DMS (Drivers Monitor System)为驾驶员监测系统的简称。
本期内容关键词：DMS三种实现方式、实现链路、算法逻辑流程图、落地难点、融合方案
#1 DMS实现方式
DMS技术分为主动式技术和被动式技术。
被动式：基于车辆信息
【监控指标】方向盘扭转力；车道偏离报警系统行车数据；驾驶时长
【优势】成本低；可利用较低级别的ADAS功能
【劣势】误报率高；不具备智能化，无法真正解决安全隐患。
主动式：基于生物传感器
【监控指标】心率，血压，皮电反应，皮肤温度，脑电波等。
【传感器】压力传感器，电容传感器，压电传感器
【优势】适用于任何驾驶环境
【劣势】传感器安置问题，成本高
主动式:基于视觉传感器
【监控指标】眼球追踪，视线检测，驾驶员认证
【传感器】单目摄像头，双目摄像头，红外摄像头
【优势】优势成本较低，技术相对成熟
【劣势】性能受外部环境影响，如光线
主动式DMS的核心功能是疲劳检测，分神检测，危险行为检测，包括吸烟，打电话，饮食等行为。
当检测到这些现象时，车机会给予一定的反馈，比如说声音，语音，安全带收紧，仪表，警报等等。
#2 DMS实现链路
DNS功能的实现主要分为三个环节：感知-决策-执行
感知环节主要涉及到的硬件有摄像头和传感器。经过摄像头传感器进行图像采集后，需要isp图像处理。
决策环节主要涉及芯片部分，通过视频解码和AI算法。发出疲劳信号，分神信号，危险动作信号。
执行环节主要涉及IVI人机交互，这部分主要是车机的反馈。比如，显示屏，音效，安全带震动器，香氛系统等等。
#3 算法逻辑
1. 危险行为检测算法逻辑
危险行为检测主要是对驾驶员手部动作进行采样，从而进行吸烟，饮食，打电话等影响行车安全的行为判断。
危险行为监测算法逻辑如下图
2. 疲劳及分神检测算法逻辑
疲劳检测主要为对驾驶员打哈欠和闭眼行为进行采样。危险行为检测主要对驾驶员手部动作进行采样。
疲劳及分神检测算法逻辑如下图
#4 前装车载DMS量产落地难点
1.技术难点
1）视觉技术
对于强光、弱光的处理：光线强-图像全白；光线弱-图像全黑；车内阴阳脸；隧道/夜间行车光线不足。
2）软件算力
DNS功能需要大量的算力，主流车载计算平台大多只有中低端ARM CPU/GPU算力不足。
3）数据采集和标注
CV算法对图像质量有很高的要求。比如图像的抖动与遮挡、光线的差异等等，都需要大量的数据采集与标注。
4）驾驶员状态
如何量化界定疲劳状态，瞌睡状态是当前面临的一项瓶颈。司机的年龄，性别，种族，配饰以及头部的各种状态等复杂情况都会对算法产生很多挑战。
2.政策限制
在中国乘用车DNS关关政策缺失，缺少相关政策的辅助推广，导致行业发展速度较弱。
3.学术标准缺失
针对于疲劳，打哈欠，分神等状态以及生命体征的监测，主要通过面部特征和视觉进行判断，因此误报率较高，而对于DMS各类监测的判定，目前学术界尚未颁布一套完善的鉴定标准。
＃5 优势互补的融合方案
如果采用单一视觉的方式对驾驶员面部特征进行抓取，这样的判定方式存在误报的现象，目前融合方案是学术界正在研究的方向之一。
融合方案
融合方案=机动车行为特征+驾驶员生理特征+驾驶员面部特征相融合的方案，但对于现阶段来说，如果强制进行融合方案的推广，将会产生大量的硬件成本增加，不利于商业化变现，不利于世界算法企业在垂直应用领域的深度发展。
