【導讀】車輛安全系統的效率近年來突飛猛進。大多數駕駛了新車型的人會告訴你，如果沒有倒車影像、車道偏離預警、盲點檢測和自動制動功能，他們都不知道該怎樣開車。
圖源：Have a nice day/AdobeStock
車輛安全系統的效率近年來突飛猛進。大多數駕駛了新車型的人會告訴你，如果沒有倒車影像、車道偏離預警、盲點檢測和自動制動功能，他們都不知道該怎樣開車。
負責歐洲車輛安全評級和測試的機構（NCAP）有一個雄心勃勃的想法。2017年9月，他們發布了“邁向零傷亡愿景（Pursuit of Vision Zero）”的2025年路線圖，目標是實現汽車零事故。大家可以想象一下汽車零事故的情景。根據世界衛生組織的數據，每年有130多萬人死于交通事故，其中94%是人為失誤造成的。
使用ADAS（高級駕駛輔助系統），就有可能實現零事故。汽車制造商正在向2級（L2）自動駕駛邁進，這個級別的自動駕駛可以接管車道居中，提供自適應巡航控制，還可執行自動剎車。這樣，駕駛員就可以將手和腳從方向盤和踏板上移開一小會兒。
但是，觸目驚心的證據表明，駕駛員使用部分自動駕駛的時間越長，他們就越粗心大意。
現在我們有了DMS
駕駛員注意力監控器也稱為駕駛員監控系統（DMS），曾一度被看成是“雞肋”。現在人們認識到，它們是任何部分自動駕駛車輛的絕對必要配置。當駕駛員心不在焉時，DMS會發現并向他們發出警告。多年來，它已被用于全球商業卡車和運輸車隊中，以檢測并減少與分心相關的車禍事件，讓卡車司機安全回到家人身旁，讓公司律師無案一身輕。NCAP已將駕駛員監控確定為主要安全功能。自2020年以來，歐洲所有上路的新車都必須達到5星級安全標準。
還沒有哪項技術能夠確定某個人的思想是否專注于駕駛。但是，技術可以監控人的目光、頭部姿勢或手的位置，以確保他們的行為與集中注意力進行駕駛的人一致。這種技術到最近一直在迅速發展。圖像傳感器的靈敏度更高，照明控制成本更低，準確度更高，處理采用的新型數字信號處理芯片利用了人工智能和機器學習技術。
我們發現，讓人類駕駛員更安全，要比用技術取代人類駕駛員更容易、更快、更便宜。我們距離SAE 4級或5級自動駕駛可能還有很長一段路要走。
如何實現DMS
駕駛員監控系統（DMS）使用有濾光片的CMOS攝像頭，通常具有1至2百萬像素的分辨率，安裝在方向盤后面或上方靠近中央后視鏡的位置（或過去安裝車內后視鏡的地方）。例如，攝像頭的圖像傳感器可以是安森美具有全局快門的8.467mm AR0135CS，這意味著它可以同時掃描圖像的整個區域。這種全局快門還確保了與脈沖光源同步。此款傳感器提供并行和串行數據接口，與前一代產品相比暗光性能卓越，暗電流低10倍，快門效率高4倍，并具有720p的高清圖像質量。此款傳感器還有配套的評估套件。
該系統的一個重要組成部分是駕駛員面部的照明。這是用肉眼看不到的近紅外光實現的。使用紅外線可以不讓駕駛員分心，并有助于消除陽光或路燈等不可預測的外部影響。紅外光受太陽鏡的遮擋也相對較小。
控制場景照明中使用的LED對這項任務來說至關重要。由于紅外光也可能成為安全隱患，因此必須精心選擇光照的周期和頻率。安森美NCV7694 LED驅動器可以使用單個外部MOSFET驅動紅外LED燈串。這款芯片提供全面的人眼安全功能。這個驅動IC的PWM輸出進入到MOSFET，產生恒定LED電流。來自圖像傳感器的FLASH信號輸入啟動LED驅動輸出，控制器確保正確的時間。
該芯片的安全功能可防止紅外LED因暴露時間不當或過于頻繁地打開而過長時間地運行。此IC還具有電路故障檢測和關閉功能，包括完整的ESD保護。故障通過DIAG引腳報告，該引腳可以禁用DC/DC轉換器（圖1）并向ADAS發出信號。
圖1：具有圖像傳感器和NCV7694近紅外安全控制器的
典型設計的系統示意圖（圖源：安森美）
NCV7694芯片擁有配套的評估/開發工具NCV7694-GEVB（圖2），其采用21mm x 21mm板卡的形式，有兩個可選擇的LED光源：NIR OSRAM SFH4725S或白色CREE XPGBWT-L1-0000-00G51。通過分流電阻器將默認LED峰值電流設置為3A。這個套件僅用于光照評估，不包括圖像傳感器。
圖2：安森美的NCV7694-GEVB安全控制器照明評估板
（圖源：安森美）
