本技术涉及新能源商用车，尤其涉及一种基于车身域多传感器融合的商用车防窒息方法及系统。
背景技术：
1、随着商用车整车功能的不断完善，在车内长时间休息已成为驾驶者的选择之一，且欧盟gsr 2023法规将于2025年起实施，该法规强制要求车辆配备遗留生命体检测功能。相关技术中，车内防窒息方案依赖单一温度传感器或红外检测，易因环境干扰（如遮阳挡、车窗缝隙）导致漏报（漏报率高达15%）或误报，而新增专用生命检测传感器（如超声波、红外阵列）对商用车成本不友好。
技术实现思路
1、本技术的目的在于提供一种基于车身域多传感器融合的商用车防窒息方法及系统，用于解决相关技术中车内防窒息方案依赖单一温度传感器或红外检测，易因环境干扰导致漏报或误报，而新增专用生命检测传感器对商用车成本不友好的问题。
2、为解决上述技术问题，本技术是采用下述技术方案实现的：
3、一方面，本技术提供一种基于车身域多传感器融合的商用车防窒息方法，包括：
4、响应于车辆熄火或下高压，获取座椅压力传感器采集的人员滞留信号，并根据人员滞留信号判断车内是否有人滞留；
5、若判断车内有人滞留，则获取车身域传感器采集的多源检测信号，其中，所述车身域传感器至少包括：毫米波雷达、adas摄像头、座椅压力传感器、氧气浓度传感器以及二氧化碳浓度传感器；
6、提取所述多源检测信号的生命体征特征；
7、对生命体征特征进行预处理，包括数据对齐和归一化；
8、根据预处理后的生命体征特征，结合医学标准计算得到呼吸频率置信值、压力波动频率置信值、氧浓度置信值以及二氧化碳浓度置信值；
9、将所述呼吸频率置信值、压力波动频率置信值、氧浓度置信值以及二氧化碳浓度置信值输入加权决策模型生成车内人员的生命体征置信度，并通过环境感知动态调整各置信值的权重；
10、根据所述生命体征置信度和预设阙值，确定窒息等级；
11、根据所述窒息等级，执行防窒息措施。
12、可选的，若判断车内有人，则获取车身域传感器采集的多源检测信号，其中，所述车身域传感器至少包括：毫米波雷达、adas摄像头、座椅压力传感器、氧气浓度传感器以及二氧化碳浓度传感器，包括：
13、通过毫米波雷达采集目标的速度、距离、频率偏移量；
14、通过adas摄像头采集图像信息和光照信息；
15、通过座椅压力传感器采集压力波动信息和压力分布信息；
16、通过氧气浓度传感器采集的氧浓度；
17、通过二氧化碳浓度传感器采集的二氧化碳浓度。
18、可选的，所述提取所述多源检测信号的生命体征特征，包括：
19、对于毫米波雷达信号，通过短时傅里叶变换对二维时间-距离多普勒信号数据进行时频变换处理，获取对应的二维时间-多普勒频率信号数据，并消除整体位移干扰；
20、对于adas摄像头信号，对图像序列通过人脸验算法识别车内人员轮廓，以锁定人员胸部区域，对感兴趣区域内像素亮度变化进行时空分析，消除整体位移干扰，提取呼吸微动信号，分析呼吸频率；
21、对于座椅压力传感器信号，对信号结合惯性传感器数据，消除车辆振动干扰，对采集的信号进行20次一组求平均值，识别呼吸基频及频谱特征，通过希尔伯特变换计算压力波动周期和频率；
22、提取氧气浓度传感器信号氧浓度；
23、提取二氧化碳浓度传感器信号的二氧化碳浓度。
24、可选的，所述根据预处理后的生命体征特征，结合医学标准计算得到呼吸频率置信值、压力波动频率置信值、氧气浓度置信值以及二氧化碳浓度置信值，包括：
25、根据以下公式计算得到呼吸频率置信值brnorm，表达式为：
26、
27、
28、
29、式中，cradar为基于雷达探测呼吸频率置信值，cadas为基于adas摄像头探测呼吸频率置信值，α1、α2为置信权重，且α1+α2=1，σnoise为信号标准差，asignal为呼吸信号幅值，snr为信噪比；snrmax为呼吸信号信噪比的峰值；δvibration为车辆振动引入的干扰幅值，δmotion为探测目标的识别运动范围，roisize为感兴趣区域大小，etarget为目标频段信号能量，etotal为0~1hz总能量，lcurren为当前环境光照，loptimal为最佳工作光照；
30、根据以下公式计算得到压力波动频率置信值pnorm，表达式为：
31、
32、式中，aresp为呼吸压力波动幅值，amax为呼吸压力波动最大值，σdrift为基线漂移标准差，δimpact为突发压力变化；
33、根据以下公式计算得到氧气浓度置信值onorm，表达式为：
34、
