办公位人体存在感应这件事我从最早的红外PIR方案一路做到现在主流的24GHz毫米波雷达模组中间被甲方和物业投诉过不止一次。最典型的场景是人明明坐在工位上敲代码、看文档、开会身体几乎不动灯却在三分钟后自动灭了人被逼着抬手挥一下才能唤醒系统。这个问题的根源不在算法调参而在传感器本身的物理机制——被动红外测的是温度场变化人一静下来它眼里就没人了。毫米波雷达做人体存在感应恰好绕开了这个死结它测的是微动胸腔随呼吸起伏的那几毫米位移就足够让回波相位发生可检测的变化。再叠加距离维、速度维、角度维的处理就能把有人坐着但不动和房间里空空如也区分开。这套东西落到办公位这种高密度、强遮挡、多人相邻的场景里难点不在能不能测到人而在怎么不误测隔壁工位的人、怎么不被显示器挡住、怎么不被空调气流和绿植晃动带偏。接下来我按自己实际落地过的办公位方案把频段与芯片选型、chirp参数与FFT链路、目标检测与存在判定、多工位部署的串扰问题、以及摄像头与雷达融合时的时空同步一层一层拆开讲。适合正在选型的硬件工程师、写嵌入式算法的朋友也适合只想知道这东西到底靠不靠谱的产品同学。1. 工位感知的物理难点红外、超声波、摄像头各自栽在哪1.1 被动红外对静止人体几乎等于失明被动红外PIR传感器内部是双元或四元热释电晶体前端加菲涅尔透镜把视场分割成若干个明暗交替的探测区。人体作为37度左右的热源在视场里横向移动时两个探测元接收到的红外辐射出现差值这个差值经放大和窗口比较器后输出一个脉冲。关键在于它检测的是热源的空间位移不是热源的存在本身。这就解释了为什么工位场景用PIR特别容易翻车。工程师坐着写代码躯干位移通常只有厘米级而且经常被椅背、显示器、桌面挡板遮住大半。热释电晶体感受到的温差变化趋于零输出自然就掉了。想靠加大菲涅尔透镜密度或者延长延时来救只会把该灭的时候不灭的概率一并拉高。我见过最离谱的一次会议室PIR因为空调出风口周期性扫过冷热气流系统判定有人走动灯整夜没关。从工程角度看PIR的成本确实是所有方案里最低的一颗传感器加运放不到十块钱。但它的能力边界就摆在那里只适合有人走过这种有大动作的走廊、楼梯间场景工位这种长时静止的场合它天生不合适。1.2 超声波和摄像头各自的麻烦超声波测距靠的是声波往返时间和回波强度理论上静止的人也能被看到因为它测的是反射面本身。听起来很美实际部署问题一大堆。超声波的波束特别宽一般有30到60度旁边隔板一个轻微抖动或者有人经过走廊回波就会混进来。更麻烦的是它对温度敏感声速随温度变化约0.6m/s每摄氏度办公室空调一开一关测距基线就飘了不重新标定就会持续误判。多探头一起工作时还有互相干扰的问题得靠分时轮询或者编码调制来错开工程复杂度上去了成本优势也就没了。摄像头方案无论是RGB还是ToF精度和语义能力都最强能做人数统计、姿态识别、工位占用分析。但它有两个我始终绕不过去的坎一是隐私工位是半私密空间员工对头顶有个摄像头一直拍我的接受度普遍很低尤其是涉及绩效和考勤的时候这件事很容易变成内部矛盾二是光照逆光、夜间补光、显示器屏幕反光都会影响检测稳定性单纯为了开关灯去做一套视觉系统性价比不划算。所以我个人的结论是纯工位占用和灯光联动雷达是主力摄像头只在明确需要人数统计和行为分析、且已经解决好合规问题的场合才上而且通常是以融合的形式出现不是单独扛。1.3 毫米波雷达在工位场景里真正能解决什么毫米波雷达用的是电磁波波长短24GHz对应约12.5mm60GHz约5mm对非金属的隔板、玻璃、木质桌面有一定的穿透和绕射能力同时对微动极其敏感。呼吸引起的胸腔位移大约在0.5到5mm之间这个量级相对于波长来说已经能引起明显的回波相位变化所以静止人体在雷达眼里不是没有信号而是有微弱的周期性信号。