60GHz雷达CPD儿童检测技术全景解析：2024-2025量产突破与Euro NCAP合规路径

技术背景

儿童遗留检测（Child Presence Detection, CPD）已成为Euro NCAP 2025/2026新车评价规程的核心安全指标。60GHz毫米波雷达凭借穿透性强、隐私友好、全天候工作等优势，成为CPD的主流技术路线。

核心价值：

  • 防止儿童热射病死亡（美国年均38例）
  • 满足Euro NCAP CPD评分要求
  • 符合美国Hot Cars Act法规要求
  • 2025年FCC批准60GHz频段用于座舱监测

技术原理

60GHz雷达优势

特性 60GHz雷达 摄像头 超声波
穿透衣物/毯子 ✅ 强 ❌ 弱 ⚠️ 中等
光照鲁棒性 ✅ 全天候 ❌ 需补光 ✅ 全天候
隐私保护 ✅ 无图像 ❌ 涉及隐私 ✅ 无图像
生命体征检测 ✅ 微多普勒 ❌ 需可见运动 ❌ 不支持
检测距离 ✅ 2-4m ⚠️ 1-3m ❌ <1m

生命体征检测原理

1
2
3
4
5
雷达信号 → 微多普勒分析 → 心跳/呼吸信号提取 → 活体检测
              ↓
        胸壁微动（0.1-0.5mm）
        心跳频率（0.8-2.0Hz）
        呼吸频率（0.1-0.5Hz）

关键技术挑战：

  1. 微弱信号提取：婴儿心跳振幅<0.1mm
  2. 静态人体检测：熟睡儿童几乎无运动
  3. 多目标分离：车内多人场景
  4. 遮挡穿透：毯子、衣物、安全座椅

量产方案对比

1. TI AWRL6844（2025年CES发布）

产品定位： 单芯片三合一（CPD + SBR + IDS）

参数 规格
频率 60GHz (57-64GHz)
天线配置 4Tx / 4Rx（16虚拟通道）
功耗 监测模式<50mW
检测距离 0.2-5m
刷新率 1-10Hz可调
接口 CSI-2 / SPI / UART
封装 10.4mm × 10.4mm BGA

核心优势：

  • 全球首款集成SBR（安全带提醒）的CPD雷达
  • 人工智能追踪算法（可区分婴儿/宠物/物品）
  • 超低功耗，支持常开监测
  • 符合Euro NCAP CPD协议要求

应用场景：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
场景1: 儿童遗留检测
- 驾驶员锁车离开
- 雷达扫描全座舱（3-5秒）
- 检测到微弱呼吸信号
- 触发声光报警 + 手机推送

场景2: 安全带提醒
- 实时监测座椅占用状态
- 检测安全带扣合状态
- 未系安全带警告

场景3: 入侵检测
- 车辆停放时监测
- 检测非法进入
- 触发报警 + 远程通知

2. Infineon XENSIV™ BGT60ATR24C

产品定位： 车规级60GHz雷达芯片

参数 规格
频率 60GHz ISM频段
天线配置 2Tx / 4Rx（8虚拟通道）
功耗 监测模式<100mW
检测距离 0.5-4m
工作温度 -40°C ~ +85°C
认证 AEC-Q100 Grade 2

技术亮点：

  • 多输入多输出（MIMO）波束成形
  • 高精度速度分辨率（<1cm/s）
  • 支持多区域同时监测
  • 可检测覆盖毯子的婴儿

系统架构：

1
2
3
4
5
6
BGT60ATR24C芯片 → MCU/SoC（信号处理） → 车身控制器 → HMI报警
                      ↓
              生命体征算法库（Infineon提供）
              - FFT频谱分析
              - 微多普勒特征提取
              - ML目标分类

