一种识别方法、存储介质、程序产品、车载控制器、传感器装置及车辆与流程

本发明涉及一种生命体识别方案，并且更加具体地涉及一种识别方法、存储介质、程序产品、车载控制器、雷达传感器装置及车辆。

背景技术：

1、目前，车内婴幼儿遗留检测与座椅占位检测已成为汽车被动安全的重要发展方向。为识别乘客类型及占用状态，现有方案普遍采用多传感器融合架构。然而，各单一技术路径均存在固有缺陷。例如，针对基于相机的视觉方案，其检测性能易受光照条件的变化制约，在低照度或夜间场景下可靠性显著下降，且涉及乘客隐私数据采集，存在合规性争议。此外，当儿童被毛毯、衣物等覆盖物遮挡时，视觉算法难以提取有效特征，致使漏检率显著升高。基于毫米波雷达的方案一般仅依赖点云特征进行分析。例如，基于毫米波雷达的方案可以通过确定目标的反射能量与体积大小进行识别，但难以有效区分真实婴幼儿与具有相近体积及反射特性的非生命对象，例如玩偶、行李等，导致误报率显著偏高。针对基于重力传感器的方案，其仅能感知座椅承载与否，但无法辨识载荷的性质。也就是说，任何达到预设重量阈值的物体均可触发警报，极易将重物误判为乘客，引发频繁误报。此外，如果为了兼顾功能而简单堆叠上述异构传感器，则势必导致零部件数量增加、系统架构复杂化，显著推高整车制造成本与集成难度，制约了该技术的规模化应用。

2、因此，期望一种准确可靠的车辆内生命体识别方案。

技术实现思路

1、根据本公开实施例的一方面，提供了一种用于车辆内的生命体的识别方法，所述方法包括：通过雷达传感器获得针对车辆内部的目标对象的多个帧信号，其中，所述多个帧信号中的每个帧信号具有多个啁啾（chirp）信号；针对所述多个帧信号中的每个帧信号，获得所述多个啁啾信号的相位变化；针对所述多个帧信号中的每个帧信号，通过所述多个啁啾信号的相位变化确定所述目标对象的目标频率；基于所述多个帧信号的多个所述目标频率，确定所述多个目标频率之间的熵值，所述熵值指示所述多个帧信号的周期性；以及基于所述多个目标频率以及所述熵值，确定所述目标对象是否为所述生命体。

2、根据本公开的实施例的识别方法，还包括：获得针对车辆内的多个对象中的每个对象的多个帧信号；针对每个对象，确定所述多个帧信号对应的距离和信号强度中的至少一个的变化程度；将所述距离和所述信号强度中的至少一个的变化程度大于变化程度阈值的对象确定为候选目标对象；以及基于所述候选目标对象确定所述目标对象。

3、根据本公开的实施例的识别方法，其中，所述基于所述候选目标对象确定所述目标对象包括：对于所述候选目标对象中的每个候选目标对象：对所述候选目标对象的多个帧信号进行数字波束成形，以获得候选目标对象的角度信息；和基于所述候选目标对象的角度信息以及所述多个帧信号指示的所述候选目标对象的距离信息，确定所述候选目标对象的距离角度图谱；和将所述候选目标对象中所述距离角度图谱的信号强度最高的预定数量个候选目标对象确定为目标对象。

4、根据本公开的实施例的识别方法，其中，所述获得所述多个啁啾信号的相位变化包括：对所述多个啁啾信号进行相位提取以及相位解缠。

5、根据本公开的实施例的识别方法，其中，所述通过所述多个啁啾信号的相位变化确定所述目标对象的目标频率包括：对所述多个啁啾信号的相位变化进行傅里叶变换，以获得所述相位变化的频谱；对所述相位变化的频谱进行带通滤波，以获得候选目标频率；以及基于所述候选目标频率确定所述目标频率。

6、根据本公开的实施例的识别方法，其中，所述基于所述候选目标频率确定所述目标频率包括：将所述候选目标频率当中具有最高信号强度的候选目标频率确定为所述目标频率。

7、根据本公开的实施例的识别方法，其中，所述确定所述多个目标频率之间的熵值包括：以预定大小的窗口获得所述多个目标频率中的至少一部分目标频率；将所述至少一部分目标频率中的最大值除以最小值以获得候选熵值；以及基于所述候选熵值获得所述熵值。

8、根据本公开的实施例的识别方法，其中，所述基于所述候选熵值获得所述熵值包括：通过滑动所述预定大小的窗口，以获得多个所述候选熵值；以及基于所述多个候选熵值，获得所述熵值。

