DMS (Drivers Monitor System)為駕駛員監測系統的簡稱。

本期內容關鍵詞：DMS三種實現方式、實現鏈路、算法邏輯流程圖、落地難點、融合方案

#1 DMS實現方式

DMS技術分為主動式技術和被動式技術。

被動式：基于車輛信息

【監控指標】方向盤扭轉力；車道偏離報警系統行車數據；駕駛時長

【傳感器】壓力傳感器；方向盤扭轉力傳感器

【優勢】成本低；可利用較低級別的ADAS功能

【劣勢】誤報率高；不具備智能化，無法真正解決安全隱患。

主動式：基于生物傳感器

【監控指標】心率，血壓，皮電反應，皮膚溫度，腦電波等。

【傳感器】壓力傳感器，電容傳感器，壓電傳感器

【優勢】適用于任何駕駛環境

【劣勢】傳感器安置問題，成本高

主動式:基于視覺傳感器

【監控指標】眼球追蹤，視線檢測，駕駛員認證

【傳感器】單目攝像頭，雙目攝像頭，紅外攝像頭

【優勢】優勢成本較低，技術相對成熟

【劣勢】性能受外部環境影響，如光線

主動式DMS的核心功能是疲勞檢測，分神檢測，危險行為檢測，包括吸煙，打電話，飲食等行為。

當檢測到這些現象時，車機會給予一定的反饋，比如說聲音，語音，安全帶收緊，儀表，警報等等。

#2 DMS實現鏈路

DNS功能的實現主要分為三個環節：感知-決策-執行

感知環節主要涉及到的硬件有攝像頭和傳感器。經過攝像頭傳感器進行圖像采集后，需要isp圖像處理。

決策環節主要涉及芯片部分，通過視頻解碼和AI算法。發出疲勞信號，分神信號，危險動作信號。

執行環節主要涉及IVI人機交互，這部分主要是車機的反饋。比如，顯示屏，音效，安全帶震動器，香氛系統等等。

#3 算法邏輯

1. 危險行為檢測算法邏輯

危險行為檢測主要是對駕駛員手部動作進行采樣，從而進行吸煙，飲食，打電話等影響行車安全的行為判斷。

危險行為監測算法邏輯如下圖

2. 疲勞及分神檢測算法邏輯

疲勞檢測主要為對駕駛員打哈欠和閉眼行為進行采樣。危險行為檢測主要對駕駛員手部動作進行采樣。

疲勞及分神檢測算法邏輯如下圖

#4 前裝車載DMS量產落地難點

1.技術難點

1）視覺技術

對于強光、弱光的處理：光線強-圖像全白；光線弱-圖像全黑；車內陰陽臉；隧道/夜間行車光線不足。

2）軟件算力

DNS功能需要大量的算力，主流車載計算平臺大多只有中低端ARM CPU/GPU算力不足。

3）數據采集和標注

CV算法對圖像質量有很高的要求。比如圖像的抖動與遮擋、光線的差異等等，都需要大量的數據采集與標注。

4）駕駛員狀態

如何量化界定疲勞狀態，瞌睡狀態是當前面臨的一項瓶頸。司機的年齡，性別，種族，配飾以及頭部的各種狀態等復雜情況都會對算法產生很多挑戰。

2.政策限制

在中國乘用車DNS關關政策缺失，缺少相關政策的輔助推廣，導致行業發展速度較弱。

3.學術標準缺失

針對于疲勞，打哈欠，分神等狀態以及生命體征的監測，主要通過面部特征和視覺進行判斷，因此誤報率較高，而對于DMS各類監測的判定，目前學術界尚未頒布一套完善的鑒定標準。

＃5 優勢互補的融合方案

如果采用單一視覺的方式對駕駛員面部特征進行抓取，這樣的判定方式存在誤報的現象，目前融合方案是學術界正在研究的方向之一。

融合方案

融合方案=機動車行為特征+駕駛員生理特征+駕駛員面部特征相融合的方案，但對于現階段來說，如果強制進行融合方案的推廣，將會產生大量的硬件成本增加，不利于商業化變現，不利于世界算法企業在垂直應用領域的深度發展。

編輯：何安