但要清醒地认识到它的边界。第一金属遮挡是硬伤金属文件柜、金属桌腿、甚至是贴在桌面的金属散热板都会形成强反射甚至完全遮挡。第二人体姿态影响回波强度趴着睡、背对雷达、被厚外套包裹回波会变弱。第三多人环境里多个目标在距离-角度维上如果挨得太近聚类会粘连。第四风扇、窗帘、绿植、打印机进纸、鱼缸增氧泵这些会动的物体都是潜在的误报源必须在算法和安装层面提前处理。把这些边界想清楚再去做方案设计方向才不会跑偏。2. 24GHz 还是 60/77GHz频段、分辨率与成本的三角账2.1 分辨率、穿透和成本之间的取舍毫米波雷达的分辨率由带宽决定距离分辨率公式是 ΔR c / (2B)c 是光速B 是扫频带宽。24GHz 的 ISM 频段可用带宽通常在 250MHz 左右算下来距离分辨率约 0.6m60GHz 频段带宽能到 4GHz 以上距离分辨率约 3.75cm77到81GHz 更宽分辨率可以做到 4cm 以内甚至更好。乍一看好像带宽越大越好但工位场景根本不需要厘米级分辨率。我们要回答的问题是这个工位有没有人不是这个人的手距离桌子几厘米。0.6m 的距离分辨率意味着什么意味着雷达能把雷达正下方1米处的目标和3米外过道上的目标分到不同的距离单元里这对于排除工位外的走动干扰已经足够了。真正让我们头疼的不是距离分辨率而是角度分辨率和多目标区分能力。带宽大还有一个副作用功耗和成本上升。60GHz 和 77GHz 的芯片射频前端更复杂天线阵列要做得更精细整体BOM成本可能是24GHz方案的2到3倍。对于工位照明联动这种海量部署的场景成本是决定能不能规模化的关键。我的选型结论很明确单纯做人体存在感应24GHz 是性价比最优解如果同一个模组还要兼做呼吸心率监测、或者需要在极小空间里区分两个紧挨着的人才考虑上60GHz。频段典型带宽距离分辨率角度分辨率典型模组成本区间工位场景适配度24GHz200-250MHz约0.6m30-60度单发单收低高最适合存在感应60GHz4-7GHz约2-4cm15-30度中高中适合精细姿态77/81GHz4GHz约4cm10-20度多发多收高中适合车规级但过设计2.2 常见SoC与模组该怎么选市面上做24GHz雷达的芯片方案不少英飞凌的 BGT60 系列在消费级里比较常见集成度高、开发资料相对全国内的加特兰、矽典微、清雷等也都有成熟的24GHz 或 60GHz SoC特点是本地化支持好、成本可控很多模组直接给出串口协议固件拿过来就能用。如果项目节奏紧、算法团队人力有限我一般建议先用成品模组跑通场景验证确认方案可行后再考虑自研射频板。选芯片时我重点看四个指标一是发射功率和接收灵敏度决定了最大探测距离和微动检测的可靠度二是是否支持多收多发MIMO这直接影响角度分辨率和工位区分能力三是片上是否带硬件FFT和CFAR加速器有硬件加速的话主控压力能小很多四是固件是否开放原始IQ数据接口这点特别重要因为成品固件往往只输出有人/无人这种黑盒结果一旦现场出现误报你根本没法排查必须能拿到原始数据自己分析。提示选型阶段一定要确认模组能不能导出原始 ADC 采样数据或距离-多普勒矩阵。很多项目后期翻车就翻在这算法调不动、误报查不出最后只能换方案重做。2.3 天线布局和视场角工位到底需不需要点云天线设计决定了雷达的视场角FOV和角度分辨率。单发单收的24GHz模组方位角视场角能到100度以上但角度分辨率很差基本分不清两个相邻目标。要提升角度分辨率就得做多发多收的虚拟阵列代价是天线尺寸变大、算法复杂度上升。工位场景有个特点目标相对固定一个雷达通常只负责一到两个工位。这时候其实不需要很强的角度分辨率只要能确认目标在雷达正下方的小范围内就够了。