚拟阵列,从而扩展了天线阵列的孔径,提高了角分辨力。本实施例的MIMO系统100还采用FMCW(Frequency ModulatedContinuous Wave,调频连续波)技术发射毫米波,有效地剔除车内抱枕、箱包、玩具等物体的干扰,很大程度上降低了虚警率,提高目标速度分辨率,提高探测灵敏度高。
可选的,数字处理系统220可以包括混频器、带通滤波器、ADC和信号处理器等。其中,混频器可以将多路回波信号由射频信号转换到中频信号,便于采样处理;为了去掉脉冲杂波和某些特定频率的干扰信号,带通滤波器可以对所述中频信号进行模拟域的滤波处理;ADC采样器根据预设采样频率对滤波后的所述中频信号进行离散采样得到多路I/Q信号。信号处理器用于对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到多路数字信号,然后计算多路数字信号的CAPON谱得到待检测二维热力图信息,根据车内人员识别模型和待检测二维热力图信息确定车内是否有人。
可选的,微处理器230还可以用于控制各模块和系统的启动,以及对线性调频连续波信号的控制和校准,还可以进行自校和状态监测。本实施例的微处理器230可以为ARM(Advanced RISC Machines,高级精简指令集处理器),集成度高,体积小,功能性强,支持动态重新配置,外围接口丰富,降低了车内人员检测雷达的体积和成本。
可选的,本实施例的线性调频连续波信号为77GHz毫米波信号。
实际应用中,由于车内环境复杂,且后排座椅容易放置箱包和衣物等物体,为了有效地区分活体目标和车内静止物体,提高报警信息的正确率,本实施例采用77GHz毫米波信号利用电磁波反射原理和动目标检测技术,既能克服红外传感器易受外界高温干扰的缺陷,又能克服超声波传感器近处测距灵敏性差的弊端,精准测量出目标的距离、速度和角度等信息,且具有极高的分辨率和分辨精度,不受光线和环境的影响,可以全天时全天候工作,为车内滞留孩童或行动不便人群的人身安全提供了可靠保障。
例如检测目标与雷达之间的距离方面,77GHz毫米波采用4GHz大带宽,使车内人员检测雷达达到0.0375m的距离分辨率和0.001m的测距精度,极高的距离分辨率有助于准确提取目标属性,活体目标的呼吸运动会带来微弱的胸腔振动,利用77GHz毫米波精准的距离分辨率可以识别具有生命体征的目标。
例如检测目标速度方面,采用FMCW技术结合77GHz毫米波,使得数字处理系统220的信号速率高,速度分辨率可以达到0.013m/s,探测灵敏度高,为识别微弱运动提供了有力保障。还例如检测目标与雷达之间的角度方面,传统的方位估计技术受限于天线口径,不能精准分别开狭小空间内的目标信息,而77GHz毫米波可以在相同结构尺寸的前提下能够有效地增大天线孔径,提高测角精度,同时采用CAPON谱估计技术,角分辨率可高达2°,能够在强背景噪声场景下,精准获得目标的方位信息。
示例性的,将本实施例的车内人员检测雷达安装在车辆内部的顶部,检测车内是否有人,其中雷达安装位置尽量在顶部中间位置,以便尽可能扫描到车内所有区域。当车辆停放且锁好时,车内人员检测雷达处于激活状态,开始检测车内是否有人。无论孩童是活动状态还是熟睡状态,雷达本实施例的车内人员检测雷达都可以稳定的探测到,并且可以很好地滤除毛绒玩具和箱包等干扰,使得该雷达能在复杂且狭小的车内空间中表现出高效的检测性能。如果检测到车内有人,将目标信息通过CAN总线方式发送到车载中控系统,车载中控系统根据该目标信息启动报警装置(例如发光器启动原车警示灯,发生器发出报警声),以及向通风系统控制器发送通风指令,通风系统控制器根据通风指令启动车载通风设备(例如启动原车空调系统和车窗升降系统),从而保障滞留人员的安全,防止由于温度过高或者氧气稀薄造成人员身体的不适,甚至窒息危险。
本实施例的车内人员检测雷达还包括:存储模块300。存储模块300与中央处理器200连接,用于存储所述目标位置信息。存储模块300可以通过串行接口与中央处理器200连接。可选的,串行接口可以为SPI(Serial Peripheral Interface,串行外设接口),SPI是一种高速的、全双工同步的通信总线,并且在芯片的管脚上只占用四根线,节约了芯片的管脚,节省空间。应理解,本实施例对串行接口的具体结构不做限定,还可以RS-485接口等。
可选的,本实施例的车内人员检测雷达还可以包括:时钟模块400。时钟模块400与中央处理器200连接,用于为中央处理器200提供时钟信号。本实施例对时钟模块400的具体结构不做限定,可以为时钟电路,也可以为时钟芯片等。
本实施例的车内人员检测雷达还可以包括:电源模块500。电源模块500与MIMO系统100和中央处理器200均连接,为MIMO系统100和中央处理器200供电。可选的,电源模块500还设有充电接口,充电接口用于在内部储能装置电量不足时为其充电。
上述车内人员检测雷达,中央处理器200采用数字处理系统220和微处理器230双核平台的异构方案,互不干扰,运行稳定,保证了人员检测的稳定性;采用MIMO系统100收发信号,不仅降低了信号的峰值辐射功率和收发天线增益,还提高了阵列的角度分辨力;使用线性调频连续波信号扫描车内目标,信号不受环境影响,提高检测准确度;最后数字处理系统220将获取的每路目标回波信号进行预处理得到多路数字目标信号,计算多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据目标二维热力图信息建立车内人员识别模型,再将获取的待检测多路回波信号输入到车内人员识别模型确定车内是否有人,提高了人员检测精度,保障驻停车内的人员安全。
