2026–2032年汽车驾驶员-乘员监控系统（DMS-OMS）产业战略与十五五展望报告

定义

据 APO Research（河南阿谱尔国际信息咨询有限公司）2026年最新报告统计，全球汽车驾驶员-乘员监控系统（DMS-OMS）在2025年实现约24.8亿美元的市场规模，预计2026年将达到约34.9亿美元，并有望在2032年接近198亿美元，2026–2032年以约34%的年复合增长率增长。对主机厂与一级供应商而言，它已从“可选的座舱功能”变成一项强约束的安全与合规配置，直接挂钩车辆安全评级、法规路径与平台级电子电气架构规划，核心关键词也从单点“驾驶员分心检测”扩展到“座舱感知、乘员存在与姿态、气囊触发策略联动”。 汽车驾驶员-乘员监控系统（DMS-OMS）属于座舱内安全功能，其核心是感知驾驶员注意力状态以及乘员的存在、位置、姿态与安全带使用和儿童相关状态，并将机器可读的状态估计输出给车辆的乘员约束系统、座舱人机交互（HMI）以及驾驶辅助控制器。它们不是制动或转向执行系统，而是运行在车载计算平台上的感知与解释层，通过明确的信号定义与故障隔离边界与主动安全（例如 AEB、车道保持）和被动安全（气囊与预紧器控制）建立接口。在量产车中，DMS-OMS 体现为可落地的硬件加嵌入式软件组合：带专用补光的成像或雷达传感器模块、集成在座椅系统中的座椅感知元件，以及在汽车功能安全与网络安全流程约束下执行实时视觉与信号处理算法的 ECU 或域控制器。 典型系统架构可分为三层。第一层为传感节点，负责采集座舱可观测量。近红外（NIR）成像是驾驶员监控的主流模态，因为它能在昼夜条件下直接解析人脸关键点、眼睑、瞳孔与头姿。此类摄像头模块通常采用全局快门 NIR 传感器、带通光学滤镜以及 850 nm 或 940 nm 红外照明；发射功率、占空比与眼安全被控制在 Class 1 限值范围内，同时通过车载诊断监测热状态、老化与污染。乘员监控把感知范围扩展到驾驶员之外，可采用大视场 NIR 摄像头实现全舱覆盖；采用座椅感知链路（如称重传感器、压力膜、安全带锁扣载荷与位置编码器）实现乘员分类与约束逻辑支撑；并可引入舱内毫米波雷达，通过被褥或柔性遮挡条件下的微动检测与心肺微多普勒特征实现儿童遗留检测。第二层为传输链路，将传感信号送入计算平台：摄像头视频流可在模块内通过 CSI-2 传输，或经 GMSL、FPD-Link 等串行链路送至域控制器；雷达与座椅感知信号通常以以太网、CAN FD 或 LIN 帧形式进入；时间戳通过硬件触发或 PTP 同步，以支持多传感器融合。第三层为计算层，执行感知与融合并对外发布车辆可用的状态：实现方式既可能是带嵌入式推理的智能摄像头，也可能是集中式域控制器或分区控制器汇聚多路座舱传感器；无论哪种路径，对外输出通常是边界受控、类型明确的状态变量，而非原始图像数据。 从量产工程角度，传感模态可形成可落地的分类体系。Camera-only 指以 NIR 成像为主的方案，必要时可通过双目、ToF 或结构光引入深度信息，是 DMS 的典型实现路径，也常用于 OMS 的姿态与安全带分析。Radar-only 指舱内 60/77 GHz 雷达用于乘员存在与生命体征代理指标；雷达不用于驾驶员眼睑或视线估计，因为其空间分辨率不足以解析眼部特征。Seat-sensing-only 指集成于座椅与锁扣的乘员分类链路，将重量、安全带使用与位置等信息馈送至约束控制模块，是气囊使能或禁用逻辑的基础。Sensor fusion 指任意组合：例如摄像头与座椅感知融合以增强约束决策鲁棒性，雷达与摄像头融合以在遮挡条件下提高儿童遗留检测能力，或三模融合用于高端配置；工程实现通常依赖时间对齐的跟踪轨迹、合理性校验以及在传感器不可用或越界时的降级策略。 算法栈通常从信号调理、同步以及面向 NIR 场景优化的摄像头 ISP 开始，包含对 100/120 Hz LED 光源闪烁的抑制，以及用于应对强日照与隧道等场景的 HDR 曝光控制。驾驶员侧管线首先做人脸检测与跟踪、关键点回归，并通过在个体化或通用人脸网格模型上求解 PnP 估计头姿，进一步计算眼睑开合度与眨眼统计并推断相对道路方向的视线向量。时间序列逻辑会计算疲劳与注意力指标，例如单位时间内的眼睑闭合比例、注视与视线离路持续时间、低头时长、频繁眨眼以及打哈欠的代理特征。在视场条件允许时，姿态估计还会引入肩部与躯干关键点。乘员侧管线检测座椅与乘员及儿童安全座椅，推断坐姿位置与侧倾姿态，从车载网络读取锁扣状态；当配置雷达时，还可估计与呼吸一致的存在与微动模式。