我实际用的是方位角60到90度、俯仰角40到60度的中等视场角配置装在天花板上向下照射覆盖一个工位加一小圈冗余区。视场角太大的话反而会把走廊和邻座的人带进来增加误判。至于点云做车规4D雷达的朋友可能习惯了密集点云聚类但工位场景里点云数量通常只有几个到十几个做复杂聚类意义不大。我更多是把距离单元上的能量分布和相位时序拿来做判断而不是追求三维点云的形状识别。方案设计要跟着需求走不要被4D成像雷达这种热词带着过设计。3. chirp参数与C FFT链路把原始IQ数据变成有没有人3.1 先把几个关键参数算清楚雷达的第一性问题是配置chirp。假设我们用24GHz、带宽B250MHz、chirp周期Tc50微秒、每帧128个chirp、ADC采样率Fs1MHz。先把几个核心参数算一遍后面调参心里才有底。调频斜率 S B / Tc 250MHz / 50us 5MHz/us。最大不模糊距离由ADC采样率决定最大差拍频率取 Fs/2 500kHz则 R_max c·f_beat / (2S) 3e8 × 500000 / (2 × 5e12) 15m。这个距离对工位来说绰绰有余天花板到地面也就3米左右。距离分辨率 ΔR c / (2B) 3e8 / (2 × 250e6) 0.6m。速度分辨率 Δv λ / (2 × Tc × N_chirp)。24GHz 对应波长 λ 12.5mm代入得 Δv 0.0125 / (2 × 50e-6 × 128) ≈ 0.98 m/s。你看速度分辨率其实很粗但这里有个关键认知呼吸检测不依赖多普勒速度分辨率而是依赖相位。只要目标保持在同一个距离单元里慢时间维上相位的变化就能反映胸腔微动0.1mm 的位移在12.5mm波长下会产生约0.1弧度的相位变化信噪比够的话完全能测出来。还有一个容易被忽略的量帧率。要检测呼吸0.2到0.5Hz帧率至少要 10Hz 以上才能采样出这个低频周期要检测心跳1到1.7Hz帧率最好到20Hz。我一般把帧周期设在50到100ms之间也就是10到20Hz兼顾响应速度和功耗。3.2 C侧FFT链路的工程实现细节拿到原始IQ数据后处理链路是距离维FFT快时间→ 多普勒维FFT慢时间→ 得到距离-多普勒矩阵。距离维FFT把时域的差拍信号变换到距离单元多普勒维FFT在慢时间序列上做用来分离速度。C实现时我一般用 kissfft 或 FFTW前者轻量、适合嵌入式后者性能强、适合PC端调试。下面是我在嵌入式端常用的距离维FFT封装输入是一帧内单个chirp的采样点先做加窗和直流去除#include kiss_fft.h #include vector #include cmath // 对单个chirp做距离维FFT返回复数频谱的幅度 std::vectorfloat rangeFFT(const std::vectorfloat iq_interleaved, int fft_size) { // iq_interleaved: [I0,Q0,I1,Q1,...] 长度 2*fft_size std::vectorkiss_fft_cpx in(fft_size), out(fft_size); // 1. 去直流 汉宁窗抑制零频泄漏和旁瓣 float mean_i 0.f, mean_q 0.f; for (int n 0; n fft_size; n) { mean_i iq_interleaved[2*n]; mean_q iq_interleaved[2*n 1]; } mean_i / fft_size; mean_q / fft_size; for (int n 0; n fft_size; n) { float w 0.5f * (1.f - std::cos(2.f * M_PI * n / (fft_size - 1))); in[n].r (iq_interleaved[2*n] - mean_i) * w; in[n].i (iq_interleaved[2*n 1] - mean_q) * w; } // 2. 