实施例三
基于上述实施二提供的车内人员检测雷达,本实施例三中提供了一种车,包括车载中控系统、报警装置、通风系统控制器和车载通风设备,还包括如实施例二中任一种所述的车内人员检测雷达,也具有上述实施例二中任一种车内人员检测雷达的有益效果。
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、模型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。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。
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,所揭露的雷达和方法,可以通过其它的方式实现。例如,以上所描述的雷达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,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。
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。
Claims (10)
1.一种车内人员检测方法,其特征在于,包括:
获取车内有人时的多路目标回波信号,并对每路目标回波信号进行预处理得到多路数字目标信号;
计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,并根据所述目标二维热力图信息建立车内人员识别模型;
获取车内的待检测多路回波信号,重复所述预处理和计算所述CAPON谱的步骤得到待检测二维热力图信息,根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人。
2.如权利要求1所述的车内人员检测方法,其特征在于,所述对每路目标回波信号进行预处理得到多路数字目标信号,包括:
将每路目标回波信号转换为中频信号,并对每路中频信号进行滤波;
根据预设采样频率对滤波后的所述中频信号进行离散采样得到多路同相/正交I/Q信号;
对每路I/Q信号沿距离方向做快速傅里叶变换并剔除静止杂波成分,得到所述多路数字目标信号。
3.如权利要求1所述的车内人员检测方法,其特征在于,所述计算所述多路数字目标信号的CAPON谱得到目标二维热力图信息,包括:
采用空间阵列流型法计算所述多路数字目标信号的CAPON谱,得到车内人员的距离信息和角度信息;
根据所述车内人员的距离信息和角度信息生成所述目标二维热力图信息。
4.如权利要求1所述的车内人员检测方法,其特征在于,所述根据所述目标二维热力图信息建立车内人员识别模型,包括:
根据预设分类函数对所述目标二维热力图信息进行目标分类,得到初始分类数据;
采用损失函数计算所述初始分类数据与真实分类数据之间的分类偏差;
根据所述分类偏差更新所述预设分类函数的参数,确定所述车内人员识别模型。
5.如权利要求4所述的车内人员检测方法,其特征在于,所述车内人员检测方法还包括:
根据Logistic回归方法确定所述预设分类函数。
6.如权利要求4所述的车内人员检测方法,其特征在于,所述根据所述分类偏差更新所述预设分类函数的参数,包括:
采用最小化代价函数计算所述初始分类数据与真实分类数据之间的分类偏差。
7.如权利要求1至6任一项所述的车内人员检测方法,其特征在于,在根据所述车内人员识别模型和所述待检测二维热力图信息确定车内是否有人之后,所述车内人员检测方法还包括:
向车载中控系统发送人员检测结果,所述人员检测结果包括车内无人和车内有人;
在车内有人时,车载中控系统启动报警装置并向通风系统控制器发送通风指令,以使所述通风系统控制器启动车载通风设备。
8.一种车内人员检测雷达,包括多发多收MIMO系统和中央处理器,其特征在于,所述中央处理器包括:射频前端模块、数字信号处理系统和微处理器;
所述微处理器用于配置射频前端模块的参数,以使所述射频前端模块向所述MIMO系统发送毫米波信号;
所述MIMO系统用于根据调频连续波FMCW方法发射所述毫米波信号扫描车内目标,并接收多路回波信号发送给所述数字信号处理系统;
所述数字信号处理系统用于执行如权利要求1至7任一项所述的车内人员检测方法。
9.如权利要求7所述的车内人员检测雷达,其特征在于,所述毫米波信号为77GHz毫米波信号。
10.一种车,包括车载中控系统、报警装置、通风系统控制器和车载通风设备,其特征在于,还包括如权利要求8或9所述的车内人员检测雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227789.7A CN109774641B (zh) | 2019-03-25 | 2019-03-25 | 车内人员检测方法、雷达和车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227789.7A CN109774641B (zh) | 2019-03-25 | 2019-03-25 | 车内人员检测方法、雷达和车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109774641A true CN109774641A (zh) | 2019-05-21 |
