CN110579807B - 生命体探测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种生命体探测方法、装置、计算机设备和存储介质。所述方法包括：获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；根据所述去干扰探测结果，判定所述车内存在生命体。采用本方法能够提高生命体探测准确度。

Description

生命体探测方法、装置、计算机设备和存储介质

技术领域

本申请涉及汽车技术领域，特别是涉及一种生命体探测方法、装置、计算机设备和存储介质。

背景技术

家长在驾车携带婴孩或宠物外出游玩购物时，有时会因贪图方便或粗心而将婴孩或宠物遗留在处于闭锁状态的汽车中。然而，处于闭锁状态的汽车门窗紧闭，车内空气流通不佳。在经过太阳的短时间照射之后，汽车车厢温度会急剧上升。这也使遗留在车内的婴孩或宠物的生命安全受到威胁。

现有技术往往使用摄像头、雷达等探测装置来探测出汽车内部是否存在婴孩或宠物等生命体，然而，在使用摄像头进行生命体探测时，往往需要具有良好的光照条件；而在使用雷达进行生命体探测的过程中，往往容易受到遮挡、干扰而造成漏报或误报的情况。可以看出，现有技术不能准确地探测出汽车内部是否存在婴孩或宠物等生命体。

因此，现有的生命体探测方法存在准确性不高的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高生命体探测准确度的生命体探测方法、装置、计算机设备和存储介质。

一种生命体探测方法，所述方法包括：

获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；

根据所述去干扰探测结果，判定所述车内存在生命体。

在其中一个实施例中，所述雷达探测结果具有多个，所述根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到所述去干扰探测结果，包括：

确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；

根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；

在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；

将所述活体滑窗比值，作为所述去干扰探测结果。

在其中一个实施例中，所述根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗，包括：

统计所述雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到所述雷达探测滑窗对应的活体探测次数；

将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为所述活体探测滑窗。

在其中一个实施例中，所述根据所述去干扰探测结果，判定所述车内存在生命体，包括：

若所述活体滑窗比值大于预设的第一判定阈值时，则判定所述车内存在生命体；

若所述活体滑窗比值小于预设的第二判定阈值时，则判定所述车内不存在生命体。

在其中一个实施例中，当所述活体滑窗比值小于所述第一判定阈值且大于预设的第二判定阈值时，还包括：

确定第二滑窗时间段；所述第二滑窗时间段为所述第一滑窗时间段的下一个滑窗时间段；

根据所述活体探测结果，在所述第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；

在所述第一滑窗时间段和所述第二滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；

若所述第一活体滑窗比值大于所述第二判定阈值时，则判定所述车内存在生命体。

在其中一个实施例中，所述根据所述去干扰探测结果，判定所述车内存在生命体，包括：

获取车内重力数据；所述车内重力数据为所述车内的各个部位承受重力的数据；

根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体。

在其中一个实施例中，所述根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体，包括：

当所述活体滑窗比值小于所述第一判定阈值且所述车内重力数据存在波动时，则判定所述车内存在生命体。

一种生命体探测装置，所述装置包括：

获取模块，用于获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定模块，用于确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

滤除模块，用于根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；

判定模块，用于根据所述去干扰探测结果，判定所述车内存在生命体。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；

根据所述去干扰探测结果，判定所述车内存在生命体。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；

根据所述去干扰探测结果，判定所述车内存在生命体。

上述一种生命体探测方法、装置、计算机设备和存储介质，通过获取周期性探测到多个雷达探测数据，确定多个雷达探测结果中的活体探测结果；再根据活体探测结果在雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；进而可以排除因雷达推测单元因汽车周围刚好有路过的行人而触发或漏判而产生的雷达探测结果，准确地判定车内是否存在生命体，提高车内生命体探测的准确度。

附图说明

图1为一个实施例中一种生命体探测方法的应用环境图；

图2为一个实施例中一种生命体探测方法的流程示意图；

图3为一个实施例中一种生命体探测方法的系统构成图；

图4为另一个实施例中一种生命体探测方法的流程示意图；

图5为另一个实施例中一种生命体探测方法的探测步骤的流程示意图；

图6为一个实施例中一种生命体探测装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的一种生命体探测方法，可以应用于如图1所示的应用环境中。其中，雷达探测单元110与数据处理器120进行通信。其中，数据处理器120可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和车载TBOX(Telematics BOX，一种远程信息处理装置)。