执行FFT kiss_fft_cfg cfg kiss_fft_alloc(fft_size, 0, nullptr, nullptr); kiss_fft(cfg, in.data(), out.data()); kiss_fft_free(cfg); // 3. 取模只保留前半段实信号频谱对称 std::vectorfloat mag(fft_size / 2); for (int k 0; k fft_size / 2; k) { mag[k] std::sqrt(out[k].r * out[k].r out[k].i * out[k].i); } return mag; }几个实操细节值得说。第一去直流必须在加窗之前做否则零频附近会拖出一大片泄漏把近距离的强反射掩盖掉。第二窗函数用汉宁窗还是布莱克曼窗要看场景汉宁窗主瓣窄、旁瓣衰减一般适合需要距离精度的场合布莱克曼窗旁瓣压得更低适合强反射和弱目标共存的场合工位场景里金属桌腿是强反射人是弱目标我一般偏布莱克曼。第三FFT点数要和采样点数匹配不够的话要补零补零能改善频谱的插值效果但不会提高真实分辨率。如果要算速度就在慢时间维上再做一次FFT得到距离-多普勒二维谱。实际调试时我会把这个二维谱打印出来看正常人呼吸时在某个距离单元上会出现缓慢的能量起伏而风扇这种周期性运动会在固定速度单元上形成一个亮点两者的特征完全不同很容易区分。3.3 微动与呼吸相位比幅度更值钱很多人一开始只盯幅度谱觉得人动的时候幅度大人不动的时候幅度小然后靠阈值判断。结果就是人一静止判定立刻失效。正确的做法是盯相位。在慢时间维度上取目标所在距离单元的复数值做相位解缠unwrap得到相位随时间变化的曲线。人体呼吸在这个曲线上表现为缓慢的准周期波动用带通滤波0.1到0.6Hz就能提取出来。这里有个坑相位解缠在信号弱的时候容易整圈跳变产生虚假的剧烈位移。解决办法是做相位差分前先做信噪比门限判断低于门限的帧直接丢弃同时做好相位连续性约束。还有一个更隐蔽的坑载波频率偏移和相位噪声会引入缓慢漂移看起来很像呼吸。我一般会在处理前做一次多项式拟合去趋势把低频漂移扣掉只保留呼吸频段的成分。这一步不做长时静坐的人会被误判成周期性运动虽然结论还是有人但如果你要靠呼吸判断睡眠或者健康状态误差就大了。4. 目标检测与存在判定CFAR、聚类和状态机怎么配合4.1 CFAR选型和工位场景的调参恒虚警率检测CFAR是雷达目标检测的经典手段核心思路是用待检测单元周围的参考单元估计噪声底然后按一个系数由虚警概率决定设定门限。工程上常见的有CA-CFAR单元平均、OS-CFAR有序统计、GO/SO-CFAR取大/取小。工位场景有个特点强反射和弱目标会紧挨在一起。金属桌腿、金属桌沿是强反射人坐在这附近时如果用CA-CFAR参考单元里混进了强反射的能量噪声底被抬高人反而被淹没。这时候用SO-CFAR取参考窗中较小的一侧来做平均会好一些它专门用来应对多目标紧邻的情况或者直接用OS-CFAR取排序后某个百分位的值作为噪声估计对离群点更鲁棒。虚警概率 Pfa 一般设在 1e-3 到 1e-6 之间。工位场景我偏向取 Pfa 1e-4 左右门限不至于太松导致频繁误报也不至于太紧导致弱目标漏检。