Dapalm | IMS技术前沿

PixExpo 精读:像素级曝光控制把真实驾驶 rPPG 心率成功率从 26% 拉到 63%,合读同组自适应前作——rPPG 的战场正从算法端移回采集端车内 rPPG(远程光电容积描记,Remote Photoplethysmography)——用座舱摄像头从面部皮肤反光里无接触提取心率——过去十年的主战场一直在算法端:POS/CHROM/ICA 到 EfficientPhys、PhysFormer 这类深度模型,都在下游想尽办法对抗光照与运动。但山东科技大学、南科大与南京大学团队(Jieying Wang、Xinqi Cai、Caifeng Shan、Wenjin Wang)2026 年 9 月底挂出的论文(arXiv:2609.36607)把问题拉回了采集端:真实驾驶中阳光直射会在同一帧人脸内同时造成局部过曝与欠曝,而传统相机无论固定曝光还是自动曝光(AE),每帧只能给全画面一个曝光值——“一旦饱和导致光子级信息丢失,后续任何后处理都是徒劳”(论文原文)。他们的 PixExpo 方案不换传感器、不加硬件,只用可编程的帧级曝光接口:让相机按固定循环打出 6 ...

热成像无接触皮电精读:Oulu 组在 SIM1 驾驶数据集上拆 EDA/呼吸/心率三通道(|r| 0.40 / 3.1bpm / 失败),合读同组”oracle 虚高”警告皮电活动(Electrodermal Activity, EDA)是自主神经唤醒最直接的生理通道——认知负荷、情绪应激、困倦对抗都会在指尖或面部汗腺上留下痕迹,而现有方案全部依赖接触电极(GSR 手环、指尖电极),这正是它在座舱里落不了地的原因。Oulu 大学 Álvarez Casado、Bordallo López 组(与 Mohammad Rahman 等 7 人)2026 年 2 月挂出、9 月更新至 v3 的论文(arXiv:2602.12361)给出了第一个系统性的替代方案:用一只 7.5 fps 的 LWIR 热成像摄像头,从面部 6 个 ROI 中同时分离”汗腺慢趋势(EDA 样)/心跳/呼吸”三个频带——在公开驾驶模拟数据集 SIM1 上,EDA 最优配置与手掌电极的绝对相关达到 0.40±0.23(最好单次 0.89),呼吸 MAE...

智能手表检出酒驾的首个实车 RCT:Garmin 腕上双塔 CNN(AUROC 0.88/0.86)精读,与车载路线的四路对比和一条部署断点酒驾检测这条研究线,过去两年站内跟踪的全部是车载方案:DADSS 的被动红外光谱传感、Smart Eye 的 DMS 行为级损伤评估、VOC 红外光谱的座舱空气检测——共同前提是把传感器装进车。ETH Zurich 生态圈(Deuber、Fleisch、Weinmann、Wortmann、Mishra 等 12 人)2026 年 5 月挂到 arXiv 的论文把传感位置整个搬到了驾驶员腕上:一只 Garmin vivoactive 4S 消费级智能手表,用 PPG 心率间期(IBI)+三轴加速度计,在注册过 ClinicalTrials.gov 的三臂随机对照试验轨道研究中做出 LOSO AUROC 0.88(检出任何饮酒)/0.86(检出超过 WHO 0.05 g/dL 限值),与同组 2025 年在真车上用 DMS 摄像头+车辆数据做到的 0.84/0.80 相当甚至略高(Deuber et al....

CAN 总线行为式驾驶员认证:KCID 16 人 raw-CAN 数据集与实车防盗原型的精读,以及 ESORICS 2026 对抗攻击画出的安全边界不用摄像头,只看 CAN 总线上的报文流,能不能认出”现在开车的是谁”? DTU 与中佛罗里达大学的 Kidmose 等人 2025 年 10 月挂在 arXiv 的论文给出了迄今最完整的一次回答(Kidmose, Kidmose & Zou, 2025, arXiv:2510.25856):他们系统梳理了全部公开的驾驶员指纹数据集、指出现有数据集全部依赖解码后 OBD-II 数据而非原始 CAN 报文这一关键缺陷,然后发布了 KCID(Kidmose CANid Dataset)——16 名驾驶员、4 辆车、超过 10 亿条原始 CAN 报文,并在一台未改装的量产 SUV 上完成了防盗原型的实车路试(干预有效性验证到 35 mph)。 但这个故事还有另一半:ESORICS 2026 接收的另一篇论文(Efatinasab et al., arXiv:2306.05923)对行为式驾驶员认证做了首次系统性逃逸攻击——SMART...

交通复杂度只解释 1.5% 行为方差、驾驶员身份占 23%:TUM×BMW 二十名真实驾驶员的方差分解精读,与 per-driver 基线的量化边界DMS 行业这几年有一个几乎共识化的处方:误报太多,就上 per-driver 基线——先标定每个人的”正常”,再偏离告警。本站在 FIA 信任调研解读文里也给出过同款建议(本站:FIA ADAS 信任调研)。但这个处方一直没有被严格检验过:个性化到底能找回多少信号?TUM 交通工程与控制讲席(Köning)与 BMW(Miličić,BMW Assisted Driving Level 2 Product Owner;Bogenberger)2026 年 7 月挂在 arXiv 的论文给了迄今最干净的一次定量检验(Köning, Miličić & Bogenberger, 2026)——在 20 名真实驾驶员、量产级 L2 车型的真实城市交通里,交通复杂度只能解释行为方差的 1.5%,驾驶员身份解释 23%,剩下约 75% 是个体内残差;他们测了全部 8 种特征级个性化策略,无一改善,最好的一种也损失 18.3% 的复杂度...

