车内儿童检测60GHz雷达突破：2025研究进展与Euro NCAP合规路径

车内儿童检测60GHz雷达突破：2025研究进展与Euro NCAP合规路径

来源：ResearchGate (September 2025)
链接：https://www.researchgate.net/publication/397083687_In-Vehicle_Child_Presence_Detection_Using_60GHz_Radar

核心创新

首次系统性验证60GHz雷达在车内儿童检测中的应用：

  • 检测准确率：96.5%
  • 覆盖场景：婴儿座椅/毯子覆盖/极端温度
  • 法规符合：Euro NCAP 2026 CPD要求

技术背景

Euro NCAP 2026 CPD强制要求

检测对象 检测时限 警告方式 得分权重
婴儿（<1岁） 锁车后≤30s 车内蜂鸣+手机推送 5分
儿童（1-12岁） 锁车后≤60s 车内蜂鸣+手机推送 3分
宠物 锁车后≤90s 手机推送 1分

技术路线要求（2025年起）：

  • ✅ 直接感知：雷达/摄像头/超声波
  • ❌ 间接推断：车门开关逻辑/重量传感器/压力传感器

60GHz雷达技术优势

graph LR
    A[60GHz雷达] --> B[穿透性<br/>穿透毛毯/衣物]
    A --> C[隐私性<br/>无图像采集]
    A --> D[全天候<br/>不受光照影响]
    A --> E[低功耗<br/><500mW]

方法详解

硬件架构

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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
class CPD_Radar_System:
    """
    60GHz CPD雷达系统
    
    硬件配置：
    - TI AWRL6844: 60GHz FMCW雷达
    - 4发4收天线阵列
    - 算力: 200MHz DSP
    - 功耗: <500mW
    """
    
    def __init__(self):
        # 雷达参数
        self.freq_band = '60GHz'  # 57-64GHz
        self.bandwidth = 4GHz     # 分辨率 ≈ 4cm
        self.update_rate = 10     # Hz
        self.num_tx = 4
        self.num_rx = 4
        
        # 信号处理链
        self.range_fft_size = 256
        self.doppler_fft_size = 64
        
    def configure_for_cabin(self, cabin_dims):
        """
        根据座舱尺寸配置雷达参数
        
        Args:
            cabin_dims: (length, width, height) in meters
        """
        # 距离范围
        max_range = max(cabin_dims) * 1.2
        self.max_range = max_range
        
        # 距离分辨率
        self.range_resolution = 0.3e9 / (2 * self.bandwidth * 1e9)  # meters
        
        # 速度分辨率（检测呼吸运动）
        self.velocity_resolution = 0.1  # m/s（呼吸约0.3m/s）

信号处理管道

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
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
import numpy as np
from scipy import signal

class CPD_Signal_Processor:
    """
    CPD信号处理器
    
    检测链：
    1. Range-Doppler Map生成
    2. 静态杂波去除
    3. 生命体征提取（呼吸/心跳）
    4. 儿童分类
    """
    
    def __init__(self, num_range_bins=256, num_doppler_bins=64):
        self.num_range_bins = num_range_bins
        self.num_doppler_bins = num_doppler_bins
        
    def process_frame(self, adc_data):
        """
        处理单帧雷达数据
        
        Args:
            adc_data: (num_chirps, num_samples) ADC数据
        
        Returns:
            detection_map: (H, W) 检测热力图
            vital_signs: {'respiration': float, 'heartbeat': float}
        """
        # 1. Range FFT
        range_fft = np.fft.fft(adc_data, n=self.num_range_bins, axis=1)
        
        # 2. Doppler FFT
        rd_map = np.fft.fftshift(
            np.fft.fft(range_fft, n=self.num_doppler_bins, axis=0),
            axes=0
        )
        
        # 3. 静态杂波去除（MTI滤波）
        rd_map_filtered = self._remove_static_clutter(rd_map)
        
        # 4. 提取生命体征
        vital_signs = self._extract_vital_signs(rd_map)
        
        # 5. 生成检测图
        detection_map = np.abs(rd_map_filtered)
        
        return detection_map, vital_signs
    
    def _remove_static_clutter(self, rd_map):
        """
        去除静态杂波（座椅/车内饰）
        
        留下动态信号（呼吸运动）
        """
        # 时域高通滤波
        doppler_axis = 0
        b, a = signal.butter(4, 0.1, 'high')
        filtered = signal.filtfilt(b, a, rd_map, axis=doppler_axis)
        return filtered
    
    def _extract_vital_signs(self, rd_map):
        """
        从RD图提取生命体征
        
        检测：
        - 呼吸频率: 0.2-0.5 Hz (12-30次/分钟)
        - 心跳频率: 1.0-2.0 Hz (60-120次/分钟)
        """
        # 在低速区域寻找峰值
        low_velocity_region = rd_map[
            self.num_doppler_bins//2-5:self.num_doppler_bins//2+5, :
        ]
        
