編輯導語：有些夥伴對dms的知識有所了解後，但關于産品的具體落地，還是不知道從何入手。是以，作者從自己的實際經驗出發，分享關于dms的具體産品案例，主要從撰寫dms的産品prd以及規劃兩方面來寫，希望對你有所幫助。
有朋友私信表示，雖然對dms有了一定認知，但去負責産品的具體落地，還是不知如何下手。
今天，我把自己在主機廠（汽車廠）做過的關于dms的具體産品案例分享出來。
基于自身經驗，本文分享兩部分：
首先，我們知道dms産品是軟硬體一體的系統産品。
主要零件：攝像頭模組（含鏡頭和支架）、dms控制器、紅外補光燈。
攝像頭和補光燈通過線端接口（如fpd-link iii 接口） 與 dms 控制器連接配接。
座艙域控制器：提供聲音提示及互動操作界面
儀表：提供疲勞駕駛警示圖示提醒
以上硬體系統及零件關系，由系統工程師完成具體的方案設計并輸出sor文檔。這個過程中産品經理參與多少，由公司和個人能力的實際情況決定。
但是，産品軟體的prd是一定要由産品經理自己去完成。
目前與第三方合作是絕大多數車企的dms開發模式，我以此情景為例，提供一份dms的prd參考。
上文交代過，這個項目的dms的功能與供應商合作完成。該合作中，供應商提供算法sdk完成圖像的資料分析和行為的邏輯推斷。但在駕駛員行為推斷的判定标準，由我方做具體參數配置。對應該prd會着重書寫駕駛員疲勞（分心、危險行為）的判斷标準和程度等級。
以疲勞檢測章節為例，至少有以下幾點需要交代清楚：
（1）疲勞檢測的功能描述
行車過程中，攝像頭對駕駛員的閉眼和打哈欠行為行進行采樣；dms 結合行車時間、行車速度等因子，來判斷駕駛員是否疲勞和疲勞等級。系統根據疲勞等級，發對應的警告給駕駛員。
功能開啟/關閉的使用者入口(界面設計）
通過車控車設界面
通過語音關閉/開啟
疲勞檢測啟動的條件
車速 30km/h-250km/h
勞檢測功能被開啟
疲勞檢測的等級與判斷邏輯
疲勞等級設定為一級疲勞和二級疲勞，觸發則進行報警，且采用高靈敏度算法。
疲勞檢測功能啟動後，主機系統如果收到一級疲勞信号，則立即播報 tts 提醒，此時疲勞檢測繼續執行，符合二級疲勞時，dms系統發生二級疲勞的信号。系統收到中度疲勞信号 3s 後（大約輕度疲勞提醒的 tts 剛播放完），進行二級疲勞提醒。
（2）疲勞提醒（人機互動）
一級疲勞：通過 tts 随機播報以下内容：
二級疲勞：先發出疲勞提示音；同時在儀表顯示疲勞駕駛圖示或文字，顯示 5s 隐藏。
疲勞提示音結束後，tts 随機播報以下内容：
提醒最小間隔：2 分鐘
像界面和人機互動設計，指派交給ued同僚去完成。
産品規劃需基于業務進行規劃，業務規劃需要對業務有深刻的認識，業務包括基于行業對産品、技術、管理、财務計劃等有深刻的了解。如果ims的業務了解透了，知道方向，知道節奏，那産品規劃則是拔出蘿蔔帶出泥的事情。
ims是智能座艙監測系統，也是智能座艙的兩大ai領域之一，但很多企業尚沒有意識到其産品規劃的重要性。與ai語音系統一樣，如果想要做出産品的差異性，就必須投入更多自研資源。
智能視覺系統和智能語音系統，很多企業把它們做為一個功能型産品去開發，其産品團隊、項目團隊僅僅着眼于功能屬性的研發和落地，這種思路非常狹隘。
在我眼裡，不論智能語音還是智能視覺系統，它們都屬于平台型、服務型産品。之是以這樣說，因為二者除了需要給使用者提供解決使用者需求的語音互動、視覺監測的功能之外，還需要提供服務架構留給其他功能，以滿足各種用車場景的智能化體驗。
比如下述場景：
“十月一日上午。男子駕車，載着妻子和5歲的兒子，從深圳南山導航去廣州長隆動物園。途中男孩煩躁多動，起身站立，不願繼續端坐。”
假如，我們設計一個功能，幫助家長安撫孩子，讓其乖乖坐好。
首先，座艙需要識别到該場景(依賴于oms攝像頭和視覺算法、導航資訊）；其次，座艙需要主動發起與孩子的互動（依賴于語音互動）；然後，確定互動的内容、形式符合孩子的興趣（依賴于内容服務）。
可見，在該場景該功能的實作過程中，智能視覺和智能語音均提供了服務能力。
以上隻是一個場景。
在實際的生活中有着層層連環的場景和使用者需求亟待挖掘，智能語音和智能視覺針對層層不同的的場景，應該建構一套标準和接口，以平台規則服務不同的場景功能。
是以說，智能視覺和智能語音必須要以平台型、服務型産品進行規劃，通過對用車場景的深度挖掘，提供滿足各種用車場景的功能和服務，才能建構産品體驗的差異化和競争力。
從企業的層面來講，如果希望在産品智能化方向有所作為，就應該在智能視覺和智能語音兩個ai領域的核心算法自研上加大投入，并掌握資料，擺脫對供應商的過度依賴，擺脫來自供應商的業務瓶頸。
具體分析材料不展示了，下面直接說結論：
現狀：主動式dms系統已成為行業标配
趨勢一 ： dms與oms融合為座艙監控系統，為座艙未多樣功能提供技術基礎
趨勢二 ：車内外視覺與其他傳感資料融合，車内外安全一體化
抽出關鍵-比如算法業務：
抽出關鍵-算法軟體架構：
視覺處理算法子產品劃分為算力适配層、資料層、視覺感覺層、邏輯層、接口層，這樣分層能提升軟體的複用性、子產品之間的協作性以及合理運用硬體平台算力。
輸出功能roadmap（僅示意形式）：
基于以上，制作輸出産品的規劃材料。
因為檔案受限要求，恕不能完全展示，希望以上内容，能給讀者朋友提供一個參考視角。
本文由 @賽博七号 原創釋出于人人都是産品經理，未經許可，禁止轉載。
題圖來自unsplash，基于 cc0 協定