在一个实施例中，如图2所示，提供了一种生命体探测方法，包括以下步骤：

步骤S210，获取雷达探测结果；其中，雷达探测结果为雷达传感器对车内进行探测得到的结果。

其中，雷达传感器可以是毫米波雷达传感器。

在实际应用中，毫米波雷达传感器可以采用77GHz的检测频段，周期性地对车内进行活体探测，判断车内是否存在探测目标。

具体实现中，雷达探测单元110与数据处理器120通过CAN(Controller AreaNetwork,控制器局域网络)总线进行通讯。雷达探测单元110中的雷达传感器，默认处于低功耗模式。当需要对车内进行生命体探测时，首先，数据处理器120发送工作指令至雷达探测单元110。雷达探测单元110响应上述的工作指令，进入探测工作模式，使用77GHz频段的毫米波雷达传感器对车内范围进行探测。在一个探测周期中，当雷达传感器探测到存在活体时，雷达探测单元110则生成活体探测结果，将该活体探测结果作为雷达探测结果返回至数据处理器120；当雷达传感器探测到不存在活体时，雷达探测单元110则生成无活体探测结果，将该无活体探测结果作为雷达探测结果返回至数据处理器120。与此同时，数据处理器120获取雷达探测结果。

步骤S220，确定雷达探测结果中的活体探测结果。

其中，活体探测结果为雷达传感器探测到存在活体而生成的结果。

具体实现中，数据处理器120周期性地发送工作指令至雷达探测单元110，并获取雷达探测单元110返回的多个雷达探测结果。然后，数据处理器120确定上述多个雷达探测结果中的活体探测结果。实际应用中，数据处理器120的工作指令发送周期可以是160ms。

步骤S230，根据活体探测结果在雷达探测结果中的数量占比，滤除雷达探测结果中的干扰探测结果，得到去干扰探测结果。

其中，干扰探测结果可以是指雷达传感器在受到干扰而误触发而产生的探测结果。例如，当雷达探测单元110在对车内进行活体探测的过程中汽车周围刚好有路过的行人而触发雷达探测单元110生成活体探测结果。

具体实现中，当数据处理器120确定上述多个雷达探测结果中的活体探测结果后，按照预设的滤波策略，根据活体探测结果在多个雷达探测结果中的数量占比，对获取的雷达探测结果进行滤波操作，滤除雷达探测结果中的干扰探测结果，得到去干扰探测结果。更具体地，数据处理器120可以根据活体探测结果在多个雷达探测结果中的数量占比，计算得到生命体存在概率值。将生命体存在概率值作为去干扰探测结果。

其中，生命体存在概率值可以是指车内存在生命体的概率的值。

步骤S240，根据去干扰探测结果，判定车内存在生命体。

具体实现中，当数据处理器120对得到去干扰探测结果，数据处理器120根据去干扰探测结果，判定车内存在生命体。更具体地，当去干扰探测结果为生命体存在概率值时，数据处理器120将该生命体存在概率值与预设的概率阈值进行对比，当生命体存在概率值高于预设的概率阈值时，则判定车内存在生命体；当生命体存在概率值低于预设的概率阈值时，则判定车内不存在生命体。

上述一种生命体探测方法中，数据处理器通过获取周期性探测到多个雷达探测数据，确定多个雷达探测结果中的活体探测结果；再根据活体探测结果在雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；进而可以排除因雷达推测单元因汽车周围刚好有路过的行人而触发或漏判而产生的雷达探测结果，准确地判定车内是否存在生命体，提高车内生命体探测的准确度。

在另一个实施例中，雷达探测结果具有多个，根据活体探测结果在雷达探测结果中的数量占比，滤除雷达探测结果中的干扰探测结果，得到去干扰探测结果，包括：确定第一滑窗时间段；滑窗时间段包括多个雷达探测滑窗；雷达探测滑窗由N个雷达探测结果组成；根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在第一滑窗时间段中，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将活体滑窗比值，作为去干扰探测结果。

