駕駛員視線識別技術(shù)研究

關(guān)鍵詞：駕駛員視線識別；計算機(jī)視覺；智能座艙；產(chǎn)業(yè)生態(tài)；標(biāo)準(zhǔn)體系中圖分類號：U471.3 收稿日期：2025-04-10 DOI： 10.19999/j.cnki.1004-0226.2025.06.004

Abstract：Withthecontiuousadvancementofcomputervisiontechnologyandsmartcarcabins，drivergazerecognitiontechnolo gyhasecomeanindispensablecomponentinhumandrivingproceses.Thispaperthoroughlyexplores theiterativeevolutionofdriver gazerecognitiontechnologyfromtraditionalcomputervisionmethodstodeepleaing-drivennewparadigms.Itystematicallyutlines keyplayersacrosstheupstreamnddownstreamsgmentsofterentindustryhainongwithteirladingcompaesinestigates relevantdomesticandinterationalstandardsandframeworksasellastestingandcertificationprocesses.Thestudysimultaneously summarizescurrnttechnicalchalengesandfuturedevelopmentrendsindrivergazerecognitiontechnologyResearchconcusionscan provide theoreticalreferences for subsequent smartcabin technologyupgrades and industry standard establishment.

KeyWords：Drivergaze recognition;Computer vision;Deep learning;Industrial ecosystem;Standard system

1前言

隨著智能網(wǎng)聯(lián)與計算機(jī)視覺技術(shù)的不斷發(fā)展，駕駛員視線識別技術(shù)在汽車智能座艙中得到了廣泛的應(yīng)用。此技術(shù)通過攝像頭識別人臉并計算人臉關(guān)鍵點(diǎn)，確定出駕駛員視線方向，實(shí)時監(jiān)測駕駛員的行為狀態(tài)和視線方向，判斷駕駛員是否處于視線分心的駕駛狀態(tài)，并及時對分心駕駛員進(jìn)行提醒，避免發(fā)生交通事故。本文將從視線識別的算法、成熟的設(shè)備、標(biāo)準(zhǔn)與測試技術(shù)等方面綜合分析駕駛員視線識別技術(shù)，旨在為駕駛員視線識別方向提供參考。

2核心算法與技術(shù)路徑

2.1傳統(tǒng)計算機(jī)視覺方法

基于幾何特征的算法1：通過提取眼球關(guān)鍵點(diǎn)來構(gòu)建視線方向模型。通過定位瞳孔中心，借助眼瞼輪廓，可以大致地推算出眼球的轉(zhuǎn)動方向。如用高精度圖像處理算法，在不同的條件下準(zhǔn)確地識別到瞳孔邊緣，為視線方向估計提供關(guān)鍵數(shù)據(jù)。

HOG+SVM方法：方向梯度直方圖（HOG）能夠精準(zhǔn)地捕捉到眼部區(qū)域細(xì)微的紋理變化（圖1），再將得到的特征數(shù)據(jù)輸入至支持向量機(jī)（SVM）分類器，借此對駕駛員注視區(qū)域進(jìn)行有效地分類。

3D頭部姿態(tài)估計：采用先進(jìn)的FaceAlignmentNet-work[3]（FAN）系統(tǒng)，精確捕獲頭部姿態(tài)（圖2），與已知的眼球相對模型相結(jié)合，模擬出三維空間從而推算視線方向。這一方法著重考慮了頭部轉(zhuǎn)動對視線的影響，提高了視線方向估計的準(zhǔn)確性，能更好地捕捉到復(fù)雜行駛環(huán)境下，駕駛員頭部頻繁活動的情況。

主動紅外成像：在暗光環(huán)境下，常規(guī)攝像頭難以捕獲到駕駛員面部特征，借助紅外技術(shù)可以有效地緩解這一狀況，通過近紅外光可以有效地讀取到眼部的信息。以Tobii的眼動儀方案為例，其以近紅外光源布局與高靈敏度傳感器組合，確保能在夜間或低光照條件中也可以準(zhǔn)確地追蹤到駕駛員的視線。

2.2深度學(xué)習(xí)驅(qū)動的新范式

端到端視線估計主要借助于如ResNet[4]、Eficient-Net[5等（圖3、圖4）卷積神經(jīng)網(wǎng)絡(luò)工具（CNN），通過其強(qiáng)大的圖像特征自動提取能力，只需將眼部的圖像輸入到網(wǎng)絡(luò)中，模型就可以自動地學(xué)習(xí)眼部外觀與視線方向的映射，最終以屏幕坐標(biāo)形式輸出出來。如GazeNet、iTracker等模型，經(jīng)過大量的駕駛場景中眼部圖像的相關(guān)數(shù)據(jù)，在實(shí)際應(yīng)用中也可以展現(xiàn)出極高的準(zhǔn)確性和實(shí)用性。

