一种基于生命特征的毫米波车内有无人监控系统及方法与流程

1.本发明涉及电子信息技术领域，尤其涉及一种基于生命特征的毫米波车内有无人监控系统及方法。


背景技术：

2.近年来，全球发生多起儿童被滞留在车内而中暑死亡的惨案。当父母因疏忽大意将孩子遗留在锁闭的车内时，由于锁闭的车内会形成一个密闭的空间，从而会导致车内温度迅速升高，氧气含量减少，从而可能造成中暑或缺氧酿成悲剧。
3.对于此类问题，可以开发一种车内有无人监控系统来检测车内状态，并通过车载监测系统进行警报或通过无线通信发送短信和app至监护人。目前探测车内生命特征的产品包括红外传感器、摄像头传感器、有机物传感器等。但是这类产品有如下不足：易受遮挡、热源、光源等影响，可能会侵犯个人隐私，硬件载体功能单一，采用多个传感器会导致成本较高。而雷达能够通过多普勒效应分辨人体的生命特征和微运动，穿透性强不会受到前排座椅的遮挡影响，并且成本低检测准确率高，能有效的实现车内有无人监控系统。
4.根据中国专利cn 112441011 a公开的一种检测驻车后车内生命迹象的方法及装置，该专利是采用二氧化碳和温度传感器进行车内生命迹象检测，该方法易受周围环境、车内自然升温等影响，并且气体是极不稳定的，往往采集出来的浓度值波动很大，且在短时间内是混乱无序的，导致检测准确度不高。


