Radar-based vision algorithms for in cabin monitoring applications

In recent years, the number of infant deaths being left inside a vehicle has considerably increased, most of them due to careless parents unknowingly leaving the infant locked in the car. Therefore, this thesis aims to put forward a solution preventing this kind of infant deaths by detecting human presence inside the vehicle, especially infants and babies. In other words, a solution based on the installation of a Child Presence Detection (CPD) system inside the vehicle. This preventing system is based on different radar technologies together with the use of Deep Leaning techniques, which use multiple layers to extract relevant features of the data gathered by the radar and produce an alarm if necessary. This consists of an alternative low-cost non-contact implementation by using Doppler and FMCW radars, which can easily be integrated in the car structure while delivering high accuracy measurements and presenting lower power consumption. From the multiple Deep Learning structures that exist, this thesis explores the most interesting ones dealing with this kind of radar data, such as CNN, RNN, R-CNN among many others. The implementation using the 24GHz Doppler radar has been able to perform CPD with a considerably high accuracy considering it is a low-cost solution. On the other hand, the higher bandwidth of the 60GHz FMCW radar, not only has allowed to perform CPD, but it has also been able to localize the different target positions in the car. En los últimos años, el número de niños fallecidos encerrados en vehículos ha incrementado considerablemente; en muchos casos debido al descuido de los padres que han dejado encerrado al bebé accidentalmente. Así pues, esta tesis tiene la intención de ofrecer una solución que prevenga este tipo de muertes mediante la detección de presencia humana dentro del vehículo, especialmente babes i niños. En otras palabras, una solución basada en la instalación de lo que se conoce como un sistema Child Presence Detection (CPD). Este sistema de prevención está basado en diferentes tecnologías radar en conjunto con el uso de técnicas de Deep Learning, que usan múltiples capas para extraer características importantes de los datos obtenidos por el radar, y así poder alarmar en caso de que sea conveniente. Más concretamente, consiste en una alternativa de bajo coste y a distancia mediante el uso de radares Doppler y FMCW, que pueden ser fácilmente integrados en la estructura de vehículo y seguir dando medidas de alta fiabilidad. De las múltiples técnicas de Deep Learning que existen, este trabajo explora las más interesantes y adecuadas para tratar este tipo de datos de radar, como pueden ser las CNN, RNN, R-CNN entre otras. La implementación usando el radar Doppler de 24GHz ha sido capaz de realizar una detección de bebés con una precisión considerablemente elevada, teniendo en cuenta que se trata de una solución de bajo coste. Por otro lado, en lo que se refiere al radar de 60GHz FMCW, no solo ha sido capaz de realizar la detección de niños, sino que también ha logrado localizar su posición dentro del coche. En els darrers anys, el nombre d'infants morts tancats a vehicles ha incrementat considerablement, moltes de les quals per culpa del descuit dels pares que han deixat tancat al nadó sense tenir-ne coneixement. Així doncs, aquesta tesi té la intenció d'oferir una solució que previngui aquest tipus de morts mitjançant la detecció de presencia humana dins el vehicle, especialment nadons i nens. En altres paraules, una solució basada en la instal·lació del que es coneix com a un sistema Child Presence Detection (CPD). Aquest sistema de prevenció està basat en diferents tecnologies radar juntament amb l'ús de tècniques de Deep Learning, que fan servir múltiples capes per a extreure característiques importants de les dades obtingudes amb el radar, i així poder alarmar en cas que sigui convenient. Més concretament, consisteix en una alternativa de baix cost i a distància mitjançant l'ús de radars Doppler i FMCW, que poden ser fàcilment integrats en l'estructura del vehicle i continuar donant mesures d'alta fiabilitat. De les múltiples tècniques de Deep Learning que existeixen, aquest treball explora les més interessants per a tractar aquest tipus de dades, com poden ser les CNN, RNN, R-CNN entre d'altres. La implementació fent servir el radar Doppler de 24GHz ha estat capaç de realitzar una detecció de nadons amb una precisió considerablement elevada tenint en compte que es tracta d'una solució de baix cost. D'altra banda, pel que fa referència al radar de 60GHz FMCW, no tan sols ha estat capaç de dur a terme la detecció d'infants, sinó que també ha aconseguit localitzar la seva posició dins el cotxe.