驾驶员监控系统提升安全性

车辆安全系统的效率近年来突飞猛进。大多数驾驶了新车型的人会告诉你，如果没有倒车影像、车道偏离预警、盲点检测和自动制动功能，他们都不知道该怎样开车。

负责欧洲车辆安全评级和测试的机构（NCAP）有一个雄心勃勃的想法。2017年9月，他们发布了“迈向零伤亡愿景（Pursuit of Vision Zero）”的2025年路线图，目标是实现汽车零事故。大家可以想象一下汽车零事故的情景。根据世界卫生组织的数据，每年有130多万人死于交通事故，其中94%是人为失误造成的。

使用ADAS（高级驾驶辅助系统），就有可能实现零事故。汽车制造商正在向2级（L2）自动驾驶迈进，这个级别的自动驾驶可以接管车道居中，提供自适应巡航控制，还可执行自动刹车。这样，驾驶员就可以将手和脚从方向盘和踏板上移开一小会儿。

但是，触目惊心的证据表明，驾驶员使用部分自动驾驶的时间越长，他们就越粗心大意。

现在我们有了DMS

驾驶员注意力监控器也称为驾驶员监控系统（DMS），曾一度被看成是“鸡肋”。现在人们认识到，它们是任何部分自动驾驶车辆的绝对必要配置。当驾驶员心不在焉时，DMS会发现并向他们发出警告。多年来，它已被用于全球商业卡车和运输车队中，以检测并减少与分心相关的车祸事件，让卡车司机安全回到家人身旁，让公司律师无案一身轻。NCAP已将驾驶员监控确定为主要安全功能。自2020年以来，欧洲所有上路的新车都必须达到5星级安全标准。

还没有哪项技术能够确定某个人的思想是否专注于驾驶。但是，技术可以监控人的目光、头部姿势或手的位置，以确保他们的行为与集中注意力进行驾驶的人一致。这种技术到最近一直在迅速发展。图像传感器的灵敏度更高，照明控制成本更低，准确度更高，处理采用的新型数字信号处理芯片利用了人工智能和机器学习技术。

我们发现，让人类驾驶员更安全，要比用技术取代人类驾驶员更容易、更快、更便宜。我们距离SAE 4级或5级自动驾驶可能还有很长一段路要走。

如何实现DMS

驾驶员监控系统（DMS）使用有滤光片的CMOS摄像头，通常具有1至2百万像素的分辨率，安装在方向盘后面或上方靠近中央后视镜的位置（或过去安装车内后视镜的地方）。例如，摄像头的图像传感器可以是安森美具有全局快门的8.467mm AR0135CS，这意味着它可以同时扫描图像的整个区域。这种全局快门还确保了与脉冲光源同步。此款传感器提供并行和串行数据接口，与前一代产品相比暗光性能卓越，暗电流低10倍，快门效率高4倍，并具有720p的高清图像质量。此款传感器还有配套的评估套件。

该系统的一个重要组成部分是驾驶员面部的照明。这是用肉眼看不到的近红外光实现的。使用红外线可以不让驾驶员分心，并有助于消除阳光或路灯等不可预测的外部影响。红外光受太阳镜的遮挡也相对较小。

控制场景照明中使用的LED对这项任务来说至关重要。由于红外光也可能成为安全隐患，因此必须精心选择光照的周期和频率。安森美NCV7694 LED驱动器可以使用单个外部MOSFET驱动红外LED灯串。这款芯片提供全面的人眼安全功能。这个驱动IC的PWM输出进入到MOSFET，产生恒定LED电流。来自图像传感器的FLASH信号输入启动LED驱动输出，控制器确保正确的时间。

该芯片的安全功能可防止红外LED因暴露时间不当或过于频繁地打开而过长时间地运行。此IC还具有电路故障检测和关闭功能，包括完整的ESD保护。故障通过DIAG引脚报告，该引脚可以禁用DC/DC转换器（图1）并向ADAS发出信号。

图1：具有图像传感器和NCV7694近红外安全控制器的

典型设计的系统示意图（图源：安森美）

NCV7694芯片拥有配套的评估/开发工具NCV7694-GEVB（图2），其采用21mm x 21mm板卡的形式，有两个可选择的LED光源：NIR OSRAM SFH4725S或白色CREE XPGBWT-L1-0000-00G51。通过分流电阻器将默认LED峰值电流设置为3A。这个套件仅用于光照评估，不包括图像传感器。

