CES 2026最新DMS/OMS技术突破：Valeo×Seeing Machines战略合作解读

引言：CES 2026成为DMS/OMS技术分水岭

2026年1月，CES展会上三大关键信号：

  1. Valeo × Seeing Machines战略合作：全球Tier1与DMS算法龙头联手
  2. Smart Eye头盔检测：从驾驶员监控扩展到乘员保护
  3. Qualcomm 8775舱驾融合：单芯片同时处理DMS+ADAS

本文深度解读这些突破对IMS开发的影响。

一、Valeo × Seeing Machines战略合作

1.1 合作背景

双方优势：

Valeo Seeing Machines
Tier1集成能力 DMS算法领导者
全球供应链 眼动追踪专利
系统集成经验 量产验证（Ford、GM）
车规级硬件 AI感知技术

合作目标：

  • 满足Euro NCAP 2026要求
  • 提供端到端DMS/OMS解决方案
  • 降低OEM集成难度

1.2 技术方案

三层架构：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
┌─────────────────────────────────┐
│ 应用层                           │
│ ├── 分心检测                     │
│ ├── 疲劳检测                     │
│ ├── OMS乘员检测                  │
│ └── 头盔检测（摩托车）            │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│ 感知层                           │
│ ├── Seeing Machines Guardian    │
│ │   - 眼动追踪                   │
│ │   - 头位估计                   │
│ │   - PERCLOS计算                │
│ └── Valeo感知                    │
│     - 乘员检测                   │
│     - 姿态估计                   │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│ 硬件层                           │
│ ├── IR摄像头                     │
│ ├── TOF传感器                    │
│ └── 边缘计算平台                 │
└─────────────────────────────────┘

1.3 应用场景

场景一：驾驶员分心

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# Valeo + Seeing Machines集成方案
class ValeoSeeingMachinesDMS:
    def __init__(self):
        # Seeing Machines眼动追踪
        self.gaze_tracker = GuardianGazeTracker()
        
        # Valeo系统集成
        self.system_integrator = ValeoSystem()
        
    def monitor(self, frame):
        # 1. Seeing Machines感知
        eye_features = self.gaze_tracker.extract(frame)
        
        # 2. 分心判断
        is_distracted = self.detect_distraction(eye_features)
        
        # 3. Valeo系统报警
        if is_distracted:
            self.system_integrator.trigger_warning(
                level="moderate",
                type="visual_distraction"
            )

场景二：摩托车头盔检测

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
输入图像
    ↓
┌─────────────────────────────────┐
│ 头盔检测                         │
│ ├── 头盔类型识别                 │
│ │   - 全盔                       │
│ │   - 半盔                       │
│ │   - 无盔                       │
│ └── 佩戴状态检测                 │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│ 安全策略                         │
│ ├── 无盔 → 拒绝启动              │
│ ├── 半盔 → 警告                  │
│ └── 全盔 → 正常                  │
└─────────────────────────────────┘

二、Smart Eye最新技术

2.1 Concept Development Kits (CDKs)

目标客户：

  • Tier1供应商
  • OEM厂商

功能：

功能 描述
DMS评估 快速验证眼动追踪性能
CMS评估 舱内监控系统集成
多场景测试 实验室到实车验证
API集成 简化开发流程

2.2 医疗级监控

应用场景：

  • 驾驶员健康监测：心率、呼吸频率（通过摄像头）
  • 突发疾病预警：心脏病、中风
  • 疲劳评估：基于眼动模式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
class SmartEyeMedicalMonitor:
    """
    Smart Eye医疗级监控
    """
    def __init__(self):
        self.eye_tracker = SmartEyeTracker()
        self.health_analyzer = HealthAnalyzer()
        
    def monitor_vital_signs(self, face_region):
        """
        通过面部视频监测生命体征
        """
        # 1. 提取面部特征
        features = self.eye_tracker.extract_features(face_region)
        