具体实现中，数据处理器120根据预设的雷达探测周期，周期性地发送工作指令至雷达探测单元110，并获取雷达探测单元110返回的多个雷达探测结果。在数据处理器120接收雷达探测单元110返回的多个雷达探测结果过程中，数据处理器120每次采集到N个雷达探测结果后，将N个雷达探测结果记为一个雷达探测滑窗。数据处理器120当采集的雷达探测滑窗的数量达到预设数量M时，将上述的多个雷达探测滑窗记为一个滑窗时间段。实际应用中，可以每隔50个雷达探测结果则记为一个雷达探测滑窗。第一滑窗时间段可以包括10个雷达探测滑窗。

数据处理器120在根据活体探测结果在雷达探测结果中的数量占比，滤除雷达探测结果中的干扰探测结果，得到去干扰探测结果的过程中，具体包括：在多个滑窗时间段中确定第一滑窗时间段；其中，滑窗时间段包括多个雷达探测滑窗；雷达探测滑窗由N个雷达探测结果组成；然后，根据先前确定的活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗。

更具体地，数据处理器120通过统计在第一滑窗时间段的每一个雷达探测滑窗的活体探测结果的数量，根据该雷达探测滑窗的活体探测结果的数量判定该雷达探测滑窗是否为活体探测滑窗。在第一滑窗时间段中，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，得到第一滑窗时间段的活体滑窗比值；最后，再将第一滑窗时间段的活体滑窗比值，作为去干扰探测结果。

本实施例的技术方案，通过确定第一滑窗时间段；其中，滑窗时间段包括多个雷达探测滑窗；雷达探测滑窗由N个雷达探测结果组成；根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；然后，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将活体滑窗比值，作为去干扰探测结果；如此，可以在预设的一个时间维度中，根据活体探测滑窗在多个雷达探测滑窗中的数量占比，对采集到的多个雷达探测结果进行滤波处理，排除因雷达推测单元因误判或漏判而产生的雷达探测结果，进而可以准确地判定车内是否存在生命体，提高车内生命体探测的准确度。

在另一个实施例中，根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗，包括：统计雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到雷达探测滑窗对应的活体探测次数；将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为活体探测滑窗。

具体实现中，数据处理器120在根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗的过程中，首先，统计每一个雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到每一个雷达探测滑窗对应的活体探测次数；将每一个雷达探测滑窗对应的活体探测次数与预设的活体滑窗判定阈值进行对比；最后，将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为活体探测滑窗。实际应用中，活体滑窗判定阈值可以是30次。

本实施例的技术方案，在第一滑窗时间段的多个雷达探测滑窗中确定活体探测滑窗的过程中，通过在统计每一个雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到每一个雷达探测滑窗对应的活体探测次数；将每一个雷达探测滑窗对应的活体探测次数与预设的活体滑窗判定阈值进行对比，从而可以准确地判定出多个雷达探测滑窗中的活体探测滑窗，进而可以准确地计算出活体探测滑窗在多个雷达探测滑窗中的数量占比，得到准确的去干扰探测结果，提高了车内生命体探测的准确度。

在另一个实施例中，根据去干扰探测结果，判定车内存在生命体，包括：若活体滑窗比值大于预设的第一判定阈值时，则判定车内存在生命体；若活体滑窗比值小于预设的第二判定阈值时，则判定车内不存在生命体。

其中，第一判定阈值可以是指用于判定车内存在生命体的阈值。

其中，第二判定阈值可以是指用于判定车内不存在生命体的阈值。

具体实现中，数据处理器120在根据去干扰探测结果，判定车内存在生命体的过程中，当数据处理器120获得第一滑窗时间段的活体滑窗比值后，将该活体滑窗比值，作为去干扰探测结果。然后，将该活体滑窗比值与预设的判定阈值进行对比；若活体滑窗比值大于预设的第一判定阈值时，则判定车内存在生命体；若活体滑窗比值小于预设的第二判定阈值时，则判定车内不存在生命体。更具体地，当活体滑窗比值大于70％时，则判定车内存在生命体；当活体滑窗比值小于30％时，则判定车内不存在生命体。

本实施例的技术方案，数据处理器通过将确定活体滑窗比值与预设的判定阈值进行对比，例如当活体滑窗比值大于预设的第一判定阈值时，则判定车内存在生命体；当活体滑窗比值小于预设的第二判定阈值时，则判定车内不存在生命体，从而可以准确地判定车内是否存在生命体，进而提高了车内生命体探测的准确度。