3. Valeo Cabin Radar System

产品定位： 一体化座舱监测方案

关键特性：

  • 2-4Tx / 3-4Rx天线阵列
  • 可覆盖全座舱（三排座椅）
  • 支持CPD + OMS融合
  • 已量产应用于欧洲豪华车型

技术路线：

1
2
3
4
5
6
7
8
9
10
方案A: 单雷达（后排监测）
- 1个60GHz雷达安装于车顶
- 覆盖第二排座椅
- 成本$30-50

方案B: 多雷达（全舱监测）
- 3个60GHz雷达分布式部署
- 覆盖所有座椅位置
- 成本$80-120
- Volvo EX90采用此方案

Volvo EX90量产案例

系统配置

全球首款雷达CPD量产车型：

  • 3个60GHz雷达传感器
  • 分布式安装于车顶/座椅
  • 全座舱生命体征监测
  • 与车内摄像头融合

工作流程：

1
2
3
4
5
6
7
8
9
驾驶员下车 → 锁车检测 → 雷达扫描 → 生命体征分析
                                  ↓
                          检测到儿童？
                          ↓          ↓
                          是         否
                          ↓          ↓
                      报警+APP推送   正常锁车
                      车主远程确认
                      5分钟未响应 → 紧急服务通知

Euro NCAP合规性

Euro NCAP CPD测试场景（2025版）：

场景 测试对象 检测时限 通过条件
CPD-01 婴儿模型（0-1岁） ≤90秒 发出听觉+视觉警告
CPD-02 儿童模型（1-4岁） ≤90秒 发出听觉+视觉警告
CPD-03 覆盖毯子的儿童 ≤90秒 发出听觉+视觉警告
CPD-04 熟睡儿童（微弱呼吸） ≤90秒 发出听觉+视觉警告
CPD-05 儿童座椅（后向） ≤90秒 发出听觉+视觉警告

Volvo EX90实测表现：

  • 检测时间：15-45秒（优于Euro NCAP要求）
  • 覆盖毯子检测：成功率>95%
  • 熟睡儿童检测：成功率>90%
  • 误报率：<0.1%

技术难点与解决方案

难点1: 微弱呼吸信号检测

问题：

  • 婴儿胸壁位移<0.1mm
  • 雷达信号极其微弱
  • 环境噪声干扰大

解决方案：

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
# 微多普勒信号增强算法
def enhance_vital_signs(radar_data):
    """
    提取微弱生命体征信号
    
    步骤：
    1. 多普勒滤波（去除静态背景）
    2. FFT频谱分析（提取呼吸/心跳频率）
    3. 自适应阈值（动态检测）
    4. 时序平滑（去除噪声）
    """
    # 1. 去除静态背景
    background = np.mean(radar_data, axis=0)
    signal = radar_data - background
    
    # 2. FFT频谱分析
    fft_result = np.fft.fft(signal, axis=0)
    freqs = np.fft.fftfreq(len(signal))
    
    # 3. 提取呼吸频段（0.1-0.5Hz）
    breath_band = (freqs >= 0.1) & (freqs <= 0.5)
    breath_signal = np.abs(fft_result[breath_band])
    
    # 4. 提取心跳频段（0.8-2.0Hz）
    heart_band = (freqs >= 0.8) & (freqs <= 2.0)
    heart_signal = np.abs(fft_result[heart_band])
    
    return breath_signal, heart_signal

难点2: 多目标分离

问题：

  • 车内可能有多个乘员
  • 需区分儿童/成人/宠物
  • 雷达分辨率有限

解决方案：

  • 波束成形：电子扫描多区域
  • 距离-多普勒图：区分不同距离/速度的目标
  • 机器学习分类：训练儿童/成人/宠物特征模型
1
2
3
雷达数据 → CFAR检测 → 点云聚类 → 特征提取 → ML分类
                                              ↓
                                    儿童/成人/宠物概率

难点3: 遮挡穿透

问题：

  • 儿童可能被毯子覆盖
  • 安全座椅遮挡严重
  • 衣物材质影响穿透

解决方案：

  • 60GHz穿透性强（相比77GHz）
  • 多角度波束扫描
  • 深度学习补偿算法

实测数据：

遮挡物 穿透损耗 检测成功率
薄毯子 -3dB >98%
厚棉被 -8dB >92%
安全座椅塑料 -5dB >95%
多层衣物 -10dB >85%

IMS开发启示

1. 算法架构建议

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
class CPDDetector:
    """儿童遗留检测系统"""
    
    def __init__(self, radar_config):
        self.radar = RadarSensor(radar_config)
        self.vital_signs_extractor = VitalSignsExtractor()
        self.classifier = ChildPresenceClassifier()
        
    def detect(self, frame):
        """
        CPD检测主流程
        
        Args:
            frame: 雷达帧数据 (samples × chirps)
            