参考窗长度建议覆盖至少2到3个距离单元保护单元1到2个避免强目标能量泄漏到参考窗内。CFAR类型特点适用场景工位适配建议CA-CFAR参考单元平均均匀背景最优环境干净、目标孤立单工位空旷时可用SO-CFAR取小侧平均抗多目标遮蔽强反射紧邻弱目标推荐应对金属桌腿OS-CFAR排序取百分位抗离群杂波复杂、有突发干扰推荐抗偶然强反射GO-CFAR取大侧平均抗边缘杂波目标在杂波边缘一般用不到4.2 点云聚类与工位归属CFAR过完之后会得到一批检测点每个点带距离、速度、角度信息。接下来要把这些点聚成目标。工位场景点数量少DBSCAN这类基于密度的聚类有点重我一般用基于距离阈值的简单连通域聚类把空间上彼此靠近的点归为一类。聚类之后的关键问题是工位归属怎么判断这簇点属于哪个工位做法是在部署阶段给每个雷达划定各自的责任区通常用距离加角度的组合来界定。比如一个雷达装在某工位正上方天花板上责任区设定为正下方0.8到2.5米、方位角正负45度范围内超出这个范围的点直接丢弃。这样邻座的人即使被波束边缘扫到也不会被算进本工位。这里有个实操经验责任区的边界不要卡得太死留一点缓冲带然后用时间上的持续性来过滤偶然穿越。走廊上走过去的人可能在某一帧进入了责任区但只要他不能持续停留超过设定时间就不会被判定为占用。这个持续时间的设计比单纯的空间过滤更鲁棒。4.3 存在状态机从有动静到有人再到离开最终对外输出的是有人/无人中间需要一个状态机来平滑。我常用的状态机有四个状态空闲、活动、静止占用、离开延时。空闲状态下一旦检测到目标能量超过门限直接进入活动状态。活动状态下如果目标持续有位移走动、挥手保持在活动状态如果目标能量还在但位移变小进入静止占用状态此时靠微动和呼吸特征维持判定。静止占用状态下如果微动特征持续存在就一直是有人如果微动特征消失进入一个离开延时状态在延时窗口内如果没重新检测到微动才判定为离开。这个设计的关键是离开延时要给足但也不能太长。给太短人静坐看文档偶尔呼吸变浅就被误判离开灯闪一下给太长人真走了灯还不灭节能效果打折。我实测下来办公室场景的离开延时设 30 到 60 秒比较合适配合呼吸微动检测误关率能压到很低。会议室可以设长一点90 到 120 秒因为会议中大家静坐的时间更长。另外状态切换要加消抖避免门限边缘反复跳跃。我一般用双门限进入门限高、退出门限低加计数器的方式连续N帧满足条件才切换这样输出曲线会平稳很多。5. 多工位部署的串扰与误报现场才会遇到的坑5.1 安装位置、角度和遮挡的实测结论雷达装哪里直接决定成败。我对比过三种安装方式天花板正上方向下照、桌面侧向、以及显示器上方斜向。天花板安装是首选。高度一般2.6到3米向下照射视场能覆盖一个工位。优点是遮挡少、不易被人手触碰、不占桌面空间。缺点是距离远2米以上回波弱对发射功率和接收灵敏度要求高。实测下来天花板安装对静止人体的检测距离能到2.5米左右比较稳定再远就吃力。桌面侧向安装比如夹在挡板边缘距离近、回波强但问题很多容易被书本、水杯、显示器挡住人趴桌子上的时候雷达可能只照到后脑勺姿态敏感度极高。而且桌面有金属物件时反射特别乱。显示器上方斜向安装是个折中距离在0.5到1米之间回波强度好但俯仰角受限容易在人体某个姿态下丢失目标。综合下来我的建议是能装天花板就装天花板装不了才考虑显示器上方桌面侧向尽量别用。安装角度上稍微向下倾斜5到15度让主波束落在人体躯干区域比垂直向下效果更好因为垂直向下测的是头顶头顶呼吸位移的信号比胸腔弱。5.2 相邻工位串扰与多雷达组网办公室工位密集一个雷达的波束很可能扫到邻座。串扰分两种空间串扰波束覆盖重叠和同频干扰多个雷达工作在相邻频点互相打。空间串扰靠责任区划定和角度过滤解决前面说过。