Euro NCAP 2026 ADDW 法规解读：2026年7月起所有新车强制安装驾驶员分心警告系统

法规概览

关键时间节点：

• 2024年7月： 新车型（新设计/改款）强制安装 ADDW
• 2026年7月： 所有新注册车辆强制安装 ADDW

法规依据：

• EU Regulation 2019/2144（GSR2 - General Safety Regulation 2）
• Euro NCAP 2026 Assessment Protocol - Safe Driving

什么是 ADDW？

ADDW（Advanced Driver Distraction Warning） 是一种高级驾驶员分心警告系统，通过摄像头监测驾驶员眼动和头部姿态，检测分心行为并发出警告。

核心功能

功能	描述	技术要求
视线追踪	实时跟踪驾驶员注视方向	红外摄像头 + 眼动追踪算法
头部姿态估计	检测头部偏转角度	3D 头部姿态估计（yaw/pitch/roll）
分心检测	判断驾驶员是否分心	视线偏离道路 + 时长阈值判断
警告机制	视觉/听觉/触觉警告	分级警告（一级/二级）

与 DMS 的区别

对比项	DMS（Driver Monitoring System）	ADDW
定义	广义的驾驶员状态监测系统	法规定义的特定功能模块
功能范围	疲劳+分心+身份识别+更多	专注分心检测
法规要求	Euro NCAP 评分项	EU 强制安装项
技术方案	多传感器融合	摄像头为主

Euro NCAP 2026 要求详解

1. 驾驶员状态监测（DSM）

监测内容：

状态类型	检测指标	触发条件
疲劳	PERCLOS、眨眼频率、哈欠	PERCLOS ≥ 15%（一级），≥ 30%（二级）
视觉分心	视线偏离道路时长	视线偏离 ≥ 2 秒（一级），≥ 4 秒（二级）
手动分心	手部行为识别	手持手机/操作手机
认知分心	眼动模式分析	注视区域狭窄/异常模式

警告策略：

graph LR
    A[检测到分心] --> B{时长判断}
    B -->|≥2秒| C[一级警告<br/>视觉提示]
    B -->|≥4秒| D[二级警告<br/>视觉+听觉]
    C --> E{是否恢复}
    D --> F{是否恢复}
    E -->|是| G[取消警告]
    F -->|是| G
    E -->|否| H[升级警告]
    F -->|否| I[持续警告<br/>准备干预]

2. 儿童存在检测（CPD）

强制要求： Euro NCAP 2026 要求检测儿童/宠物被遗忘在车内

检测方案对比：

方案	原理	优点	缺点
60GHz 雷达	检测呼吸/心跳微动	穿透毛毯、不受光照影响	成本较高
车内摄像头	视觉识别	成本低、可多功能复用	受遮挡/光照影响
毫米波雷达	79GHz 雷达	高精度、可检测呼吸	成本高
超声波传感器	检测车内移动物体	成本极低	精度低、易误报

推荐方案： 雷达 + 摄像头融合

3. 安全带误用检测（Seatbelt Misuse）

检测场景：

误用类型	描述	检测方法
未系安全带	驾驶员/乘客未系	座椅传感器 + 视觉检测
安全带错位	安全带未正确佩戴	摄像头检测肩带位置
安全带松脱	安全带未拉紧	张力传感器 + 视觉检测
后排未系	后排乘客未系	座椅传感器 + 摄像头

技术实现：

"""
安全带误用检测算法

检测安全带是否正确佩戴
"""

import cv2
import numpy as np
import torch

class SeatbeltMisuseDetector:
    """
    安全带误用检测器
    
    基于视觉检测安全带佩戴状态
    """
    
    def __init__(self, model_path):
        # 加载预训练模型
        self.model = torch.jit.load(model_path)
        
        # 安全带关键点定义
        self.keypoints = {
            'shoulder': 0,  # 肩部固定点
            'chest': 1,     # 胸前斜带
            'waist': 2,     # 腰部横带
            'buckle': 3     # 卡扣位置
        }
    
    def detect(self, image, person_bbox):
        """
        检测安全带状态
        
        Args:
            image: 输入图像 (H, W, 3)
            person_bbox: 人员边界框 (x1, y1, x2, y2)
        
        Returns:
            result: {
                'is_fastened': bool,
                'is_correct': bool,
                'misuse_type': str,
                'confidence': float
            }
        """
        # 裁剪感兴趣区域
        x1, y1, x2, y2 = person_bbox
        roi = image[y1:y2, x1:x2]
        
        # 预处理
        roi = cv2.resize(roi, (224, 224))
        roi = roi.transpose(2, 0, 1).astype(np.float32) / 255.0
        roi = torch.from_numpy(roi).unsqueeze(0)
        