CN109774641B CN109774641B (zh) | 2020-06-30 |
Family
ID=66491199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910227789.7A Active CN109774641B (zh) | 2019-03-25 | 2019-03-25 | 车内人员检测方法、雷达和车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109774641B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
CN110716200A (zh) * | 2019-11-29 | 2020-01-21 | 湖南华诺星空电子技术有限公司 | 一种用于车辆内部生命探测的探测方法及雷达装置 |
CN110766005A (zh) * | 2019-10-23 | 2020-02-07 | 森思泰克河北科技有限公司 | 目标特征提取方法、装置和终端设备 |
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测系统 |
CN111443330A (zh) * | 2020-05-15 | 2020-07-24 | 浙江讯飞智能科技有限公司 | 声学成像方法、装置、设备及可读存储介质 |
CN111845258A (zh) * | 2020-06-16 | 2020-10-30 | 宁波吉利汽车研究开发有限公司 | 一种车内设备调控方法、装置、终端及存储介质 |
CN111942284A (zh) * | 2020-07-06 | 2020-11-17 | 山东师范大学 | 一种车内人员遗留检测与报警系统及方法 |
CN111983595A (zh) * | 2020-07-14 | 2020-11-24 | 北京航空航天大学杭州创新研究院 | 一种室内定位的方法及装置 |
CN112230213A (zh) * | 2020-08-26 | 2021-01-15 | 北京航空航天大学杭州创新研究院 | 毫米波雷达及其信号处理方法、装置、计算机可读存储介质 |
CN112816960A (zh) * | 2021-02-03 | 2021-05-18 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN113352993A (zh) * | 2021-05-21 | 2021-09-07 | 上海欧菲智能车联科技有限公司 | 毫米波雷达、毫米波雷达检测装置及其方法和车辆 |
CN113391276A (zh) * | 2021-05-19 | 2021-09-14 | 森思泰克河北科技有限公司 | 一种雷达遮挡检测方法、装置及终端设备 |
CN113406613A (zh) * | 2021-06-16 | 2021-09-17 | 深圳大学 | 一种人员检测方法、装置、设备和存储介质 |
CN113561911A (zh) * | 2021-08-12 | 2021-10-29 | 森思泰克河北科技有限公司 | 车辆控制方法、装置、毫米波雷达及存储介质 |
CN113805165A (zh) * | 2021-09-18 | 2021-12-17 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
CN114212045A (zh) * | 2021-12-13 | 2022-03-22 | 上海航盛实业有限公司 | 一种车内乘员检测方法及系统 |
CN114867646A (zh) * | 2019-12-20 | 2022-08-05 | Iee国际电子工程股份公司 | 用于座椅占用检测的方法 |
CN115056745A (zh) * | 2021-12-16 | 2022-09-16 | 博泰车联网科技(上海)股份有限公司 | 车辆、控制车辆的方法以及识别车辆外部手势的方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022103821A1 (de) | 2022-02-17 | 2023-08-17 | Gestigon Gmbh | Verfahren und vorrichtungen zum radargestützten erkennen eines sitzbelegungszustands einer sitzplatzanordnung |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205509019U (zh) * | 2015-10-26 | 2016-08-24 | 芜湖森思泰克智能科技有限公司 | 一种大间距布阵的77GHz车载雷达微带天线 |
CN107076843A (zh) * | 2014-09-10 | 2017-08-18 | Iee国际电子工程股份公司 | 车辆占用的雷达感测 |
