从不同角度来审视驾驶员状态监测

　　在微信群里做了一些交流，这里再把这个问题细致的整理一下。我们从几个方面来审视驾驶员状态监测：

　　1）现有系统部署情况：主要分直接监测和间接监测，还有各种数据的融合推测，还有一些可穿戴的办法

　　2）识别系统的方法：可以从驾驶行为、驾驶风格、车辆特性、环境条件等综合分析，也可以通过生理因素、外部表情和感情因素去推断。

　　3）未来的智能驾驶中DM的作用：这里主要是研究整个DM在未来的切换驾驶的重要作用。

　　现有的系统分几种：

　　A）直接监测，主要是由红外摄像头所实现的，由Denso开发在丰田的Lexus和Hino大车上用的，其系统架构如图：

　　一台NIR的红外传感器+Package在一起的处理器

　　DM控制器主要含图像识别技术=》面部图像进行分析处理，检测面部轮廓以及眼鼻口等部位的位置=》根据这些部位的位置关系来判断面部朝向=》在注意力不集中的状态？

　　根据驾驶员眼睑的开度以及眨眼等动作的频率=》处在瞌睡状态？

　　衡量困倦和注意力 =》直接监测了实时参数，如闭眼速度，头部方向

　　测量压力和情绪状态=》监控心跳变化

　　安全性和个性化：可以在原来的DM基础上衍生更多的内容，如驾驶员身份识别or手势识别等，从而开拓更多的商业模式

　　在图像里面使用NIR红外照明单眼可以在不同的光照条件下维持均衡的性能。

　　坏处：

　　摄像头和红外LED的布置是很大的困难，因为面对驾驶员，很容易给注意到

　　成本偏高

　　某些用户担心给监测到

　　B）间接监测

　　我在看佐思的图里面【1】，不解为什么德国DM的部署率这么高，后来仔细分析其方法发现德国厂家是这么做的。

　　疲劳识别系统是一个具有支持和预防功能：

　　能根据驾驶员的转向动作，检测出驾驶员的疲劳程度，

　　会评估与驾驶情况有关的数据（车速、油门踏板的使用、方向灯的使用、当前时间、驾驶时间等）

　　驾驶员使用和设定的舒适系统（空调、电话等）的情况

　　核心参数为转向角或转向角速度

　　如驾驶员精力集中，在驾驶过程中可以观察到连续的轻微逆转向动作

　　使车辆克服路面不平并将车辆保持在正确的路线上

　　如一定时间内没有逆转向动作，然后突然检测到很明显的逆转向动作=》驾驶员注意力正在下降

　　这种行为越频繁，指标值越大

　　为了更好的做这个，Ford和MIT做了更多参数的融合提取，这个有点类似综合信息评估做深度学习了，这里也可以利用前向的LDWS的摄像头来采集外部环境，而不仅仅从角速度传感器来做推断了。

　　其实本质上来说，未来DM将会是对用户的HMI的一次革新，通过对驾驶员行为的分析和状态监测，来更好的理解驾驶员和车辆的行为。

　　未来来说，DM可以做到：

　　身份识别&防盗启动

　　个人Profile载入

　　驾驶行为推荐和校正

　　基于使用保险（UBI）

　　增强型语音和手势识别（HMI）

　　视频电话

　　小结：

　　1）我相信一堆互联网公司通过行车记录仪是第一步，后面为了分析车内和车外的数据，行车记录仪就变成了互联网公司送给车主的一个大玩具来记录信息和数据，然后由互联网公司玩数据分析

　　2）随着数据采集、分析数据还有AI的流行，很多行业内的暗知识在大量数据下浮现出来了，这是IT和大数据分析必然的事情，你在乎不在乎，靠有限数据模型和个体积累的模式势必赶不上这种大量数据记录和分析，只是需要更多的数据分析专家罢了

　　3）汽车工程师俱乐部群的构建如下

　　参考文件

　　1）2014年10月 《全球及中国汽车ADAS行业研究》下