座椅感知链路会估算重量与质心，并对座椅泡沫回滞与温度影响进行补偿。融合层用于调和相互竞争的假设、强制空间一致性，并以置信度与“新鲜度”元数据输出稳定的状态变量。系统鲁棒性针对墨镜、口罩、帽子、强背光、夜间驾驶与部分遮挡等场景，通常通过数据增强、NIR 专用预处理与分布外检测维持。软件侧需适配车规 SoC 上 NPU、DSP 与 GPU 的定点或量化推理，并将端到端时延控制在受限预算内，确保告警与约束决策具备及时性与可重复性。 安装与标定决定可达精度，应视为硬约束而非“后期优化项”。驾驶员摄像头多布置在内后视镜罩、仪表台眉沿或转向柱罩壳，以在保持合适工作距离与光轴的同时，尽量降低视差以及手部与方向盘遮挡。大视场乘员摄像头通常安装在顶控台或顶棚；三排座车型可能在顶棚中部增设视角以覆盖后排。雷达模块一般布置在顶棚中央，以覆盖座舱体积并限制多径与互扰。座椅感知换能器位于座盆与导轨等部位，需要通过车辆级标定与代表性载荷与约束逻辑建立一致性映射。每种安装都涉及内参与外参标定、发射器光功率整定，以及上电自检与周期性在用自检，包括镜头污染或错位、发射器老化或开路、雷达噪声底漂移以及座椅感知零点漂移等检查。与整车的接口通常通过 CAN 或以太网使用有文档的信号发布驾驶员注意力状态、疲劳标志、视线离路计时器、乘员存在与分类、姿态与位置描述、安全带状态与儿童遗留状态，并配套诊断故障码（DTC）与冻结帧数据。 安全、网络安全与 SOTIF 共同约束开发与验证。功能安全流程将安全目标分解到传感与计算链路，结合在 ADAS 与约束链路中选定的后备策略分配与之匹配的 ASIL 目标，并确保安全相关与非安全软件之间的互不干扰。SOTIF（预期功能安全）关注“无故障条件下的性能缺陷”，覆盖诸如深色墨镜、儿童座椅与被褥、座椅上放置货物、强烈日照炫光、亮面饰件反射以及差路振动等边界场景。网络安全涵盖安全启动、鉴权升级、密钥管理、日志保护，以及符合当代车载安全工程的车载网络接口加固。现场诊断包含对传感器遮挡或饱和、发射器电流偏差、雷达干扰、标定有效性以及座椅感知合理性（例如乘员与安全带状态矛盾）的 DTC 监测；降级策略可包括提示驾驶员的降级模式、临时抑制部分功能，以及在可用时切换到间接代理信息。 性能工程以可测量、可复现指标为基础，而非定性承诺。对 DMS 而言，常用指标包括视线向量误差、眼睑状态识别与眨眼时序精度、头姿误差、视线离路与分心持续时间识别表现、误报与漏报率、从采集到状态发布的时延，以及在规定照度与温度范围内对墨镜、口罩、胡须与不同肤色的鲁棒性。对 OMS 而言，指标覆盖座位占用检测的灵敏度与特异度、成人-儿童与不同 CRS（儿童约束系统）变体的分类混淆矩阵、满足约束调校所需的姿态与位置精度、安全带检测可靠性、在遮挡与极低运动条件下的儿童遗留检测概率，以及对杂物或宠物干扰的韧性。环境与法规验证通常覆盖车规温度、振动与电应力范围，并完成 EMC/ESD 合规、NIR 发射器眼安全验证，以及光学件防雾与除霜除冰表现验证。数据覆盖需要跨地域、人口统计、座椅布局与配件差异进行工程化设计，以避免系统性偏差。 人机交互与整车集成构成闭环。注意力与疲劳告警需要分级策略，在降低打扰的同时避免驾驶员麻痹，包含清晰的升级规则、取消条件与保持策略。乘员识别结果会驱动约束决策、安全带提醒以及车辆锁车后的儿童遗留提示等座舱通知。接口设计需使 ADAS 能基于已验证的驾驶员参与度对自动化功能进行门控，并在无法确认注意力时调整接管提示。所有动作需可追溯并以日志事件记录，同时遵循数据最小化原则，并在适用时符合隐私法规与区域惯例；默认做法是传输受限的状态变量而非原始图像，图像通常本地处理，除非存在明确同意与清晰目的才考虑采集与使用。 不同细分应用与渠道的部署形态存在差异。在乘用车领域，DMS 已趋于普及且以摄像头为主；OMS 在主流车型中多为“摄像头加座椅感知”，在更高配置中进一步融合舱内雷达以提高遮挡条件下的儿童遗留检测能力。在商用车领域，主流形态是摄像头式 DMS，可作为与驾驶辅助栈联动的前装模块，也可作为具备告警与车队事件上传的后装一体机；OMS 更集中于座椅感知与摄像头以满足安全带与占用合规，雷达仅在高端或特殊座舱中选择性使用。跨两类车型的共同趋势是，从“智能摄像头孤岛”向域控与中央计算迁移，通过确定性网络与时间同步统一多路座舱传感器，从而简化 OTA 更新与全生命周期管理。 