Euro-NCAP-2026-Occupant-Classification-与-Adaptive-Restraint-联动
Euro NCAP 2026：Occupant Classification 与 Adaptive Restraint 联动，为什么会成为 OMS 新主战场
关键词：Occupant Classification、Adaptive Restraint、OOP、CPD、Seatbelt、Airbag、Camera + Seat Sensor + Belt Sensor、Euro NCAP 2026
一、为什么这个方向值得单独拉出来研究
过去几年，舱内感知行业的主叙事一直是 DMS：疲劳、分心、视线、闭眼、打电话。
但进入 Euro NCAP 2026 周期后，行业正在发生一个非常关键的变化：OMS 不再只是“看见乘员”，而是要直接驱动约束系统策略调整。
这意味着 Occupant Monitoring 的价值链开始从“告警”走向“控制闭环”：
- 不只是识别有没有人
- 不只是识别是不是儿童
- 不只是识别是不是 out-of-position
- 而是要进一步回答：这个人是谁、体型如何、坐姿怎样、是否处于危险位置、当前约束策略是否需要变化
如果说过去 OMS 更像一个信息提供模块，那么 2026 之后，它会越来越像 Adaptive Restraint 的前端感知入口。
这件事对 IMS 团队的意义非常大，因为它决定了后续系统架构到底是：
- 继续停留在“舱内识别算法”
- 还是向“感知 + 约束联动 + 整车策略接口”升级
我更倾向于后者。因为从法规、Tier1 路线、供应链表态和测试逻辑来看，后续评分和量产价值都在往这边集中。
二、Euro NCAP 2026 真正新增的不是一个功能点，而是一条闭环链路
根据 Smart Eye 对 2026 Occupant Monitoring / Adaptive Restraints 要点的梳理，Euro NCAP 2026 不再满足于传统的“固定式被动约束”逻辑，而是要求车辆根据乘员情况实时调整保护策略。
核心新增点可以概括成三条：
1）乘员体型分类要进入约束策略
协议要求车辆对 驾驶员和前排乘员 做体型/身材类别识别，并且约束系统要基于识别结果调整策略。
关键约束包括：
- 至少覆盖三类中的两类：5th / 50th / 95th percentile occupant
- 识别结果变化后，约束策略需要在 10 秒内完成调整
- 调整逻辑会在正碰仿真中被验证
这说明 Euro NCAP 看重的已经不是“你能不能检测到人”，而是：
你能不能把乘员识别结果稳定、快速、可信地送入气囊/安全带控制策略。
2）Airbag 管理从“人工切换”走向“自动/系统建议”
对于副驾气囊管理，2026 更倾向自动化：
- 后向儿童座椅场景必须确保气囊关闭
- 对 5th percentile 成人及更大体型则应开启
- 单纯依赖人工拨杆/手动开关，难以拿满分
这本质上是在要求舱内系统具有：
- 儿童座椅/儿童乘员识别能力
- 成人小体型/正常成人区分能力
- HMI 联动与错误防呆能力
3）OOP 检测必须持续运行，而不是一次性判定
协议要求检测包括：
- feet on dashboard
- 身体过度前倾，距离仪表台/饰板过近
- 多种体型与姿态下的连续监测
- 触发后 30 秒内给出视觉 + 听觉告警
这意味着 OOP 不再是孤立功能，而是成为 Adaptive Restraint 的风险输入之一。
三、从产业路线看，真正可行的方案不是单传感器，而是多源融合
从 ZF LIFETEC 在 InCabin 2025 公布的方案可以看出，头部被动安全供应商已经明确把 Occupant Classification 做成一个多传感器融合 + 约束执行器联动的问题，而不是纯视觉小功能。
ZF 给出的核心路线非常清晰：
- Occupant camera：识别体型、姿态、儿童/儿童座椅、OOP
- Seat sensor：辅助判断占座、重量/压力分布
- Belt sensor：判断安全带抽取、佩戴状态、误用风险
- Actuator / software：驱动气囊、预紧器、限力器等自适应策略
其本质不是“识别人”，而是构建乘员数字孪生（digital twin）：
- 乘员是否存在
- 是成人还是儿童
- 体型属于哪一档
- 当前坐姿/前倾/脚部位置如何
- 安全带是否正确佩戴
- 在当前碰撞工况下，最优约束参数是什么
这一点很关键：未来 OMS 的竞争，不再只是检测精度，而是“可用于约束决策的状态估计能力”。
四、为什么这会成为 IMS/OMS 新主战场
1）因为它比传统 DMS 更接近整车安全价值兑现
传统 DMS 很多时候停留在告警层：提醒驾驶员疲劳、提醒注意力回到道路。
而 Occupant Classification + Adaptive Restraint 直接关联：
- 气囊是否打开
- 打开多快
- 力量多大
- 安全带约束力如何调节
- 是否抑制某些安全关键执行
这类能力更容易进入 OEM 的“安全卖点”与 NCAP 星级闭环，也更容易拿到整车项目优先级。
2）因为它天然拉动 Camera / Radar / Seat / Belt 多模态融合
单 RGB 摄像头对以下问题会天然吃力：
- 被遮挡情况下的儿童/婴儿存在检测
- 被毯子覆盖时的 CPD
- 夜间、逆光、墨镜、复杂穿着的鲁棒性
- 脚部位置、深度距离、前倾程度的高置信估计
- 体型与重量之间的一致性校验
所以真正可量产的路线大概率是：
- Camera 负责语义与姿态
- Radar 负责微动/遮挡下生命体征与存在确认
- Seat sensor 负责载荷与占座信息
- Belt sensor 负责佩戴与抽取状态
- 融合层完成 occupant state estimation
3）因为它天然要求系统从“单帧识别”升级为“时序状态机”
无论是 10 秒内完成约束调整，还是 30 秒内触发 OOP 告警，本质都不是单帧分类能解决的。
真正需要的是：
- 占座状态机
- 乘员类别状态机
- 坐姿/前倾/OOP 状态机
- 置信度衰减与回退机制
- 执行器联动的安全策略机
这对算法团队提出的要求会比传统疲劳/分心更系统化。
五、对 IMS 开发最直接的启示
