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。
相关文章