4、传感器技术：摄像头、毫米波雷达、红外热成像、压力传感器等用于乘员监测的传感器原理与选型

乘员监测系统（OMS）的感知层是整个功能链路的起点，其数据质量直接决定了儿童遗留检测（CPD）、乘客状态分类和安全提醒的准确性与可靠性。在工程实践中，没有任何单一传感器能够同时满足全场景、全天候、高精度的监测需求，因此主流方案均采用多传感器融合架构。本章将深入剖析摄像头、毫米波雷达、红外热成像、压力传感器四类核心传感器的工作原理、关键性能指标、选型依据及融合策略，帮助工程师建立从物理原理到工程落地的完整认知。

4.1 摄像头传感器：视觉感知的核心

4.1.1 工作原理与关键参数

车载OMS摄像头通常采用CMOS图像传感器，利用光电效应将光学信号转换为电信号。与行车记录仪用摄像头不同，OMS摄像头需要在近红外（NIR，850nm/940nm）波段具备高灵敏度，以支持夜间或暗光环境下的补光成像。其核心工作原理是：镜头将座舱内场景聚焦到CMOS感光阵列上，每个像素点完成光电转换后，通过列并行ADC将模拟信号数字化，再经ISP（图像信号处理器）完成去马赛克、白平衡、降噪、宽动态（HDR）合成等处理，最终输出YUV或RAW格式图像。

选型时需重点关注以下指标：

• 分辨率与帧率：1MP（1280×720）已可满足人脸检测与姿态估计需求，2MP（1920×1080）可提升小目标（如婴儿手指）识别率。帧率建议≥15fps，过低会导致快速动作拖影。
• 视场角（FOV）：水平FOV需覆盖主驾至后排乘客区域，典型值为90°-120°。过大的FOV会引入畸变，需配合畸变校正算法。
• 动态范围（HDR）：座舱内存在逆光（车窗强光）与暗部（座椅底部）并存的场景，动态范围需≥100dB，否则会出现过曝或死黑。
• 近红外灵敏度：在无可见光环境下，需依靠LED补光（850nm/940nm），因此传感器QE（量子效率）在NIR波段应≥30%。

4.1.2 判断方法与操作流程

在工程选型阶段，建议按以下流程进行摄像头方案验证：

1. 场景采集：在实车上安装候选摄像头，覆盖白天强逆光、夜间无光、黄昏侧光、地下车库等典型场景，采集不少于48小时的视频数据。
2. 图像质量评估：使用Imatest或自研工具分析MTF（调制传递函数）、信噪比（SNR）、色彩还原度。重点关注座椅纹理、人脸边缘的清晰度。
3. 算法适配测试：将采集数据输入目标检测算法（如YOLO系列、SSD），统计mAP（平均精度均值）和召回率。若检测率低于95%，需调整摄像头安装角度或更换镜头。
4. 环境可靠性测试：进行-40℃~85℃温度循环测试、振动测试（随机振动10-500Hz）、UV老化测试，确保图像质量不因环境变化而劣化。

4.1.3 案例拆解：夜间儿童遗留检测的摄像头调优

背景与约束：某车型在夜间儿童遗留检测测试中，发现后排儿童座椅上的婴儿在无补光条件下完全不可见。原方案采用940nm LED补光，但婴儿被毛毯覆盖，仅露出面部，图像信噪比极低。

分析过程：通过分析RAW图像发现，940nm波段下CMOS响应率仅为850nm的60%，且毛毯织物对940nm光吸收较强。进一步测试表明，850nm补光虽在可见光下呈微弱红光，但可穿透薄织物，且传感器响应率提升40%。

操作步骤：① 将补光LED从940nm更换为850nm，并增加扩散片使光照均匀；② 调整ISP参数，将曝光时间从10ms延长至20ms，增益从6dB提升至12dB；③ 开启2D降噪和时域降噪，抑制暗光噪声。

结果对比：更换后，婴儿面部区域的SNR从12dB提升至28dB，算法检测置信度从0.55提升至0.92，漏检率从15%降至0.5%。

风险与代价：850nm补光在夜间可能被驾驶员察觉为微弱红光，需通过遮光罩和安装角度优化避免干扰驾驶。此外，延长曝光时间在车辆行驶颠簸时可能产生运动模糊，需结合陀螺仪数据进行电子防抖。

4.2 毫米波雷达：穿透感知与生命体征检测

4.2.1 工作原理与关键参数

毫米波雷达通过发射调频连续波（FMCW）信号，利用多普勒效应检测目标的距离、速度和微动特征。在OMS应用中，60GHz频段因其波长（约5mm）对呼吸引起的胸廓起伏（0.1-1mm）敏感，且天线尺寸小、易于集成，成为主流选择。雷达发射信号经目标反射后，接收信号与发射信号混频得到中频信号，通过FFT（快速傅里叶变换）提取距离-多普勒谱，进而识别微动特征。

