DSM的判定标准是什么？能否自行优化？

这位博主遇到的，其实是一个目前行业内的痛点问题：DMS判定门槛和标准并非因品牌而异，而是自动驾驶行业共同存在的一个痛点。当前的DMS多以通过单一视觉对驾驶员面部特征抓取以进行判断。通过驾驶员面部特征将眼睛睁闭程度、嘴巴张合程度进行量化指标的分级，从而进行驾驶员疲劳驾驶与分神驾驶的判断。

大家随着下面这段思考一下，开车感到疲劳、困倦时，是不是会出现以下表现：驾驶员疲劳时眨眼频率一般会降低；在疲劳时眼睑闭合时间通常会增加；不经常正视前方，不主动检查后视镜和侧视镜；驾驶员疲劳时瞳孔对光线变化的反应会变慢；驾驶员打瞌睡时头通常会垂得更低，点头动作会增多，而监测摄像头就是通过观察这些细节，来判定驾驶者的疲劳程度。

具体参考一下监测情况：

1．与眼部区域有关的症状：开／闭距离、闭合频率、凝视方向、眼皮运动。闭眼0．8秒触发1级预警，闭眼2秒触发2级预警。检测到驾驶员视线偏移超过1．0秒，会触发报警。检测到戴眼镜／墨镜驾驶员出现疲劳状态，会触发报警。

2．与嘴巴区域有关的症状：开／闭距离，打哈欠频率。检测到打哈欠超过0．8秒，会触发报警。

3．与头部区域有关的症状：点头、左右转动、头部运动。检测到低头超过超过1．0秒，会触发报警。

4．与面部预取有关的症状：不同的表情。通过画面检测功能发现一定范围内的黑屏，会触发报警。

5．与身体姿势有关的症状：喝酒抽烟，调收音机，面向后面，与乘客交谈，打电话，发短信，这些情况都会触发DMS，有可能出现误报。

监测系统是如何进行标定的？

对于脸部检测的过程，又分为人脸定位、人脸识别和人脸跟踪。人脸定位的作用是在图像中通过识别面部特征点以检测人脸并标记出位置；人脸识别的作用是将在新图像中检测到到的面部数据和已储存的数据进行匹配；人脸跟踪的作用是在每帧图像上跟踪之前图像帧里发现的人脸。

对于驾驶员的头部特征，由三个姿态角构成，基于CNN设计头部跟踪系统以图像中脸部区域为输入，通过检测出的面部特征点结合默认的头部模型，可以得到大概的头部姿态。通过进一步跟踪已发现的面部特征和寻找到的更多特征，可以获取更多的数据用以添加到头部模型中，进而更新头部的几何特性。系统运行中，此过程不停的循环，从而以三维姿态角持续输出头部的当前姿态。

对于驾驶员眼神的检测，会利用视线方向来判断驾驶员是否注意力分散。根据之前得到的头部姿态可以推算出大概的视线方向。在瞳孔、角膜能够良好识别的情况下，可以进一步根据普尔钦斑点计算出准确的视线方向。再根据系统内搭建的相关零部件布置数据，就可以知道当前驾驶员的观察目标。结合当前的驾驶行为进而判断驾驶员是否注意力分散。

眨眼检测是判定中，很重要的一部分，根据识别出的人脸和头部姿态进一步识别出眼睛的位置及其状态，主要用于进行疲劳状态和注意力是否分散的计算。其中，利用眼睛开度等信息基于PERCLOS来判断疲劳状态。包括眨眼信息（速率与时差）和眼部信息（开与合）。眼部信息为二分类问题，需要神经网络较小；眨眼信息需要分析过去数帧。

总结

以目前的技术，大多数情况下DMS可以作出准确的判断并提醒车主安全驾驶，但特殊情况下，而对驾驶状态产生误判的DMS系统不仅没有帮助车主驾驶，反而换了一种方式令车主分心，很有可能帮倒忙，一旦有车主因DMS分心而犯错，那后果将不堪设想。因此，DMS识别更加准群、尽快解决技术短板已经是当务之急。

7月28日，小鹏汽车方的刘毅林给出了较为正式的回复，表示经过他和工程师连夜讨论后，小鹏汽车已经在进行数据分析，调整分神扣分策略，减少判定过严导致的扣分。而蔚来方面也连夜成立了研究小组，准备研究这个问题。同时，小鹏汽车还表示，针对行业当中对于不同坐姿，不同的面部特征确实存在一些完善空间，小鹏汽车会尽快进行特征采样，共同解决这一行业难题。

作者丨邹宇源

       原文标题 : 眼睛小就不能用小鹏NGP？驾驶员监测系统为何频频帮倒忙