        # 模型推理
        with torch.no_grad():
            outputs = self.model(roi)
        
        # 解析输出
        seatbelt_visible = outputs['visible'].item() > 0.5
        keypoints = outputs['keypoints'][0].numpy()  # (4, 2)
        
        if not seatbelt_visible:
            return {
                'is_fastened': False,
                'is_correct': False,
                'misuse_type': 'not_fastened',
                'confidence': 1.0 - outputs['visible'].item()
            }
        
        # 检查安全带位置是否正确
        is_correct, misuse_type = self._check_seatbelt_position(keypoints, roi.shape)
        
        return {
            'is_fastened': True,
            'is_correct': is_correct,
            'misuse_type': misuse_type,
            'confidence': outputs['confidence'].item()
        }
    
    def _check_seatbelt_position(self, keypoints, img_shape):
        """
        检查安全带位置是否正确
        
        正确佩戴：肩带斜跨胸前，从肩部到腰部
        """
        h, w = img_shape[-2:]
        
        shoulder = keypoints[0]
        chest = keypoints[1]
        waist = keypoints[2]
        buckle = keypoints[3]
        
        # 检查肩带是否正确斜跨
        # 正常情况：肩部 → 胸前 → 腰部/卡扣
        if chest[0] < shoulder[0] * 0.7:  # 肩带过于靠外
            return False, 'shoulder_belt_mispositioned'
        
        # 检查腰带是否正确
        if waist[1] > h * 0.8:  # 腰带位置过低
            return False, 'lap_belt_too_low'
        
        return True, 'none'


# 测试代码
if __name__ == "__main__":
    detector = SeatbeltMisuseDetector('seatbelt_model.pt')
    
    # 模拟测试
    image = np.random.randint(0, 255, (480, 640, 3), dtype=np.uint8)
    bbox = (100, 100, 300, 400)
    
    result = detector.detect(image, bbox)
    print(f"检测结果: {result}")

4. 乘员监测系统（OMS）

检测内容：

功能	描述	Euro NCAP 要求
乘员计数	检测车内人数	必须准确识别座位占用
座位占用	检测各座位是否有人	区分成人和儿童
儿童座椅检测	识别儿童安全座椅	支持 ISOFIX 座椅识别
姿态检测	检测乘员坐姿	识别异常姿态（OOP）

5. 分级评分标准

Euro NCAP 2026 DSM 评分：

分数段	要求
0-1分	仅提供基本疲劳检测
2-3分	疲劳检测 + 视觉分心检测
4-5分	多模态监测 + CPD + OMS

满分要求（5分）：

• ✅ 疲劳检测（PERCLOS）
• ✅ 视觉分心检测
• ✅ 手动分心检测
• ✅ 认知分心检测（加分项）
• ✅ 儿童存在检测（CPD）
• ✅ 安全带误用检测
• ✅ 乘员监测系统（OMS）

OEM 方案对比

主流厂商技术路线

OEM	传感器方案	技术亮点	Euro NCAP 准备度
Volvo	双摄像头 + 红外 + AI	双摄像头冗余、Vision Zero 集成	超越标准要求
BMW	摄像头 + 多模态传感器	边缘场景处理、舒适性与安全平衡	早期对齐
Tesla	纯摄像头方案	软件敏捷、OTA 更新、车队学习	争议性合规
Mercedes-Benz	摄像头 + 雷达融合	多模态冗余、豪华安全	稳健合规
Stellantis	摄像头 + Tier-1 合作	可扩展、成本效益	多品牌标准化
Hyundai	SmartSense 套件	驾驶员注意力警告 + 前方碰撞避免	五星评级
Toyota	T-Mate + Safety Sense	驾驶员监控摄像头 + 车道支持	超越标准

技术方案对比

graph TB
    subgraph 单摄像头方案
        A1[Tesla] --> B1[成本低]
        A1 --> C1[依赖算法]
        A1 --> D1[极端场景挑战]
    end
    
    subgraph 双摄像头方案
        A2[Volvo] --> B2[冗余设计]
        A2 --> C2[可靠性高]
        A2 --> D2[成本增加]
    end
    
    subgraph 多模态融合方案
        A3[Mercedes/BMW] --> B3[传感器融合]
        A3 --> C3[鲁棒性强]
        A3 --> D3[系统复杂度高]
    end

IMS 开发实施指南

1. 功能优先级

Phase 1（2026 Q3）：

• ✅ 疲劳检测（PERCLOS）—— 法规要求
• ✅ 视觉分心检测 —— ADDW 核心
• ✅ 手动分心检测 —— 手机使用检测

Phase 2（2027 Q1）：

• ⚠️ 认知分心检测 —— 加分项
• ⚠️ 儿童存在检测 —— CPD
• ⚠️ 安全带误用检测

Phase 3（2027 Q3）：

• ❌ 乘员姿态检测 —— OOP
• ❌ 多模态融合 —— 雷达 + 摄像头
• ❌ 个性化校准 —— 适配不同驾驶员

2. 硬件选型建议

摄像头：

参数	入门级	标准级	高端级
分辨率	720p	1080p	1080p × 2
帧率	30fps	60fps	60fps
FOV	50°	60°	60° + 90°
红外	940nm × 1	940nm × 2	940nm × 4
全局快门	否	是	是
参考型号	OV2311	OV2311 × 2	STURDeCAM57

