视觉 AI 助力驾驶员注意力监测系统

漫长的高速公路旅程、深夜驾驶或忙碌的一天，都可能让任何驾驶员感到疲倦。但在道路安全方面，即使只是短暂分心，也可能造成严重影响。

因此，许多汽车制造商开始采用新技术，帮助驾驶员保持警觉和专注。从追踪转向模式的传感器，到监测疲劳迹象的摄像头，如今的车辆越来越智能，能够识别驾驶员何时开始分心。

特别是得益于计算机视觉这一人工智能（AI）分支，机器现在能够像人类一样解读图像和视频。在车辆中，计算机视觉可用于驾驶员注意力监测系统，分析驾驶员的姿势、面部表情和眼球运动。

例如，Ultralytics YOLO11和 Ultralytics YOLO26等视觉 AI 模型支持多种计算机视觉任务，例如目标检测（识别并定位图像中的物体）、目标追踪（跨帧跟踪这些物体）和实例分割（将单个物体与背景分离），可用于监测驾驶员的姿势、头部位置和整体专注程度。

本文将探讨驾驶员注意力不集中和困倦的原因、视觉 AI 如何为驾驶员注意力监测系统提供支持，以及这些系统如何为世界各地的驾驶员塑造更安全的未来。

什么是驾驶员注意力不集中和困倦？#

驾驶时保持专注需要持续集中注意力。驾驶员每一秒都在处理道路标志、交通信号和周围车辆的动态。一旦注意力分散，哪怕只是片刻，发生事故的风险就会大幅上升。

研究表明，频繁视线离开路面或经常按车内按钮的驾驶员，更有可能发生碰撞或险些发生碰撞，即使风险上升幅度并非恰好达到两倍。

这些发现凸显了注意力很容易分散这一问题，也就是驾驶员注意力不集中。无论是查看手机、切换音乐，还是陷入沉思，只要驾驶员的目光或思绪从道路上移开，就可能出现这种情况。哪怕只是短短两秒钟的视线偏离，也足以让驾驶员错过前方减速的汽车或红灯。

图 1. 分心驾驶员示例。(来源)

与此同时，驾驶员困倦通常会逐渐加重，往往由疲劳或睡眠不足造成。困倦的驾驶员可能会缓慢眨眼、点头或放松握方向盘的力度。随着疲劳加剧，反应速度会变慢，车辆也更难控制。

识别驾驶员是否保持警觉#

以下是驾驶员注意力不集中或困倦的一些常见迹象：

• 眨眼频率和时长：驾驶员眨眼的速度比平时慢，或眨眼次数比平时多。
• 头部位置和倾斜角度：驾驶员的头部向前点头或向一侧倾斜。
• 眼球运动和视线方向：驾驶员的视线长时间离开道路。
• 缺少转向操作：驾驶过程中，驾驶员进行的转向修正幅度较小或有所延迟。

这些迹象一开始可能并不明显，但会随着时间推移而变得更加突出，尤其是在长途驾驶或夜间驾驶时。及早发现这些迹象有助于驾驶员在道路上保持警觉、专注和安全。

驾驶员注意力监测的必要性#

即使车辆配备了车道保持辅助等先进功能（帮助车辆保持在车道中央），或自适应巡航控制等功能（保持安全的跟车距离），如果驾驶员注意力不集中，事故仍有可能发生。技术可以提升安全性，但保持警觉仍是驾驶员的责任。

为了帮助降低这些风险，新的创新方案开始使用由视觉 AI 驱动的摄像头监测驾驶员的面部和眼睛。这些技术称为驾驶员注意力监测系统，旨在发现疲劳或分心的早期迹象，帮助驾驶员保持警觉和安全。

图 2. 视觉 AI 系统可用于驾驶员注意力监测。(来源)

系统发现眨眼变慢、点头或视线偏离道路等警示信号时，通常会发出温和提醒，例如视觉或声音警报，提示驾驶员重新集中注意力，以免危险进一步加剧。

驾驶员注意力监测：工作原理#

驾驶员注意力监测系统旨在识别驾驶员何时开始注意力不集中，这种情况可能逐渐发生，甚至驾驶员本人都没有察觉。这类系统通常会在方向盘附近或仪表盘上安装一台小型摄像头，持续观察驾驶员的面部和眼睛。

为确保系统在各种条件下都能可靠运行，许多系统会使用红外摄像头，即使在夜间、光线昏暗或天气恶劣时，也能清晰捕捉面部细节。由于驾驶员注意力监测对时效性要求很高，摄像头捕捉到的画面必须实时分析，以检测驾驶员疲劳或分心的迹象并作出响应。

视觉 AI 如何解读驾驶员行为#

那么，这些系统具体是如何工作的？摄像头会采集实时视频，再由经过训练、能够解读人体姿势和面部行为的视觉 AI 模型进行分析。这些模型可以检测细微的视觉线索，判断驾驶员是否警觉或分心。例如，你可以在 Ultralytics Platform 上试用一个基于 YOLO26n 微调的驾驶员疲劳检测模型，也可以使用 Drivers Drowsiness Detection 数据集训练自己的模型。

