面向智能车辆的非侵入式乘员检测技术综述：从毫米波雷达、视觉、射频到物理传感器的多视角洞察

作者与发表信息 本文由Jawad Yousaf (IEEE高级会员)、Alyssa Palmer、Maitha Shams、Zayna Wasma、Montasir Qasymeh (IEEE高级会员)、Taimur Hassan (IEEE高级会员)、Deepak Arora以及Mohammed Ghazal (IEEE高级会员)共同撰写。所有作者除Deepak Arora来自利瓦学院工程与计算系外，其余均隶属于阿布扎比大学的电气、计算机与生物医学工程系。该综述论文发表于IEEE Sensors Journal期刊，具体为2025年6月1日出版的第25卷第11期。

论文主题与目的 本文是一篇系统性综述论文，主题聚焦于基于毫米波雷达的非侵入式车辆乘员检测技术。随着汽车向更高阶的自动驾驶发展，准确、实时地检测车内乘员的存在、数量、位置乃至生命体征，对于资源管理、乘客安全（如优化安全气囊部署、防止儿童滞留车内）以及发展保护隐私的技术至关重要。传统方法如视觉摄像头面临隐私泄露、光照条件依赖性强等挑战；物理传感器则存在部署限制和可扩展性问题。因此，论文旨在对包括毫米波雷达、视觉传感器、射频传感器以及物理传感器在内的多种非侵入式检测技术进行全面回顾、比较和评估。其核心目标是分析各类技术的优劣，识别当前面临的关键挑战，并指出未来的研究方向，特别是评估调频连续波雷达作为车辆乘员检测最优方案的潜力，以及探索混合传感系统与先进机器学习融合所带来的机遇。

主要观点与论据阐述

第一，毫米波雷达，特别是调频连续波雷达，被确立为车辆乘员检测最具前景的技术方案。 论文通过大量文献分析，论证了FMCW雷达在精度、鲁棒性、实时性、可扩展性以及成本效益之间取得了最佳平衡。其核心优势体现在：1) 高分辨率与环境鲁棒性：能够穿透衣物和轻微遮挡物，探测到心跳、呼吸等微动，且性能不受光照、天气等环境因素影响，有效保护了乘员隐私。2) 技术性能对比：与连续波雷达相比，FMCW能同时测量目标的距离和速度，分辨率更高；与超宽带雷达相比，虽然在绝对距离分辨率上可能稍逊，但其在抗干扰、成本以及更成熟的汽车产业链支持方面具有优势。3) 广泛应用验证：综述中列举的多数高精度检测方案（准确率常高于90%）都基于FMCW雷达实现，例如使用Texas Instruments的AWR系列（77-81 GHz）或IWR系列（60-66 GHz）雷达传感器，配合支持向量机、卷积神经网络等算法，实现了乘员存在检测、分类、姿态估计乃至生命体征监测等多种功能。

第二，不同频段的FMCW雷达（77-81 GHz与60-66 GHz）各有侧重，适用于不同的应用场景。 论文对这两个主流频段的技术特点和应用研究进行了详细梳理和对比。77-81 GHz频段的雷达通常具有更精细的速度分辨率，更有利于运动目标跟踪，且符合汽车行业严格的法规与安全标准（如AEC-Q100, ASIL），是面向量产汽车的理想选择。文献中，Abedi等人利用TI AWR1443雷达，通过预处理（距离FFT、静态杂波滤除）和SVM分类器，实现了超过97%的乘员检测准确率。60-66 GHz频段的雷达则通常拥有更大的带宽（可达7 GHz），从而提供更高的距离分辨率（可达2.1 cm），能更好地区分近距离物体，更适用于需要精确定位和姿势估计的场景，如车内多乘员检测。例如，van Marter等人利用该频段雷达和深度学习模型，实现了车内多乘员检测与分类。论文通过对比表总结指出，选择哪个频段需权衡具体应用对距离分辨率、速度分辨率、成本及合规性的要求。