准静态乘员检测的三层拆解：RASSO 多普勒呼吸放大、MVDR 跌倒后占用与 CDR 仿真训练——滑铁卢组三篇雷达论文精读车舱里最难检的乘员是不动的那一个。ADAC 的 CPD 实测已经把这件事量化过:反向安全座椅 Isofix 安装的新生儿,三款量产车的直接检测系统(两套雷达、一套摄像头)100% 检测失败,根因是新生儿呼吸引起的胸部位移不足 2 mm,能量全部埋在静态杂波底下(本站此前拆解:ADAC CPD 新生儿检测失败分析)。滑铁卢大学 George Shaker 组(Wireless Sensors and Devices Lab / SEMI Lab)2026 年 1 月连发三篇论文,在真实的长期护理(LTC)养老院环境里,用同一颗消费级 60GHz 芯片把”准静态人体占用检测”做到了检测 AUC 0.981、跌倒后地面占用帧检出率 0.916、以及纯仿真训练占用检测 97%——三篇恰好构成同一个问题的三层:信号处理层、检测决策层、训练数据层(Trinh, Creager & Shaker, 2026;Trinh et al., 2026;Trinh...

IIHS 部分自动驾驶保障评级协议拆解：10 项测试、7 类扣分，14 套系统无一 good2024 年 3 月，IIHS 发布了全球第一份针对 SAE L2 部分自动驾驶（partial driving automation）系统**保障措施（safeguards）**的评级：首批 14 套系统，没有一套拿到 good，只有 Lexus Teammate 拿到 acceptable，Tesla Autopilot 与 FSD（Beta）等 11 套拿到 poor。评的不是”系统能不能开”，而是”系统怎么防止驾驶员滥用”——驾驶员监控、注意力提醒、紧急接管程序、联锁逻辑（IIHS, 2024）。 为什么现在值得精读这份协议？三个时点叠加：其一，2026 年 3 月 NTSB 就 2024 年两起 Ford BlueCruise 致死事故发布调查结论，据 Reuters 与 CNN 报道，”automation overreliance”（对自动化的过度依赖）被列为事故因素之一——两年前的失分项正在以真实死亡事故的方式被验证；其二，截至 2026 年 10 月，IIHS 官网新闻线...

GAMM 拆解远程塔台管制员疲劳演化：8 项眼动特征里只有一半真的”动”了疲劳的生理指标会随任务时长漂移，而绝大多数疲劳检测模型把特征当成静止的分布来学——这是 Scientific Reports 2026 年 3 月一篇远程塔台（Remote Tower Operation, RTO）管制员眼动研究指向的核心矛盾。民航飞行大学的团队让 13 名见习管制员在模拟塔台上分别以清醒和疲劳状态执行同样的管制任务，用 60 Hz 眼动仪记录 8 项眼动特征，再用广义可加混合模型（GAMM）把”疲劳状态效应”和”任务时长效应”拆开：结果 8 项特征里只有 6 项对疲劳显著，其中随时间演化的形态还各不相同——扫视速度线性上升、瞳孔直径线性下降、注视/扫视计数呈 2–3 分钟的周期性波动（Yin et al., 2026）。 为什么汽车座舱工程师要关心一篇塔台论文？因为它的方法论恰好击中 DMS 疲劳检测的两个量产痛点：一是特征选择高度依赖任务类型——论文明确指出，在驾驶场景里敏感的最大扫视速度，在管制任务里完全不敏感（p = 0.589）；二是被试间差异足以压垮跨个体模...

FSD 追责链拆解：司机睡着撞上 CHP 警车之后，DMS 成为 L2 责任架构唯一的承重墙2026 年 10 月 13 日午夜前后，加州 I-80 州际公路 Fairfield 段：一名 22 岁的司机告诉加州公路巡警（CHP）调查人员，他当时睡着了，车上的 Full Self-Driving（FSD）开着；车辆以高速冲过锥桶与信号弹封锁的作业区，撞上停在处理事故现场的 CHP Dodge Charger 警车，两名警官重伤（Lambert, 2026；Lambert, 2026b）。三天后，联邦监管机构宣布介入调查（Ingram, 2026）。 核心论断（本文观点）：L2 辅助驾驶的法律架构把全部运营责任压在”驾驶员保持监督”这一个假设上，而 DMS 是这个假设唯一的执行器。DMS 一旦失效，整个责任链条不是”降级”而是”反转”——事故责任从”驾驶员未接管”滑向”制造商提供了假监督”。过去五年特斯拉在监管与诉讼两条战线上的每一次升级，都发生在 DMS 这一环被打穿之后。 对座舱感知工程师而言，这不是又一条”特斯拉又撞了”的新闻，而是最高信息量的失效样本：美国监管链（NHT...

ST VD56GA vs OmniVision OX05C1S：舱内摄像头在 1.1MP 与 5MP 之间分裂成两条路线2026 年 9 月 14 日，ST 发布了 SafeSense 家族新车规图像传感器 VD56GA：1.1MP、面向红外舱内感知（DMS/OMS），主打”更低成本把舱内监控铺到走量车型”（ST 官方通稿，经 EE News Europe 与 Electronics Weekly 报道）。而一年前的 2025 年 10 月，OmniVision 在同一场展会（AutoSens）发布的 OX05C1S 走的是另一个极端：5MP BSI 全局快门 HDR，一颗摄像头同时覆盖 DMS + OMS（OmniVision 官方通稿，2025-10-07）。 两个发布隔着 11 个月，回答的却是同一个问题——Euro NCAP 2026 把驾驶状态监控纳入主评分、CPD 和损伤检测另设加分后，舱内摄像头要从高端车型下沉到全产品线，每颗摄像头的 BOM 到底该怎么省。Yole Group 预测 DMS/OMS 传感器出货量到 2031 年将超过 7000 ...