但角度分辨率不够的时候单发单收24GHz空间过滤能力有限这时候就要靠距离角度持续时间三重条件叠加。同频干扰更隐蔽。多个24GHz雷达如果频点接近会出现互相的虚假目标或者噪声底抬升。解决手段有两个一是频分给每个雷达分配不同的起始频率或调频斜率让它们的差拍频率落在不同的距离单元上二是时分让相邻雷达分时工作但这对实时性有影响一般不推荐。我实际项目里用的是频分按工位分组错开频点效果不错。还有一种情况是雷达装得太密物理上波束重叠严重再怎么调算法也救不回来。这时候只能从布局上下手比如每隔一个工位装一个用两个工位的联合判定来推断整体占用情况。5.3 误报源排查清单现场调试最耗时间的不是调算法而是找误报源。下面这个清单是我踩过坑之后总结的基本覆盖了办公室场景里的常见干扰。干扰源现象排查与处理空调/风扇气流稳定慢速起伏类似呼吸降低安装高度或调整角度避开出风口窗帘、百叶窗周期性晃动多普勒特征明显责任区角度限制或加装固定绿植、纸张随机小幅晃动提高CFAR门限运动特征过滤打印机/碎纸机突发强反射持续数秒时间持续性过滤短时目标不判定占用鱼缸增氧泵周期性气泡运动距离单元固定可预先屏蔽该单元金属反光桌腿、水杯强回波可能形成虚假静止目标距离单元能量门限静态杂波抑制邻座走动波束边缘扫入责任区划定加持续时间过滤排查方法上我通常是先长时间记录原始数据离线分析频谱特征。每个干扰源在距离-多普勒谱上都有独特的指纹风扇是固定的低多普勒速度窗帘是宽带的随机速度人体的呼吸是很窄的低频带。把数据录下来看一眼基本就能定位。6. 摄像头与雷达的时空同步融合值不值得做6.1 时间同步的几种实现方式如果项目需要人数统计或者行为分析把摄像头和雷达融合起来是常见思路。雷达给出距离、速度、方向摄像头给出类别和视觉确认。融合的第一道坎是时间同步。最粗糙的做法是软件时间戳对齐两边各打自己的时间戳用主机统一时间基准精度取决于系统时钟同步能力一般能到毫秒级。但对融合来说如果目标移动快毫秒级误差会导致空间位置对不上。更好的做法是硬件触发用一个同步信号同时触发摄像头曝光和雷达帧起始这样两边的采样时刻严格对齐。或者退一步用运动事件作为对齐锚点当雷达检测到目标移动、摄像头同时检测到视觉运动用这个共同事件来估计时间偏移做软件补偿。我实际做过的方案里雷达帧周期50ms、摄像头30fps两边时间戳在主机侧统一用单调时钟然后加一个基于互相关的时间偏移估计。这个偏移量在系统启动时校准一次之后定期复校。实测下来对齐误差能控制在一帧以内。6.2 空间标定的实操时间对齐之后是空间标定也就是把雷达坐标系和摄像头坐标系对应起来。雷达输出的是距离和角度极坐标摄像头输出的是像素坐标中间要经过外参标定。常规做法是找一个共同可观测的标定物人站在指定位置或者用角反射器在多个已知位置同时记录雷达坐标和图像像素坐标然后求解变换矩阵。雷达一般给的是二维或三维点摄像头是针孔模型标定过程本质上是一个最小二乘拟合。这里有个实操细节雷达和摄像头的安装位置不同视差会导致近距离目标的位置偏差很大。如果两个传感器装得离得远比如雷达在天花板、摄像头在墙角融合时必须做三维重建二维对齐会出错。所以我一般建议要做紧融合的话两个传感器尽量装得近或者干脆用雷达做区域判定、摄像头做区域内的语义确认避免做精确的点级融合。6.3 融合的收益与代价融合的收益是什么雷达抗遮挡、能测距离和速度、对静止人体有微动检测但给不出类别摄像头能给类别、能做人数统计、能识别姿态但受光照和遮挡影响、有隐私问题。两个叠起来理论上能互补。代价也很实在系统复杂度上升标定维护成本高隐私合规风险要单独评估成本也翻倍。对于只要开关灯的工位场景我觉得融合是过设计。