计算平台：

平台	算力	功耗	适用场景
QCS8255	26 TOPS	5-8W	入门前装
QCS8295	50 TOPS	8-12W	标准前装
Orin-X	25 TOPS	15-25W	高端前装
Jetson Nano	0.5 TFLOPS	5-10W	后装市场

3. 软件架构

┌─────────────────────────────────────────────────────────────┐
│                    IMS 软件架构                              │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐     │
│  │ 视觉感知模块 │  │ 传感器融合   │  │ 决策融合模块 │     │
│  │              │  │              │  │              │     │
│  │ - 人脸检测   │  │ - 摄像头输入 │  │ - 疲劳判断   │     │
│  │ - 关键点提取 │  │ - 雷达输入   │  │ - 分心判断   │     │
│  │ - 眼动追踪   │  │ - 车辆信号   │  │ - CPD 判断   │     │
│  │ - 头部姿态   │  │ - 座椅传感器 │  │ - 警告策略   │     │
│  └──────────────┘  └──────────────┘  └──────────────┘     │
│         ↓                  ↓                  ↓            │
│  ┌─────────────────────────────────────────────────────┐  │
│  │              功能模块层                              │  │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐  │  │
│  │  │疲劳检测 │ │分心检测 │ │ CPD检测 │ │安全带检测│  │  │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘  │  │
│  └─────────────────────────────────────────────────────┘  │
│                           ↓                                 │
│  ┌─────────────────────────────────────────────────────┐  │
│  │              接口层                                  │  │
│  │  - CAN 接口（车辆信号）                             │  │
│  │  - HMI 接口（警告显示）                             │  │
│  │  - 日志接口（事件记录）                             │  │
│  └─────────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────────┘

4. 测试场景清单

Euro NCAP 2026 DSM 测试场景：

场景编号	场景描述	检测要求
F-01	PERCLOS ≥ 30%，持续 5 秒	触发二级疲劳警告
F-02	哈欠检测（张嘴 ≥ 3 秒）	触发一级疲劳警告
D-01	视线偏离前方 ≥ 2 秒	触发一级分心警告
D-02	手持手机至耳边	触发一级分心警告
D-03	低头操作手机 ≥ 3 秒	触发二级分心警告
D-04	回头与后排乘客交谈	触发一级分心警告
D-05	视线偏离道路 ≥ 3 秒	触发二级分心警告
C-01	后排检测到儿童动作	触发 CPD 警告
S-01	安全带未正确佩戴	触发安全带警告

5. 合规检查清单

OEM 必须提供的文档：

• DMS/OMS 功能描述文档
• 传感器布置图纸
• 算法性能测试报告
• 失效模式分析（FMEA）
• 功能安全评估（ISO 26262）
• 数据隐私保护方案
• 用户使用说明书

Euro NCAP 测试项：

• 疲劳检测准确性测试
• 分心检测准确性测试
• 警告时机测试
• 误报率测试
• 极端场景测试（墨镜/口罩/夜间）
• 多驾驶员适应性测试
• CPD 检测测试
• 安全带误用检测测试

常见问题

Q1: ADDW 与 DMS 的关系？

A: ADDW 是 DMS 的一个子功能，专指分心警告。DMS 是更广泛的驾驶员监测系统，还包括疲劳检测、身份识别等。

Q2: 2026年7月后二手车是否需要加装？

A: 不需要。法规仅针对新注册车辆，二手车不受影响。

Q3: 纯视觉方案能否满足法规？

A: 技术上可行，但 Euro NCAP 更青睐多模态融合方案（摄像头 + 雷达）以提升鲁棒性。

Q4: 隐私问题如何解决？

A:

• 数据不上传云端，本地处理
• 仅提取特征，不存储原始图像
• 提供用户数据删除选项
• 符合 GDPR 要求

参考文档

1. EU Regulation 2019/2144 (GSR2)
2. Euro NCAP Assessment Protocol - Safe Driving v10.0
3. ECE R152 (ADDW Regulation)
4. ISO 26262 (Functional Safety)

---

总结： Euro NCAP 2026 对 IMS 提出了更高要求，OEM 需在 2026年7月前完成 ADDW 系统部署。建议 IMS 开发优先实现疲劳检测和分心检测核心功能，逐步扩展 CPD、安全带误用检测等高级功能。