CN114212045A - 一种车内乘员检测方法及系统 - Google Patents
一种车内乘员检测方法及系统 Download PDFInfo
- Publication number
- CN114212045A CN114212045A CN202111518535.4A CN202111518535A CN114212045A CN 114212045 A CN114212045 A CN 114212045A CN 202111518535 A CN202111518535 A CN 202111518535A CN 114212045 A CN114212045 A CN 114212045A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passenger
- azimuth
- radar
- radar echo
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000013145 classification model Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
- B60R21/01512—Passenger detection systems
- B60R21/0153—Passenger detection systems using field detection presence sensors
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种车内乘员检测方法及系统，涉及车内人员滞留检测技术领域，包括：持续向车内的一待检测区域发射雷达信号，并接收相应的雷达回波信号；分别由各雷达回波信号中提取得到距离信息和角度信息，并根据距离信息和角度信息处理得到相应的距离方位角热图；对各距离方位角热图进行特征提取得到相应的乘员特征数据；将乘员特征数据输入预先训练得到的一分类模型处理得到待检测区域的乘员分布数据。有益效果是采用毫米波雷达进行车内乘员检测，能够全天候工作、对车内光线不敏感且能够有效保护车内乘员隐私；能够有效检测车内乘员分布，具有较高的检测准确率，减少诸如儿童被遗留在车内而发生事故的情况发生。
Description
技术领域
本发明涉及车内人员滞留检测技术领域，尤其涉及一种车内乘员检测方法及系统。
背景技术
随着无人驾驶的大力发展，各种ADAS(Advanced Driving Assistant System)，即高级驾驶辅助系统应运而生。其中，不仅包括具有感知车外环境功能的自适应巡航系统、车道偏移报警系统、碰撞避免或预碰撞系统、自动泊车系统、盲点探测系统等，还包括对车内环境进行感知的驾驶员疲劳检测以及车内乘员检测等。这些都对无人驾驶向更高级别发展有着重大的意义。
人员检测在多种应用中起着重要作用。现有的大多数人员检测方法已应用于自动化控制，公共安全以及智能交通领域。在汽车安全技术中，随着儿童被遗留在车内，从而丧失生命的事件越来越多，识别座位是否被乘客占用的功能变得越来越重要。
在车内乘员检测中，最常用的是机械式传感器，通过检测座椅上的重量、受力、加速度或压强来判断座椅上是否存在人。但是，由于该方法主要基于座椅上的重量，因此机械传感器可能无法区分放置在座椅上方的是人还是其他物体，容易产生错误警报或者重量不够的小孩产生漏报。超声波传感器主要应用在泊车辅助系统中，且难以对探测目标进行分类，即难以区分目标是否是人。摄像头存在盲区，比如前排乘客座椅后面的物体难以得到监控；在隐私方面的表现也不理想；且对于被毛毯盖住的小孩等遮挡情况难以辨识。因此，亟需一种能够克服对环境条件过于依赖的车内乘员检测技术。
发明内容
针对现有技术中存在的问题，本发明提供一种车内乘员检测方法，包括：
步骤S1，持续向车内的一待检测区域发射雷达信号，并接收相应的雷达回波信号；
步骤S2，分别由各所述雷达回波信号中提取得到距离信息和角度信息，并根据所述距离信息和所述角度信息处理得到相应的距离方位角热图；
步骤S3，对各所述距离方位角热图进行特征提取得到相应的乘员特征数据；
步骤S4，将所述乘员特征数据输入预先训练得到的一分类模型处理得到所述待检测区域的乘员分布数据。
优选的，所述步骤S1中，采用安装于车内的调制连续波雷达向所述待检测区域发射雷达信号，并接收相应的所述雷达回波信号。
优选的，所述步骤S2中，采用距离维度的快速傅里叶变换由所述雷达回波信号中提取得到所述距离信息，采用角度维度的快速傅里叶变换由所述雷达回波信号中提取得到所述角度信息。
优选的，所述步骤S2中，采用基于空间协方差的高分辨的方位角估计方法处理得到所述距离方位角热图。
优选的，所述步骤S3中，将所述距离方位角热图划分为多个目标区域；则所述乘员特征数据包括各所述目标区域的移动平均功率能量、平均功率比和不同所述目标区域之间的区域功率相关系数。
本发明还提供一种车内乘员检测系统，应用于上述的车内乘员检测方法，所述车内乘员检测系统包括：
至少一信号采集模块，分别安装于车内的各待检测区域，用于分别向对应的待检测区域发射雷达信号，并接收相应的雷达回波信号；
信号处理模块，分别连接各所述信号采集模块，用于分别由各所述雷达回波信号中提取得到距离信息和角度信息，并根据所述距离信息和所述角度信息处理得到相应的距离方位角热图；
特征提取模块，连接所述信号处理模块，用于分别对各所述距离方位角热图进行特征提取得到相应的乘员特征数据；
乘员检测模块，连接所述特征提取模块，用于将所述乘员特征数据输入预先训练得到的一分类模型处理得到所述待检测区域的乘员分布数据。
优选的，所述信号采集模块为安装于车内的调制连续波雷达。
优选的，所述信号处理模块采用距离维度的快速傅里叶变换由所述雷达回波信号中提取得到所述距离信息，采用角度维度的快速傅里叶变换由所述雷达回波信号中提取得到所述角度信息。
优选的，所述信号处理模块采用基于空间协方差的高分辨的方位角估计方法处理得到所述距离方位角热图。
优选的，所述特征提取模块中，将所述距离方位角热图划分为多个目标区域；则所述乘员特征数据包括各所述目标区域的移动平均功率能量、平均功率比和不同所述目标区域之间的区域功率相关系数。
上述技术方案具有如下优点或有益效果：
1)采用毫米波雷达进行车内乘员检测，能够全天候工作、对车内光线不敏感且能够有效保护车内乘员隐私；
2)能够有效检测车内乘员分布，具有较高的检测准确率，减少诸如儿童被遗留在车内而发生事故的情况发生。
附图说明
图1为本发明的较佳的实施例中，一种车内乘员检测方法的流程示意图；
图2为本发明的较佳的实施例中，一种车内乘员检测系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种车内乘员检测方法，如图1所示，包括：
步骤S1，持续向车内的一待检测区域发射雷达信号，并接收相应的雷达回波信号；
步骤S2，分别由各雷达回波信号中提取得到距离信息和角度信息，并根据距离信息和角度信息处理得到相应的距离方位角热图；
步骤S3，对各距离方位角热图进行特征提取得到相应的乘员特征数据；
步骤S4，将乘员特征数据输入预先训练得到的一分类模型处理得到待检测区域的乘员分布数据。
具体地，本实施例中，步骤S1中，采用安装于车内的调制连续波雷达向待检测区域发射雷达信号，并接收相应的雷达回波信号。优选的，该调制连续波雷达的安装数量及安装位置可以根据需求进行设定，此处不做限定，实现能够覆盖副驾座椅以及后排座椅即可。
进一步具体地，调制连续波雷达包括合成器、发射天线、接收天线以及混频器，其中，合成器生成一个线性调频脉冲，该线性调频脉冲由发射天线发射，待检测区域的物体对该线性调频脉冲的反射生成一个由接收天线捕捉的反射线性调频脉冲，混频器将发射天线发射的信号和接收天线接收的信号合并到一起，生成一个中频信号，即是上述雷达回波信号。其中，通过探测线性调频脉冲的往返时间能够得到目标物距离，通过计算返回接收天线的反射线性调频脉冲的频率变化可以得到目标相对于雷达的运动速度，该运动速度正比于频率变化量，通过并列的接收天线收到同一目标反射的反射线性调频脉冲的相位差能够得到目标的方位角。
在采集得到上述雷达回波信号后，步骤S2中，采用距离维度的快速傅里叶变换，即Range-FFT，由雷达回波信号中提取得到距离信息，采用角度维度的快速傅里叶变换，即Angle-FFT，由雷达回波信号中提取得到角度信息。
本发明的较佳的实施例中，步骤S2中，采用基于空间协方差的高分辨的方位角估计方法处理得到距离方位角热图，该距离方位角热图为热力图矩阵，可以理解为一个速度图，其幅值越大，表示非静态对象的运动越多。
本发明的较佳的实施例中，步骤S3中，将距离方位角热图划分为多个目标区域；则乘员特征数据包括各目标区域的移动平均功率能量、平均功率比和不同目标区域之间的区域功率相关系数。
具体地，本实施例中，为区分不同目标区域是否有乘员，需要利用不同的区域特征进行判断，通常目标区域有乘员对于该区域的功率能量影响较大。
其中，平均功率能量the average zone-power，表征第t帧的某个区域能量，对于第i个区域，第t帧时，该区域的平均能量为：
其中，Q用于表示平均功率能量，S[t]用于表示第t帧处的热力图矩阵，Zi用于表示第i个目标区域内所有距离方位角网格的集合。
通过上述平均功率能量这一指标可推导出三个具有代表意义的乘员特征数据：移动平均功率能量、平均功率比、区域功率相关系数。
其中，移动平均功率能量Moving-averaged zone power，表征前L帧的平均功率，对于第i个区域，第t帧时，其移动平均功率能量为：
其中，l＝t-L+1，L是移动平均值窗的长度。
平均功率比Moving-averaged power ratio,表征某个区域能量占总能量的比值，对于第i个区域，第t帧时，其平均功率比为：
其中，qi[t]表示平均功率比，Nz表示车内座椅的个数。
区域功率相关系数Correlation coefficient of zone power,表示不同目标区域间的相关性，对于区域i和区域j,其相关系数为：
其中，ρi,j[t]表示区域功率相关系数。
进一步地，预先训练得到以乘员特征数据为输入，以车内的乘员分布数据为输出的分类模型，在上述获取乘员特征数据后，将该乘员特征数据输入该分类模型即可得到对应的乘员分布数据，该乘员分布数据包括但不限于车内是否有乘员。优选的，该分类模型可以采用SVM或决策树模型。
本发明还提供一种车内乘员检测系统，应用于上述的车内乘员检测方法，如图2所示，车内乘员检测系统包括：
至少一信号采集模块1，分别安装于车内的各待检测区域，用于分别向对应的待检测区域发射雷达信号，并接收相应的雷达回波信号；
信号处理模块2，分别连接各信号采集模块1，用于分别由各雷达回波信号中提取得到距离信息和角度信息，并根据距离信息和角度信息处理得到相应的距离方位角热图；
特征提取模块3，连接信号处理模块2，用于分别对各距离方位角热图进行特征提取得到相应的乘员特征数据；
乘员检测模块4，连接特征提取模块3，用于将乘员特征数据输入预先训练得到的一分类模型处理得到待检测区域的乘员分布数据。
本发明的较佳的实施例中，信号采集模块1为安装于车内的调制连续波雷达。
本发明的较佳的实施例中，信号处理模块2采用距离维度的快速傅里叶变换由雷达回波信号中提取得到距离信息，采用角度维度的快速傅里叶变换由雷达回波信号中提取得到角度信息。
本发明的较佳的实施例中，信号处理模块2采用基于空间协方差的高分辨的方位角估计方法处理得到距离方位角热图。
本发明的较佳的实施例中，特征提取模块3中，将距离方位角热图划分为多个目标区域；则乘员特征数据包括各目标区域的移动平均功率能量、平均功率比和不同目标区域之间的区域功率相关系数。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (10)
1.一种车内乘员检测方法，其特征在于，包括：
步骤S1，持续向车内的一待检测区域发射雷达信号，并接收相应的雷达回波信号；
步骤S2，分别由各所述雷达回波信号中提取得到距离信息和角度信息，并根据所述距离信息和所述角度信息处理得到相应的距离方位角热图；
步骤S3，对各所述距离方位角热图进行特征提取得到相应的乘员特征数据；
步骤S4，将所述乘员特征数据输入预先训练得到的一分类模型处理得到所述待检测区域的乘员分布数据。
2.根据权利要求1所述的车内乘员检测方法，其特征在于，所述步骤S1中，采用安装于车内的调制连续波雷达向所述待检测区域发射雷达信号，并接收相应的所述雷达回波信号。
3.根据权利要求1所述的车内乘员检测方法，其特征在于，所述步骤S2中，采用距离维度的快速傅里叶变换由所述雷达回波信号中提取得到所述距离信息，采用角度维度的快速傅里叶变换由所述雷达回波信号中提取得到所述角度信息。
4.根据权利要求1所述的车内乘员检测方法，其特征在于，所述步骤S2中，采用基于空间协方差的高分辨的方位角估计方法处理得到所述距离方位角热图。
5.根据权利要求1所述的车内乘员检测方法，其特征在于，所述步骤S3中，将所述距离方位角热图划分为多个目标区域；则所述乘员特征数据包括各所述目标区域的移动平均功率能量、平均功率比和不同所述目标区域之间的区域功率相关系数。
6.一种车内乘员检测系统，其特征在于，应用于如权利要求1-5中任意一项所述的车内乘员检测方法，所述车内乘员检测系统包括：
至少一信号采集模块，分别安装于车内的各待检测区域，用于分别向对应的待检测区域发射雷达信号，并接收相应的雷达回波信号；
信号处理模块，分别连接各所述信号采集模块，用于分别由各所述雷达回波信号中提取得到距离信息和角度信息，并根据所述距离信息和所述角度信息处理得到相应的距离方位角热图；
特征提取模块，连接所述信号处理模块，用于分别对各所述距离方位角热图进行特征提取得到相应的乘员特征数据；
乘员检测模块，连接所述特征提取模块，用于将所述乘员特征数据输入预先训练得到的一分类模型处理得到所述待检测区域的乘员分布数据。
7.根据权利要求6所述的车内乘员检测系统，其特征在于，所述信号采集模块为安装于车内的调制连续波雷达。
8.根据权利要求6所述的车内乘员检测系统，其特征在于，所述信号处理模块采用距离维度的快速傅里叶变换由所述雷达回波信号中提取得到所述距离信息，采用角度维度的快速傅里叶变换由所述雷达回波信号中提取得到所述角度信息。
9.根据权利要求6所述的车内乘员检测系统，其特征在于，所述信号处理模块采用基于空间协方差的高分辨的方位角估计方法处理得到所述距离方位角热图。
10.根据权利要求6所述的车内乘员检测系统，其特征在于，所述特征提取模块中，将所述距离方位角热图划分为多个目标区域；则所述乘员特征数据包括各所述目标区域的移动平均功率能量、平均功率比和不同所述目标区域之间的区域功率相关系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518535.4A CN114212045A (zh) | 2021-12-13 | 2021-12-13 | 一种车内乘员检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518535.4A CN114212045A (zh) | 2021-12-13 | 2021-12-13 | 一种车内乘员检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114212045A true CN114212045A (zh) | 2022-03-22 |
Family
ID=80701343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111518535.4A Pending CN114212045A (zh) | 2021-12-13 | 2021-12-13 | 一种车内乘员检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114212045A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115061113A (zh) * | 2022-08-19 | 2022-09-16 | 南京隼眼电子科技有限公司 | 用于雷达的目标检测模型训练方法、装置及存储介质 |
| DE102022103821A1 (de) | 2022-02-17 | 2023-08-17 | Gestigon Gmbh | Verfahren und vorrichtungen zum radargestützten erkennen eines sitzbelegungszustands einer sitzplatzanordnung |
| KR102582729B1 (ko) * | 2022-08-09 | 2023-09-25 | 주식회사 에너자이 | 승객 탐지 방법, 승객 탐지 장치, 및 승객 탐지 시스템 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
| CN109774641A (zh) * | 2019-03-25 | 2019-05-21 | 森思泰克河北科技有限公司 | 车内人员检测方法、雷达和车 |
| 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 |
| CN212723316U (zh) * | 2020-07-22 | 2021-03-16 | 上海航盛实业有限公司 | 一种倒车雷达系统使用的感应装置 |
| CN113640792A (zh) * | 2021-07-06 | 2021-11-12 | 南京理工大学 | 一种基于机器学习的车内生命体毫米波雷达检测方法 |
-
2021
- 2021-12-13 CN CN202111518535.4A patent/CN114212045A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375215A (zh) * | 2018-10-09 | 2019-02-22 | 深圳卓影科技有限公司 | 车内生命体探测方法、装置、计算机设备及存储介质 |
| CN109774641A (zh) * | 2019-03-25 | 2019-05-21 | 森思泰克河北科技有限公司 | 车内人员检测方法、雷达和车 |
| 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 |
| CN212723316U (zh) * | 2020-07-22 | 2021-03-16 | 上海航盛实业有限公司 | 一种倒车雷达系统使用的感应装置 |
| CN113640792A (zh) * | 2021-07-06 | 2021-11-12 | 南京理工大学 | 一种基于机器学习的车内生命体毫米波雷达检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李原;: "毫米波雷达在车路协同系统中的应用研究", 工业控制计算机, no. 01, 25 January 2020 (2020-01-25), pages 44 - 46 * |
| 石智勇: "车辆电子控制技术", vol. 1, 31 August 2021, 北京理工大学出版社, pages: 209 - 211 * |
Cited By (5)
| 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 |
| KR102582729B1 (ko) * | 2022-08-09 | 2023-09-25 | 주식회사 에너자이 | 승객 탐지 방법, 승객 탐지 장치, 및 승객 탐지 시스템 |
| WO2024034920A1 (ko) * | 2022-08-09 | 2024-02-15 | 주식회사 에너자이 | 승객 탐지 방법, 승객 탐지 장치, 및 승객 탐지 시스템 |
| CN115061113A (zh) * | 2022-08-19 | 2022-09-16 | 南京隼眼电子科技有限公司 | 用于雷达的目标检测模型训练方法、装置及存储介质 |
| CN115061113B (zh) * | 2022-08-19 | 2022-11-01 | 南京隼眼电子科技有限公司 | 用于雷达的目标检测模型训练方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114212045A (zh) | 一种车内乘员检测方法及系统 | |
| US10754021B2 (en) | System and method for controlling operation of a vehicle using a millimeter-wave radar sensor | |
| Urazghildiiev et al. | Vehicle classification based on the radar measurement of height profiles | |
| CN1782736B (zh) | 检测迫近碰撞的系统和方法 | |
| EP1681583B1 (en) | Vehicle radar process | |
| CN105197108B (zh) | 一种基于汽车辅助驾驶系统的多目标测向系统及其方法 | |
| CN102798863A (zh) | 基于汽车防撞雷达的道路中央隔离带检测方法 | |
| JP7173735B2 (ja) | レーダ装置及び信号処理方法 | |
| CN115343713A (zh) | 一种车载毫米波雷达障碍物探测方法，系统，雷达和汽车 | |
| US11402487B2 (en) | Joint radon transform association | |
| CN115061113A (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
| Li et al. | In-vehicle occupant detection system using mm-wave radar | |
| CN118091574A (zh) | 用于暗光条件下的障碍预警方法及系统 | |
| CN108008412A (zh) | 一种多曲度融合行车防撞系统 | |
| EP4239364A1 (en) | Electronic device, electronic device control method, and program | |
| CN113740855B (zh) | 占位识别方法、装置、毫米波雷达及存储介质 | |
| Kuai et al. | Velocity estimation for vehicle-mounted SAR based on deep-learning framework | |
| US20220113402A1 (en) | Apparatus, system, and method of processing point cloud radar information | |
| CN110459074A (zh) | 基于雷达和wifi的矿用卡车防碰撞预警系统及方法 | |
| EP4392803A1 (en) | Automotive sensor fusion of radar, lidar, camera systems with improved safety by use of machine learning | |
| Kruse et al. | Target classification based on near-distance radar sensors | |
| CN114616486A (zh) | 电子设备、电子设备的控制方法以及程序 | |
| US20230213640A1 (en) | Electronic device, method for controlling electronic device, and program | |
| US20230400553A1 (en) | Electronic device, method for controlling electronic device, and program | |
| KR102391173B1 (ko) | 인공지능 기계학습이 적용된 레이더 센서 개발 방법 |
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 |