系統的兩個LED光源須以適當的光線照亮相應區域。電燈通常安裝在圖像傳感器的任一側，所需的光量根據與司機的平均距離計算。
光源的波長通常為850nm或940nm。850nm的波長可能引起光源造成的“紅光”效應，人眼將其感知為紅光閃爍。在940nm處，不會有紅光閃爍。但圖像的眩光可能更多一些。例如，OSRAM的SFH 4725AS 940nm NIR LED燈，其在1.5A和3.1V的順向電壓下提供1,350mW/sr的光功率密度。
攝像頭圖像數據由視覺處理器/DSP評估，或直接在車輛ADAS系統中評估。DMS可以實現的出色功能需要使用人工智能和機器學習技術。如今，幾乎所有行業都使用人工智能系統來執行提高效率的任務。在我們的案例中，沒有人工智能，DMS實際上寸步難行。人工智能先于機器學習，但機器學習（或深度學習）能讓其如虎添翼。
圖3：使用2級ADAS，我的汽車幾乎可以開車送我回家。
（圖源：Have a nice day/Adobe Stock）
成像器/處理器可以“盯著”駕駛員，從眨眼頻率到駕駛員目光方向無所不包，甚至可以檢測人的眼睛是否睜開。處理器系統得出駕駛員分心或打瞌睡的結論，可用適當的警告信號提醒駕駛員，建議休息。DMS中使用的一些AI處理器是許多公司提供的各種高性能FPGA、DSP和專用ADAS處理器。
軟件注意事項
DMS的開發通常需要集成不同的計算機視覺和深度學習組件。機器學習算法是處理更多數據時可以調整自身以獲得更高性能的程序（數學和邏輯）。許多公司專門為DMS提供軟件開發套件（SDK），Smart Eye AB（瑞典）等一些公司宣稱不考慮硬件。PathPartner Technology（加利福尼亞州）等其他公司表示，它們可在一系列汽車級平臺上使用，包括ARM、Intel、NXP、AMD、Renesas和Broadcom。
來自Cipia（以色列）的Driver Sense是一款基于軟件的駕駛員DMS，適用于OEM和一級供應商，據稱可針對處理提供精簡硬件要求，并將處理移植到高性價比的低端處理器，同時實現全面合規。Seeing Machines（澳大利亞）提供其FOVIO嵌入式駕駛員監控引擎（e-DME）芯片和軟件。該系統目前用于通用汽車的Super Cruise駕駛員輔助功能和新款梅賽德斯奔馳S級和EQS轎車。它具有非常大的駕駛數據集，據說讓設計師能夠將DMS無縫集成到其ADAS和半自動駕駛系統中。
專注于汽車的微處理器公司還提供帶有人工智能（AI）、自動深度學習功能和軟件開發工具包的DMS系統開發工具。這些公司通常希望能夠更深入地參與車輛的整個ADAS系統。針對特定處理器的汽車級軟件包使開發人員能夠將其各種算法從開發環境無縫轉換到完整實現。
機器學習的“學習”部分意味著這些程序會隨著時間的推移而改變它們處理數據的方式。實施機器學習通常從框架開始。標準框架有許多種。僅舉幾例：Google的TensorFlow、蒙特利爾大學使用NVIDA CUDA的PyTorch、加州大學伯克利分校人工智能實驗室的Caffe、純粹用Python編寫的Chainer，以及Microsoft CNTK。它們中的大多數都支持Python和C++編程語言。
幾乎所有駕駛員監控系統的設計都需要通過ASIL-A級安全驗證。ASIL是Automotive Safety Integrity Level（汽車安全完整性等級）的縮寫。這是ISO 26262道路車輛功能安全標準所定義的風險分級系統。ISO 26262確定了A、B、C和D四個ASIL等級。ASIL A代表最低的風險程度。ASIL是一項系統級安全要求，軟件和硬件均涵蓋在內。
結語
未來的DMS可能超越面部成像和分析，并結合面部識別來保障安全。它將能夠識別駕駛者，并自定義座椅位置、后視鏡、加熱和音樂等車輛設置。它還將防止除車主以外的任何人駕駛車輛。DMS還可集成生物識別傳感器，如心率監測器和呼吸酒精測試器，以確保駕駛員應有的警覺性和能力。
在SAE L5級自動駕駛（無需駕駛員）到來之前，您的車輛使用的將是由ADAS和人共同控制的系統。誰來控制？駕駛員無疑要監控自動駕駛系統，而自動駕駛系統也必須要監控駕駛員。
來源：Mouser
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