技术实现要素：

5.本发明的目的是为了克服上述背景技术的不足，提供一种基于生命特征的毫米波车内有无人监控系统及方法，使其具有检测准确性高、鲁棒性强、经济实用的特点。
6.本发明采用的技术方案是：一种基于生命特征的毫米波车内有无人监控系统，包括车载控制系统、门锁检测模块、79ghz雷达模块、通信报警模块、车窗控制模块，其中：所述门锁检测模块检测当车辆熄火后车门是否处于锁死状态，并将车门状态信息传入到所述车载控制系统中；所述车载控制系统接收门锁检测模块发出的车门状态信息，并发送指令控制所述79ghz雷达模块开始进行有无人检测，并根据雷达的检测结果控制通信报警模块和车窗控制模块。
7.通信报警模块与车主手机通过移动网络连接，当检测到车内有人时，将消息发送到车主手机中。
8.车窗控制模块能控制车窗的升降，当长时间检测到车内有人时，自动将车窗降下确保车内人员的安全。
9.进一步地，79ghz雷达模块包含信号发射模块、信号接收模块和信号处理模块。所述信号发射模块用于不断发射调频连续波，所述信号接收模块用于不断接收车内的回波信号，所述信号处理模块用于处理回波信号并给出检测结果。
10.进一步地，车载控制系统根据79ghz雷达模块的检测结果决策是否需要启动通信
报警模块或车窗开启模块。
11.一种基于生命特征的毫米波车内有无人监控方法，使用基于生命特征的毫米波车内有无人监控系统，包括以下步骤：s1、检测到车辆已熄火，通过车门锁死模块判断车门是否锁死；s2、启动79ghz雷达模块进行雷达信号发射、接收和处理；s3、采用基于生命特征提取算法提取出车内的呼吸、心跳波形的特征；s4、通过采用机器学习算法将生命特征与波形特征、微多普勒特征相结合，进行车内有无人检测；s5、当机器学习算法在一段时间内多次检测到车内有人时，通信报警模块会进行警报并发送短信；如果在30分钟后，依然检测到车内有人，控制所述车窗开启模块打开车窗；进一步地，步骤s3中，生命特征提取算法包括以下步骤：s301、接收到所述雷达回波信号后，为了将数据中的信息可视化，以三维图片的形式显示出来，首先在时间轴上针对拍频信息进行快速傅里叶变换得到距离维成像，得到雷达回波图；s302、从雷达信号图中获得动态物体信号，考虑到源自待测目标胸腔的起伏振动是随时间变化的信号，而环境当中静态目标的回波信号不随时间改变，采用mti方法去除回波中的静态杂波；s303、由于检测环境中存在背景噪声，需要进一步对数据进行噪声滤除操作，从而能提高原始数据的信噪比，对雷达回波信号图进行算术平均、指数加权平均以及递推平均三种方法来提高原始信号的信噪比；s304、由s303中可获得动态目标的位置信息，目标胸腔的起伏运动情况，提取目标所在距离单元的相位信息进行相位展开，获得实际的胸腔振动情况；s305、为了进一步增强心跳信号并消除回波信号中的相位漂移，对所述s304中相位展开后的波形进行差分处理；相位差分是通过不断将当前采样点展开相位与前一采样点做差实现的；s306、未展开的差分相位可能被若干噪声引起的相位展开误差所破坏；通过计算每个信号的正、反向相位差来消除此类脉冲噪声，如果这些相位差超过某个阈值，则信号由插值代替；为了消除脉冲噪声的影响，获得稳定的胸腔波形，对所述s305中获得的相位差分信号进行了脉冲噪声滤除操作；s307、由于人体的呼吸、心跳频率分别在0.1~0.6hz与0.8~3.3hz之间，处于两个不同的频率段；通过两个不同的带通滤波器来进行分离，从而分别获得所述呼吸、心跳波形。
12.与现有技术相比，本发明具有如下优点：（1）本发明采用毫米波雷达进行车内有无人检测，鲁棒性更强，能抵抗外部因素影响，同时方向性好，穿透能力强，成本低，通过多普勒原理可以有效检测出物体的微运动，非常合适于车载检测系统。
13.（2）本发明能通过提取车内人员的呼吸心跳生命特征来进行检测，即使车内人员保持安静和静止状态，依然有很好的检测精度。并且人体生命特征参数的异常变化通常是突发医学紧急事件的先兆，其中最为直观反映生理状态的指标为呼吸率和心率，通过该指
标能对人体的生命特征信号进行实时的检测，对驾驶员的疲劳检测、病人的及时救治都具有很大意义。
14.（3）本发明为了增加检测的准确性，结合了呼吸心跳、波形特征、多普勒效应等多种类型的特征，收集了大量数据，采用了机器学习算法来进行车内有无人监测。解决了传统毫米波雷达分类准确低的难题，具有很强的鲁棒性，适用范围广。
15.附图说明
16.图1为本发明一种基于生命特征的毫米波车内有无人监控系统的结构示意图；图2为本发明一种基于生命特征的毫米波车内有无人监控方法的流程图；图3为本发明中生命特征检测流程图；图4为本发明中雷达生命特征检测原理图；图5为本发明中mti处理前的信号图；图6为本发明中mti处理后的信号图；图7为本发明中呼吸波形及快速傅里叶变化图；图8为本发明中心跳波形及快速傅里叶变化图。
17.信噪比是指是指雷达系统接收到的回波当中有用信号的功率与包含的噪声信号的功率的比值。
具体实施方式
18.下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
19.本发明提供了一种基于生命特征的毫米波车内有无人监控方法及系统，旨在解决如何及时、有效的提醒驾驶员注意车内是否遗留生命体。并且实现成本低、检测准确度高，能最大程度保证生命安全的技术问题。