分析面部和身体线索#

集成这些模型的视觉 AI 系统可以使用姿态估计技术检测并跟踪驾驶员的面部和整体身体姿势。系统会识别眼睛、鼻子、嘴巴、肩膀和头部位置等关键点，即使光线发生变化或驾驶员改变姿势，也能监测其动作和身体对齐情况。

检测到驾驶员面部后，系统会估算其头部朝向，判断驾驶员的视线方向是正对前方道路、向下看设备，还是转向一侧。随后，系统会重点分析眼睛，通过眨眼频率、眨眼时长和视线方向评估驾驶员的注意力。

图 3. 驾驶员注意力监测系统运行实况。(来源)

眨眼缓慢、闭着眼睛，或视线偏离道路，都可能表明驾驶员疲劳或分心。有些系统还会使用机器学习，随着时间推移跟踪姿势和动作模式，并将其与正常、专注的行为进行比较，以识别点头、弓背或反应变慢等逐渐显现的迹象。

检测疲劳并发出驾驶员注意力警告#

检测到疲劳或注意力不集中的早期迹象时，系统会发出轻柔提醒，帮助驾驶员重新集中注意力。提醒方式可以是轻柔的提示音、方向盘振动，或仪表盘上显示的提示。如果驾驶员没有作出响应，警告会逐渐变得更加明显，直到驾驶员重新注意道路。

视觉 AI 还支持其他驾驶辅助和安全功能#

除了监测驾驶员注意力，视觉 AI 还能增强当今车辆配备的各种安全和驾驶辅助功能。例如，系统检测到分心或困倦迹象时，可以将相关信息共享给车载的其他系统，让汽车能够调整自身行为，帮助保持安全、平稳的行驶状态。

以下是一些旨在辅助驾驶员的其他系统：

• 自适应巡航控制：该系统会保持设定的车速，并自动调整车速，与前车保持安全距离。
• 车道保持辅助：该系统会轻柔地辅助转向，帮助汽车保持在车道中央并减少无意偏离车道的情况。
• 前向碰撞预警：系统检测到可能发生碰撞或交通状况突然减速时，会向驾驶员发出警告。
• 免提驾驶辅助系统：这些功能可在兼容道路上支持有限的免提驾驶，同时监测驾驶员的注意力以帮助确保安全。例如，通用汽车的 Super Cruise 和福特的 BlueCruise 都使用车内摄像头跟踪驾驶员的注意力，并在驾驶员注意力分散时发出警告。

图 4. 视觉 AI 用于向驾驶员发出前向碰撞警告的示例。(来源。

视觉 AI 能够挽救道路上的生命#

驾驶员注意力监测系统并非实验性创新，而是已经投入生产应用。疲劳和分心是长途卡车司机日常面临的挑战，他们往往长时间在路上行驶，很少休息。

视觉 AI 正在通过实时监测驾驶员的警觉程度来帮助解决这一问题。一个很好的例子是沃尔沃卡车推出的升级版 Driver Alert Support 系统。该系统结合了一台面向车内、用于追踪眼睛的摄像头，以及一台面向前方、用于监测车道位置和驾驶模式的摄像头。此外，其他汽车制造商也在集成由计算机视觉和 AI 驱动的驾驶员监测系统，帮助驾驶员保持警觉和专注。

驾驶员注意力监测的优缺点#

使用驾驶员注意力监测系统的主要优势包括：

• 实时检测：计算机视觉模型能够实时分析面部表情、眼球运动和头部位置，从而及早发现疲劳或分心。
• 非侵入式监测：与可穿戴传感器不同，基于摄像头的系统可以被动跟踪注意力，无需与驾驶员发生任何身体接触，也不需要驾驶员额外付出精力。
• 可扩展性和适应性：基于视觉的模型可以利用新数据持续重新训练和改进，从而提高其在不同光照条件、面部类型和环境下的准确性。

驾驶员注意力监测系统虽然有很多好处，但也有一些局限性需要考虑。以下是需要注意的几个关键因素：

• 光照和可见度问题：光线不足、眩光，或驾驶员佩戴反光眼镜、遮挡关键面部特征的帽子时，计算机视觉的性能可能会下降。
• 数据隐私问题：在车内采集和处理视频，会引发关于面部数据和行为模式如何存储、使用和保护的问题。
• 计算需求：实时视频分析需要大量算力，这可能会增加系统成本和能耗。

要点#

驾驶时保持警觉对安全行车至关重要。即使短暂分心或疲劳，也会增加发生事故的风险。

由视觉 AI 驱动的驾驶员注意力监测系统会跟踪眼球运动、眨眼模式和头部位置等视觉线索，帮助降低这一风险。通过识别困倦或注意力不集中的早期迹象，这些系统可以及时提醒驾驶员重新集中注意力，安全行驶。

加入我们的社区并访问我们的 GitHub 仓库，进一步了解 AI。浏览我们的解决方案页面，了解汽车领域的计算机视觉和医疗保健领域的计算机视觉。查看我们的许可选项，立即开始使用视觉 AI 构建应用！