选型关键指标包括：

• 距离分辨率：ΔR = c/(2B)，其中B为扫频带宽。60GHz雷达带宽可达4GHz，距离分辨率约3.75cm，足以区分前后排乘客。
• 微动灵敏度：需能检测到0.1mm/s级别的微动速度，对应呼吸引起的胸廓运动。这要求雷达的相位噪声≤-90dBc/Hz@100kHz。
• 视场范围：水平FOV≥100°，垂直FOV≥60°，以覆盖整个座舱。
• 穿透能力：需能穿透座椅织物、衣物、婴儿毯等非金属材料，但对金属物体（如座椅骨架）会产生强反射，需通过算法滤除。

4.2.2 判断方法与操作流程

毫米波雷达的选型验证需关注以下流程：

1. 静态目标检测测试：在车内放置静态假人，验证雷达能否稳定检测到目标存在，并输出距离和角度信息。
2. 呼吸/心跳检测测试：让测试人员坐在座椅上正常呼吸，采集雷达回波数据，通过FFT分析呼吸频率（0.2-0.5Hz）和心跳频率（1-1.7Hz）的谱峰。
3. 遮挡测试：用不同厚度织物（毛巾、毛毯、羽绒服）覆盖目标，验证雷达的穿透检测能力。
4. 多目标区分测试：在前后排同时坐人，验证雷达能否区分不同位置的目标，避免串扰。

4.2.3 实战场景：雷达与摄像头融合的儿童遗留判定

场景描述：某车型在夏季高温测试中，摄像头检测到后排儿童座椅上有目标，但无法确认是儿童还是遗留的背包。此时雷达的微动检测功能发挥作用。

关键数据：雷达检测到目标区域存在0.3Hz的周期性微动信号，幅度约0.5mm，符合儿童呼吸特征。同时，热成像传感器显示该区域温度比环境高2.3℃，进一步确认存在生命体。

融合决策：系统综合摄像头（视觉确认目标形状）、雷达（呼吸信号）、热成像（温度差异）三路数据，判定为儿童遗留，触发三级报警（车内蜂鸣→手机APP推送→紧急呼叫）。

复盘经验：单一传感器存在误判风险，摄像头可能被遮挡，雷达可能受金属干扰，热成像可能受阳光直射影响。三传感器融合将误报率从单摄像头的8%降至0.1%以下。

4.3 红外热成像与压力传感器：互补的感知维度

4.3.1 红外热成像原理与选型

红外热成像传感器利用非制冷微测辐射热计（Microbolometer）探测8-14μm长波红外辐射，将温度分布转换为灰度图像。其核心优势在于完全不受可见光影响，在全黑环境下仍能清晰呈现人体轮廓和温度分布。选型时需关注：

• 分辨率：80×60像素可检测人体存在，160×120像素可识别坐姿，320×240像素可进行面部温度测量。OMS通常选用160×120以上分辨率。
• NETD（噪声等效温差）：≤50mK，确保能分辨0.05℃的温差，这对检测呼吸引起的鼻部温度变化至关重要。
• 测温精度：±1℃以内，用于区分人体（36-37℃）与车内环境（夏季可达60℃）。

4.3.2 压力传感器原理与选型

压力传感器通常集成在座椅坐垫下方，采用压阻式或电容式原理。压阻式传感器通过惠斯通电桥将压力转换为电阻变化，电容式则通过极板间距变化改变电容值。在OMS中，压力传感器主要用于：

• 乘员存在检测：通过压力分布判断座椅是否有人，以及乘员体重范围。
• 坐姿分类：通过压力分布模式区分成人、儿童、儿童座椅（含婴儿提篮）。
• 安全带提醒：结合安全带锁扣信号，判断乘员是否系好安全带。

选型时需关注量程（0-100kg）、精度（±0.5%FS）、迟滞（≤1%FS）、工作温度（-40℃~85℃）以及长期稳定性（漂移≤0.1%/年）。

4.3.3 对比分析：四类传感器特性总览

4.3.4 常见误区与总结复盘

正确的选型策略应以功能安全目标为导向：儿童遗留检测（CPD）需要雷达+热成像+摄像头三重确认；乘客状态分类需要摄像头+压力传感器；安全带提醒则依赖压力传感器+锁扣信号。通过合理的传感器组合，既能控制成本，又能实现冗余设计，满足ASIL-B功能安全等级要求。

最后，所有传感器在装车后必须进行整车级标定，包括摄像头内外参标定、雷达安装角度校准、压力传感器零点校准、热成像温度偏移校正。标定数据应存储在非易失性存储器中，并在车辆每次上电时进行自检，确保传感器处于正常工作状态。