乘员分类系统市场趋势：雷达超越压力传感器，Euro NCAP 2026 驱动变革

市场概况

增长预测

指标	2025	2035	CAGR
市场规模	$5.2B	$12.8B	9.4%
雷达占比	15%	45%	17.1%
压力传感器占比	60%	30%	-5.2%

驱动因素

1. Euro NCAP 2026： 强制实时乘员检测
2. 中国 GB 15083-2024： 新规收紧要求
3. 雷达成本下降： 60GHz 芯片 <$20
4. CPD 需求： 儿童存在检测强制

技术路线对比

压力传感器方案

传统方案： 座椅压力垫

优点：

• 成本低（$5-10）
• 安装简单
• 不受光照影响

缺点：

• 校准漂移： 座椅泡沫滞后导致
• 误报高： 重物/宠物误判
• 无生命体征： 无法区分活体/非活体
• 维护成本： 定期校准

雷达方案

新兴方案： 60GHz mmWave 雷达

优点：

• 穿透性强： 穿透座椅/毯子
• 生命体征检测： 呼吸/心跳
• 分类能力： 成人/儿童/宠物
• 无漂移： 物理测量不依赖校准

缺点：

• 成本较高（$20-30）
• 需要算力支持
• 多目标复杂

性能对比

指标	压力传感器	雷达	融合方案
检测率	85%	92%	98%
误报率	15%	8%	3%
儿童分类	❌	✅	✅
生命体征	❌	✅	✅
校准周期	6 个月	无需	无需
成本	$10	$25	$35

Euro NCAP 2026 要求

乘员分类评分

功能	分值	要求
乘员存在检测	2.0	实时检测所有座位
成人/儿童分类	1.5	区分体重 <50kg
儿童座椅识别	1.0	后向座椅检测
CPD 集成	2.5	儿童遗留警告

测试场景

场景	描述	通过条件
OCS-01	成人驾驶员	正确识别
OCS-02	成人乘客	正确识别
OCS-03	儿童（<50kg）	正确分类
OCS-04	儿童座椅（后向）	正确禁用安全气囊
OCS-05	空座	不启用安全气囊
OCS-06	重物（行李）	不误判为乘员
OCS-07	宠物	不误判为儿童

雷达技术详解

60GHz vs 77GHz

参数	60GHz	77GHz
应用	座舱内	座舱外（ADAS）
分辨率	<5 cm	<2 cm
穿透性	✅ 强	⚠️ 弱
生命体征	✅	❌
成本	$20-30	$50-80
法规	未分配	汽车专用

检测原理

# 雷达乘员分类流程
def classify_occupant(radar_data):
    """
    基于 mmWave 雷达的乘员分类
    
    步骤：
    1. 距离-多普勒处理
    2. 生命体征提取
    3. 微多普勒分析
    4. 机器学习分类
    """
    # Range-FFT
    range_profile = np.fft.fft(radar_data, axis=0)
    
    # 静态杂波去除
    range_profile = remove_static_clutter(range_profile)
    
    # 检测目标
    targets = detect_targets(range_profile)
    
    results = []
    for target in targets:
        # 生命体征检测
        breathing = detect_breathing(target.signal)
        heartbeat = detect_heartbeat(target.signal)
        
        # 微多普勒分析（运动特征）
        motion_features = extract_motion_features(target.signal)
        
        # 机器学习分类
        if breathing or heartbeat:
            # 活体检测
            if target.size < 0.3:  # 小体型
                class_label = 'child'
            else:
                class_label = 'adult'
        else:
            # 非活体
            if target.size > 0.1:
                class_label = 'object'
            else:
                class_label = 'empty'
        
        results.append({
            'range': target.range,
            'class': class_label,
            'vital_signs': {
                'breathing': breathing,
                'heartbeat': heartbeat
            }
        })
    
    return results

多目标分类

挑战： 区分驾驶员 + 乘客 + 后排儿童

解决方案：

• 多波束扫描（覆盖所有座位）
• 3D 成像雷达（高度信息）
• 时序分析（运动轨迹）

供应链动态

雷达供应商

厂商	产品	状态	备注
Infineon	CTRX8188F	✅ 量产	60GHz，CPD 专用
TI	IWR6843AOP	✅ 量产	开发板丰富
Chuhang Tech	CEYEE-60G	✅ CE 认证	中国厂商
NXP	TEF82xx	⚠️ 样品	77GHz，偏 ADAS
Infineon	BGT60ATR24	🚫 停产	已被 CTRX8188F 替代