考慮到駕駛員在駕駛?cè)蝿?wù)的過程中視線會有連續(xù)性并有著動態(tài)變化的特點(diǎn)，時空特征融合技術(shù)結(jié)合了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或Transformer架構(gòu)[6]處理連續(xù)幀數(shù)據(jù)，能夠有效地識別到注意力轉(zhuǎn)移。NVIDIADRIVEIX^[7] 系統(tǒng)運(yùn)用該技術(shù)，能夠做到實(shí)時地分析駕駛員視線聚焦點(diǎn)的轉(zhuǎn)移情況，并依此判斷駕駛員是否因?yàn)榉中拿撾x正常的行駛狀態(tài)，并及時地發(fā)出報警。

部分研究認(rèn)為依靠著單一的眼部視線信息判斷駕駛員狀態(tài)存在一定的局限性，通過多模態(tài)學(xué)習(xí)，融合了多個傳感器的數(shù)據(jù)來提升系統(tǒng)的魯棒性。如奔馳的At-tentionAssist系統(tǒng)，將頭部姿態(tài)、方向盤握力、車速等信息與視線數(shù)據(jù)進(jìn)行統(tǒng)一整合，當(dāng)車速較高且方向盤長時間未經(jīng)受力調(diào)整，駕駛員視線偏離時，系統(tǒng)會認(rèn)定駕駛員處于疲勞或分析狀態(tài)，并觸發(fā)相應(yīng)警告。

2.3前沿技術(shù)挑戰(zhàn)

在車載環(huán)境中，車規(guī)極芯片的算力相對有限，而實(shí)現(xiàn)視線識別的算法需處理大量的高清圖像數(shù)據(jù)，若降低算法的復(fù)雜度使其符合車規(guī)級芯片的算力又會極大地影響識別的精度。故為了視線在車載設(shè)備上能夠?qū)崟r運(yùn)行視線識別算法，模型壓縮技術(shù)尤為重要。如MobileNet[8]等輕量化模型，通過優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)、減少參數(shù)數(shù)量，通過細(xì)化的方式在保證精度達(dá)到一定水準(zhǔn)的情況下，大幅降低所需的計算量，使其能夠適配于TITD4等車規(guī)級的芯片，滿足部分車輛對駕駛員視線實(shí)時監(jiān)測的要求。

不同種群的眼部特征亦有明顯的區(qū)別，亞洲人常見的深色虹膜、窄雙眼皮等特征與歐美人群的特征有著很大區(qū)別。若數(shù)據(jù)訓(xùn)練的模型基于單一地區(qū)，在跨區(qū)域應(yīng)用時就極易出現(xiàn)偏差。使用合成數(shù)據(jù)對數(shù)據(jù)群進(jìn)行補(bǔ)充訓(xùn)練或預(yù)訓(xùn)練可以有效豐富模型的特征庫，提高車機(jī)對不同種群眼部特征的適應(yīng)性，減少部分因數(shù)據(jù)偏差所導(dǎo)致的識別誤差。

3產(chǎn)業(yè)鏈生態(tài)與主要參與者

3.1核心算法供應(yīng)商

在駕駛員視線識別技術(shù)領(lǐng)域，國內(nèi)外供應(yīng)商借助不同的技術(shù)優(yōu)勢在全球汽車產(chǎn)業(yè)布局中占據(jù)重要地位。

國際市場中，作為駕駛員視線識別先行者的德國企業(yè)BOSCH[9]，以其\"開放協(xié)同\"的核心策略，結(jié)合本土的車企需要和全球資源，推動DMS從高端配備到普及化發(fā)展，其首創(chuàng)的“視線追蹤 + 生物特征識別”方案（圖5），可以實(shí)時地監(jiān)測駕駛員是否有疲勞、分心等狀態(tài)，并通過觸覺反饋、預(yù)警分級等機(jī)制提升行車安全?；诖?，BOSCH已與全球20余家車企展開深度合作，其DMS解決方案覆蓋高端車型至15萬元級別普及型市場。BOSCH與騰訊聯(lián)合開發(fā)的智能座艙平臺給出了“視線交互 + 生態(tài)服務(wù)”的閉環(huán)體驗(yàn)，推進(jìn)技術(shù)已落地；與比亞迪合作的“天神之眼”系統(tǒng)，將DMS集成在中階智駕方案，通過80-150TOPS算力平臺，實(shí)現(xiàn)高速領(lǐng)航、記憶泊車等功能的標(biāo)準(zhǔn)化搭載。