9、根据本公开的实施例的识别方法，其中，所述确定所述目标对象是否为生命体包括：将所述多个目标频率以及所述熵值输入到预先训练的机器学习模型，以确定所述目标对象是否为所述生命体，其中，所述预先训练的机器学习模型被配置为：响应于所述多个目标频率对应于所述生命体的呼吸频率并且所述熵值低于熵值阈值，确定所述目标对象为所述生命体，以及响应于所述多个目标频率不对应于所述生命体的呼吸频率和所述熵值不低于熵值阈值中的至少一个，确定所述目标对象不为所述生命体。

10、根据本公开的实施例的识别方法，还包括：响应于确定所述目标对象为生命体，基于所述多个帧信号确定所述生命体的体积信息；将所述生命体的体积信息输入到所述预先训练的机器学习模型，以确定所述生命体的类别，所述生命体的类别包括成人和非成人，其中，所述预先训练的机器学习模型被配置为：基于所述生命体的体积信息以及所述多个目标频率中的至少一个确定所述生命体的类别。

11、根据本公开的实施例的识别方法，还包括：响应于确定所述目标对象为所述生命体，执行针对车辆内的监视操作以及针对车辆内的空调调节操作中的至少一个。

12、根据本公开的实施例的识别方法，还包括：响应于确定所述生命体为非成人，执行告警操作。

13、根据本公开实施例的一方面，提供了一种计算机可读存储介质，其上存储有指令，所述指令在由处理器运行时，使所述处理器执行如上所述的方法。

14、根据本公开实施例的一方面，提供了一种计算机程序产品，包括计算机程序或指令，其中，所述计算机程序或指令在被处理器执行时实现如上所述的方法。

15、根据本公开实施例的一方面，提供了一种车载控制器，被配置为执行如上所述的方法。

16、根据本公开实施例的一方面，提供了一种雷达传感器装置，所述雷达传感器装置包括：雷达传感器；以及如上所述的车载控制器。

17、根据本公开实施例的一方面，提供了一种车辆，包括如上所述的计算机可读存储介质、如上所述的计算机程序产品、如上所述的车载控制器、或者如上所述的雷达传感器装置。

18、根据本公开的实施例的识别方法、存储介质、程序产品、车载控制器、雷达传感器装置及车辆可以通过雷达传感器识别车辆内遗留的诸如婴幼儿等的生命体，而无需进一步结合其他类型的传感器。由于无需结合诸如相机等图像传感器，可以提高隐私安全性、降低漏检风险。此外，通过结合目标对象的目标频率以及目标频率之间的熵值，可以降低误报率。由于根据本公开的实施例的方案无需进一步结合其他类型的传感器，可以降低硬件成本以及系统复杂度。

1.一种用于车辆内的生命体的识别方法，所述方法包括：

2.根据权利要求1所述的识别方法，还包括：

3.根据权利要求2所述的识别方法，其中，所述基于所述候选目标对象确定所述目标对象包括：

4.根据权利要求1所述的识别方法，其中，所述获得所述多个啁啾信号的相位变化包括：

5.根据权利要求1所述的识别方法，其中，所述通过所述多个啁啾信号的相位变化确定所述目标对象的目标频率包括：

6.根据权利要求5所述的识别方法，其中，所述基于所述候选目标频率确定所述目标频率包括：

7.根据权利要求1所述的识别方法，其中，所述确定所述多个目标频率之间的熵值包括：

8.根据权利要求7所述的识别方法，其中，所述基于所述候选熵值获得所述熵值包括：

9.根据权利要求1所述的识别方法，其中，所述确定所述目标对象是否为生命体包括：

10.根据权利要求9所述的识别方法，还包括：

11.根据权利要求10所述的识别方法，还包括：

12.根据权利要求10所述的识别方法，还包括：

13.一种计算机可读存储介质，其上存储有指令，所述指令在由处理器运行时，使所述处理器执行如权利要求1-12中任一项所述的方法。

14.一种计算机程序产品，包括计算机程序或指令，其中，所述计算机程序或指令在被处理器执行时实现如权利要求1-12中任一项所述的方法。

15.一种车载控制器，被配置为执行如权利要求1-12中任一项所述的方法。

16.一种雷达传感器装置，所述雷达传感器装置包括：

17.一种车辆，包括如权利要求13所述的计算机可读存储介质、如权利要求14所述的计算机程序产品、如权利要求15所述的车载控制器、或者如权利要求16所述的雷达传感器装置。