[發明專利]基于毫米波雷達的車內活體檢測方法及系統

在審

• 申請號: 202110401504.4
• 申請日: 2021-04-14
• 公開（公告）號: CN113093165A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 許冬磊;陳濤
• 申請（專利權）人: 蘇州矽典微智能科技有限公司
• 主分類號: G01S13/04
• 分類號: G01S13/04;G01S7/41
• 代理公司: 蘇州三英知識產權代理有限公司 32412
• 代理人: 周仁青

1.一種基于毫米波雷達的車內活體檢測方法，其特征在于，所述方法包括：

S1、獲取毫米波信號的回波信號，進行一維傅里葉變換后得到一維傅里葉變換數據，并對一維傅里葉變換數據進行靜態去雜波處理，去除靜態背景；

S2、對去除靜態背景后的一維傅里葉變換數據進行毫米波信號處理，檢測車內是否有活體；

S3、對去除靜態背景后的一維傅里葉變換數據進行神經網絡算法處理，檢測是否存在干擾項；

S4、判斷車內是否有活體，若檢測到車內有活體且不存在干擾項，則判定車內有活體，若檢測到車內無活體、或存在干擾項，則判定車內無活體。

2.根據權利要求1所述的基于毫米波雷達的車內活體檢測方法，其特征在于，所述步驟S2具體為：

將去除靜態背景后的一維傅里葉變換數據轉化為能量并進行能量累加；

根據恒虛警率檢測算法檢測車內是否有活體。

3.根據權利要求1所述的基于毫米波雷達的車內活體檢測方法，其特征在于，所述步驟S3具體為：

對去除靜態背景后的一維傅里葉變換數據進行短時傅里葉變換，得到時頻域數據；

獲取時頻域數據的時頻域特征，并基于神經網絡算法判斷該時頻域數據是否為干擾項。

4.根據權利要求3所述的基于毫米波雷達的車內活體檢測方法，其特征在于，所述干擾項為車內干擾項和/或車外干擾項。

5.根據權利要求3所述的基于毫米波雷達的車內活體檢測方法，其特征在于，所述神經網絡算法為卷積神經網絡算法。

6.根據權利要求1所述的基于毫米波雷達的車內活體檢測方法，其特征在于，所述步驟S4后還包括：

若判定車內有活體，控制喇叭進行報警；和/或，

若判定車內有活體，控制車窗打開；和/或，

若判定車內有活體，發布信息到車聯網并進行推送。

7.一種基于毫米波雷達的車內活體檢測系統，其特征在于，所述系統包括：

毫米波雷達，用于發送毫米波信號并接收回波信號；

微處理器，用于對回波信號進行一維傅里葉變換后得到一維傅里葉變換數據，并對一維傅里葉變換數據進行靜態去雜波處理，去除靜態背景；對去除靜態背景后的一維傅里葉變換數據進行毫米波信號處理，檢測車內是否有活體；對去除靜態背景后的一維傅里葉變換數據進行神經網絡算法處理，檢測是否存在干擾項；判斷車內是否有活體，若檢測到車內有活體且不存在干擾項，則判定車內有活體，若檢測到車內無活體、或存在干擾項，則判定車內無活體。

8.根據權利要求7所述的基于毫米波雷達的車內活體檢測系統，其特征在于，所述微處理器還用于：

將去除靜態背景后的一維傅里葉變換數據轉化為能量并進行能量累加，根據恒虛警率檢測算法檢測車內是否有活體；

對去除靜態背景后的一維傅里葉變換數據進行短時傅里葉變換，得到時頻域數據，獲取時頻域數據的時頻域特征，并基于神經網絡算法判斷該時頻域數據是否為干擾項。

9.根據權利要求8所述的基于毫米波雷達的車內活體檢測系統，其特征在于，所述干擾項為車內干擾項和/或車外干擾項；和/或，所述神經網絡算法為卷積神經網絡算法。

10.根據權利要求7所述的基于毫米波雷達的車內活體檢測系統，其特征在于，所述系統還包括車輛控制單元，用于：

在判定車內有活體時，控制喇叭進行報警；和/或，

在判定車內有活體時，控制車窗打開；和/或，

在判定車內有活體時，發布信息到車聯網并進行推送。