瑞典企業(yè)Tobiio作為行業(yè)的領(lǐng)軍企業(yè)，其在歐洲市場高端市場占有率超過 30% ，Tobii旗下的GLASSES3眼動儀精度極高（圖6），能夠準(zhǔn)確地采集到駕駛員眼部的細(xì)微動作及視線變化，搭配其配套的軟件開發(fā)包，很大程度上便利于車企開發(fā)其視線識別功能。這一整套解決方案在國際內(nèi)高端車型中應(yīng)用廣泛，如沃爾沃的“疲勞監(jiān)測預(yù)警系統(tǒng)\"就搭載了Tobii的技術(shù)，車機(jī)監(jiān)測到駕駛員的視線偏離時，即刻會發(fā)出警告音，從而保障駕駛安全。

澳大利亞的SeeingMachines[1]則更專注于對駕駛員狀態(tài)的監(jiān)測技術(shù)，其研發(fā)的Facesoft算法可以精準(zhǔn)地識別到駕駛員視線、頭部姿態(tài)等信息，在商用車領(lǐng)域應(yīng)用廣泛。

SmartEye同樣實(shí)力出眾，其核心產(chǎn)品Aurora通過采用先進(jìn)的多攝像頭融合感知技術(shù)，能夠從多個角度能夠全面地捕捉到駕駛員面部和眼部信息，從而提供精準(zhǔn)豐富的數(shù)據(jù)支持。

在國內(nèi)市場中，我國眾多的企業(yè)借助智能網(wǎng)聯(lián)汽車的高速發(fā)展，在駕駛員視線識別技術(shù)方面也取得了長足的進(jìn)展。商湯科技（圖7）研發(fā)的SenceAutoDMS[12]方案將視線追蹤技術(shù)與智能駕駛場景深度融合，現(xiàn)已經(jīng)應(yīng)用于哪吒S等車型中。虹軟科技（圖8）專注于優(yōu)化算法以及芯片適配，其針對高通8155芯片優(yōu)化的低功耗視線追蹤算法，在確保準(zhǔn)確性的情況下有效降低能耗，已經(jīng)與奇瑞、理想、長城等車企達(dá)成合作，并在奇瑞風(fēng)云T8等車型上廣泛運(yùn)用，有力地推動了駕駛員視線識別技術(shù)在國產(chǎn)汽車中的應(yīng)用與發(fā)展。

3.2車企落地應(yīng)用

在智能網(wǎng)聯(lián)汽車領(lǐng)域，駕駛員監(jiān)測系統(tǒng)的應(yīng)用愈發(fā)廣泛，眾多的車企借助其提升駕駛安全性與用戶體驗(yàn)，新勢力車型與傳統(tǒng)車型中均有體現(xiàn)。

新勢力車企在DMS上不斷創(chuàng)新，蔚來ET7的DMS[13]系統(tǒng)采用自研的NOMI系統(tǒng)結(jié)合商湯科技先進(jìn)的算法，不但能夠提示基礎(chǔ)的視線偏離預(yù)警，還創(chuàng)新性的實(shí)現(xiàn)分屏提醒。當(dāng)駕駛員在導(dǎo)航過程中脫離導(dǎo)航區(qū)域，車輛會自動地暫停視頻播放，并在儀表盤或中控屏上以醒目的分屏提示關(guān)注路況，借此提升駕駛專注度。小鵬G9則搭載了德賽西威的DMS設(shè)備，結(jié)合視線追蹤系統(tǒng)，優(yōu)化AR-HUD投影位置，根據(jù)駕駛員視線適時調(diào)整抬頭顯示信息的投影角度和位置，減少因頭部的轉(zhuǎn)動帶來的視野盲區(qū)。復(fù)雜路況下，駕駛員通過抬頭顯示可以清晰地看到車速、導(dǎo)航等信息，駕駛體驗(yàn)得到極大改善。零跑T03配備了DFM的疲勞駕駛預(yù)警系統(tǒng)，通過結(jié)合車內(nèi)攝像頭監(jiān)測駕駛者面部表情和眼部閉合狀態(tài)等因素，從而判定駕駛員是否有疲勞或分心行為，并及時報警，避免意外發(fā)生。

