据统计，因驾驶员疲劳驾驶、注意力不集中因素而引发的交通事故占每年交通事故中比例高达 20% ，严重影响人身安全，被人们称为 “高速路上的第二杀手”。为保障自身及他人的人身安全，驾驶员疲劳驾驶监测的应用是非常重要的。今天，就由我来给大家简单的介绍驾驶员监控系统（DMS）的应用。
DMS 驾驶员监控系统是指在行驶过程中利用传感器设备捕捉并分析驾驶员的生物行为信息，对获取信息进行处理，判断驾驶员的生物行为状态是否异常，及时采取措施做出决策（行为异常及时警报提醒驾驶员），并将驾驶员信息存储和上传至云服务器。
图 1. DMS 系统框图
DMS 的主要三大基本功能为：疲劳检测、注意力检测、异常行为检测。随着 DMS 应用的广泛使用，在这三大功能基础上往往还会一些功能的拓展，例如面部身份识别、手势识别等。
图 2. DMS 功能图
DMS 系统主要包括“感知、决策、执行”三大层面：
1、“感知”是指利用传感器设备采集所需要收集的信息，即利用高清摄像头传感器（带红外夜视功能，保证夜间时也可捕捉到驾驶员面部信息）对驾驶员面部信息进行采集，将摄像头传感器采集到的信息交给 CPU、GPU 进行图像处理。确定定位图像中脸部区域关键点，形成相应的驾驶员面部检测模型。
图 3. 观测点检测模型图
基于深度学习的 DMS 技术在获取驾驶员面部信息上具有很大的优势，感知层能获取到更为详细、更精准的物体特征，深度学习一般包括四种类型的神经网络层，输入层、卷积层、池化层、输出层。网络的结构可以十层甚至上百层，一般层数越多检测精度会更精准。并且随着网络层数和节点数的增加，可以更为精准的识别到驾驶员的面部、嘴部、眼部等特征信息。
图 4. 深度学习
而我们大联大世平集团也有做相对应的 DMS 摄像头模组，其具体的方案框图如下所示：
图 5. DMS Camera Module
我们的方案将 OmniVision OV2311 与 Thine THCV241A，搭配使用，整个设计支持 200W 高清像素，支持满分辨率 60 FPS，能更精确的捕捉识别驾驶员面部信息，同时 Sensor 与 Serializer 通过 MIPI 通讯，在硬件设计上，能使得 PCB 设计得更小模组更精小，同时具有更高的数据传输速率，通过 Fakra 接口支持 V-by-One HS 的数字信号协议传输，有效的降低了汽车同轴线成本，且具有更好的 EMI 效果。
2、“决策”是指将所采集到的基础数据进行处理后，根据数据结果及所设定的特定阀值做出相对应的决策即将摄像头所获取到的二维图像通过 3D 点云技术，将图形进行恢复重建为立体图像，实现特征像素的三维坐标的描述，加上深度机器学习技术的运用，更有利于对驾驶员状态检测：嘴巴张合、眼睛闭合、瞳孔的变化、头部低下等信息的捕捉处理，及时判断驾驶员状态是否异常，检测结果是否超出对应阀值。
图 6. 特征像素三维坐标图
3、“执行”是指将“决策”所得出结果执行与之相对应的解决方案，即检查到驾驶员行为状态异常时（嘴巴张开、眼睛经闭、头部底下、眼神侧视等），启动报警装置提醒驾驶员（蜂鸣器响、AI 语音警报等），并将异常信息存储和上传至云服务器。
图 7. 驾驶员疲劳驾驶检测图
图 8. 驾驶员行为异常检测图
通过以下框图，大家可以更直观的了解到整个 DMS 的基础功能检测预警。
图 9. DMS 的基础功能检测预警图
近几年，随着相关政策和法规的确立，DMS 的应用和发展趋势也变得越来越好，DMS 的应用能在极大的程度上减少因“疲劳驾驶”而引发的事故，这能很好都保障驾驶员和他人的人身财产安全，同时还能引申拓展出很多其他的功能，例如：
① 利用驾驶员身份识别，防止车辆被盗和盗后盗窃者身份识别报警；
② 车内录像功能，遇到突发事件时，能紧急记录车内情况；
③ 检测驾驶员面部表情，结合 AI 语音等，控制车内环境（氛围灯、音乐等）；
以上就是本文对 ADAS 应用 —— 驾驶员监控系统（DMS）的介绍，希望本文内容对你有所帮助，谢谢~
附录：参考文献
【1】无人车情报局，四维图新技术解析：基于深度学习的DMS
【2】电子发烧友，深度学习在无人驾驶环境感知中的应用方案
评论