CPD 儿童检测：60GHz 雷达 + 摄像头融合方案

前言

Euro NCAP 2026 将 CPD（Child Presence Detection，儿童存在检测）纳入强制要求，最高可得 10 分：

方案 分值 说明
摄像头方案 3 分 基础方案
60GHz 雷达方案 5 分 进阶方案
融合方案 10 分 最高分

一、技术背景

1.1 问题严重性

数据 说明
美国每年 37 名儿童死于车内中暑
欧洲每年 约 50 起
核心原因 驾驶员遗忘后座儿童

1.2 检测难点

难点 说明
遮挡 毯子、衣物遮挡儿童
光线 夜间、强光影响摄像头
体温低 儿童体温调节能力弱
动作小 睡眠中儿童几乎不动

二、60GHz 雷达方案

2.1 为什么选择 60GHz？

特性 60GHz 24GHz
波长 5mm 12.5mm
分辨率 高 低
抗干扰 强 弱
功耗 低 高
法规 全球可用 部分受限

2.2 工作原理

1
2
3
4
5
6
7
60GHz 雷达工作原理：

1. 发射 60GHz 电磁波
2. 接收反射信号
3. 分析微多普勒效应（心跳、呼吸）
4. 检测生命体征
5. 判断是否有人存在

2.3 雷达传感器

传感器 厂商 特点
NOVELIC ACAM NOVELIC (Sona Comstar) Euro NCAP 2026 创新奖
TI AWRL6844 Texas Instruments AI 功能，低成本
TI AWR6843 Texas Instruments 成熟方案
Infineon BGT60 Infineon 低功耗

2.4 Volvo EX90 方案

配置 说明
传感器数量 3 个 60GHz 雷达
位置 车顶 / B 柱 / 后排
覆盖范围 全车舱
功能 CPD + OMS + 生命体征

三、摄像头方案

3.1 技术路线

摄像头类型 优势 劣势
RGB 摄像头 成本低 受光线影响
IR 红外摄像头 夜间可用 需额外光源
RGB-IR 融合 全天候 成本高

3.2 检测算法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
# CPD 摄像头检测（概念代码）
import cv2
import numpy as np

class CPDCameraDetector:
    def __init__(self, model_path):
        self.model = self._load_model(model_path)
        self.child_threshold = 0.6
    
    def detect(self, frame):
        """
        检测儿童存在
        
        frame: 输入图像（IR 或 RGB）
        
        返回：{
            'has_child': bool,
            'confidence': float,
            'bbox': [x, y, w, h]
        }
        """
        # 1. 人体检测
        persons = self._detect_persons(frame)
        
        # 2. 儿童分类
        for person in persons:
            x, y, w, h = person['bbox']
            roi = frame[y:y+h, x:x+w]
            
            # 体型分类（成人/儿童/儿童座椅）
            classification = self._classify_occupant(roi)
            
            if classification['is_child'] > self.child_threshold:
                return {
                    'has_child': True,
                    'confidence': classification['is_child'],
                    'bbox': [x, y, w, h]
                }
        
        return {'has_child': False, 'confidence': 0.0, 'bbox': None}
    
    def _detect_persons(self, frame):
        # 使用 YOLO 或其他检测器
        # ...
        pass
    
    def _classify_occupant(self, roi):
        # 体型分类（成人/儿童/儿童座椅）
        # ...
        pass

四、融合方案

4.1 融合架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
雷达 + 摄像头融合架构：

┌─────────────────────────────────────────────┐
│  传感器层                                    │
│  ├─ 60GHz 雷达 × 2-3                        │
│  └─ IR 摄像头 × 1-2                         │
├─────────────────────────────────────────────┤
│  感知层                                      │
│  ├─ 雷达：生命体征检测                      │
│  │   ├─ 心跳检测（微多普勒）                │
│  │   └─ 呼吸检测                            │
│  └─ 摄像头：视觉识别                        │
│      ├─ 儿童检测                            │
│      └─ 儿童座椅检测                        │
├─────────────────────────────────────────────┤
│  融合层                                      │
│  ├─ 数据对齐                                │
│  ├─ 决策融合                                │
│  └─ 置信度计算                              │
├─────────────────────────────────────────────┤
│  输出层                                      │
│  ├─ 儿童存在确认                            │
│  ├─ 位置定位                                │
│  └─ 警告触发                                │
└─────────────────────────────────────────────┘