傳統(tǒng)車企也積極地引入了DMS技術(shù)來提升車輛智能化水平，提升用戶體驗(yàn)。寶馬iX采用瑞典SmartEye公司的技術(shù)實(shí)現(xiàn)“注視喚醒\"功能，當(dāng)駕駛員聚焦于中控屏?xí)r，車輛中控系統(tǒng)自動從低功耗待機(jī)狀態(tài)下喚醒，簡化操作流程，提升智能座駕交互的便捷性，從用戶反饋顯示該功能讓車輛啟動和操作更加流暢自然。豐田雷克薩斯的“駕駛員監(jiān)控”系統(tǒng)通過監(jiān)測駕駛員視線停留時長，結(jié)合了車速、駕駛時長等因素，全面地判斷駕駛員當(dāng)前狀態(tài)是否適宜繼續(xù)駕駛，處于疲勞駕駛風(fēng)險狀態(tài)時，會通過座椅震動、語音提示等多個方式提醒駕駛員進(jìn)行休息。沃爾沃EX90[14]搭載了先進(jìn)的駕駛員感知系統(tǒng)，被《時代》雜志評為2024年最佳發(fā)明之一。沃爾沃借助該系統(tǒng)，通過高精度的傳感器以及先進(jìn)算法，實(shí)時地監(jiān)測駕駛員的心率、呼吸頻率、眼部活動等關(guān)鍵性的生理狀態(tài)和駕駛行為。在高速公路場景下，若監(jiān)測到駕駛員疲勞，不僅會通過聲音、燈光進(jìn)行警告，還會自動地調(diào)整車速和車道便于駕駛員進(jìn)行休息。

4標(biāo)準(zhǔn)體系與測試認(rèn)證

4.1標(biāo)準(zhǔn)體系

標(biāo)準(zhǔn)體系的建立有助于規(guī)范駕駛員視線識別技術(shù)行業(yè)的發(fā)展，對保障駕駛安全，推進(jìn)行業(yè)進(jìn)程有著重要意義。國內(nèi)外分別制定了一系列的嚴(yán)格標(biāo)準(zhǔn)（表1），從不同維度上對駕駛員監(jiān)測系統(tǒng)進(jìn)行規(guī)范，有力地推動了駕駛員視線識別技術(shù)的優(yōu)化與應(yīng)用。

在國際上，ISO26262《道路車輛功能安全》[15]從功能安全角度對DMS系統(tǒng)提出了嚴(yán)格的要求，規(guī)定其需要達(dá)到ASIL-B級功能安全等級，這意味著故障率需要控制在極低的水平，即每10億h故障次數(shù)小于100次。

為滿足這一標(biāo)準(zhǔn)，BOSCH等核心算法供應(yīng)商不斷地改進(jìn)算法，提高其穩(wěn)定性和準(zhǔn)確性;車企也在硬件選型上和設(shè)計上更加謹(jǐn)慎，增加硬件的冗余設(shè)計，確保視線識別系統(tǒng)在各種情況下都可以穩(wěn)定可靠地運(yùn)行，避免因?yàn)橄到y(tǒng)故障所引發(fā)的安全事故。歐盟（EU）2023/2590[16]作為強(qiáng)制性標(biāo)準(zhǔn)（圖9），具有重要的影響力。其要求新車必須配有DMS，且在車速高于 70km/h 的測試條件下，DMS必須能夠自動激活。

NCAP 2024^[18] 規(guī)程將視線偏離預(yù)警也納入了主動安全評分體系，并且在ADAS總分中占比達(dá) 10% ，將駕駛員視線識別視為車輛主動安全評分的重要部分。

國內(nèi)對于駕駛員視線識別技術(shù)的標(biāo)準(zhǔn)建立也收效顯著，GB/T41797—2022[17]重點(diǎn)關(guān)注于DMS對于駕駛員行為狀態(tài)的快速監(jiān)測能力（圖10），其明確規(guī)定在駕駛員出現(xiàn)系統(tǒng)監(jiān)測行為后的1.5s內(nèi)，車機(jī)需要監(jiān)測到，要求其檢出率和準(zhǔn)確率大于或等于 95% 。這一標(biāo)準(zhǔn)對于駕駛員因疲勞駕駛等原因所導(dǎo)致的風(fēng)險至關(guān)重要。C-

