本公開涉及智能駕駛，尤其涉及一種車內活體檢測方法及裝置、車輛和存儲介質。

背景技術：

1、隨著科學技術的發(fā)展，車輛在人們日常生活中的使用越來越頻繁。因此，對車輛內部的生命體征進行檢測成為保障人們生命財產安全的重要措施之一。相關技術中，通過在車輛中單獨設置一套完整的硬件系統(tǒng)來檢測車內活體，然而，這種方案所需成本較高，并且對車內活體檢測的準確性較低。

技術實現(xiàn)思路

1、本公開提供一種車內活體檢測方法及裝置、車輛和存儲介質，以至少解決相關技術中車內活體檢測的所需成本較高、檢測的準確性較低的技術問題。本公開的技術方案如下：

2、根據(jù)本公開實施例的第一方面，提供一種車內活體檢測方法，應用于車輛，包括：

3、控制無線通信系統(tǒng)向車輛內部發(fā)射無線射頻信號，得到射頻信號反饋數(shù)據(jù)；

4、控制目標活體檢測模型根據(jù)所述射頻信號反饋數(shù)據(jù)進行活體檢測，得到活體檢測結果，其中，所述目標活體檢測模型根據(jù)射頻信號反饋樣本數(shù)據(jù)集合訓練得到，所述射頻信號反饋樣本數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的射頻信號反饋樣本數(shù)據(jù)。

5、可選的，在所述控制目標活體檢測模型根據(jù)所述射頻信號反饋數(shù)據(jù)進行活體檢測之前，還包括：

6、獲取圖像樣本數(shù)據(jù)集合和射頻信號反饋樣本數(shù)據(jù)集合，其中，所述圖像樣本數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的圖像樣本數(shù)據(jù)，所述圖像樣本數(shù)據(jù)和所述射頻信號反饋樣本數(shù)據(jù)一一對應；

7、根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到滿足訓練條件的目標活體檢測模型。

8、可選的，所述根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到滿足訓練條件的目標活體檢測模型，包括：

9、根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型；

10、采用射頻信號反饋測試數(shù)據(jù)集合對所述訓練后的初始活體檢測模型進行測試，得到所述訓練后的活體檢測模型對應的檢測準確度，其中，所述射頻信號反饋測試數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的射頻信號反饋測試數(shù)據(jù)；

11、若所述檢測準確度低于準確度閾值，則將所述訓練后的活體檢測模型作為初始活體檢測模型重新進行訓練，直至所述檢測準確度不低于所述準確度閾值，得到滿足訓練條件的目標活體檢測模型。

12、可選的，所述根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型，包括：

13、對所述圖像樣本數(shù)據(jù)集合中的至少一個圖像樣本數(shù)據(jù)和所述射頻信號反饋樣本數(shù)據(jù)集合中的至少一個射頻信號反饋樣本數(shù)據(jù)進行標記分類，得到標記分類后的圖像樣本數(shù)據(jù)集合以及標記分類后的射頻信號反饋樣本數(shù)據(jù)集合；

14、根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型。

15、可選的，所述根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練時，采用以下至少一種訓練方式：

16、遷移學習訓練；

17、監(jiān)督學習訓練；

18、蒸餾學習訓練。

19、可選的，所述根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型，包括：

20、根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到圖像訓練后的活體檢測模型；

21、根據(jù)所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對所述圖像訓練后的活體檢測模型進行訓練，得到訓練后的活體檢測模型。

22、根據(jù)本公開實施例的第二方面，提供一種車內活體檢測方法裝置，應用于車輛，包括：

23、信號收發(fā)單元，用于控制無線通信系統(tǒng)向車輛內部發(fā)射無線射頻信號，得到射頻信號反饋數(shù)據(jù)；

24、活體檢測單元，用于控制目標活體檢測模型根據(jù)所述射頻信號反饋數(shù)據(jù)進行活體檢測，得到活體檢測結果，其中，所述目標活體檢測模型根據(jù)射頻信號反饋樣本數(shù)據(jù)集合訓練得到，所述射頻信號反饋樣本數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的射頻信號反饋樣本數(shù)據(jù)。