第三，非雷达传感技术（视觉、射频、物理传感器）在特定条件下具有应用价值，但也存在明显局限性。 论文对这些替代技术进行了客观评述：1) 视觉传感器：包括RGB摄像头、热成像相机等。其优势在于能提供丰富的语义信息（如姿势、身份），但致命弱点包括严重侵犯隐私、在低光照或车窗贴膜情况下性能急剧下降，以及较高的计算开销。例如，有研究尝试用外部热像仪监测隧道中车辆乘员，但准确率仅为73.27%。2) 射频传感器：包括基于Wi-Fi信号感知、专用射频天线等。其优点是非视距探测潜力，但面临天线尺寸大、易受其他射频信号干扰、部署复杂等问题。有研究利用被动Wi-Fi进行乘员计数，精度可达99%，但依赖于环境中的Wi-Fi基础设施。3) 物理传感器：如电容、压力传感垫。它们能直接、高精度地测量接触信息（如坐姿、重心），但最大的问题在于可扩展性差和成本高。为覆盖全车所有座位，需要部署大量传感器，且安装会影响到座椅的安全性和舒适性，难以大规模商业化应用。

第四，确立了一套系统的评估方法论，从五个维度定量与定性相结合地比较各类传感技术。 为了科学地评估不同技术的适用性，论文提出了一个包含五个关键指标的评价框架：1) 鲁棒性：指传感器在多变环境（如杂波、光照、天气、噪声）下的稳定表现。雷达技术在此项得分最高，因其对光照不敏感且能滤除部分环境噪声；视觉传感器最易受环境影响。2) 准确性：基于文献报道的各类技术最高或典型精度进行综合评估。雷达（尤其是FMCW）方案普遍报告了70%-100%的高精度；视觉方案精度范围较宽（68.4%-79.3%）；物理传感器虽可达到近100%，但场景单一。3) 实时性：指系统从数据采集到输出的延迟。这对于防止儿童滞留等安全应用至关重要。雷达和物理传感器数据处理流程相对直接，实时性较好；视觉系统因涉及复杂的图像处理和大型模型推理，计算负担更重。4) 可扩展性：指技术适应不同车型、座位布局和乘员数量的能力。雷达传感器因其非接触、广覆盖的特性，易于扩展到不同车辆环境；物理传感器几乎不具备可扩展性。5) 成本与可行性：包括传感器硬件成本、部署复杂度和是否符合行业法规。FMCW雷达因其成熟的汽车供应链和适中的成本，被评估为最具可行性的方案。

第五，深入剖析了当前车辆乘员检测领域面临的核心挑战与未来机遇。 在挑战方面，论文明确指出：1) 复杂车内环境：包括多径反射、金属表面造成的信号干扰、以及区分乘员与静止物品（如行李）的困难。2) 特殊目标检测：检测婴儿或熟睡的幼儿尤为困难，因为他们的雷达反射截面积小，微动微弱，信号容易被背景噪声和车辆本身振动淹没。3) 实际部署问题：许多研究在实验室理想环境下进行，忽略了车辆行驶中的振动、加速度对生命体征监测的影响，也较少考虑系统的长期能耗和基于微控制器的嵌入式部署可行性。4) 伦理与隐私：尽管雷达比视觉传感器更具隐私保护性，但如何安全地采集、传输和存储心跳、呼吸等生物特征数据，仍需符合严格的数据隐私法规。在未来机遇方面，论文重点展望了：1) 混合/融合传感系统：将毫米波雷达与视觉、红外或其他传感器融合，以互补优势，构建更强大、可靠的检测系统。2) 先进机器学习算法：探索应用基于注意力的神经网络等先进AI模型，以增强对关键雷达信号特征的聚焦能力，同时抑制噪声。3) 新应用场景探索：研究将传感器置于车外或实现穿墙探测等新型部署方式，以拓展应用边界。

论文的意义与价值 本综述论文具有重要的学术价值和行业指导意义。在学术上，它首次对基于毫米波雷达的车辆乘员检测技术进行了系统性的梳理、分类和对比，整合了广泛分布于各个子领域的研究成果，为学术界提供了一个清晰的技术发展全景图和统一的分析框架。文中详尽的文献总结（通过多个对比表格呈现）和基于多维度指标的评价体系，为后续研究者快速把握领域现状、识别研究缺口提供了极大便利。在工程与实践上，论文的结论直接服务于汽车工业界。它有力地论证了FMCW雷达作为下一代智能汽车乘员感知核心传感器的技术优越性和经济可行性，为汽车制造商和一级供应商的技术选型提供了关键决策依据。同时，论文揭示的挑战与机遇指明了未来技术研发的重点方向，将推动产学研各界在传感器融合、算法优化、系统集成和标准化方面展开更深入的合作，最终加速高安全性、高隐私保护性的智能座舱解决方案落地，提升整体道路安全水平。