DMS驾驶员监控系统，是手动驾驶人机交互的一部份，即通过在车辆上安装光学摄像头和红外摄像头对驾驶员的面部状态（眼珠追踪、实现追踪等）进行实时获取，通过深度学习算法对获取的信息进行剖析，判定出驾驶员的状态，实现对驾驶员的身分辨识、驾驶员疲劳检测、驾驶员注意力检测以及危险驾驶行为的检测，并进行不同级别的预警。

DMS驾驶员监控系统工作原理

人在疲劳的时侯会出现比较典型的脸部表情或动作特点，例如降低了眨眼持续时间、减缓了眼睛运动、点头、打呵欠等。基于摄像头的驾驶员监控方案正是借助这一点，即先采集到驾驶员在不同疲劳状态下所诠释的表情特点，之后将这种定性的表情特点进行量化，提取出腿部特点点以及特征指标作为判断根据，再结合多次实验数据总结出基于这种参数的辨识方式，最后再输入取得的状态数据进行辨识和判别。

辨识确切率是驾驶员检测系统最核心的指标之一。DMS驾驶员监控系统采用传统算法和深度学习，通过人脸测量与追踪、3D头部建模等核心技术，针对打呵欠、视线偏斜、闭眼、眨眼等多种状态进行辨识，同时通过指令集优化、多线程优化、实时算法调度等高效的工程实现，急剧优化和提高系统响应速率。

据悉，DMS驾驶员监控系统还采用近红外主动成像技术，才能适应各类光源环境，尽管在夜晚、逆光等情况下，也能提供高品质的图象。因为红外光特点可以穿透镜框，被遮挡的面部信息也才能正常成像，挺好地解决了驾驶员墨镜反光问题。

DMS驾驶员监控系统的难点

DMS驾驶员监控系统以车载摄像头拍摄的视频流作为输入，成像质量也会受外界光线干扰，比如三维映射到二维的信息遗失、部分遮挡，光线变化等。DMS驾驶员监控系统算法面临驾驶员状态多变的考验。车辆驾驶员存在不同性别、年龄、种族，可能会穿戴围巾、口罩、眼镜等，驾驶过程中腹部会出现各类姿态，这种复杂状况也会对算法构成很大考验。DMS驾驶员监控系统对人类驾驶员精神状态的测量精准度未能把控。因为对于驾驶员以及成员的生理、心理状态判定行业内没有产生可控函数，因此系统未能做出确切判别。数据采集标明面临极大考验。计算机视觉算法对图象质量有较高要求，车载摄像头成像质量与公开数据集图象质量差别较大，为保证算法疗效车辆自动识别系统，须要用车载摄像头采集真推行车场景下的数据，并对此进行精准标明车辆自动识别系统，这会极大降低数据采集标明难度与成本。

景联文科技提供DMS系统数据解决方案

景联文科技作为一家专业的数据采集标明公司，提出了DMS系统数据解决方案，依托于自身丰富的数据采集标明经验，通过全场景数据库，多样化数据采集标明，一站式解决DMS相关算法的训练数据需求，可以帮助车企减短数据采集和标明周期，有效减少算法模型训练成本，节约大量研制时间和成本。

景联文科技拥有丰富的DMS场景搭建采集经验，可以快速采集标明汽车中全场景条件下的数据，配合广大车企进行DMS相关算法的开发。提供的驾驶员行为数据集有：

《张DMS驾驶员行为训练集》

采集设备：可见光和红外双目摄像头数据规模：张图象，个json文件，段视频，每段视频30秒左右采集环境：车内数据格式：图象数据格式为jpg，标明文件格式为json，视频格式为MP4采集多样性：多年纪段、多时间段、多种行为（疲劳驾驶、着装规范、副驾驶及后座坐椅、未系安全带、抽烟、吃喝、后风挡玻璃置物台、主驾驶防护栏、中控台、故意遮挡镜头、手持手机打电、未超员、中央扶手处、聊陌陌看视频）采集时间：晚上、傍晚和夜里标明说明：对测量对象进行框选标明，所有图片中框选的类型都须要被界定到正确的类型中，不能出现漏标明或类型标明错误的情况确切率：采集数据数目达到协议要求，采集种类和场景不多于双方合同的98%；不遗漏框，不误标框，不多标框，确切率达98%以上；标明分类标签确切度达100%

除此之外，景联文科技有全职采集标明人员和专业的技术团队对采集标明项目进行把控，合作专业租车平台，对采集汽车全部上保险，被采集者本人均签订授权合同书，保证数据采集流程安全合规。

景联文科技｜AI基础数据服务｜数据采集｜数据标明｜假指纹制做｜指纹防伪算法

推动人工智能技术加速数字经济相关产业质量改革，赋能传统产业智能化变革升级