驾驶员监控系统(DMS)技术长期以来一直被置诸高阁，而近来在汽车安全性讨论中才重新引起了人们的关注。
随着技术的逐渐成熟，人们越来越清楚地认识到DMS驾驶员监控系统可以提高车辆行驶安全性，这推动了新法规的制定，提升了新型汽车的安全等级。欧洲议会已更新了其通用安全法规(GSR)，确定了要求安装DMS驾驶员监控系统的车辆类型，欧盟新车安全评鉴协会(NCAP)也正在完善其DMS驾驶员监控系统测试规程。NCAP的五星碰撞评级计划延迟了两年，将于2024年开始测试。
然而，汽车产业还面临一个严峻的事实，就是人们驾驶半自动化车辆的时间越长，就越容易产生疏忽大意，确实，汽车制造商总是将一些花俏的东西吹嘘为先进驾驶辅助系统(ADAS)的安全功能，希望驾驶使用这些功能。但是，过分依赖自动驾驶会导致不安全的行为，而DMS驾驶员监控系统恰好处于这种危机四伏的人机关系之间。
迫在眉睫的问题是，DMS驾驶员监控系统是否可以调解这种陷入困境的关系。
大疆dms系统
DMS驾驶员监控系统的难点
DMS(Driver Monitor System)驾驶员监控系统,主要实现对驾驶员的身份识别、驾驶员疲劳监测、驾驶员注意力监测以及危险驾驶行为的监测功能,。
1.驾驶员监控系统DMS以车载摄像头拍摄的视频流作为输入，面临图像质量多变的挑战。汽车行驶工况复杂，即便摄像头在车内，成像质量也会受外界光线干扰。
2.驾驶员监控系统DMS运行于车载计算平台，面临算力不足的挑战。车载计算平台升级换代较慢，现有的主流平台大多只有中低端ARM CPU/GPU，其算力甚至不如两年前的手机芯片。在这样的平台上运行诸如人脸检测、关键点检测、人脸识别、视线追踪、手势识别等算法，要求资源占用率非常低，对算法有很大考验。
3.数据采集与标注面临很大考验。计算机视觉算法（如基于深度学习的算法）对图像质量有较高要求，同一算法在不同摄像头下性能差异可能会很大。车载摄像头成像质量与公开数据集图像质量差异较大，为保证算法效果需要用车载摄像头采集真实行车场景下的数据，这会极大增加数据采集难度与成本。
4.驾驶员监控系统DMS算法面临驾驶员状态多变的考验。汽车驾驶员有不同性别、年龄、种族，可能会穿戴帽子、口罩、眼镜（包括墨镜），驾驶过程中头部会出现各种姿态，可谓"状态多变"。这些复杂状况同样会对算法构成很大考验。
DMS驾驶员监控系统工作原理
一般来讲，人在疲劳的时候会有比较典型的面部表情或动作特征，如较长的眨眼持续时间、较慢的眼睑运动、点头、打哈欠等。
基于摄像头的驾驶员监测方案正是利用这一点：首先挖掘出人在疲劳状态下的表情特征，然后将这些定性的表情特征进行量化，提取出面部特征点及特征指标作为判断依据，再结合实验数据总结出基于这些参数的识别方法，最后输入获取到的状态数据进行识别和判断。
DMS驾驶员监控系统，它主要通过一个面向驾驶员的红外摄像头来实时监测驾驶员的头部、眼部、面部等细节，然后将获取到的信息数据进行模式识别，进而做出疲劳或分神状态判断。
识别准确率是驾驶员监测系统最核心的指标之一。DMS驾驶员监控系统采用传统算法和深度学习，通过人脸检测与追踪、3D脸部建模等核心技术，针对打哈欠、闭眼、视线偏移等多种状态的综合识别率为95%左右，同时通过指令集优化、多线程优化、实时算法调度等高效的工程实现，系统响应速度得到大幅优化和提升。
另外，DMS驾驶员监控系统采用近红外主动成像技术，能够适应各种光源环境，即便在夜间、逆光等高挑战性光照环境下也能提供高品质的成像质量。此外，由于红外光特性可以穿透墨镜镜片，被遮挡的眼部信息也能够正常成像，很好地解决了驾驶员眼镜反光或佩戴墨镜的问题。
除了算法，使用场景的复杂性是DMS技术的另一个难点。在实际使用中，系统能否在合适的时机给出反馈也会对用户体验产生影响，这不仅对算法检测准确率提出要要求，同时也需要在预警策略的设计上加入更多人性化的考量。
比如，如果系统在检测到视线偏移或低头的情况下就发出预警，但司机可能只是在切换电台的时候不小心扭了下头，这种预警很容易引起驾驶员对系统的反感，甚至可能直接将功能关掉。
所以，在很多实际场景下，系统需要能够判断出司机的真实意图，让系统与驾驶员之间能够通过多次交互建立信任感，这点也尤为重要。
Download:
English 
Chinese