        # 对距离维度积分
        velocity_profile = np.sum(np.abs(low_velocity_region), axis=1)
        
        # 时域FFT得到频率成分
        freq_spectrum = np.fft.fft(velocity_profile)
        freqs = np.fft.fftfreq(len(velocity_profile), d=0.1)  # 100ms间隔
        
        # 寻找呼吸频率
        resp_band = (freqs > 0.2) & (freqs < 0.5)
        resp_freq = freqs[resp_band][np.argmax(np.abs(freq_spectrum[resp_band]))]
        
        # 寻找心跳频率
        heart_band = (freqs > 1.0) & (freqs < 2.0)
        heart_freq = freqs[heart_band][np.argmax(np.abs(freq_spectrum[heart_band]))]
        
        return {
            'respiration': resp_freq * 60,  # 次/分钟
            'heartbeat': heart_freq * 60     # 次/分钟
        }

儿童检测分类器

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
class Child_Classifier:
    """
    儿童存在分类器
    
    区分：
    - 空座
    - 成人
    - 儿童
    - 物体
    """
    
    def __init__(self):
        # 特征阈值（需根据实际标定）
        self.respiration_child_range = (25, 40)  # 次/分钟
        self.respiration_adult_range = (12, 20)
        self.size_child_range = (0.3, 0.6)  # 米（RCS估计）
        
    def classify(self, detection_map, vital_signs):
        """
        分类检测结果
        
        Returns:
            label: 'empty' | 'adult' | 'child' | 'object'
            confidence: 0.0-1.0
        """
        # 1. 检查是否有运动信号
        max_signal = np.max(detection_map)
        if max_signal < self.signal_threshold:
            return 'empty', 0.9
        
        # 2. 提取呼吸特征
        resp_rate = vital_signs['respiration']
        
        # 3. 基于呼吸频率分类
        if self.respiration_child_range[0] <= resp_rate <= self.respiration_child_range[1]:
            return 'child', 0.85
        elif self.respiration_adult_range[0] <= resp_rate <= self.respiration_adult_range[1]:
            return 'adult', 0.90
        else:
            # 异常呼吸或物体
            return 'object', 0.5

实验结果

检测性能（不同场景）

场景 准确率 误检率 漏检率
正常坐姿 98.5% 0.5% 1.0%
毯子覆盖 96.5% 1.5% 2.0%
婴儿座椅（后向） 97.0% 1.0% 2.0%
极端温度（-10°C） 95.0% 2.0% 3.0%
极端温度（50°C） 94.5% 2.5% 3.0%

与其他技术对比

技术 穿透性 隐私 成本 准确率 Euro NCAP推荐
60GHz雷达 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐ 96.5% ⭐⭐⭐⭐⭐
79GHz雷达 ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐ 95.0% ⭐⭐⭐⭐
摄像头 ❌ ⭐⭐ ⭐⭐⭐⭐ 92.0% ⭐⭐⭐
超声波 ⭐⭐⭐ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ 85.0% ⭐⭐
压力传感器 ❌ ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ 70.0% ❌（间接）

覆盖检测测试

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def test_coverage_scenarios():
    """
    覆盖场景测试
    
    验证雷达穿透性
    """
    scenarios = [
        {'name': '毛毯覆盖', 'thickness': '5mm', 'result': 'PASS'},
        {'name': '冬季厚衣', 'thickness': '10mm', 'result': 'PASS'},
        {'name': '婴儿安全毯', 'thickness': '15mm', 'result': 'PASS'},
        {'name': '多层覆盖', 'thickness': '20mm', 'result': 'WARN（衰减）'},
    ]
    
    for s in scenarios:
        print(f"{s['name']}: {s['result']}")

Euro NCAP合规路径

测试场景清单

场景编号 描述 检测要求 验证方法
CPD-01 婴儿座椅-后向 ≤30s 真人/假人测试
CPD-02 儿童座椅-前向 ≤60s 真人/假人测试
CPD-03 儿童单独坐 ≤60s 真人测试
CPD-04 儿童覆盖毯子 ≤60s 真人测试
CPD-05 婴儿睡眠状态 ≤30s 真人测试
CPD-06 宠物（狗） ≤90s 真动物测试

系统架构设计

graph TB
    A[60GHz雷达传感器] --> B[信号预处理DSP]
    B --> C[Range-Doppler Map]
    C --> D[生命体征提取]
    D --> E[儿童分类器]
    E --> F{检测到儿童?}
    F -->|Yes| G[触发警告]
    F -->|No| H[持续监测]
    G --> I[车内蜂鸣]
    G --> J[手机推送]
    G --> K[云通知紧急服务]

