驾驶员状态监测仪（DMS）的核心已不只是“盯着眼睛判疲劳”，而是用摄像头、方向盘转矩传感器和车辆状态做多信号融合判断，在人机共驾中充当安全冗余。
一、DMS的基本链路
功能定位：DMS通过摄像头与传感器判断驾驶员是否走神、疲劳、打瞌睡，并在必要时发出提醒。
工作链路：基本结构可概括为感知、决策、执行，其中最复杂的是感知环节。
感知构成：摄像头是主传感器，同时融合方向盘转矩、车辆状态、麦克风等信息，形成对驾驶员状态的综合判断。
安全价值：智能辅助驾驶普及后，人机共驾需要车辆判断人的状态，DMS由此成为重要的安全冗余。
二、判定方法的技术换代
规则时代：早期方案依靠眼睛闭合时间比例、PERCLOS指标、点头频率、瞳孔和嘴部变化等人工规则判断疲劳。
规则局限：这类方法对戴墨镜等场景适应性有限，促使行业转向数据驱动的算法。
深度学习：AI不再依赖人工总结规则，而是直接对面部、眼球、头部和车辆信号进行分层运算，输出状态判断。
判定维度：真正有效的算法会结合眼睛变化的幅度与频率、眨眼频率、头部体动和嘴部动作，而非只看眼睛大小。
三、主流方案与演进方向
量产硬件：方向盘摄像头配合红外补光，加装转矩传感器监测手部动作，是当前主流组合。
多模态探索：脑电、肌电、皮肤电、心电、呼吸等医疗级监测精度更高，但量产车难以直接采用。
穿戴设备路径：通过智能穿戴设备获取心电、血压、体温，再与车机通讯，是退而求其次的融合思路。
演进目标：在保证安全识别的同时减少对驾驶员的打扰，让DMS从“能报警”走向“报得准、报得少”。