零事故，是汽車電子特別是自動駕駛的終極追求。因此，在ADAS和自動駕駛方案的研發中，很大的筆墨都是圍繞著安全展開的，比如為了在全天候環境中感知行車環境，避免和遠離危險，專門在車輛四周引入了多種傳感器——如視覺攝像頭、毫米波雷達、激光雷達、超聲波雷達等——編織成了一個蠶繭般360°無死角的感知界面，將汽車罩在其中。 但是想要真正“無死角”地應對安全問題，僅有這些位于車輛外部、“向外看”的傳感器還是不夠的，還有需要有一只“向內看”的“眼睛”，從車輛內部對駕駛員進行監測，隨時關注其健康和疲勞狀態——畢竟在還沒有實現完全的自動駕駛之前，駕駛員對于車輛仍有相當的控制權，其駕駛狀態好壞對于行車安全至關重要。 中國交通部統計表明，中國48%的車禍是由駕駛員疲勞駕駛引起；而德國的研究也顯示，在德國境內高速公路上25%導致人員傷亡的交通事故，都與疲勞駕駛相關。因此，Euro-NCAP發布的2025路線圖中，要求從2022年7月開始新車都必須配備駕駛員監測系統（DMS），在中國也已立法對商用車強制裝配DMS系統，乘用車搭載要求也在推進制定中。

圖1：自動駕駛需要傳感器融合（圖片來源：安森美半導體） 這一關乎安全問題的新“剛需”，也帶來了市場新機遇。據佐思汽研的研究數據，2019年中國主動DMS系統的乘用車新車安裝量為10,170套，同比增長174%，而2020第一季度安裝量就達到了5,137套，同比增長360%，而且增長動力來自于價格15-20萬主流車型中的裝配。 面對這樣的大趨勢，對于車企和開發者來說，跟還是不跟以及如何跟進，就成了一個必須回答的問題。

DMS是如何實現的？

DMS一般分為主動式DMS和被動式DMS兩種。被動式DMS是基于方向盤轉向和行駛軌跡等特征來間接判斷駕駛員狀態；而主動式DMS系統一般是直接檢測駕駛員生理體征和行為動作，因此受外界其他因素干擾小，檢測的結果來得更準確，所以已經成為主流的研發方向。 主動式DSM又分為兩種：

生理信號檢測：即通過對駕駛員腦電信號EEG、心電信號ECG等生理指標的測量，反映其疲勞狀態。這種方法雖然準確性高，但需采用“接觸測量”的方式，在駕駛過程中局限性較大。

生理反應檢測：基于攝像頭對駕駛員面部特征變化（如眼部和頭部的運動）進行捕捉和識別，推斷其疲勞狀態，這屬于一種非接觸的檢測方法，對駕駛者干擾少，而且隨著近年圖像處理軟硬件技術的成熟測量的速度和準確性提升了不少，因此已經成為了最具商用可行性的方法，行業內主流的廠商也都是圍繞著這條技術路徑做文章。

所以說，目前我們探討的主動式DMS方案，就是一個典型的視覺識別系統——它通過安裝在駕駛座艙中的攝像頭和近紅外技術采集駕駛員的面部和身體視覺信息；這些數據交給一個計算平臺進行分析和判斷，根據駕駛員眼瞼閉合、眨眼、凝視方向、打哈欠和頭部運動等確定其是否處于疲勞駕駛狀態，在這個計算處理的過程中通常會用到機器學習的方法，通過訓練出的模型去做推理，提升識別的準確性和效率；一旦檢測到有疲勞駕駛的征兆，就會觸發車輛中的燈光、聲音等報警系統，給予駕駛員警示。這樣一來，所有危險或可疑的動作，都逃不過DMS的“法眼”了。