4.2測試方法論

實(shí)驗(yàn)室基準(zhǔn)測試采用了高精度仿生機(jī)械眼來模擬駕駛員眼部的運(yùn)動，在可控的環(huán)境下驗(yàn)證視線識別算法的基礎(chǔ)性能。通過比照不同的光照、頭部姿態(tài)等參數(shù)，測試算法的準(zhǔn)確性與穩(wěn)定性。

實(shí)車場景驗(yàn)證測試則包含了各種極端條件，如車輛在進(jìn)出隧道時所瞬間產(chǎn)生的強(qiáng)弱光變化，夜間低光行駛等環(huán)境，同時也考慮了駕駛員的多種可能，包括佩戴墨鏡、口罩等遮擋面部部分區(qū)域的特殊情況，在實(shí)際道路行駛中，檢驗(yàn)實(shí)現(xiàn)識別系統(tǒng)的可靠性與適應(yīng)性，能確保其能夠應(yīng)對復(fù)雜多變的駕駛環(huán)境。

虛擬仿真測試主要利用Carla、Prescan等工具模擬生成暴雨、逆光的數(shù)字場景，能夠在短時間內(nèi)模擬出大量的復(fù)雜路況，可以有效加快測試周期。通過虛擬測試，可以提前發(fā)現(xiàn)系統(tǒng)潛在問題，降低研發(fā)成本，提升產(chǎn)品迭代的效率。

5技術(shù)挑戰(zhàn)與未來趨勢

5.1現(xiàn)存瓶頸

隨著車內(nèi)攝像頭的廣泛運(yùn)用，數(shù)據(jù)隱私問題引起廣泛的關(guān)注，歐盟GDPR要求車內(nèi)攝像頭需要提供物理遮擋設(shè)計，如特斯拉Model3配備了可滑動的蓋板，車企一方則被要求在滿足行車安全監(jiān)測的同時保護(hù)駕駛員的隱私，另一方面要從技術(shù)層面加強(qiáng)數(shù)據(jù)加密，訪問控制等措施，嚴(yán)禁采集的駕駛員眼部數(shù)據(jù)被濫用。

在車輛的長期使用中，用于視線識別的硬件設(shè)備易受到震動、溫度、濕度等復(fù)雜的環(huán)境變化導(dǎo)致設(shè)備老化或故障。硬件出現(xiàn)的問題會直接干擾到眼部圖像的采集質(zhì)量，導(dǎo)致實(shí)現(xiàn)識別時無法準(zhǔn)確獲取數(shù)據(jù)，導(dǎo)致嚴(yán)重影響識別的精準(zhǔn)度。同時，硬件分布廣泛，維修與更換成本高、難度大，在保障車輛正常使用的同時及時發(fā)現(xiàn)并反饋、修復(fù)硬件問題，將會是可預(yù)見的一大難關(guān)。

5.2演進(jìn)方向

以華為的鴻蒙座艙為參考，未來的智能座艙將會融合手勢控制、語音交互，以視線識別為核心構(gòu)造多模態(tài)交互矩陣，駕駛員通過眼神、語音、手勢等簡單的指令就可以與車輛的智能系統(tǒng)進(jìn)行交互，實(shí)現(xiàn)更加便捷和高效的駕駛體驗(yàn)，推動智能座艙向更加舒適化智能化的方向發(fā)展。

車規(guī)級芯片的算力提升是未來的必然趨勢，通過算法、編譯器、架構(gòu)設(shè)計的三方深度結(jié)合，在軟硬件方面進(jìn)行極致優(yōu)化，以面對更復(fù)雜的路面情況。通過大量數(shù)據(jù)來驅(qū)動自動化驗(yàn)證，不斷地提升計算密度與能量效率，找到其最優(yōu)平衡點(diǎn)。以地平線征程6芯片為參考，其是專為車載場景設(shè)計的前沿芯片。基于統(tǒng)一的BPU納什計算架構(gòu)，展現(xiàn)了卓越的性能優(yōu)勢，其算力高達(dá)560TOPS，是國內(nèi)首款覆蓋從低到高全階智能駕駛需求的系列型車載智能計算方案。它不僅為當(dāng)前的駕駛輔助功能提供了更為可靠的支持，也給未來高階智能駕駛功能的實(shí)現(xiàn)奠定了堅實(shí)的硬件基礎(chǔ)。如比亞迪“天神之眼C\"高階智駕三目版就搭載了地平線征程6系列計算方案，不論在高速上的高速行駛還是在復(fù)雜的城市道路中穿梭，都能借助征程6芯片的強(qiáng)大算力，為用戶提供精準(zhǔn)穩(wěn)定的安全保障。