压力传感器供应商

厂商	产品	状态
TE Connectivity	压力垫	✅ 主流
Bosch	BMA系列	✅ 加速度计方案
Continental	座椅传感器	✅ OEM 集成

融合方案供应商

厂商	方案	特点
ZF LIFETEC	摄像头 + 安全带	2026 量产
Aptiv	雷达 + 摄像头	高端车型
Veoneer	多传感器融合	传统方案

ZF LIFETEC 创新

2026 年新方案

核心创新： 摄像头 + 座椅角度 + 安全带拉出数据

技术要点：

• 摄像头： 面部识别、姿态估计
• 座椅角度： 倾斜位置检测
• 安全带拉出： 乘员体型估计

优势：

• 无需额外雷达（复用 DMS 摄像头）
• 体型估计更准确（安全带拉出量）
• 成本可控

局限：

• 无法检测生命体征（无雷达）
• 婴儿座椅检测依赖视觉

开发建议

方案选择

车型定位	推荐方案	成本	评分
高端（>$50k）	雷达 + 摄像头融合	$50-80	满分
中端（$30-50k）	60GHz 雷达	$25-35	4.5 分
经济（<$30k）	压力传感器 + 算法优化	$10-15	3.0 分

安装位置

雷达：

• 最佳：座椅上方顶棚（覆盖所有座位）
• 备选：B 柱内侧（侧向覆盖）

摄像头：

• 最佳：前排顶棚中央（DMS + OCS 复用）
• 备选：后视镜后方

软件架构

# 融合 OCS 系统
class OccupantClassificationSystem:
    def __init__(self):
        self.radar = RadarOCS()
        self.camera = CameraOCS()
        self.seatbelt = SeatbeltSensor()
        
    def classify(self):
        # 并行采集
        radar_result = self.radar.get_occupants()
        camera_result = self.camera.detect_faces()
        seatbelt_data = self.seatbelt.get_extension()
        
        # 融合决策
        occupants = []
        
        for pos in ['driver', 'passenger', 'rear_left', 'rear_right']:
            # 雷达检测
            radar_presence = radar_result.get(pos, {}).get('presence', False)
            radar_class = radar_result.get(pos, {}).get('class', 'empty')
            
            # 摄像头检测
            camera_face = any(
                f.position == pos for f in camera_result
            )
            
            # 安全带拉出
            belt_ext = seatbelt_data.get(pos, 0)  # cm
            
            # 融合逻辑
            if radar_presence or camera_face:
                # 判断体型
                if belt_ext > 150:  # >150cm 拉出
                    size = 'adult'
                elif belt_ext > 50:
                    size = 'child'
                else:
                    size = radar_class
                
                occupants.append({
                    'position': pos,
                    'class': size,
                    'vital_signs': radar_result.get(pos, {}).get('vital_signs')
                })
        
        return occupants

未来趋势

1. 4D 成像雷达

特点： 高分辨率 + 俯仰角

应用：

• 精确高度测量（区分儿童座椅）
• 多目标分离（后排多儿童）

2. AI 增强分类

趋势： 深度学习替代传统信号处理

效果：

• 分类准确率 +5%
• 误报率 -3%

3. 全座舱感知

目标： 单雷达覆盖所有座位

技术：

• 多波束扫描
• 3D 成像

总结

乘员分类系统正从压力传感器向雷达转型，Euro NCAP 2026 是关键驱动力。对于 IMS 开发：

1. 雷达优先： 60GHz 方案已成熟
2. 融合增强： 摄像头 + 安全带补充
3. 生命体征： 雷达独有优势

推荐优先级： 🔴 高（Euro NCAP 强制要求）

---

参考资源：

• Transpire Insight: Global Top 25 OCS Companies
• Infineon CTRX8188F Datasheet
• Euro NCAP 2026 Protocol