这里不讲空话，直接讲落地。
启示 1：要把 OMS 输出从“标签”改成“约束可消费状态”
很多现有 OMS 输出仍是：
- adult / child
- occupied / empty
- normal / abnormal posture
这远远不够。
更适合后续约束联动的输出应该是结构化状态：
- occupant_presence
- occupant_type
- stature_bucket（5th / 50th / 95th 映射或近似分桶）
- child_seat_type / rear_facing_flag
- seatbelt_wear_state / misuse_type
- oop_type / severity
- distance_to_dash / lean_forward_score
- confidence / temporal_stability
- recommended_restraint_profile
也就是说，算法输出层要开始考虑“下游 ECU 怎么消费”。
启示 2：要尽快建设前排乘员体型分桶能力
如果体型分桶做不出来，Adaptive Restraint 的链路根本接不上。
建议优先做：
- 基于 2D/3D 关键点 + 座椅参考系的 stature proxy
- 联合 seat sensor 的体型/重量一致性校验
- 正副驾分开建模
- 多服饰、多姿态、多遮挡条件下的稳定性测试
启示 3：OOP 不应只做“是否异常”，要做危险类型拆分
更有价值的 OOP 输出应该至少拆成：
- feet_on_dash
- leaning_forward_near_dash
- twisted_posture
- child_out_of_position
- hand/arm near deployment zone（如果后续有需求）
这样后续才能映射不同气囊/安全带抑制或调整策略。
启示 4：安全带误用检测要并入同一状态空间
今天很多团队把 belt misuse 当独立功能点做，其实从产品结构看，它应该和 occupant classification、OOP、airbag strategy 放到同一框架里。
因为对约束系统来说，真正要的是：
这个乘员当前的保护风险画像是什么？
而不是孤零零一个 belt misuse 标签。
启示 5：要预留 Radar/Depth 传感器接口，而不是把视觉路线写死
即便短期量产只上 camera，架构上也要留好多模态接口：
- CPD 后续会拉动 radar
- OOP 深度估计会拉动 depth / 3D
- Occupant Classification 的体型鲁棒性会受益于多源校验
从平台设计看，早一点把融合接口、时间同步、标定与故障回退机制设计好，后续演进成本会低很多。
六、建议的优先级排序
P0：必须尽快补齐
- 前排 occupant classification 分桶能力
- rear-facing child seat / child detection 联动气囊策略
- OOP 连续检测 + 30 秒内告警框架
- belt misuse 与 occupant state 融合建模
P1：中期强化
- seat sensor / belt sensor / camera 融合
- 基于时序状态机的 restraint recommendation output
- 多体型、多服饰、多夜间条件鲁棒性验证
- 与安全 ECU 的接口定义与回退机制
P2：前瞻布局
- camera + radar 融合 CPD / occupant classification
- single-sensor 3D / depth for OOP and distance estimation
- synthetic data 用于极端姿态与儿童座椅场景覆盖
- 面向 2027+ 的更复杂座舱姿态与自动驾驶舱布局适配
七、路线判断：谁会吃到这一波红利
我认为未来两类玩家会最受益：
第一类：能把 DMS 扩展成 OMS + Restraint 联动平台的玩家
他们的优势不是单点精度，而是：
- 能覆盖 DMS + OMS + CPD + OOP + belt misuse
- 能做多模态融合
- 能输出约束可消费状态
- 能和 Tier1 / ECU / 执行器链路对接
第二类：本来就在被动安全链条里的 Tier1
比如像 ZF 这类本身既理解乘员识别，又掌握气囊/安全带执行端的企业，会天然有系统级优势。
原因很简单：
法规正在把“看见乘员”变成“按乘员特征调保护策略”。
谁更接近执行端，谁就更容易把感知价值转化成量产价值。
八、结论：2026 之后，OMS 的核心不再是“识别”，而是“约束闭环”
如果只把 Euro NCAP 2026 理解成多了几个舱内检测功能点，会低估这轮变化。
更准确的理解是：
Euro NCAP 正在推动舱内感知从观察层走向干预层，从标签输出走向安全策略输入。
Occupant Classification、OOP、CPD、Seatbelt Misuse、Airbag Management，这些原本分散的能力，正在被重新组织成一个更完整的系统：
感知乘员 → 估计风险 → 输出约束策略 → 执行个体化保护
这才是 2026 之后 OMS 最值得投入的主线。
对于 IMS 开发来说，最关键的不是再多做一个检测类别，而是尽快把系统升级到：
- 可融合
- 可时序建模
- 可对接约束系统
- 可解释
- 可通过 NCAP 验证
这条线一旦打通，后续不只是应付法规，而是会真正进入下一代舱内安全平台的核心位置。
参考资料
- Smart Eye, Euro NCAP 2026: New Standards for Occupant Monitoring and Adaptive Restraints, 2025-06-25
- ZF LIFETEC, Adaptive Restraint Systems Through Intelligent Occupant Monitoring, 2025-10-06
- Anyverse, Euro NCAP 2026 In-Cabin Monitoring: OEM Guidelines to Readiness, 2025