集成到车辆网络

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
51
52
53
54
55
56
class CPD_Vehicle_Integration:
    """
    CPD系统集成到车辆网络
    
    接口：
    - CAN/LIN: 接收锁车信号
    - OTA: 云端通知
    - IVI: 信息娱乐显示
    """
    
    def __init__(self):
        self.radar = CPD_Radar_System()
        self.processor = CPD_Signal_Processor()
        self.classifier = Child_Classifier()
        
    def on_vehicle_lock(self, event):
        """
        锁车后启动CPD检测
        
        Euro NCAP要求：
        - 锁车后30秒内完成检测
        - 持续监测10分钟
        """
        import time
        
        start_time = time.time()
        
        # 持续监测10分钟
        while time.time() - start_time < 600:
            # 获取雷达数据
            adc_data = self.radar.acquire_frame()
            
            # 处理
            detection_map, vital_signs = self.processor.process_frame(adc_data)
            
            # 分类
            label, confidence = self.classifier.classify(detection_map, vital_signs)
            
            if label in ['child', 'adult']:
                # 触发警告
                self._trigger_alert(label, confidence)
                break
            
            # 等待下一帧
            time.sleep(0.1)
    
    def _trigger_alert(self, occupant_type, confidence):
        """触发警告"""
        # 1. 车内蜂鸣
        self._activate_buzzer()
        
        # 2. 手机推送
        self._send_mobile_notification(occupant_type, confidence)
        
        # 3. 云端日志
        self._log_to_cloud(occupant_type, confidence)

IMS应用启示

1. 芯片选型

芯片 通道数 功耗 价格 推荐度
TI AWRL6844 4T4R 450mW $15 ⭐⭐⭐⭐⭐
Infineon BGT60TR13C 1T3R 350mW $12 ⭐⭐⭐⭐
TI AWRL6432 2T2R 300mW $10 ⭐⭐⭐（低成本）

2. 天线布局

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
def design_antenna_placement(cabin_dims):
    """
    天线布局设计
    
    目标：覆盖所有座位
    
    方案：
    - 前排顶置：覆盖前排座椅
    - 后排顶置：覆盖后排座椅
    - B柱侧置：补充覆盖
    """
    length, width, height = cabin_dims
    
    # 建议布局
    placements = [
        {'position': (length * 0.3, width / 2, height - 0.1), 'coverage': '前排'},
        {'position': (length * 0.7, width / 2, height - 0.1), 'coverage': '后排'},
    ]
    
    return placements

3. 与DMS融合

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
class DMS_CPD_Fusion:
    """
    DMS + CPD 融合系统
    
    共享硬件：
    - 同一雷达芯片
    - 同一DSP
    """
    
    def __init__(self):
        self.radar = CPD_Radar_System()
        
    def dual_mode_operation(self):
        """
        双模态运行
        
        模式1（驾驶中）：DMS优先
        模式2（锁车后）：CPD优先
        """
        mode = self._get_vehicle_mode()
        
        if mode == 'driving':
            # DMS模式：检测驾驶员疲劳/分心
            return self._run_dms_mode()
        elif mode == 'locked':
            # CPD模式：检测儿童遗留
            return self._run_cpd_mode()
    
    def _run_dms_mode(self):
        """DMS模式实现"""
        # 高速更新（30fps）
        # 关注驾驶员位置
        pass
    
    def _run_cpd_mode(self):
        """CPD模式实现"""
        # 低速更新（10fps）
        # 扫描全座舱
        pass

4. 开发测试矩阵

测试项 方法 通过标准 状态
空座基线 无乘客 无误检 ⬜ 待测
成人检测 成人坐各座位 无误检为儿童 ⬜ 待测
儿童检测 儿童坐各座位 检测率>95% ⬜ 待测
覆盖测试 毛毯覆盖儿童 检测率>90% ⬜ 待测
温度测试 -10°C~50°C 性能稳定 ⬜ 待测

参考文献

  1. Nazri, M. et al. (2025). In-Vehicle Child Presence Detection Using 60GHz Radar. ResearchGate.
  2. Euro NCAP (2026). Safe Driving Occupant Monitoring Protocol v1.1.
  3. TI (2026). AWRL6844 60GHz Radar Technical Reference Manual.

总结： 60GHz雷达是目前最符合Euro NCAP 2026要求的CPD技术方案。建议优先验证极端温度和覆盖场景，然后与DMS系统融合共享硬件。

IMS研究
#CPD #Euro NCAP #雷达
车内儿童检测60GHz雷达突破：2025研究进展与Euro NCAP合规路径
https://dapalm.com/2026/08/03/2026-08-03-in-vehicle-child-presence-detection-60ghz-radar-research-2025/
作者
Mars
发布于
2026年8月3日
许可协议