在另一个实施例中，当活体滑窗比值小于第一判定阈值且大于预设的第二判定阈值时，还包括：确定第二滑窗时间段；第二滑窗时间段为第一滑窗时间段的下一个滑窗时间段；根据活体探测结果，在第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在第一滑窗时间段和第二滑窗时间段中，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；若第一活体滑窗比值大于第二判定阈值时，则判定车内存在生命体。

具体实现中，当活体滑窗比值小于第一判定阈值且大于预设的第二判定阈值时，例如，当活体滑窗比值小于70％且大于预设的30％时，数据处理器120则确定第二滑窗时间段；其中，第二滑窗时间段为第一滑窗时间段的下一个滑窗时间段；然后，数据处理器120通过统计在第二滑窗时间段的每一个雷达探测滑窗的活体探测结果的数量，根据该雷达探测滑窗的活体探测结果的数量判定该雷达探测滑窗是否为活体探测滑窗，并确定第二滑窗时间段中活体探测滑窗的数量。再然后，在第一滑窗时间段和第二滑窗时间段中，计算出第一滑窗时间段和第二滑窗时间段中的活体探测滑窗在第一滑窗时间段和第二滑窗时间段中的多个雷达探测滑窗中的数量占比，得到第一滑窗时间段和第二滑窗时间段的第一活体滑窗比值；最后，再根据第一活体滑窗比值，判断车内是否存在生命体。更具体地，当第一活体滑窗比值大于第二判定阈值时，则判定车内存在生命体。例如，当第一活体滑窗比值大于30％时，则判定车内存在生命体。实际应用中，第二滑窗时间段可以包括5个雷达探测滑窗。

本实施例的技术方案，当活体滑窗比值小于第一判定阈值且大于预设的第二判定阈值时，通过确定第二滑窗时间段，并计算出第一滑窗时间段和第二滑窗时间段的第一活体滑窗比值；最后，再根据第一活体滑窗比值，判断车内是否存在生命体；当活体滑窗比值小于第一判定阈值且大于预设的第二判定阈值时，通过增加雷达探测结果的数据样本数，对增加后的数据样本做进一步地滤波处理得到第一活体滑窗比值，再根据第一活体滑窗比值，判断车内是否存在生命体；从而可以更加准确地判定车内是否存在生命体。

在另一个实施例中，根据去干扰探测结果，判定车内存在生命体，包括：获取车内重力数据；车内重力数据为车内的各个部位承受重力的；根据车内重力数据和去干扰探测结果，判定车内存在生命体。

其中，车内的各个部位可以是前排座椅、后排座椅、行李箱备胎放置处等部位。实际应用中，通过在前排座椅、后排座椅、行李箱备胎放置处等部位处安装重量传感器或压力传感器，从而实现对车内的各个部位所承受的重力的数据进行采集，得到车内重力数据。其中，上述的重量传感器或压力传感器与数据处理器120通过CAN总线进行通信连接。

具体实现中，数据处理器120在根据去干扰探测结果，判定车内存在生命体的过程中，还可以通过获取车内的各个部位承受重力的数据，即车内重力数据。然后，在根据该车内重力数据和去干扰探测结果，综合并全面地判断当前车辆内部是否存在生命体。例如，数据处理器120通过获取车辆前排座椅、后排座椅、行李箱备胎放置处等部位处自带的压力传感器检测到的数据，当车辆闭锁后车辆前排座椅、后排座椅、行李箱备胎放置处等部位处自带的压力传感器会持续保持供电驱动，进而实时检测车辆内部各个部位的重量变化，从而判断车辆内部是否存在遗忘生命体。同时与雷达探测单元110协调配合，进而结合车内重力数据和去干扰探测结果，判定车内是否存在生命体。

如图3所示，图3提供了一种生命体探测方法的系统构成图；其中，雷达探测单元110和压力传感器130均通过CAN总线与数据处理器120进行通讯。其中，压力传感器130可以分别安装于车辆的前排座椅、后排座椅、行李箱备胎放置处等部位，从而获取车辆内部各个部位的重量变化，数据处理器120可以使TBOX，通过雷达探测单元110和压力传感器130的协同判定策略，从而实现对车内进行全范围且全覆盖的生命体检测，避免存在探测盲区，进而提高车内生命体探测的准确度。