20.参见图1，一种基于生命特征的毫米波车内有无人监控系统，包括车载控制系统、门锁检测模块、79ghz雷达模块、通信报警模块、车窗控制模块，其中：所述门锁检测模块检测当车辆熄火后车门是否处于锁死状态，并将车门状态信息传入到所述车载控制系统中；所述车载控制系统接收门锁检测模块发出的车门状态信息，并发送指令控制所述79ghz雷达模块开始进行有无人检测，并根据雷达的检测结果控制通信报警模块和车窗控制模块。
21.通信报警模块与车主手机通过移动网络连接，当检测到车内有人时，将消息发送到车主手机中。
22.车窗控制模块能控制车窗的升降，当长时间检测到车内有人时，自动将车窗降下确保车内人员的安全。
23.优选地，79ghz雷达模块包含信号发射模块、信号接收模块和信号处理模块。所述信号发射模块用于不断发射调频连续波，所述信号接收模块用于不断接收车内的回波信号，所述信号处理模块用于处理回波信号并给出检测结果。
24.优选地，车载控制系统根据79ghz雷达模块的检测结果决策是否需要启动通信报
警模块或车窗开启模块。
25.参见图2，一种基于生命特征的毫米波车内有无人监控方法，使用基于生命特征的毫米波车内有无人监控系统，包括以下步骤：s1、检测到车辆已熄火，通过车门锁死模块判断车门是否锁死；s2、启动79ghz雷达模块进行雷达信号发射、接收和处理；s3、基于生命特征提取算法提取出车内的呼吸、心跳波形的特征；s4、通过采用机器学习算法将生命特征与波形特征、微多普勒特征相结合，进行车内有无人检测；s5、当所述算法在一段时间内多次检测到车内有人时，通信报警模块会进行警报并发送短信。如果在30分钟后，依然检测到车内有人，控制所述车窗开启模块打开车窗；参见图3和图4，所述步骤s3中，生命特征提取算法如下所示：s301、接收到所述雷达回波信号后，为了将数据中的信息可视化，以三维图片的形式显示出来，首先要在时间轴上针对拍频信息进行快速傅里叶变换得到距离维成像，得到雷达回波图；s302、环境当中由金属材料制成或者具有尖角形状的静态物体会反射能量很强的回波信号，例如：桌角、桌椅边缘、金属门窗框等等。这些静态目标的回波信号容易导致真实目标被淹没，因此需要从所述雷达信号图中获得动态物体信号。考虑到源自待测目标胸腔的起伏振动是随时间变化的信号，而环境当中静态目标的回波信号不随时间改变。因此，采用mti方法去除回波中的静态杂波，mti去除静态杂波效果如图5和图6所示； 其中，代表无关静态目标产生的回波，n代表滤除静态杂波操作的滑窗内包含的慢采样点数，i代表距离单元序号，代表第i个距离单元去除背景静态杂波前的采样数值，代表第i个距离单元本次滤除环境内静态杂波分量后的最终结果。
26.s303、由于检测环境中存在背景噪声，需要进一步对数据进行噪声滤除操作，从而能提高原始数据的信噪比（signal
‑
to
‑
noise ratio，snr）；对雷达回波信号图进行了算术平均、指数加权平均以及递推平均三种方法来提高原始信号的信噪比；s304、由s303中可获得动态目标的位置信息，可以获得目标胸腔的起伏运动情况。提取目标所在距离单元的相位信息进行相位展开获得实际的胸腔振动情况；s305、为了进一步增强心跳信号并消除回波信号中的相位漂移，对所述s304中相位展开后的波形进行差分处理。相位差分是通过不断将当前采样点展开相位与前一采样点做差实现的；s306、未展开的差分相位可能被若干噪声引起的相位展开误差所破坏。通过计算每个信号的正、反向相位差来消除此类脉冲噪声，如果这些相位差超过某个阈值，则信号由插值代替。为了消除脉冲噪声的影响，获得稳定的胸腔波形，对所述s35中获得的相位差分信号进行了脉冲噪声滤除操作；s307、由于人体的呼吸、心跳频率分别在0.1~0.6hz与0.8~3.3hz之间，处于两个不同的频率段。可以通过两个不同的带通滤波器来进行分离，从而分别获得所述呼吸、心跳波形。并通过快速傅里叶变化（fft）获得所述呼吸心跳波形的频率，呼吸心跳波形以及快速傅
里叶变化（fft）结果如图7、8所示。
27.生命特征提取算法主要是采用79ghz毫米波雷达基于人体的生命特征进行有无人检测，即使人员被前排座椅遮挡，或者目标处于睡眠等静止不动的状态，也不会影响检测准确度。
28.在获取到目标的呼吸心跳波形后，为了增加算法的鲁棒性，增加监控系统的检测准确度，进一步采用多特征的机器学习算法。考虑到车内人员除了呼吸、心跳外还会存在身体的局部运动如挥手摆臂等，该分类算法结合了呼吸心跳、波形特征、多普勒效应等情况。从而能增加算法的鲁棒性，能够检测到儿童、老人以及宠物等。机器学习模型的训练方法包括：构建车内有无人雷达波形特征数据集，将数据集分为训练集和测试集；采用机器学习算法对数据集进行训练，采用k折验证交叉方法来检测分类器的效果，并选择最佳的算法和参数。
29.当机器学习算法在一段时间内多次检测到车内有人时，通信报警模块会将短信发送到多个手机并开始计时。车门锁死模块只要检测到车门仍未被打开，并且79ghz雷达模块检测到车内仍有人员，通信报警模块每隔10分钟就会发送一次提醒短信。如果在30分钟内，检测到有人的时间段超过设定的阈值，则发送命令给车载控制系统，控制车窗开启模块打开车窗。超过3个小时仍然未获得营救，所述通信报警模块就会自动进行报警。
30.本发明实施时只需要一个雷达，成本低效果好，也不会侵犯个人隐私。并且，本发明还能检测目标的呼吸、心跳频率，当目标的心跳频率过高时，能发出警告提醒，从而增加了安全性。
31.上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。