前言
Mobileye 在 2026 年 3 月宣布获得美系车企百万级 DMS 订单时，透露了一个关键信息：
Euro NCAP 2029 协议预计将从眼动追踪升级为有意义参与检测（Meaningful Engagement Detection, MED）。
这是 DMS 技术演进的下一个重大里程碑。
一、MED 的技术内涵
1.1 从”眼睛在哪里”到”是否在看该看的地方”
| 检测方式 |
眼动追踪（2026） |
有意义参与检测（2029） |
| 核心问题 |
驾驶员眼睛在哪里？ |
驾驶员是否在看该看的地方？ |
| 技术要求 |
眼动追踪 |
眼动 + 道路感知融合 |
| 上下文 |
无 |
结合道路环境 |
| 误报率 |
较高 |
更低 |
| 检测深度 |
视觉分心 |
认知分心（部分） |
1.2 Mobileye 的技术路线
根据 Mobileye 官方说明：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| Mobileye DMS 技术架构：
┌─────────────────────────────────────────────┐
│ 舱内感知（DMS） │
│ ├─ 眼动追踪 │
│ ├─ 视线方向估计 │
│ └─ 驾驶员状态判断 │
├─────────────────────────────────────────────┤
│ 舱外感知（ADAS） │
│ ├─ 道路环境感知 │
│ ├─ 交通场景理解 │
│ └─ 危险区域识别 │
├─────────────────────────────────────────────┤
│ 融合判断（MED） │
│ ├─ 视线是否指向道路？ │
│ ├─ 视线是否指向危险区域？ │
│ └─ 驾驶员是否"有意义参与"？ │
└─────────────────────────────────────────────┘
|
关键创新： 单芯片（EyeQ6L）同时运行 DMS + OMS + ADAS，无需独立 DMS ECU。
二、MED vs 传统 DMS
2.1 场景对比
| 场景 |
传统 DMS 响应 |
MED 响应 |
| 驾驶员看后视镜 |
⚠️ 可能误报为分心 |
✅ 识别为驾驶相关行为 |
| 驾驶员看仪表盘 |
⚠️ 可能误报为分心 |
✅ 识别为驾驶相关行为 |
| 驾驶员看手机 |
❌ 检测为分心 |
❌ 检测为分心 |
| 驾驶员看道路但认知分心 |
❌ 无法检测 |
⚠️ 部分检测（结合行为模式） |
2.2 技术要求
| 维度 |
传统 DMS |
MED |
| 传感器 |
舱内摄像头 |
舱内 + 舱外摄像头 |
| 算法 |
眼动追踪 |
眼动 + 场景理解 + 融合 |
| 计算资源 |
独立 ECU 或集成 |
与 ADAS 共享资源 |
| 数据需求 |
眼动数据 |
眼动 + 道路场景数据 |
三、开发落地方案
3.1 系统架构
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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
class MeaningfulEngagementDetector:
def __init__(self):
self.gaze_tracker = GazeTracker()
self.scene_analyzer = SceneAnalyzer()
self.engagement_judge = EngagementJudge()
def detect(self, cabin_frame, road_frame):
gaze = self.gaze_tracker.track(cabin_frame)
scene = self.scene_analyzer.analyze(road_frame)
engagement = self.engagement_judge.judge(gaze, scene)
return engagement
class EngagementJudge:
def judge(self, gaze, scene):
"""
判断驾驶员是否有意义参与
规则示例：
- 视线指向前方道路 → 有意义
- 视线指向危险区域（行人、障碍物） → 有意义
- 视线指向手机 → 无意义
- 视线指向无关区域 → 无意义
"""
if self.is_gaze_on_road(gaze, scene):
return EngagementLevel.MEANINGFUL
if self.is_gaze_on_driving_related(gaze, scene):
return EngagementLevel.MEANINGFUL
if self.is_gaze_on_hazard(gaze, scene):
return EngagementLevel.MEANINGFUL
return EngagementLevel.NOT_MEANINGFUL
|
3.2 数据需求
| 数据类型 |
数量 |
说明 |
| 眼动 + 道路场景同步数据 |
10000+ |
驾驶员视线与道路环境对应 |
| 驾驶相关行为标注 |
5000+ |
看后视镜、仪表盘等 |
| 分心行为标注 |
5000+ |
看手机、发呆等 |
| 危险场景数据 |
2000+ |
行人、障碍物出现时的眼动 |
3.3 硬件配置
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| 推荐配置：
├─ 舱内摄像头
│ ├─ 位置：转向柱/仪表台
│ ├─ 类型：RGB-IR（940nm）
│ └─ FOV：覆盖驾驶员面部
├─ 舱外摄像头
│ ├─ 位置：挡风玻璃顶部
│ ├─ 类型：RGB
│ └─ FOV：前方道路
├─ 处理器
│ ├─ 方案 1：独立 DMS ECU + ADAS ECU（传统）
│ └─ 方案 2：单芯片集成（Mobileye EyeQ6L）
└─ 融合算法
└─ 舱内外感知融合
|
四、与 IMS 开发的关联
4.1 功能演进路线
| 阶段 |
时间 |
功能 |
技术要求 |
| 阶段 1 |
2026 |
眼动追踪 |
舱内摄像头 |
| 阶段 2 |
2027 |
视线分类 |
舱内摄像头 + 简单规则 |
| 阶段 3 |
2028 |
驾驶相关识别 |
舱内 + 舱外简单融合 |
| 阶段 4 |
2029 |
MED |
舱内外深度融合 |
4.2 开发优先级
| 功能 |
Euro NCAP 要求 |
IMS 优先级 |
| 眼动追踪 |
2026 必需 |
P0（已有） |
| 视线分类 |
2026 必需 |
P0（已有） |
| 舱内外融合 |
2029 预计 |
P1（提前布局） |
| MED |
2029 预计 |
P2 |
4.3 技术挑战
| 挑战 |
解决方案 |
| 舱内外时间同步 |
硬件触发同步 |
| 坐标系转换 |
标定与映射算法 |
| 计算资源分配 |
与 ADAS 共享资源 |
| 数据标注 |
同步眼动 + 道路场景数据 |
五、总结
关键要点
| 要点 |
说明 |
| MED 是趋势 |
Euro NCAP 2029 预计升级 |
| 融合是关键 |
舱内外感知融合 |
| 降低误报 |
区分驾驶相关 vs 无关行为 |
| 单芯片集成 |
Mobileye EyeQ6L 方案 |
开发启示
- 提前布局舱内外融合：为 2029 做准备
- 积累同步数据：眼动 + 道路场景
- 关注 Mobileye 方案：单芯片集成趋势
- 降低误报率：MED 的核心价值
参考来源：
发布日期： 2026-04-13
标签： #EuroNCAP #MED #眼动追踪 #认知分心 #Mobileye #2029