本实施例的技术方案，通过综合车内各个部位，例如，前排座椅、后排座椅、行李箱备胎放置处等的车内重力数据和检测到的去干扰探测结果对当前车辆内部是否存在生命体进行判断，可以在不额外增加新硬件系统的情况，充分利用车辆已有的硬件资源，采取协同判定策略，实现对车内进行全范围且全覆盖的生命体检测，避免存在探测盲区，进而提高车内生命体探测的准确度。

在另一个实施例中，根据车内重力数据和去干扰探测结果，判定车内存在生命体，包括：当活体滑窗比值小于第一判定阈值且车内重力数据存在波动时，则判定车内存在生命体。

具体实现中，数据处理器120在根据该车内重力数据和去干扰探测结果，综合并全面地判断当前车辆内部是否存在生命体的过程中，当活体滑窗比值小于第一判定阈值，数据处理器120检测到车内重力数据存在波动时，对车内重力数据进行滤波处理后，判定车内存在生命体。若车内重力数据在一段时间内无变化或是无重量则说明是无生命体在座椅上或者是在座椅上放置物品。

本实施例的技术方案，通过根据车内重力数据在一段时间内是否存在波动情况，从而可以更为准确地根据车内各个部位的车内重力数据来判定车内是否存在生命体，避免误判的情况的发送，从而在实现对对车内进行全范围且全覆盖的生命体检测的同时，提高车内生命体探测的准确度。

在一个实施例中，如图4所示，提供了一种生命体探测方法，包括以下步骤：

步骤S410，获取雷达探测结果；雷达探测结果为雷达传感器对车内进行探测得到的结果。

具体实现中，在一个探测周期中，当雷达传感器探测到存在活体时，雷达探测单元110则生成活体探测结果，将该活体探测结果作为雷达探测结果返回至数据处理器120；当雷达传感器探测到不存在活体时，雷达探测单元110则生成无活体探测结果，将该无活体探测结果作为雷达探测结果返回至数据处理器120。与此同时，数据处理器120获取雷达探测结果。

步骤S420，确定雷达探测结果中的活体探测结果；活体探测结果为雷达传感器探测到存在活体而生成的结果。

具体实现中，数据处理器120周期性地发送工作指令至雷达探测单元110，并获取雷达探测单元110返回的多个雷达探测结果。然后，数据处理器120确定上述多个雷达探测结果中的活体探测结果。

步骤S430，确定第一滑窗时间段；滑窗时间段包括多个雷达探测滑窗；雷达探测滑窗由N个雷达探测结果组成。

具体实现中，数据处理器120在多个滑窗时间段中确定第一滑窗时间段；其中，滑窗时间段包括多个雷达探测滑窗；雷达探测滑窗由N个雷达探测结果组成。

步骤S440，根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗。

具体实现中，数据处理器120通过统计在第一滑窗时间段的每一个雷达探测滑窗的活体探测结果的数量，根据该雷达探测滑窗的活体探测结果的数量判定该雷达探测滑窗是否为活体探测滑窗。

更具体地，数据处理器120在根据活体探测结果，在第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗的过程中，首先，统计每一个雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到每一个雷达探测滑窗对应的活体探测次数；将每一个雷达探测滑窗对应的活体探测次数与预设的活体滑窗判定阈值进行对比；最后，将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为活体探测滑窗。

步骤S450，在第一滑窗时间段中，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，得到活体滑窗比值。

具体实现中，在第一滑窗时间段中，计算活体探测滑窗在多个雷达探测滑窗中的数量占比，得到第一滑窗时间段的活体滑窗比值；最后，再将第一滑窗时间段的活体滑窗比值，作为去干扰探测结果。

步骤S460，将活体滑窗比值，作为去干扰探测结果。

步骤S470，根据去干扰探测结果，判定车内存在生命体。

具体实现中，数据处理器120获得第一滑窗时间段的的活体滑窗比值后，将该活体滑窗比值，作为去干扰探测结果。然后，将该活体滑窗比值与预设的判定阈值进行对比；若活体滑窗比值大于预设的第一判定阈值时，则判定车内存在生命体；若活体滑窗比值小于预设的第二判定阈值时，则判定车内不存在生命体。更具体地，当活体滑窗比值大于70％时，则判定车内存在生命体；当活体滑窗比值小于30％时，则判定车内不存在生命体。

上述的一种生命体探测方法，通过获取周期性探测到多个雷达探测数据，确定多个雷达探测结果中的活体探测结果；再根据活体探测结果在雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；进而可以排除因雷达推测单元因汽车周围刚好有路过的行人而触发或漏判而产生的雷达探测结果，准确地判定车内是否存在生命体，提高车内生命体探测的准确度。