        Returns:
            detection: {
                'has_child': bool,
                'confidence': float,
                'position': (x, y, z),
                'vital_signs': {'breath_rate': float, 'heart_rate': float}
            }
        """
        # 1. 信号预处理
        range_doppler = self.compute_range_doppler(frame)
        
        # 2. 目标检测
        targets = self.detect_targets(range_doppler)
        
        # 3. 生命体征提取
        for target in targets:
            vital_signs = self.vital_signs_extractor.extract(target)
            target['vital_signs'] = vital_signs
        
        # 4. 分类判断
        results = self.classifier.classify(targets)
        
        return results
    
    def compute_range_doppler(self, frame):
        """计算距离-多普勒图"""
        # Fast-time FFT (range)
        range_fft = np.fft.fft(frame, axis=0)
        # Slow-time FFT (doppler)
        range_doppler = np.fft.fft(range_fft, axis=1)
        return np.abs(range_doppler)

2. 部署优化建议

硬件选型：

平台 推荐方案 理由
高通QCS8255 TI AWRL6844 + Hexagon DSP 已有雷达接口，DSP并行加速
TI TDA4VM Infineon BGT60 + C7x DSP 边缘AI优化，低功耗
英伟达Orin 自研算法 + GPU加速 高算力，多传感器融合

算法优化：

  • 量化：INT8量化，精度损失<2%
  • 剪枝：去除冗余权重，模型压缩50%
  • 部署：DSP/GPU异构计算，实时性<50ms

3. 测试验证建议

测试数据集构建：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
数据集结构：
├── 正样本（儿童）
│   ├── 婴儿（0-1岁）: 500+ 场景
│   ├── 幼儿（1-4岁）: 500+ 场景
│   └── 覆盖毯子: 300+ 场景
├── 负样本（非儿童）
│   ├── 空座舱: 200+ 场景
│   ├── 成人: 200+ 场景
│   ├── 宠物: 200+ 场景
│   └── 物品: 200+ 场景
└── 干扰场景
    ├── 光照变化: 100+ 场景
    ├── 温度变化: 100+ 场景
    └── 振动干扰: 100+ 场景

测试指标：

指标 Euro NCAP要求 IMS目标
检测时间 ≤90秒 ≤60秒
检测准确率 ≥90% ≥95%
误报率 <5% <1%
覆盖毯子检测 支持 支持
熟睡儿童检测 支持 支持

市场趋势预测

市场规模

ABI Research预测：

  • 2025年：全球CPD雷达出货量100万颗
  • 2030年：全球CPD雷达出货量350万颗
  • CAGR：>30%

驱动力：

  1. Euro NCAP 2025强制要求
  2. 美国Hot Cars Act法规落地
  3. FCC 60GHz频段开放
  4. 消费者安全意识提升

竞争格局

厂商 产品 优势 客户
TI AWRL6844 三合一，成本优 欧洲OEM
Infineon BGT60ATR24C 车规级，可靠性 德国OEM
Valeo Cabin Radar 一体化方案 欧洲豪华品牌
Novelic CPD方案 与Infineon合作 新兴车企

总结

60GHz雷达CPD技术已进入量产爆发期，2025年将成为Euro NCAP合规关键年。对于IMS开发团队：

技术优先级：

  1. 高优先级：生命体征检测算法、儿童/成人分类模型
  2. 中优先级：多雷达融合、与OMS联动
  3. 低优先级：入侵检测、远程监控

开发路线图：

  • Q3 2025：完成算法原型，验证检测准确率>95%
  • Q4 2025：集成TI/Infineon雷达，完成实车测试
  • Q1 2026：量产导入，支持Euro NCAP 2026车型认证

参考资源：

本文系统梳理了60GHz雷达CPD技术路线，为IMS团队提供量产级技术参考。

https://dapalm.com/2026/08/02/2026-08-02-60ghz-radar-cpd-technology-review-2024-2025/
作者
Mars
发布于
2026年8月2日
许可协议