通過建立駕駛員注意力習(xí)慣模型，車輛通過不同駕駛員的駕駛習(xí)慣不同自適應(yīng)調(diào)整警告的閾值，對于經(jīng)驗(yàn)豐富的駕駛員可以適度放寬條件，對于新手駕駛員或容易疲勞人群則提高敏感度，實(shí)現(xiàn)個性化的駕駛輔助。

6結(jié)語

駕駛員視線識別技術(shù)正在經(jīng)歷從輔助安全功能向智能座艙核心的范式躍遷，研究表明基于MobileNet的輕量化模型與地平線征程6芯片的協(xié)同優(yōu)化，有效地解決了車載算力的約束問題，使視線追蹤延遲技術(shù)達(dá)到了實(shí)時性；產(chǎn)業(yè)生態(tài)層面，BOSCH、商湯科技等頭部企業(yè)通過\"算法-傳感器-計算平臺\"垂直整合，使得DMS模塊成本下降，加速技術(shù)在中端車型的普及；標(biāo)準(zhǔn)體系層面，歐盟（EU）2023/2590與中國C-NCAP2024的協(xié)同推進(jìn)，催生了“仿生機(jī)械眼 +Carla 仿真\"的驗(yàn)證模式，測試的效率顯著提升?，F(xiàn)仍存在涵蓋合成數(shù)據(jù)的多民族訓(xùn)練集的不足，車規(guī)級芯片與算法的協(xié)同程度低，數(shù)據(jù)隱私保護(hù)的標(biāo)準(zhǔn)化體系不完善等問題，這些問題將在未來實(shí)現(xiàn)突破。

參考文獻(xiàn)：

[1]王鑒，張榮福.基于可變形卷積的單幀圖像眼球定位追蹤[J].光學(xué) 儀器，2021，43（6）：26-31.

[2]宋曉琳，鄔紫陽，張偉偉.基于陰影和類Haar特征的動態(tài)車輛檢測 [J].電子測量與儀器學(xué)報，2015，29（9）：1340-1347.

[3]Adrian B，Georgios T.How far are we from solving the2Damp;3D face alignment problem？（and a dataset of 230，Ooo 3D facial landmarks） [C]//2017 IEEE International Conference on Computer Vision：ICCV 2017，Venice，Italy，2017：745-1490.

[4]HeK，Zhang X，Ren S，etal.Deepresidual learning for image recognition[C]//2O16 IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2016.

[5]Tan Mingxing，LeQV.EfficientNet：rethinking modelscalingforconvolutional neural networks [C]//36th International Conference on Machine Learning：ICML 2019.Long Beach，California，USA，2019： 10691-10700.

[6]Vaswani.Attention is allyou need［J].arXiv e-prints：arXiv：1706. 03762，2017.

[7]NVIDIA.適用于自動駕駛汽車的高性能車載計算[EB/OL].[2025- 04-10].https：//www.nvidia.cn/self-driving-cars/in-vehicle-computing/.

[8]Howard.MobileNets：efficient convolutional neural networks for mobile vision applications[J].arXiv e-prints：arXiv：1704.04861，2017.

[9]Company overview.Bosch[EB/OL].https：//www.bosch.com/company/.

[10]眼動追蹤的世界領(lǐng)先者，注意力計算的開拓者[EB/OL].[2025- 04-10].https：//www.tobi.cn/.

[11]Seeing Machines [EB/OL].[2025-04-10].htps：/seingmachines . com/.

[12]商湯絕影智能座艙-智能座艙系統(tǒng)[EB/OL].[2025-04-10]. https：//www.sensetime.com/cn/product-detail？categoryId= 32859amp;gioNav=1.

[13]蔚來 ET7-引領(lǐng)變革_蔚來 ET7-NIO[EB/OL].[2025-04-10]. https：//www.nio.cn/et7.

[14]2024-A year of choice and change of the new and known[EB/OL]. [2025-04-10].Retrieved https：//www.volvocars.com.cn/zh-cn/news/ culture/2024-a-year-of-choice-and-change-of-the-new-andknown.

[15]ISO 26262：2018 Road vehicles - Functional safety[S].

[16]Commission Implementing Regulation （EU）2023/2590 of 15 November 2023 laying down the detailed test procedures and technical requirements for the type-approval of advanced driver distraction warning（ADDW） systems[S].

[17]GB/T 41797—2022 Driver attention monitoring system － Performance requirements and test methods [S].

[18]China Automotive Technology and Research Center.China New Car Assessment Program（C -NCAP） 2024[S].