多模态座舱感知，
实时理解驾驶状态与安全风险

覆盖车外接近检测到车内驾驶状态监控的完整链路。车外识别驾驶员接近与人体特征，车内持续检测疲劳、视线偏移、长时间闭眼、分心、情绪与异常姿态，同时识别乘员数量、儿童遗留与安全带状态。

每项状态都会输出可量化指标，并融合成驾驶风险等级，供车辆系统响应。

支持 B柱摄像头、外后视镜摄像头、车内摄像头、语音输入、座舱传感器与车辆运行数据六类信号源，可按车型配置灵活接入。

具体效果受传感器布局、光照环境与算力影响，建议先用真实座舱场景做样本验证。

采用轻量化视觉模型与边缘推理，在车机或边缘设备上完成毫秒级连续判定，不依赖云端往返。

通过模型量化、算力分级调度与关键帧优先级，在有限算力下保证监测的连续性与低延迟。

单一视觉判定存在误判风险。系统按权重融合视觉、驾驶行为、车辆状态与环境数据交叉校验，仅当多路证据同时成立时才升级风险等级。

风险分级响应也让低风险只做轻提示，避免频繁打扰驾驶员。

支持边缘推理与私有化部署，模型与数据可留在车内或企业内网，满足数据不出车的合规要求。

可按车型算力与合规要求选择云端协同或纯边缘方案。

ADAS 关注车外道路与行车安全，座舱感知关注车内人员状态。二者互补：座舱感知输出驾驶员与乘员状态，可增强辅助驾驶的介入时机判断。

本方案通过安全策略信号与 ADAS 联动，形成车内外的完整安全闭环。

人脸与生物特征数据在边缘侧完成比对与建模，原始视频与敏感特征不出车，仅输出结构化状态指标与风险等级。

支持按企业隐私规范配置数据留存与脱敏策略。

通过标准化接口输出身份、状态指标与风险等级，可与车机、座舱域控制器及 ADAS 系统对接。

支持按车型协议与命名规范进行适配，建议先用真实样本做集成验证。