WO2017141244A1 (en) * | 2016-02-17 | 2017-08-24 | Secure Bubble Ltd | Detection of animate presence with an ultrasonic signal |
KR20180024771A (ko) * | 2016-08-31 | 2018-03-08 | 엘에스오토모티브 주식회사 | 차량 탑승자 모니터링 시스템 및 방법 |
CN108116354A (zh) * | 2017-12-21 | 2018-06-05 | 重庆长安汽车股份有限公司 | 一种车辆及其车内生命环境安全保障方法及系统 |
CN108594233A (zh) * | 2018-04-24 | 2018-09-28 | 森思泰克河北科技有限公司 | 一种基于mimo汽车雷达的速度解模糊方法 |
-
2019
- 2019-03-25 CN CN201910227789.7A patent/CN109774641B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107076843A (zh) * | 2014-09-10 | 2017-08-18 | Iee国际电子工程股份公司 | 车辆占用的雷达感测 |
CN205509019U (zh) * | 2015-10-26 | 2016-08-24 | 芜湖森思泰克智能科技有限公司 | 一种大间距布阵的77GHz车载雷达微带天线 |
WO2017141244A1 (en) * | 2016-02-17 | 2017-08-24 | Secure Bubble Ltd | Detection of animate presence with an ultrasonic signal |
KR20180024771A (ko) * | 2016-08-31 | 2018-03-08 | 엘에스오토모티브 주식회사 | 차량 탑승자 모니터링 시스템 및 방법 |
CN108116354A (zh) * | 2017-12-21 | 2018-06-05 | 重庆长安汽车股份有限公司 | 一种车辆及其车内生命环境安全保障方法及系统 |
CN108594233A (zh) * | 2018-04-24 | 2018-09-28 | 森思泰克河北科技有限公司 | 一种基于mimo汽车雷达的速度解模糊方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
CN110766005A (zh) * | 2019-10-23 | 2020-02-07 | 森思泰克河北科技有限公司 | 目标特征提取方法、装置和终端设备 |
CN110716200A (zh) * | 2019-11-29 | 2020-01-21 | 湖南华诺星空电子技术有限公司 | 一种用于车辆内部生命探测的探测方法及雷达装置 |
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测系统 |
CN114867646A (zh) * | 2019-12-20 | 2022-08-05 | Iee国际电子工程股份公司 | 用于座椅占用检测的方法 |
CN111443330A (zh) * | 2020-05-15 | 2020-07-24 | 浙江讯飞智能科技有限公司 | 声学成像方法、装置、设备及可读存储介质 |
CN111443330B (zh) * | 2020-05-15 | 2022-06-03 | 浙江讯飞智能科技有限公司 | 声学成像方法、装置、设备及可读存储介质 |
CN111845258A (zh) * | 2020-06-16 | 2020-10-30 | 宁波吉利汽车研究开发有限公司 | 一种车内设备调控方法、装置、终端及存储介质 |
CN111942284A (zh) * | 2020-07-06 | 2020-11-17 | 山东师范大学 | 一种车内人员遗留检测与报警系统及方法 |
CN111983595B (zh) * | 2020-07-14 | 2023-11-10 | 北京航空航天大学杭州创新研究院 | 一种室内定位的方法及装置 |
CN111983595A (zh) * | 2020-07-14 | 2020-11-24 | 北京航空航天大学杭州创新研究院 | 一种室内定位的方法及装置 |
CN112230213B (zh) * | 2020-08-26 | 2024-02-02 | 北京航空航天大学杭州创新研究院 | 毫米波雷达及其信号处理方法、装置、计算机可读存储介质 |
CN112230213A (zh) * | 2020-08-26 | 2021-01-15 | 北京航空航天大学杭州创新研究院 | 毫米波雷达及其信号处理方法、装置、计算机可读存储介质 |
WO2022166649A1 (zh) * | 2021-02-03 | 2022-08-11 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN112816960A (zh) * | 2021-02-03 | 2021-05-18 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN113391276A (zh) * | 2021-05-19 | 2021-09-14 | 森思泰克河北科技有限公司 | 一种雷达遮挡检测方法、装置及终端设备 |