真正需要融合的场合一般是需要统计每个工位实际使用率并出报表这种有精细化运营需求的项目或者需要和门禁、会议室预定系统联动的智能办公场景。要做的话我推荐松耦合雷达负责占用判定摄像头只在有人时偶尔抓一帧做确认或者人数统计不持续录像。这样既拿到了融合的部分收益又把隐私风险和算力开销压下来了。7. 从雷达到照明空调系统集成里的联动策略7.1 通信与协议怎么选单个雷达模组只是一颗传感器要让它真正干活得把数据传出去。常见通信方式有三类串口UART/RS485、无线BLE/Zigbee/WiFi、总线如KNX、DALI。办公位这种场景如果一个房间里有几十个工位用无线组网布点会灵活很多省去走线。但无线有个问题办公环境里2.4GHz频段非常拥挤WiFi、蓝牙、无线鼠标键盘都在抢雷达数据如果走BLE或者Zigbee丢包和延迟要重点评估。我的经验是雷达本地的判定逻辑一定要做在模组侧不要依赖云端网络断了也要能本地工作上报用无线控制指令也走本地优先。如果建筑本身有照明总线DALI或者KNX雷达模组可以直接接进去作为总线上的一个传感器节点这样和照明系统的联动最顺畅。但总线方案的改造门槛高老办公楼不一定支持很多时候还是靠一个网关把无线数据转成总线指令。有线方案RS485稳定性最好抗干扰强适合新装修可以预埋线的项目。选型时按项目实际情况定没有绝对的最优解。7.2 联动策略与防抖节能账怎么算照明联动最简单的逻辑是有人开灯无人关灯。但真做起来要考虑很多东西。第一分区控制。一个大空间不要一刀切按工位分组成若干照明回路每个回路由一组雷达覆盖。有人进入某个区域只开这个区域的灯避免整层楼亮一半。第二延时与渐变。关灯不能瞬间黑人会吓一跳一般加1到2秒的渐变。开灯也要有最小停留时间避免人短暂路过就触发全亮。第三自然光补偿。如果靠窗有自然光白天有人也不一定要全亮可以联动照度传感器只补足差额。这块做得好节能效果能再提一截。第四防抖和去重。多个雷达同时覆盖一个区域时要有仲裁机制避免一个说有人一个说没人导致灯光反复开关。一般用与或者或的逻辑根据场景选。工位这种误关代价高的场景我倾向用或只要有一个雷达判定有人就保持开灯宁可多开一会儿。节能账大概是这样的传统走廊照明24小时常亮装了雷达感应后有人在才亮按每天实际有人8小时算节能率能到60%以上。工位场景因为人员停留时间本来就长节能率会低一些大概在30%到40%但加上空置工位和会议室的自动关灯整体收益还是很可观的。7.3 隐私边界与数据最小化工位是半私密空间这一点在方案设计时必须有意识。雷达虽然不采集图像但它能推断出某工位有人坐着停留多久是否频繁离开这些信息叠加起来其实可以用于考勤分析甚至行为监控。我的做法是数据最小化只输出必要的状态不采集和存储个体行为轨迹。具体来说模组只上报该区域当前是否有人和最近一次状态变化时间不上报原始点云、不上报连续的位置轨迹。数据在本地处理完就丢弃只保留聚合后的占用计数用于统计。如果一定要出现人数统计或者工位使用率报表那也要在制度层面明确告知员工并且做数据脱敏不能和具体个人身份关联。这既是合规要求也是让方案能顺利落地的前提——我见过因为隐私问题被员工投诉而整批拆除的项目技术做得再好也白搭。最后说个我自己的体会。工位雷达方案最容易被低估的环节不是算法而是现场勘察和安装。同样的模组装位置差个半米、角度差个十度效果能差出一大截。我现在的习惯是正式部署前一定先拿两三套样机在目标楼层的真实工位上跑一周把原始数据录下来看看这个环境里到底有哪些周期性干扰、哪些位置有遮挡、邻座串扰有多严重然后再定安装布点方案。多花这一周能省掉后面一个月的返工。另外算法侧一定要留一个调试模式能实时输出距离谱、多普勒谱和检测点云不然出了问题两眼一抹黑全靠猜。