4.2 融合策略

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
# 雷达 + 摄像头融合（概念代码）
class CPDFusion:
    def __init__(self):
        self.radar_detector = RadarCPD()
        self.camera_detector = CameraCPD()
        self.fusion_weights = {'radar': 0.6, 'camera': 0.4}
    
    def detect(self, radar_data, camera_frame):
        """
        融合检测
        """
        # 1. 雷达检测
        radar_result = self.radar_detector.detect(radar_data)
        
        # 2. 摄像头检测
        camera_result = self.camera_detector.detect(camera_frame)
        
        # 3. 决策融合
        fusion_score = (
            radar_result['confidence'] * self.fusion_weights['radar'] +
            camera_result['confidence'] * self.fusion_weights['camera']
        )
        
        # 4. 综合判断
        has_child = fusion_score > 0.5
        
        # 5. 冲突处理
        if radar_result['has_life_sign'] and not camera_result['has_child']:
            # 雷达检测到生命体征但摄像头未识别儿童
            # 可能是遮挡情况，优先信任雷达
            has_child = True
            fusion_score = radar_result['confidence']
        
        return {
            'has_child': has_child,
            'confidence': fusion_score,
            'radar_confidence': radar_result['confidence'],
            'camera_confidence': camera_result['confidence']
        }

五、性能对比

5.1 各方案对比

方案 准确率 成本 Euro NCAP 分值
摄像头 85% 低 3 分
60GHz 雷达 92% 中 5 分
融合方案 98% 高 10 分

5.2 不同场景表现

场景 摄像头 雷达 融合
正常光照 ✅ 95% ✅ 90% ✅ 98%
夜间 ❌ 60% ✅ 90% ✅ 95%
遮挡 ❌ 50% ✅ 85% ✅ 90%
儿童座椅 ✅ 80% ✅ 88% ✅ 95%

六、开发启示

6.1 方案选择

需求 推荐方案
成本优先 摄像头方案
Euro NCAP 10 分 融合方案
快速量产 NOVELIC ACAM 雷达

6.2 传感器配置

配置 传感器 成本 覆盖范围
基础 1× IR 摄像头 低 第一排
标准 1× 60GHz 雷达 中 第一排 + 后排
完整 2× 雷达 + 1× 摄像头 高 全车舱

6.3 与 IMS 集成

功能 共享资源
OMS 乘员检测 共用雷达 / 摄像头
安全带检测 共用摄像头
生命体征检测 雷达独有

七、总结

关键要点

要点 说明
60GHz 雷达优势 抗干扰、高分辨率、可检测生命体征
融合方案最高分 Euro NCAP 10 分
Volvo EX90 先行 3 个 60GHz 雷达
NOVELIC 创新奖 ACAM 传感器方案成熟

开发启示

启示 说明
融合方案优先 Euro NCAP 最高分
雷达为核心 不受光线、遮挡影响
摄像头补充 提供视觉确认
复用 OMS 资源 降低系统成本

参考来源：

发布日期： 2026-04-14
标签： #CPD #60GHz雷达 #传感器融合 #Euro NCAP

技术方案 > 儿童检测
#Euro NCAP #CPD #60GHz雷达 #传感器融合
CPD 儿童检测：60GHz 雷达 + 摄像头融合方案
https://dapalm.com/2026/04/14/2026-04-14-CPD-Child-Detection-60GHz-Radar-Camera-Fusion/
作者
Mars
发布于
2026年4月14日
许可协议