DMS面臨的技術挑戰

可以說，在眾多技術公司的努力下，目前對于實現主動式DMS的技術路徑已經很清晰了，不過在具體的產品和方案研發中，DMS的應用落地仍然面臨諸多挑戰。

首先，基于視覺的DMS方案，最大的技術難點之一就是在強光或弱光狀態下表現，需要確保其在不同環境中能夠持續獲取滿足質量要求的視覺信號。

其次，這個視覺識別系統同樣面臨著由于算力不足，或通信等問題造成的延時問題。

再有，如何提高檢測的準確率，減少誤報，也是一大挑戰，因為如果誤報次數太多，對用戶造成干擾，就會在用戶體驗上得不償失。這方面很大程度上要依賴機器學習過程中大量高質量的數據樣本，以及訓練算法的優化。

最后，在小型化和成本上的要求也必須要重視，因為汽車座艙空間有限，DMS系統不能礙眼礙事。

圍繞著上述這些挑戰的技術攻堅一直在緊鑼密鼓地進行中，也有越來越多的成果呈現在大家眼前。

比如在應對光學挑戰方面，安森美半導體的AR0144 CMOS圖像傳感器就是一個理想的方案。AR0144是一個1/4英寸、1.0M（1280H×800V）分辨率的圖像傳感器，在明亮和微光條件下均不會有偽影，高快門效率和信噪比充分降低重影和噪音干擾，提高了整體圖像品質。由于采用了創新的全局快門設計，AR0144能在靜態和動態場景應用中捕捉準確和快速的影像。加之其靈活多樣的圖像操作模式、緊湊的產品尺寸，它幾乎是為DMS量身定制的。 隨著時間的推移，以及相關安全法規的推動，未來適用于DMS的產品和方案也會越來越多。

從DMS到OMS

如果我們將視野再放大一些，實際上DMS只是汽車座艙主動安全策略的一部分，除了駕駛員監測，未來對于乘客監控系統（OMS）的需求也會成為一個市場亮點。

有消息稱，Euro NCAP將從2022年開始對兒童車內遺留檢測（child presence detection）打分，該功能可以檢測出一個孩子獨自留在車內，并向車主或緊急服務部門發出警報。美國國家公路交通安全管理局（NHTSA）也在制定新規則，強制汽車安裝“預警系統”，以提醒駕駛員檢查后座，避免兒童遺留問題。而這只是OMS應用的典型場景之一 以往的OMS應用比較簡單，常見的就是乘客占位檢測（通過壓力傳感器）以及安全帶佩戴檢測，但是傳統的技術方案比較容易產生誤報，且容易被“欺騙”——比如用一個金屬片插入安全帶插孔，就可以取消報警。 而上文所述的DMS采用的圖像識別系統，完全可以延伸到OMS領域，通過增加專門的針對乘客的攝像頭及其后端的技術處理系統，實現OMS的應用要求。這樣一來，DMS的很多技術沉淀在OMS都可以復用，而且同樣的技術架構也不會增加座艙主動安全系統額外的復雜性。 值得一提的是，視覺方案并不是OMS的唯一選擇，比如有廠商已經將毫米波雷達的方案，引入到后排乘客的監測中。與其他方案相比，毫米波雷達可以提高檢測精度，且可以穿透衣服，避免遮擋問題，并測量各種生物信號（包括呼吸、心率等具體的健康指征），甚至基于一定的機器學習算法，雷達方案還可以提供足夠的精確度來區分成人、嬰兒和寵物。

圖2：座艙主動安全感知應用及方案（圖片來源：安森美半導體）

如何選擇合適方技術方案？

不同方案的競逐，從市場和用戶的角度是個好事，但是對于開發者和廠商來說，也會帶來不少困擾：如何評估各種方案的優劣；如何選擇合適的產品，實現差異化；有哪些可以利用的資源……都是一系列問號。 想要消除這些問號，現在有一個好機會——在“安富利ADAS/自動駕駛主題月”的活動中，將舉辦一期圍繞“駕駛員疲勞檢測系統（DMS）設計及開發”的專場研討會，屆時安富利與合作伙伴的專家，將深入探討DMS等主動駕艙安全技術的發展趨勢、開發難點及應對方案，特別將針對視覺解決方案，做詳細而全面的闡釋。相信通過這一研討會，大家對于如何在ADAS和自動駕駛中，打造一顆“看向座艙內”的智慧之眼，一定能夠有更清晰的認知。

責任編輯：lq