35、式中，o2current为当前驾驶室内的氧气浓度，o2baseline为医学认定或用户当地的正常氧气浓度范围下限值，o2threshold为窒息风险阈值；
36、根据以下公式计算得到二氧化碳浓度置信值co2norm，表达式为：
37、
38、式中，λ为灵敏度系数，co2current为当前二氧化碳浓度值，co2baseline为医学认定或用户当地的正常co2浓度范围的上限值
39、可选的，将所述呼吸频率置信值、压力波动频率置信值、氧浓度置信值以及二氧化碳浓度置信值输入加权决策模型生成车内人员的生命体征置信度，包括：
40、根据以下公式生成生命体征置信度cs，表达式为：
41、
42、式中，α为呼吸频率权重，β为压力波动频率权重，γ为氧气浓度权重，δ为二氧化碳浓度的反向权重，且α+β+γ+δ=1。
43、可选的，通过环境感知动态调整各置信值的权重，包括：
44、响应于某车身域传感器失效，自动将权重临时设置为0，并基于原权重比例重新归一化剩余权重，得到未失效的车身域传感器对应的当前权重x´的公式为：x´=x/（1-z），式中，x´为未失效的车身域传感器对应的当前权重，x为未失效的车身域传感器对应的原权重，z失效的车身域传感器对应的权重。
45、可选的，所述车身域传感器还包括：大气压力传感器；
46、所述通过环境感知动态调整各置信值的权重，还包括：提取大气压力传感器采集的大气压力特征，并根据所述大气压力特征调整o2baseline和o2threshold，即o2target =(o2partial_pressure_ideal) / pcurrent，其中o2target为目标氧气浓度；o2_partial_pressure_ideal为理想氧分压；pcurrent：当前测量大气压力。
47、可选的，根据所述生命体征置信度和预设阙值，确定窒息等级，包括：
48、将所述生命体征置信度与第一预设阈值、第二预设阈值以及第三预设阈值进行比较，其中，所述第一预设阈值、第二预设阈值以及第三预设阈值依次降低；
49、响应于所述生命体征置信度大于第二预设阈值且小于第一预设阈值，确定所述窒息等级为轻度风险；
50、响应于所述生命体征置信度大于第三预设阈值且小于第二预设阈值，确定所述窒息等级为中度风险；
51、响应于所述生命体征置信度小于第三预设阈值，确定所述窒息等级为高度风险。
52、可选的，响应于所述生命体征置信度大于第二预设阈值且小于第一预设阈值，确定所述窒息等级为轻度风险，执行所述轻度风险对应的防窒息措施包括：音响设备发出提示音；
53、响应于所述生命体征置信度大于第三预设阈值且小于第二预设阈值，确定所述窒息等级为中度风险，执行所述中度风险对应的防窒息措施包括：开启车内声光报警设备，并开启空调外循环模式。
54、响应于所述生命体征置信度小于第三预设阈值，确定所述窒息等级为高度风险，执行所述高度风险对应的防窒息措施包括：开启车窗、车内外声光报警设备，并向与车辆绑定的报警平台发送报警。
55、另一方面，本技术提供基于车身域多传感器融合的商用车的防窒息系统，包括：
56、判断模块，用于响应于车辆熄火或下高压，获取座椅压力传感器采集的人员滞留信号，判断车内是否有人滞留；
57、获取模块，用于若判断车内有人滞留，则获取车身域传感器采集的多源检测信号，其中，所述车身域传感器至少包括：毫米波雷达、adas摄像头、座椅压力传感器、氧气浓度传感器以及二氧化碳浓度传感器；
58、特征提取模块，用于提取所述多源检测信号的生命体征特征；
59、预处理模块，用于对生命体征特征进行预处理，包括数据对齐和归一化；
60、第一计算模块，用于根据预处理后的生命体征特征，结合医学标准计算得到呼吸频率置信值、压力波动频率置信值、氧浓度置信值以及二氧化碳浓度置信值；
61、第二计算模块，用于将所述呼吸频率置信值、压力波动频率置信值、氧浓度置信值以及二氧化碳浓度置信值输入加权决策模型生成车内人员的生命体征置信度，并通过环境感知动态调整各置信值的权重；
62、确定模块，用于根据所述生命体征置信度和预设阙值，确定窒息等级；
63、执行模块，用于根据所述窒息等级，执行防窒息措施。
64、与现有技术相比，本技术所达到的有益效果：本技术通过复用车辆现有传感器资源，采用环境安全态势评估模型与生命体征交叉验证算法，实现车内人员生命体征检测，有效解决单一传感器可靠性不足的问题。在无需增加任何硬件成本的前提下，本技术能够将防窒息监测的漏报率控制在3%以下，显著提升了商用车防窒息系统的可靠性与法规符合性，其中关键性能指标满足欧盟gsr 2023等国际最新安全法规的强制性要求。