25、可選的，所述裝置還包括模型訓練單元，用于在所述控制目標活體檢測模型根據(jù)所述射頻信號反饋數(shù)據(jù)進行活體檢測之前，具體用于：

26、獲取圖像樣本數(shù)據(jù)集合和射頻信號反饋樣本數(shù)據(jù)集合，其中，所述圖像樣本數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的圖像樣本數(shù)據(jù)，所述圖像樣本數(shù)據(jù)和所述射頻信號反饋樣本數(shù)據(jù)一一對應；

27、根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到滿足訓練條件的目標活體檢測模型。

28、可選的，所述模型訓練單元用于根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到滿足訓練條件的目標活體檢測模型時，具體用于：

29、根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型；

30、采用射頻信號反饋測試數(shù)據(jù)集合對所述訓練后的初始活體檢測模型進行測試，得到所述訓練后的活體檢測模型對應的檢測準確度，其中，所述射頻信號反饋測試數(shù)據(jù)集合包括所述車輛內部中至少一種場景對應的射頻信號反饋測試數(shù)據(jù)；

31、若所述檢測準確度低于準確度閾值，則將所述訓練后的活體檢測模型作為初始活體檢測模型重新進行訓練，直至所述檢測準確度不低于所述準確度閾值，得到滿足訓練條件的目標活體檢測模型。

32、可選的，所述模型訓練單元用于根據(jù)所述圖像樣本數(shù)據(jù)集合和所述射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型時，具體用于：

33、對所述圖像樣本數(shù)據(jù)集合中的至少一個圖像樣本數(shù)據(jù)和所述射頻信號反饋樣本數(shù)據(jù)集合中的至少一個射頻信號反饋樣本數(shù)據(jù)進行標記分類，得到標記分類后的圖像樣本數(shù)據(jù)集合以及標記分類后的射頻信號反饋樣本數(shù)據(jù)集合；

34、根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型。

35、可選的，所述模型訓練單元用于根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練時，采用以下至少一種訓練方式：

36、遷移學習訓練；

37、監(jiān)督學習訓練；

38、蒸餾學習訓練。

39、可選的，所述模型訓練單元用于根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合和所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到訓練后的活體檢測模型時，具體用于：

40、根據(jù)所述標記分類后的圖像樣本數(shù)據(jù)集合對初始活體檢測模型進行訓練，得到圖像訓練后的活體檢測模型；

41、根據(jù)所述標記分類后的射頻信號反饋樣本數(shù)據(jù)集合對所述圖像訓練后的活體檢測模型進行訓練，得到訓練后的活體檢測模型。

42、根據(jù)本公開實施例的第三方面，提供一種車輛，包括：

43、處理器；

44、用于存儲所述處理器可執(zhí)行指令的存儲器；

45、其中，所述處理器被配置為執(zhí)行所述指令，以實現(xiàn)前述一方面中任一項所述的車內活體檢測方法。

46、根據(jù)本技術的第四方面，提供了一種存儲介質，當所述存儲介質中的指令由車輛的處理器執(zhí)行時，使得車輛能夠執(zhí)行前述一方面中任一項所述的車內活體檢測方法。

47、根據(jù)本技術的第五方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執(zhí)行時實現(xiàn)前述一方面中任一項所述的方法。

48、本公開的實施例提供的技術方案至少帶來以下有益效果：

49、1)通過復用車輛中原有的無線通信系統(tǒng)進行活體檢測，可以無需單獨設置一套完整的硬件系統(tǒng)，可以降低進行車內活體檢測時的成本；

50、2)射頻信號信息豐富，穿透和繞射能力強，可以有效避免障礙物的遮擋進行全座艙無死角識別，可以提高檢測的準確性；

51、3)通過人工智能網(wǎng)絡訓練結合射頻信號實現(xiàn)對活體的檢測，可以實現(xiàn)極高的技術、性能和成本收益。

52、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本公開。