图2：安森美的NCV7694-GEVB安全控制器照明评估板

（图源：安森美）

系统的两个LED光源须以适当的光线照亮相应区域。电灯通常安装在图像传感器的任一侧，所需的光量根据与司机的平均距离计算。

光源的波长通常为850nm或940nm。850nm的波长可能引起光源造成的“红光”效应，人眼将其感知为红光闪烁。在940nm处，不会有红光闪烁。但图像的眩光可能更多一些。例如，OSRAM的SFH 4725AS 940nm NIR LED灯，其在1.5A和3.1V的顺向电压下提供1,350mW/sr的光功率密度。

摄像头图像数据由视觉处理器/DSP评估，或直接在车辆ADAS系统中评估。DMS可以实现的出色功能需要使用人工智能和机器学习技术。如今，几乎所有行业都使用人工智能系统来执行提高效率的任务。在我们的案例中，没有人工智能，DMS实际上寸步难行。人工智能先于机器学习，但机器学习（或深度学习）能让其如虎添翼。

图3：使用2级ADAS，我的汽车几乎可以开车送我回家。

（图源：Have a nice day/Adobe Stock）

成像器/处理器可以“盯着”驾驶员，从眨眼频率到驾驶员目光方向无所不包，甚至可以检测人的眼睛是否睁开。处理器系统得出驾驶员分心或打瞌睡的结论，可用适当的警告信号提醒驾驶员，建议休息。DMS中使用的一些AI处理器是许多公司提供的各种高性能FPGA、DSP和专用ADAS处理器。

软件注意事项

DMS的开发通常需要集成不同的计算机视觉和深度学习组件。机器学习算法是处理更多数据时可以调整自身以获得更高性能的程序（数学和逻辑）。许多公司专门为DMS提供软件开发套件（SDK），Smart Eye AB（瑞典）等一些公司宣称不考虑硬件。PathPartner Technology（加利福尼亚州）等其他公司表示，它们可在一系列汽车级平台上使用，包括ARM、Intel、NXP、AMD、Renesas和Broadcom。

来自Cipia（以色列）的Driver Sense是一款基于软件的驾驶员DMS，适用于OEM和一级供应商，据称可针对处理提供精简硬件要求，并将处理移植到高性价比的低端处理器，同时实现全面合规。Seeing Machines（澳大利亚）提供其FOVIO嵌入式驾驶员监控引擎（e-DME）芯片和软件。该系统目前用于通用汽车的Super Cruise驾驶员辅助功能和新款梅赛德斯奔驰S级和EQS轿车。它具有非常大的驾驶数据集，据说让设计师能够将DMS无缝集成到其ADAS和半自动驾驶系统中。

专注于汽车的微处理器公司还提供带有人工智能（AI）、自动深度学习功能和软件开发工具包的DMS系统开发工具。这些公司通常希望能够更深入地参与车辆的整个ADAS系统。针对特定处理器的汽车级软件包使开发人员能够将其各种算法从开发环境无缝转换到完整实现。

机器学习的“学习”部分意味着这些程序会随着时间的推移而改变它们处理数据的方式。实施机器学习通常从框架开始。标准框架有许多种。仅举几例：Google的TensorFlow、蒙特利尔大学使用NVIDA CUDA的PyTorch、加州大学伯克利分校人工智能实验室的Caffe、纯粹用Python编写的Chainer，以及Microsoft CNTK。它们中的大多数都支持Python和C++编程语言。

几乎所有驾驶员监控系统的设计都需要通过ASIL-A级安全验证。ASIL是Automotive Safety Integrity Level（汽车安全完整性等级）的缩写。这是ISO 26262道路车辆功能安全标准所定义的风险分级系统。ISO 26262确定了A、B、C和D四个ASIL等级。ASIL A代表最低的风险程度。ASIL是一项系统级安全要求，软件和硬件均涵盖在内。

结语

未来的DMS可能超越面部成像和分析，并结合面部识别来保障安全。它将能够识别驾驶者，并自定义座椅位置、后视镜、加热和音乐等车辆设置。它还将防止除车主以外的任何人驾驶车辆。DMS还可集成生物识别传感器，如心率监测器和呼吸酒精测试器，以确保驾驶员应有的警觉性和能力。

在SAE L5级自动驾驶（无需驾驶员）到来之前，您的车辆使用的将是由ADAS和人共同控制的系统。谁来控制？驾驶员无疑要监控自动驾驶系统，而自动驾驶系统也必须要监控驾驶员。