基于毫米波雷达的车内活体检测方法及系统技术方案

本发明专利技术揭示了一种基于毫米波雷达的车内活体检测方法及系统，所述方法包括：S1、获取毫米波信号的回波信号，进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；S2、对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；S3、对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；S4、判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活体。本发明专利技术结合毫米波信号处理和神经网络算法处理进行车内活体检测，能够排除车内外的干扰项，具有检测精度高、成本低、抗干扰能力强等优点。抗干扰能力强等优点。抗干扰能力强等优点。

【技术实现步骤摘要】
基于毫米波雷达的车内活体检测方法及系统


[0001]本专利技术属于活体检测
，具体涉及一种基于毫米波雷达的车内活体检测方法及系统。

技术介绍

[0002]目前，为了避免驾驶人员误将宠物或者儿童遗留在车内而造成危险，车内活体检测方法主要通过红外传感器、超宽带UWB、摄像头等进行检测，上述活体检测方法或多或少存在技术以及应用方面的瓶颈：
[0003]红外传感器检测具有价格低廉、使用简单的优点，但其灵敏度较低，受外界气温、气流、光线影响较大；
[0004]UWB超宽带检测具有精度高、距离远的优点，但价格昂贵；
[0005]摄像头检测具有检测算法成熟的优点，但缺乏隐私。
[0006]因此，针对上述技术问题，有必要提供一种基于毫米波雷达的车内活体检测方法及系统。

技术实现思路

[0007]有鉴于此，本专利技术的目的在于提供一种基于毫米波雷达的车内活体检测方法及系统。
[0008]为了实现上述目的，本专利技术一实施例提供的技术方案如下：
[0009]一种基于毫米波雷达的车内活体检测方法，所述方法包括：
[0010]S1、获取毫米波信号的回波信号，进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；
[0011]S2、对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；
[0012]S3、对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；<br/>[0013]S4、判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活体。
[0014]一实施例中，所述步骤S2具体为：
[0015]将去除静态背景后的一维傅里叶变换数据转化为能量并进行能量累加；
[0016]根据恒虚警率检测算法检测车内是否有活体。
[0017]一实施例中，所述步骤S3具体为：
[0018]对去除静态背景后的一维傅里叶变换数据进行短时傅里叶变换，得到时频域数据；
[0019]获取时频域数据的时频域特征，并基于神经网络算法判断该时频域数据是否为干扰项。
[0020]一实施例中，所述干扰项为车内干扰项和/或车外干扰项。
[0021]一实施例中，所述神经网络算法为卷积神经网络算法。
[0022]一实施例中，所述步骤S4后还包括：
[0023]若判定车内有活体，控制喇叭进行报警；和/或，
[0024]若判定车内有活体，控制车窗打开；和/或，
[0025]若判定车内有活体，发布信息到车联网并进行推送。
[0026]本专利技术另一实施例提供的技术方案如下：
[0027]一种基于毫米波雷达的车内活体检测系统，所述系统包括：
[0028]毫米波雷达，用于发送毫米波信号并接收回波信号；
[0029]微处理器，用于对回波信号进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活体。
[0030]一实施例中，所述微处理器还用于：
[0031]将去除静态背景后的一维傅里叶变换数据转化为能量并进行能量累加，根据恒虚警率检测算法检测车内是否有活体；
[0032]对去除静态背景后的一维傅里叶变换数据进行短时傅里叶变换，得到时频域数据，获取时频域数据的时频域特征，并基于神经网络算法判断该时频域数据是否为干扰项。
[0033]一实施例中，所述干扰项为车内干扰项和/或车外干扰项；和/或，所述神经网络算法为卷积神经网络算法。
[0034]一实施例中，所述系统还包括车辆控制单元，用于：
[0035]在判定车内有活体时，控制喇叭进行报警；和/或，
[0036]在判定车内有活体时，控制车窗打开；和/或，
[0037]在判定车内有活体时，发布信息到车联网并进行推送。
[0038]本专利技术具有以下有益效果：
[0039]本专利技术结合毫米波信号处理和神经网络算法处理进行车内活体检测，能够排除车内外的干扰项，具有检测精度高、成本低、抗干扰能力强等优点。
附图说明
[0040]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本专利技术一具体实施例中车内活体检测方法的具体流程图；
[0042]图2为本专利技术一具体实施例中车内活体检测系统的模块示意图；
[0043]图3a、3b分别为本专利技术一具体实施例中人和风扇经过短时傅里叶变换后得到的傅里叶频谱。
具体实施方式
[0044]为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0045]本专利技术公开了一种基于毫米波雷达的车内活体检测方法，包括：
[0046]S1、获取毫米波信号的回波信号，进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；
[0047]S2、对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；
[0048]S3、对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；
[0049]S4、判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活体。
[0050]本专利技术还公开了一种基于毫米波雷达的车内活体检测系统，包括：
[0051]毫米波雷达，用于发送毫米波信号并接收回波信号；
[0052]微处理器，用于对回波信号进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的车内活体检测方法，其特征在于，所述方法包括：S1、获取毫米波信号的回波信号，进行一维傅里叶变换后得到一维傅里叶变换数据，并对一维傅里叶变换数据进行静态去杂波处理，去除静态背景；S2、对去除静态背景后的一维傅里叶变换数据进行毫米波信号处理，检测车内是否有活体；S3、对去除静态背景后的一维傅里叶变换数据进行神经网络算法处理，检测是否存在干扰项；S4、判断车内是否有活体，若检测到车内有活体且不存在干扰项，则判定车内有活体，若检测到车内无活体、或存在干扰项，则判定车内无活体。2.根据权利要求1所述的基于毫米波雷达的车内活体检测方法，其特征在于，所述步骤S2具体为：将去除静态背景后的一维傅里叶变换数据转化为能量并进行能量累加；根据恒虚警率检测算法检测车内是否有活体。3.根据权利要求1所述的基于毫米波雷达的车内活体检测方法，其特征在于，所述步骤S3具体为：对去除静态背景后的一维傅里叶变换数据进行短时傅里叶变换，得到时频域数据；获取时频域数据的时频域特征，并基于神经网络算法判断该时频域数据是否为干扰项。4.根据权利要求3所述的基于毫米波雷达的车内活体检测方法，其特征在于，所述干扰项为车内干扰项和/或车外干扰项。5.根据权利要求3所述的基于毫米波雷达的车内活体检测方法，其特征在于，所述神经网络算法为卷积神经网络算法。6.根据权利要求1所述的基于毫米波雷达的车内活体检测方法，其特征在于，所述步骤S4后还包括：若判定车内有活体，控制喇叭进行报警；和/或，若判定车内有活体，控制车窗打开；和/或，若判...

【专利技术属性】
技术研发人员：许冬磊，陈涛，
申请(专利权)人：苏州矽典微智能科技有限公司，
类型：发明
国别省市：