        # 2. 计算心率（通过血液流动引起的微小颜色变化）
        heart_rate = self.health_analyzer.compute_heart_rate(features)
        
        # 3. 计算呼吸频率（通过头部位移）
        respiratory_rate = self.health_analyzer.compute_respiratory_rate(features)
        
        # 4. 健康评分
        health_score = self.health_analyzer.score(heart_rate, respiratory_rate)
        
        return {
            'heart_rate': heart_rate,
            'respiratory_rate': respiratory_rate,
            'health_score': health_score
        }

三、Qualcomm 8775舱驾融合平台

3.1 架构创新

传统架构：

1
2
3
4
5
6
┌──────────────┐     ┌──────────────┐
│ DMS芯片      │     │ ADAS芯片     │
│ (独立)       │     │ (独立)       │
└──────────────┘     └──────────────┘
     ↓                      ↓
  成本高、集成复杂

8775融合架构：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
┌─────────────────────────────────┐
│ Qualcomm 8775单芯片              │
│ ├── DMS模块                     │
│ │   - 眼动追踪                   │
│ │   - 分心检测                   │
│ │                               │
│ ├── OMS模块                     │
│ │   - 乘员检测                   │
│ │   - CPD                        │
│ │                               │
│ └── ADAS模块                    │
│     - 车道检测                   │
│     - 目标识别                   │
└─────────────────────────────────┘
成本↓50%、集成简单

3.2 性能指标

指标 8775 8295+独立ADAS
算力 200 TOPS 120+50=170 TOPS
功耗 15W 20W
成本 $100 $150
延迟 <20ms 30ms

3.3 开发工具链

1
2
3
4
5
6
7
8
9
10
11
# Qualcomm AI Hub模型部署
pip install qai-hub

# 选择模型
qai-hub get-models --tags "dms gaze-estimation"

# 优化模型
qai-hub optimize-model gazecapsnet.onnx --target qcs8775

# 部署测试
qai-hub deploy-model gazecapsnet_optimized.tflite --device qcs8775

四、对IMS开发的启示

4.1 技术选型

需求 推荐方案
快速量产 Valeo + Seeing Machines
自研算法 GazeCapsNet + Qualcomm 8775
高端车型 Smart Eye CDK + 多传感器融合

4.2 架构建议

短期（1-3个月）：

1
2
3
基于Qualcomm 8255/8295 + GazeCapsNet
├── 优点：成熟、成本低
└── 缺点：DMS/ADAS分离

中期（3-6个月）：

1
2
3
基于Qualcomm 8775 + GazeTR-Hybrid
├── 优点：舱驾融合、成本低
└── 缺点：需要学习新架构

长期（6-12个月）：

1
2
3
自研DMS/OMS/ADAS融合系统
├── 优点：完全自主
└── 缺点：开发周期长

4.3 合作策略

阶段 策略
原型阶段 使用开源模型 + 自研集成
验证阶段 与Seeing Machines合作
量产阶段 与Valeo合作

五、总结

5.1 关键趋势

趋势 说明
舱驾融合 单芯片同时处理DMS/OMS/ADAS
Tier1+算法公司合作 Valeo+Seeing Machines模式
医疗级监控 从安全扩展到健康
头盔检测 从汽车扩展到摩托车

5.2 行动建议

  1. 跟踪Qualcomm 8775：评估舱驾融合方案
  2. 建立合作关系：与Seeing Machines或Smart Eye接触
  3. 数据积累：收集Euro NCAP测试数据
  4. 人才储备：培养DMS/OMS算法工程师

参考文献

  1. Valeo. “Valeo Unveils Safety-Enhancing Advanced Monitoring Applications.” CES 2026.
  2. Smart Eye. “Smart Eye at CES 2026.” January 2026.
  3. Qualcomm. “Qualcomm 8775 Cockpit-Driving Integration Platform.” 2025.

本文是IMS行业动态系列文章之一，上一篇：Euro NCAP测试协议解读

IMS > 行业动态 > CES 2026
#Smart Eye #Valeo #Seeing Machines #CES 2026 #DMS/OMS融合
CES 2026最新DMS/OMS技术突破：Valeo×Seeing Machines战略合作解读
https://dapalm.com/2026/03/13/2026-03-13-CES-2026最新DMS-OMS技术突破-Valeo-Seeing-Machines战略合作解读/
作者
Mars
发布于
2026年3月13日
许可协议