研究發展處 蘇一峰、顏佑倫

近年來，人工智慧（AI）技術在自動駕駛領域扮演著越來越重要的角色，尤其是在監控駕駛狀態方面，傳統的駕駛狀態監控系統（Driver Monitoring System，DMS）往往受限於硬體效能及泛化能力不足，導致難以適應複雜多變的駕駛環境和駕駛員的個人差異。因此，開發能夠準確監控駕駛狀態並具備個人化適應性功能，對於提升自動駕駛系統的安全性和可靠性至關重要。

國際標準帶動市場發展

根據聯合國UN R157規範自動車道維持系統（ALKS，屬SAE Level 3自動駕駛系統）中，需有駕駛監控系統隨時確認駕駛員接管能力，並在駕駛員無法接手時執行最小風險決策。此外，歐盟GSR（一般安全法規）要求2024年7月起所有新車須具備DMS偵測駕駛疲勞與分心狀態，而UN R171則規範Level 2車輛須偵測駕駛的注視位置與方向盤握持的狀態。

這些國際標準推動了市場發展，TrendForce預估2024～2027年搭載量DMS的年複合成長率達27％，促使車廠與系統商積極開發駕駛監控相關技術，以滿足SAE Level 0~Level 3等級的市場需求。目前市場主流是採用攝影機偵測駕駛的狀態，例如：BMW、Mercedes-Benz等車廠，透過攝影機偵測駕駛臉部特徵，判斷駕駛疲勞及駕駛不可用（睡覺、不專心）等狀態，並進一步開發眼球追蹤技術，使車輛能分析駕駛人的行車意圖，進而操控變道或操作車輛中控台。然而當駕駛佩戴頭巾及口罩等大面積遮蔽臉部的情況下，或在向陽、昏暗等環境下，目前市售駕駛監控系統容易因上述特徵缺失而導致系統偵測率降低，這是亟待解決的技術挑戰。

車輛中心之AI視覺駕駛狀態監控技術發展

目前車輛中心之AI視覺駕駛狀態監控系統（AI DMS），主要使用艙內攝影機及深度學習演算法，如圖1所示，開發個人化適應性系統校正、輕量化多任務模型，優化駕駛存在∕可用性判定功能，並適應於日、夜間不同光照條件及駕駛配戴眼鏡、口罩等情境，及適用於自駕電巴、SUV等不同車型。解決市售產品因特徵缺失而無法有效偵測之痛點。其核心技術，如下：

 (1) 適應性個人化校正技術：使用AI人臉偵測暨辨識模型，建立駕駛資料庫（基於隱私原則，只記錄特徵參數，不作身份識別），自動辨識駕駛調整個人化參數，用於前述偵測臉部的生理徵象，及解鎖Level3自駕功能。

(2) 輕量化多任務模型偵測技術：使用艙內攝影機及特徵抽取骨幹網路與注意力（Attention）機制，可在低效能的硬體同時偵側駕駛的頭部姿態、視線、開/閉眼等3種生理徵象狀態。

(3) 根據聯合國UN R157L3駕駛可用性需求開發演算法：使用上述之駕駛3種生理徵象狀態，在過去30秒內無2項可被判為「駕駛可用」之生理徵象，將提供警示訊號給車上決策模組，讓駕駛員接管車輛或進入最小風險操作。

圖1、AI視覺駕駛狀態監控系統流程圖

另外為了確保AI DMS能適應於不同的照度環境及遮蔽情境，車輛中心建立車艙內環境模擬設備，透過紅外光燈箱模擬強光，並搭配可動的仿真人偶，配戴眼鏡、口罩等配件，進行靜態與動態情境的功能驗證，如圖2所示。完成實驗室模擬驗證後，再以實車測試，如圖3所示。由測試結果確認AI視覺駕駛狀態監控技術，能有效因應環境光變化、遮蔽情境及駕駛人差異之影響。

圖2、不同情境之實驗室模擬測試結果 

圖3、不同情境之實車辨識結果

車輛中心研發的AI DMS，採用輕量化多任務模型與適應性個人化校正技術，不僅能有效辨識駕駛員，更能準確偵測其頭部姿態、視線及開閉眼狀態。透過中心自建車艙模擬實驗室及實車測試，持續優化AI DMS的性能，使其滿足與Level 2+系統與駕駛者監控整合的需求，及於日/夜間、駕駛配戴眼鏡/口罩的情境下，具備較高的準確率與可靠度，有效克服市售產品因光照變化與遮蔽物影響導致偵測率下降的痛點。

目前，本技術已成功應用於智慧電動巴士，實現Level 3自動駕駛控制權交接，並整合中心在艙外偵測與自駕技術的優勢，串聯國內晶片、感知模組、運算平台與電動巴士產業鏈，共同推動台灣智慧車輛產業發展，並獲得國際獎項肯定（2025年愛迪生獎），逐步實現Level 3駕駛監控及自駕商用化。