在一个实施例中，如图5所示，提供了一种生命体探测方法，包括以下步骤：

步骤S510，获取雷达探测结果；雷达探测结果为雷达传感器对车内进行探测得到的结果；

步骤S520，确定雷达探测结果中的活体探测结果；活体探测结果为雷达传感器探测到存在活体而生成的结果；

步骤S530，根据活体探测结果在雷达探测结果中的数量占比，滤除雷达探测结果中的干扰探测结果，得到去干扰探测结果；

步骤S540，获取车内重力数据；车内重力数据为车内的各个部位承受重力的数据；并根据车内重力数据和去干扰探测结果，判定车内存在生命体。

本实施例的技术方案，通过综合车内各个部位，例如，前排座椅、后排座椅、行李箱备胎放置处等的车内重力数据和检测到的去干扰探测结果对当前车辆内部是否存在生命体进行判断，可以在不额外增加新硬件系统的情况，充分利用车辆已有的硬件资源，采取协同判定策略，实现对车内进行全范围且全覆盖的生命体检测，避免存在探测盲区，进而提高车内生命体探测的准确度。

应该理解的是，虽然图2、图4和图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4和图5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种生命体探测装置，包括：

获取模块610，用于获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定模块620，用于确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

滤除模块630，用于根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；

判定模块640，用于根据所述去干扰探测结果，判定所述车内存在生命体。

在其中的一个实施例中，所述雷达探测结果具有多个，上述的滤除模块630，包括：

第一确定子模块，用于确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；

活体滑窗确定子模块，用于根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；

第一计算子模块，用于在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；

结果确定子模块，用于将所述活体滑窗比值，作为所述去干扰探测结果。

在其中的一个实施例中，上述的活体滑窗确定子模块，包括：

统计单元，用于统计所述雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到所述雷达探测滑窗对应的活体探测次数；

确定单元，用于将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为所述活体探测滑窗。

在其中的一个实施例中，上述的判定模块640，包括：

第一判断子模块，用于若所述活体滑窗比值大于预设的第一判定阈值时，则判定所述车内存在生命体；

第二判断子模块，用于若所述活体滑窗比值小于预设的第二判定阈值时，则判定所述车内不存在生命体。

在其中的一个实施例中，当所述活体滑窗比值小于所述第一判定阈值且大于预设的第二判定阈值时，上述的一种生命体探测装置，还包括：

时间段确定模块，用于确定第二滑窗时间段；所述第二滑窗时间段为所述第一滑窗时间段的下一个滑窗时间段；

滑窗确定模块，用于根据所述活体探测结果，在所述第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；

计算模块，用于在所述第一滑窗时间段和所述第二滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；

第二判断模块，用于若所述第一活体滑窗比值大于所述第二判定阈值时，则判定所述车内存在生命体。

在其中的一个实施例中，上述的判定模块640，包括：

重力数据获取子模块，用于获取车内重力数据；所述车内重力数据为所述车内的各个部位承受重力的数据；

判定子模块，用于根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体。

在其中的一个实施例中，上述的判定子模块，包括：

判定单元，用于当所述活体滑窗比值小于所述第一判定阈值且所述车内重力数据存在波动时，则判定所述车内存在生命体。

关于一种生命体探测装置的具体限定可以参见上文中对于一种生命体探测方法的限定，在此不再赘述。上述一种生命体探测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储雷达探测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种生命体探测方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

步骤S210，获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果。

步骤S220，确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果。

步骤S230，根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果。

步骤S240，根据所述去干扰探测结果，判定所述车内存在生命体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将所述活体滑窗比值，作为所述去干扰探测结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：统计所述雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到所述雷达探测滑窗对应的活体探测次数；将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为所述活体探测滑窗。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述活体滑窗比值大于预设的第一判定阈值时，则判定所述车内存在生命体；若所述活体滑窗比值小于预设的第二判定阈值时，则判定所述车内不存在生命体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定第二滑窗时间段；所述第二滑窗时间段为所述第一滑窗时间段的下一个滑窗时间段；根据所述活体探测结果，在所述第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段和所述第二滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；若所述第一活体滑窗比值大于所述第二判定阈值时，则判定所述车内存在生命体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取车内重力数据；所述车内重力数据为所述车内的各个部位承受重力的数据；根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当所述活体滑窗比值小于所述第一判定阈值且所述车内重力数据存在波动时，则判定所述车内存在生命体。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

