【技术实现步骤摘要】
本专利技术涉及一种车内探测装置的探测分析方法，尤其涉及一种基于车内生命遗留检测的融合方法。
技术介绍
1、在车内生命遗留检测现有方案中，多以单一的传感器检测车内是否存在生命体，但大多存在一定的弊端，如单一的二氧化碳的含量来检测车内是够存在生命体需要较长的时间才能观测到车内二氧化碳的变化；单一的压力传感器检测座位上的重物会受到物品等非生命体的影响；单一的红外传感器在高温情况下会出现高温致盲的情况。
技术实现思路
1、本专利技术的目的就是提供一种基于车内生命遗留检测的融合方法，其可解决现有技术中各传感器联合检测不协调的问题。
2、为实现本专利技术目包括：设于车内的检测系统，检测系统包括c02传感器，环境温度传感器和生物温度传感器，其特征在于，具体实施方式如下：
3、1.等车辆停止司机离开车内，且完成锁车后启动检测系统；
4、2.检测系统的co2传感器实时监测车内co2含量的浓度，并根据如下公式获得co2浓度的变化速率作为第一特征值：v＝d/t，v为co2浓度的变化速率，t为计算周期，d为t时间内co2传感器的变化量；
5、3.通过环境温度传感器获得取当前车内温度t0作为第二特征值，通过生物温度传感器获得当前目标检测温度ts，根据如下公式：p＝k(t04-ts4)，
6、t0为当前车内温度，ts为当前目标检测温度，k为维恩公式常数，p为车内无生命体时的生物温度传感器的测量值为第三特征值；
7、4.将锁车后生物温度传感
8、5.融合上述来传感器的四种特征值，对每个样本数据进行标签：车内无生命体标记为a，车内存在生命体标记为b，作为原始数据集data，实现传感器特征层面的融合，将data分为训练集train和验证集test；
9、6.通过如下公式统计并计算验证集test中每种类别a和b分别占test的概率：
10、
11、
12、p(a)为车内无生命体的概率，p(b)为车内存在生命体的概率，y(a)表示验证集中a事件的样本数量，y(b)表示验证集中b事件的样本数量，y(test)表示验证集test的样本数量；
13、7.利用训练集train建立k-近邻模型(knn)，k-近邻模型建立如下：
14、(1)计算验证集test中当前样本与各个训练集train中样本之间的距离，将这些距离统计记为集合w。距离的计算l采取高维空间中计算距离的欧氏距离(euclideandistance)；
15、
16、(2)对w中的距离l进行升序排序，选取距离l最小的前k个点，统计前k个点中车内无生命体和车内存在生命体两种情况出现的频率，返回k个点中出现频率最高的类别作为预测结果；
17、(3)重复上述(1)和(2)两个步骤，直到验证集test中的每个样本都被逐一预测。
18、(4)定义k-近邻模型预测到的两种结果为m和n。m：代表验证集test中，样本被k-近邻模型预测为车内无生命体；n：代表验证集test中，样本被预测为车内存在生命体；
19、计算概率pknn(m|a)，pknn(m|a)指在验证集test中真实标记为a的样本被k-近邻预测为m的概率：
20、
21、y(a)指验证集test中a事件的样本数量，y(m)指验证集test中a事件被k-近邻预测为m的数量；
22、计算概率pknn(n|a)，pknn(n|a)指在验证集test中真实标记为a的样本被k-近邻预测为n的概率：
23、
24、y(a)指验证集test中a事件的样本数量，y(n)指验证集test中a事件被k-近邻预测为n的数量；
25、计算概率pknn(m|b)，pknn(m|b)指在验证集test中真实标记为b的样本被k-近邻预测为m的概率：
26、
27、y(b)指验证集test中b事件的样本数量，y(m)指验证集test中b事件被k-近邻预测为m的数量；
28、计算概率pknn(n|b)，pknn(n|b)指在验证集test中真实标记为b的样本被k-近邻预测为n的概率：
29、
30、y(b)指验证集test中b事件的样本数量，y(n)指验证集test中b事件被k-近邻预测为n的数量；
31、记录上述4个概率结果；
32、8.利用训练集train建立人工神经网络模型(ann)，输出层包括两个神经单元，分别对应车内无生命体，车内存在生命体两种预测类别，定义ann模型预测到的两种结果为p和q。p：代表验证集test中，样本被ann模型预测为车内无生命体情况；q：代表验证集test中，样本被预测为车内存在生命体情况；
33、计算概率pann(p|a)，pann(p|a)指在验证集test中真实标记为a的样本被ann预测为p的概率：
34、
35、y(a)指验证集test中a事件的样本数量，y(p)指验证集test中a事件被ann预测为p的数量；
36、计算概率pann(q|a)，pann(q|a)指在验证集test中真实标记为a的样本被ann预测为q的概率：
37、
38、y(a)指验证集test中a事件的样本数量，y(q)指验证集test中a事件被ann预测为q的数量；
39、计算概率pann(p|b)，pann(p|b)指在验证集test中真实标记为b的样本被ann预测为p的概率：
40、
41、y(b)指验证集test中b事件的样本数量，y(p)指验证集test中b事件被ann预测为p的数量；
42、计算概率pann(q|b)，pann(q|b)指在验证集test中真实标记为b的样本被ann预测为q的概率：
43、
44、y(b)指验证集test中b事件的样本数量，y(q)指验证集test中b事件被ann预测为q的数量；
45、记录上述4个概率结果；
46、9.因为knn和ann模型产生的结果相互独立，所以模型联合报表概率为：
47、p((m,p)|a)＝pknn(m|a)*pann(p|a)
48、p((m,p)|b)＝pknn(m|b)*pann(p|b)
49、p((m,p)|a)表示：当真实标记为a时，knn预测结果为m，ann预测结果为p的概率，p((m,p)|b)表示：当真实标记为b时，knn预测结果为m，ann预测结果为p的概率，p((n,q)|a)表示：当真实标记为a时，knn预测结果为n，ann预测结果为q的概率，p((n,q)|b)表示：当真实标记为b时，knn预测结果为n，ann预测结果为q的概率；
50、10.将步骤9获得的融合概率代入本文档来自技高网...
【技术保护点】
1.一种基于车内生命遗留检测的融合方法，包括：设于车内的检测系统，检测系统包括C02传感器，环境温度传感器和生物温度传感器，其特征在于，具体实施方式如下：
【技术特征摘要】
1.一种基于车内生命遗留检测的融合方法，包括：设于车内的检测系统，检测系统包括...
【专利技术属性】
技术研发人员：古瑞琴，郭凯，李威，
申请(专利权)人：郑州炜盛电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。