法规与评价体系在不强制指定传感模态的前提下，正在不断塑造需求。多个地区的新车通用安全法规要求具备驾驶员疲劳与注意力告警功能，星级评价项目也在评估摄像头式驾驶员监控的鲁棒性与儿童遗留检测能力。针对网络安全与软件更新的合规框架要求量产系统采取“安全即设计”的架构，并支持鉴权且可审计的软件更新。隐私与数据保护制度推动设计向端侧处理、短生命周期缓冲以及安全状态变量与可识别图像的明确隔离演进。整车厂会将这些外部期待转译为技术需求与验收测试，将评估协议中的打分点映射到客观指标，例如在不同光照与眼镜条件下的可用性、告警触发时间，以及遮挡儿童遗留场景中的检测可靠性。 从系统工程视角看，DMS-OMS 的成功不在于“黑盒能力强”，而在于其表现得像一套可靠的传感器套件。硬件需要可维护且诊断透明；软件需要通过中间状态与置信度实现可解释；接口需要在不同车型与配置间保持稳定；整体功能需要具备平滑的降级能力。最具韧性的量产设计通常将“唯一能解决驾驶员问题的模态”——基于摄像头的眼部与头姿感知——与“最能解决乘员存在与姿态问题的模态”——座椅感知以及在适当场景下的舱内雷达——进行组合，并在纳入整车安全论证（safety case）的控制器上完成融合。该组合能清晰地保留关键边界：DMS-OMS 负责感知与告知，而车辆的驾驶辅助与乘员约束系统负责决策与执行。 汽车驾驶员–乘员监控系统（DMS–OMS）是一类车内安全功能，用于感知驾驶员的注意力状态以及乘员的存在、位置、姿态和安全带或儿童座椅的使用情况，并将这些状态评估结果以机器可读的形式发布给整车约束系统、人机界面（HMI）以及驾驶辅助控制器。DMS–OMS 本身并不是制动或转向系统，而是运行在车载计算平台上的感知与解释层，通过定义清晰的信号接口和故障隔离边界，与主动安全（如 AEB、车道保持）以及被动安全（安全气囊与预紧器控制）进行耦合。在量产车辆中，DMS–OMS 以“硬件 + 嵌入式软件”的形态交付：集成专用照明的车内摄像头或雷达传感模块、嵌入座椅系统的座椅传感链路，以及在功能安全与网络安全流程下运行、负责实时视觉与信号处理算法的电子控制单元或域控制器。 DMS与OMS很少以纯软件形态独立采购，更多以系统形态交付：红外摄像头与补光、算法与座舱域算力、与安全气囊与约束系统控制器的接口定义，以及车规级功能安全、网络安全与数据闭环能力共同构成“可被项目签收”的交付物。项目周期往往横跨多个车型平台与年款迭代，客户更关心的是误报漏报边界、夜间与强逆光鲁棒性、不同人群与姿态覆盖，以及当传感器污染或遮挡时的降级策略，而不仅是单次演示效果。 量的增长同样具备工业逻辑：2025年全球出货约970万套，预计2026年将提升至约1,600万套，到2032年预测期末有望超过8,700万套。随之而来的不是简单的“规模红利”，而是持续的成本与供应链压力：红外成像器件、光学件与结构件、车规SoC及存储、标注与验证工装、以及整车端算力预算都在挤压BOM与毛利空间，迫使方案在“算法复杂度、算力占用、传感器规格、与平台复用”之间做工程化取舍。 供给格局呈现“头部集中但结构在变”的特征。按2025年口径，全球Top5合计约70%的市场份额，Top3约56%，法雷奥（Valeo）、Aumovio（原大陆汽车）、麦格纳（Magna）、电装（Denso）、现代摩比斯（Hyundai Mobis）等仍是主机厂平台定点中最常见的系统级玩家；结合客户定点节奏与在手项目结构，预计2026年Top5份额仍大概率维持在约70%上下。与此同时，德赛西威（Desay SV）、佑驾创新（Minieye）、华阳（Foryou）、智华科技（INVO Automotive）等在特定车型与区域项目上更活跃，更多以“座舱域集成能力+算法交付速度+本地化工程支持”切入，但要在全球平台上扩大份额，仍取决于车规质量体系、跨区域量产一致性与长期维护能力。 技术路线上，摄像头方案在2025年仍占绝对主流，约九成以上的产值来自以红外摄像为核心的DMS-OMS系统；雷达方案规模更小，但在“乘员存在、遮挡场景、隐私敏感应用”中具备不可替代的补位价值，市场更倾向于把它作为冗余传感器或融合输入，而不是单独替代摄像头。区域层面，2025年欧洲约9.4亿美元居于首位，中国约5.7亿美元、北美约4.4亿美元紧随其后，需求重心与法规节奏、车型平台架构与本地供应链能力深度绑定；到2032年预测期末，真正决定胜负的通常不是某一次算法指标，而是能否把系统级安全与隐私边界、量产一致性、以及跨平台复用成本做成可持续的工程体系。