步骤S210，获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果。

步骤S220，确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果。

步骤S230，根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果。

步骤S240，根据所述去干扰探测结果，判定所述车内存在生命体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将所述活体滑窗比值，作为所述去干扰探测结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：统计所述雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到所述雷达探测滑窗对应的活体探测次数；将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为所述活体探测滑窗。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若所述活体滑窗比值大于预设的第一判定阈值时，则判定所述车内存在生命体；若所述活体滑窗比值小于预设的第二判定阈值时，则判定所述车内不存在生命体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定第二滑窗时间段；所述第二滑窗时间段为所述第一滑窗时间段的下一个滑窗时间段；根据所述活体探测结果，在所述第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段和所述第二滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；若所述第一活体滑窗比值大于所述第二判定阈值时，则判定所述车内存在生命体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取车内重力数据；所述车内重力数据为所述车内的各个部位承受重力的数据；根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当所述活体滑窗比值小于所述第一判定阈值且所述车内重力数据存在波动时，则判定所述车内存在生命体。

需要说明的是，本发明实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种生命体探测方法，其特征在于，所述方法包括：

获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；所述雷达探测结果具有多个；

确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；其中，确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将所述活体滑窗比值，作为所述去干扰探测结果；

根据所述去干扰探测结果，判定所述车内存在生命体。

2.根据权利要求1所述的方法，其特征在于，所述根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗，包括：

统计所述雷达探测滑窗中的雷达探测结果为活体探测结果的次数，得到所述雷达探测滑窗对应的活体探测次数；

将活体探测次数大于预设的活体滑窗判定阈值所对应的雷达探测滑窗，作为所述活体探测滑窗。

3.根据权利要求1所述的方法，其特征在于，所述根据所述去干扰探测结果，判定所述车内存在生命体，包括：

若所述活体滑窗比值大于预设的第一判定阈值时，则判定所述车内存在生命体；

若所述活体滑窗比值小于预设的第二判定阈值时，则判定所述车内不存在生命体。

4.根据权利要求3所述的方法，其特征在于，当所述活体滑窗比值小于所述第一判定阈值且大于预设的第二判定阈值时，还包括：

确定第二滑窗时间段；所述第二滑窗时间段为所述第一滑窗时间段的下一个滑窗时间段；

根据所述活体探测结果，在所述第二滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；

在所述第一滑窗时间段和所述第二滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，作为第一活体滑窗比值；

若所述第一活体滑窗比值大于所述第二判定阈值时，则判定所述车内存在生命体。

5.根据权利要求3所述的方法，其特征在于，所述根据所述去干扰探测结果，判定所述车内存在生命体，包括：

获取车内重力数据；所述车内重力数据为所述车内的各个部位承受重力的数据；

根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体。

6.根据权利要求5所述的方法，其特征在于，所述根据所述车内重力数据和所述去干扰探测结果，判定所述车内存在生命体，包括：

当所述活体滑窗比值小于所述第一判定阈值且所述车内重力数据存在波动时，则判定所述车内存在生命体。

7.一种生命体探测装置，其特征在于，所述装置包括：

获取模块，用于获取雷达探测结果；所述雷达探测结果为雷达传感器对车内进行探测得到的结果；

确定模块，用于确定所述雷达探测结果中的活体探测结果；所述活体探测结果为所述雷达传感器探测到存在活体而生成的结果；

滤除模块，用于根据所述活体探测结果在所述雷达探测结果中的数量占比，滤除所述雷达探测结果中的干扰探测结果，得到去干扰探测结果；其中，确定第一滑窗时间段；所述滑窗时间段包括多个雷达探测滑窗；所述雷达探测滑窗由N个雷达探测结果组成；根据所述活体探测结果，在所述第一滑窗时间段的多个雷达探测滑窗中，确定活体探测滑窗；在所述第一滑窗时间段中，计算所述活体探测滑窗在所述多个雷达探测滑窗中的数量占比，得到活体滑窗比值；将所述活体滑窗比值，作为所述去干扰探测结果；

判定模块，用于根据所述去干扰探测结果，判定所述车内存在生命体。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images