CN113352993A (zh) * | 2021-05-21 | 2021-09-07 | 上海欧菲智能车联科技有限公司 | 毫米波雷达、毫米波雷达检测装置及其方法和车辆 |
CN113406613A (zh) * | 2021-06-16 | 2021-09-17 | 深圳大学 | 一种人员检测方法、装置、设备和存储介质 |
CN113406613B (zh) * | 2021-06-16 | 2024-02-09 | 深圳大学 | 一种人员检测方法、装置、设备和存储介质 |
CN113561911A (zh) * | 2021-08-12 | 2021-10-29 | 森思泰克河北科技有限公司 | 车辆控制方法、装置、毫米波雷达及存储介质 |
CN113805165A (zh) * | 2021-09-18 | 2021-12-17 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
CN113805165B (zh) * | 2021-09-18 | 2024-04-30 | 无锡威孚高科技集团股份有限公司 | 车内生命体遗留检测方法、装置及车辆安全控制方法和装置 |
CN114212045A (zh) * | 2021-12-13 | 2022-03-22 | 上海航盛实业有限公司 | 一种车内乘员检测方法及系统 |
CN115056745A (zh) * | 2021-12-16 | 2022-09-16 | 博泰车联网科技(上海)股份有限公司 | 车辆、控制车辆的方法以及识别车辆外部手势的方法 |
CN115056745B (zh) * | 2021-12-16 | 2024-05-17 | 博泰车联网科技(上海)股份有限公司 | 车辆、控制车辆的方法以及识别车辆外部手势的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109774641B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109774641A (zh) | 车内人员检测方法、雷达和车 | |
JP4758598B2 (ja) | ゾーン・ベースの無線周波数識別 | |
CN101027700B (zh) | 用于检测和跟踪所限定的区域内的对象的方法和设备 | |
Robinson et al. | Received signal strength based location estimation of a wireless LAN client | |
US20160238690A1 (en) | Enhanced Indoor Localization Method | |
CN109324317A (zh) | 毫米波雷达系统及其定位测速方法 | |
CN112859033B (zh) | 目标探测的方法、装置及相关设备 | |
JP2008540302A (ja) | 超広帯域デバイスを備えるエレベータシステム | |
CN113311428B (zh) | 一种基于毫米波雷达的人体跌倒智能监测系统及跌倒识别方法 | |
CN110058239A (zh) | 一种车载毫米波雷达装置及目标探测方法 | |
CN108390918A (zh) | 根据物体探测的手机作为密钥定位 | |
CN109693629A (zh) | 用于停车辅助的毫米波系统级封装 | |
Caddemi et al. | Automotive anti-abandon systems: a millimeter-wave radar sensor for the detection of child presence | |
CN110341623A (zh) | 一种车门防撞预警系统及预警方法 | |
CN109766851A (zh) | 障碍物的确定方法及装置、倒车成像设备 | |
CN108600943A (zh) | 一种基于低功耗蓝牙rss的无钥匙系统定位方法 | |
CN107783114A (zh) | 旋翼无人机远距离复杂环境防撞毫米波雷达信号处理系统及方法 | |
JP2024514618A (ja) | Dnn基盤の人の顔分類 | |
CN117310670B (zh) | 基于超声波雷达的测量方法、装置、车载终端和存储介质 | |
Li et al. | In-vehicle occupant detection system using mm-wave radar | |
CN101482609A (zh) | 基于无线传感网的超低空低速平面微带雷达探测器 | |
KR100857248B1 (ko) | 이동체 위치 정보를 생성하는 장치 및 방법과 이동체위치를 인식하는 장치 및 방법 | |
CN109710078A (zh) | 智能控制方法、系统、接收设备及存储介质 | |
Dao et al. | Indoor localization system using passive UHF RFID tag and multi-antennas | |
CN106251536A (zh) | 一种微型入侵探测电源系统和探测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |