CN117630923A - 一种基于毫米波雷达的驾乘者类型识别方法 - Google Patents
一种基于毫米波雷达的驾乘者类型识别方法 Download PDFInfo
- Publication number
- CN117630923A CN117630923A CN202311801453.XA CN202311801453A CN117630923A CN 117630923 A CN117630923 A CN 117630923A CN 202311801453 A CN202311801453 A CN 202311801453A CN 117630923 A CN117630923 A CN 117630923A
- Authority
- CN
- China
- Prior art keywords
- target
- rider
- occupant
- dimensional matrix
- millimeter wave
- 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 18
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000003062 neural network model Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005474 detonation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及智能座舱技术领域，具体公开了一种基于毫米波雷达的驾乘者类型识别方法，包括：对当前时间段内目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内目标驾乘者的距离维FFT数据；对目标驾乘者的距离维FFT数据进行角度估计，以得到目标驾乘者的二维矩阵；依据目标驾乘者的二维矩阵计算出目标驾乘者的多个特征参数；将目标驾乘者的多个特征参数输入到神经网络模型中进行类型识别，以输出目标驾乘者的类型；在车辆发生碰撞时，根据目标驾乘者的类型对智能安全气囊的气体充气量进行控制。本发明能够实时获取车内乘客类型信息，动态控制安全气囊的展开时间和强度，实现对不同类型乘客的最佳保护。
Description
技术领域
本发明涉及智能座舱技术领域，更具体地，涉及一种基于毫米波雷达的驾乘者类型识别方法。
背景技术
随着汽车安全等级要求的不断提高，智能安全气囊技术是汽车安全的重点研究方向之一。虽然安全气囊有保护作用，但也可能造成其他伤害。目前传统的安全气囊约束系统大多是按照男性成人开发设计的，其起爆时间和充气强度可能对儿童造成二次伤害。因此，驾乘者类型识别成为智能安全气囊系统研发的关键。
目前市场上的安全气囊系统所配备的传感器主要有基于视觉传感器、质量传感器、压力传感器以及电容传感器来实现驾乘者类型识别。视觉传感器容易受到光照强弱的影响，存在被遮挡的风险以及无法充分保障乘客个人隐私。质量、压力、电容传感器识别能力有限，在一定情况下会引起误报，并且需安装多个传感器、增加成本。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供了一种基于毫米波雷达的驾乘者类型识别方法，能够实时获取车内乘客类型信息，动态控制安全气囊的展开时间和强度，实现对不同类型乘客的最佳保护。
作为本发明的第一个方面，提供一种基于毫米波雷达的驾乘者类型识别方法，所述基于毫米波雷达的驾乘者类型识别方法包括如下步骤：
步骤S1：通过毫米波雷达采集当前时间段内目标驾乘者的回波数据；
步骤S2：对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据；
步骤S3：对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，其中，所述目标驾乘者的二维矩阵由距离维和角度维组成；
步骤S4：依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数；
步骤S5：将所述目标驾乘者的多个特征参数输入到神经网络模型中进行类型识别，以输出所述目标驾乘者的类型；
步骤S6：在车辆发生碰撞时，根据所述目标驾乘者的类型对智能安全气囊的气体充气量进行控制。
进一步地，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数，还包括：
依据所述目标驾乘者的二维矩阵分别计算出所述目标驾乘者的峰值点数量和所述目标驾乘者的RA单元数量；其中，所述目标驾乘者的RA单元数量表示目标驾乘者的体型大小；
依据所述目标驾乘者的二维矩阵得到所述目标驾乘者的距离-角度-幅值图，并将所述目标驾乘者的距离-角度-幅值图沿着距离维叠加，以得到所述目标驾乘者的角度-幅值二维谱图；
分别计算出所述目标驾乘者的角度-幅值二维谱图的能量和均值；
其中，所述目标驾乘者的多个特征参数分别为：峰值点数量、RA单元数量、角度-幅值二维谱图的能量和角度-幅值二维谱图的均值。
进一步地，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的峰值点数量，还包括：
对所述目标驾乘者的二维矩阵进行搜峰处理，以得到二维矩阵中的所有峰值点；
根据相邻峰值点之间的距离从所述二维矩阵中的所有峰值点中筛选出属于目标驾乘者的峰值点；
计算出属于所述目标驾乘者的峰值点数量。
进一步地，所述对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据，还包括：
对当前时间段内所述目标驾乘者的距离维FFT数据进行过滤，以消除车辆内部的静目标。
进一步地，所述目标驾乘者的回波数据包括目标驾乘者的速度、距离、角度、高度和反射强度。
进一步地，所述对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，还包括：
对所述目标驾乘者的二维矩阵进行归一化处理，以得到所述目标驾乘者的归一化后的二维矩阵。
本发明提供的一种基于毫米波雷达的驾乘者类型识别方法具有以下优点：
（1）仅使用毫米波雷达可实现车内多个驾乘人员的类型识别，不需要其他传感器配合，节约成本、适用性强、稳定性高；
（2）可利用毫米波雷达对成人、儿童的识别，对不同类型的乘员实现最佳保护，提升安全气囊系统的智能化；
（3）毫米波雷达的探测范围大，根据安装位置的调整可覆盖全车座位位置。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的基于毫米波雷达的驾乘者类型识别方法的流程图。
图2为本发明提供的智能安全气囊系统的工作原理图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种基于毫米波雷达的驾乘者类型识别方法其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
在本实施例中提供了一种基于毫米波雷达的驾乘者类型识别方法，如图1所示，所述基于毫米波雷达的驾乘者类型识别方法包括如下步骤：
步骤S1：通过毫米波雷达采集当前时间段内目标驾乘者的回波数据；其中，所述目标驾乘者的回波数据包括目标驾乘者的速度、距离、角度、高度和反射强度。
步骤S2：对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据；
优选地，所述对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据，还包括：
对当前时间段内所述目标驾乘者的距离维FFT数据进行过滤，以消除车辆内部的静目标。
需要说明的是，将多个通道的距离维FFT数据进行一定帧数累积，然后进行静态杂波滤除，以消除车内固定存在的静目标（如座椅、方向盘等静态内饰物）。
步骤S3：通过Capon算法对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，其中，所述目标驾乘者的二维矩阵由距离维和角度维组成；
优选地，所述对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，还包括：
对所述目标驾乘者的二维矩阵进行归一化处理，以得到所述目标驾乘者的归一化后的二维矩阵。
步骤S4：依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数；
优选地，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数，还包括：
依据所述目标驾乘者的二维矩阵分别计算出所述目标驾乘者的峰值点数量和所述目标驾乘者的RA单元数量；其中，所述目标驾乘者的RA单元数量表示目标驾乘者的体型大小；
需要说明的是，依据所述目标驾乘者的二维矩阵，通过CFAR算法计算出所述目标驾乘者的RA单元数量；其中，统计相同距离或该相同距离附近、不同角度范围的RA单元数量。
具体地，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的峰值点数量，还包括：
对所述目标驾乘者的二维矩阵进行搜峰处理，以得到二维矩阵中的所有峰值点；
根据相邻峰值点之间的距离从所述二维矩阵中的所有峰值点中筛选出属于目标驾乘者的峰值点；
计算出属于所述目标驾乘者的峰值点数量。
依据所述目标驾乘者的二维矩阵得到所述目标驾乘者的距离-角度-幅值图，并将所述目标驾乘者的距离-角度-幅值图沿着距离维叠加，以得到所述目标驾乘者的角度-幅值二维谱图；其中，不同类型的乘员所展现的角度-幅值二维谱图也不同。
分别计算出所述目标驾乘者的角度-幅值二维谱图的能量和均值；其中，角度-幅值二维谱图的能量即为该谱图所有幅值的平方和；角度-幅值二维谱图的均值反映该谱图振动的能量大小。
其中，所述目标驾乘者的多个特征参数分别为：峰值点数量、RA单元数量、角度-幅值二维谱图的能量和角度-幅值二维谱图的均值。
步骤S5：将所述目标驾乘者的多个特征参数输入到神经网络模型中进行类型识别，以输出所述目标驾乘者的类型；
步骤S6：在车辆发生碰撞时，根据所述目标驾乘者的类型对智能安全气囊的气体充气量进行控制。
优选地，如图2所示，智能安全气囊系统的工作原理如下：
（1）毫米波雷达作为乘员类型识别的重要传感器，在智能安全气囊系统工作原理中处于提供判决数据的重要角色。当车辆在行驶过程中，毫米波雷达以及其他传感器均被唤醒，它开始探测车内目标情况。毫米波雷达可安装于车辆中间顶部位置，可实时、全方位检测车内各个座椅上的乘员类型；
（2）将毫米波雷达检测到的乘员类型信息通过CAN总线发送给车辆的MCU进行信号处理及控制决策。当发生碰撞时，智能安全气囊系统中的各个传感器将实时信号及识别结果数据发送给车辆的控制决策单元，以控制安全气囊的触发时间与起爆点，同时运用毫米波雷达实时探测的识别结果控制安全气囊的分级充气装置，例如：若识别结果为成人，碰撞时的气体充气量可为70%，若识别结果为儿童，碰撞时的充气容积可为40%。根据不同类型人员采用不同充气量，可有效缓解因瞬时点爆而产生的巨大压力对人体造成二次伤害。
在本发明实施例中，智能安全气囊系统可用于车内任何安装位置、任何车型以及任何数量的毫米波雷达。
本发明提供的一种基于毫米波雷达的驾乘者类型识别方法，（1）仅使用毫米波雷达可实现车内多个驾乘人员的类型识别，不需要其他传感器配合，节约成本、适用性强、稳定性高；（2）可利用毫米波雷达对成人、儿童的识别，对不同类型的乘员实现最佳保护，提升安全气囊系统的智能化；（3）毫米波雷达的探测范围大，根据安装位置的调整可覆盖全车座位位置。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (6)
1.一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述基于毫米波雷达的驾乘者类型识别方法包括如下步骤：
步骤S1：通过毫米波雷达采集当前时间段内目标驾乘者的回波数据；
步骤S2：对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据；
步骤S3：对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，其中，所述目标驾乘者的二维矩阵由距离维和角度维组成；
步骤S4：依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数；
步骤S5：将所述目标驾乘者的多个特征参数输入到神经网络模型中进行类型识别，以输出所述目标驾乘者的类型；
步骤S6：在车辆发生碰撞时，根据所述目标驾乘者的类型对智能安全气囊的气体充气量进行控制。
2.根据权利要求1所述的一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的多个特征参数，还包括：
依据所述目标驾乘者的二维矩阵分别计算出所述目标驾乘者的峰值点数量和所述目标驾乘者的RA单元数量；其中，所述目标驾乘者的RA单元数量表示目标驾乘者的体型大小；
依据所述目标驾乘者的二维矩阵得到所述目标驾乘者的距离-角度-幅值图，并将所述目标驾乘者的距离-角度-幅值图沿着距离维叠加，以得到所述目标驾乘者的角度-幅值二维谱图；
分别计算出所述目标驾乘者的角度-幅值二维谱图的能量和均值；
其中，所述目标驾乘者的多个特征参数分别为：峰值点数量、RA单元数量、角度-幅值二维谱图的能量和角度-幅值二维谱图的均值。
3.根据权利要求2所述的一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述依据所述目标驾乘者的二维矩阵计算出所述目标驾乘者的峰值点数量，还包括：
对所述目标驾乘者的二维矩阵进行搜峰处理，以得到二维矩阵中的所有峰值点；
根据相邻峰值点之间的距离从所述二维矩阵中的所有峰值点中筛选出属于目标驾乘者的峰值点；
计算出属于所述目标驾乘者的峰值点数量。
4.根据权利要求1所述的一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述对当前时间段内所述目标驾乘者的回波数据进行距离维FFT变换，以得到当前时间段内所述目标驾乘者的距离维FFT数据，还包括：
对当前时间段内所述目标驾乘者的距离维FFT数据进行过滤，以消除车辆内部的静目标。
5.根据权利要求1所述的一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述目标驾乘者的回波数据包括目标驾乘者的速度、距离、角度、高度和反射强度。
6.根据权利要求1所述的一种基于毫米波雷达的驾乘者类型识别方法，其特征在于，所述对所述目标驾乘者的距离维FFT数据进行角度估计，以得到所述目标驾乘者的二维矩阵，还包括：
对所述目标驾乘者的二维矩阵进行归一化处理，以得到所述目标驾乘者的归一化后的二维矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311801453.XA CN117630923A (zh) | 2023-12-25 | 2023-12-25 | 一种基于毫米波雷达的驾乘者类型识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311801453.XA CN117630923A (zh) | 2023-12-25 | 2023-12-25 | 一种基于毫米波雷达的驾乘者类型识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117630923A true CN117630923A (zh) | 2024-03-01 |
Family
ID=90016407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311801453.XA Pending CN117630923A (zh) | 2023-12-25 | 2023-12-25 | 一种基于毫米波雷达的驾乘者类型识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117630923A (zh) |
-
2023
- 2023-12-25 CN CN202311801453.XA patent/CN117630923A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1632404B1 (en) | Imminent-collision detection system and process | |
| EP3803451B1 (en) | Method for robust vehicle occupancy detection with vital sign monitoring | |
| US6272411B1 (en) | Method of operating a vehicle occupancy state sensor system | |
| US7873473B2 (en) | Motor vehicle having a preventive protection system | |
| US6026340A (en) | Automotive occupant sensor system and method of operation by sensor fusion | |
| US6725141B2 (en) | Method of triggering restraint means in a motor vehicle | |
| US7616101B2 (en) | Device for monitoring the surroundings of a vehicle | |
| DE69928789T2 (de) | Detektor für fahrzeuginsassen | |
| JP3357078B2 (ja) | 衝突予測センサシステム | |
| EP2056123B1 (en) | Collision avoidance and warning system and method | |
| CN103204121A (zh) | 基于雷达的多功能安全系统 | |
| US20070131468A1 (en) | Motor vehicle provided with a pre-safe system | |
| US20040019425A1 (en) | Collision and injury mitigation system using fuzzy cluster tracking | |
| US20060250297A1 (en) | System and method for preemptively sensing an object and selectively operating both a collision countermeasure system and a parking assistance system aboard an automotive vehicle | |
| EP0728624A2 (en) | Method and apparatus for controlling an actuatable restraining device using predictive crash sensing | |
| US3760415A (en) | Microwave crash sensor for automobiles | |
| CN113561911B (zh) | 车辆控制方法、装置、毫米波雷达及存储介质 | |
| CN108437923B (zh) | 一种行人保护系统及方法 | |
| CN110040133A (zh) | 一种车辆后碰撞预警方法和预警系统 | |
| CN114212045A (zh) | 一种车内乘员检测方法及系统 | |
| CN103373350B (zh) | 大型动物的车辆碰撞安全设备和方法 | |
| JP2002501853A (ja) | エアバッグ用センサ装置 | |
| CN117630923A (zh) | 一种基于毫米波雷达的驾乘者类型识别方法 | |
| US11209537B2 (en) | Extended target-matched CFAR detector | |
| Kruse et al. | Target classification based on near-distance radar sensors |
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 |