编辑导语：有些伙伴对dms的知识有所了解后，但关于产品的具体落地，还是不知道从何入手。因此，作者从自己的实际经验出发，分享关于dms的具体产品案例，主要从撰写dms的产品prd以及规划两方面来写，希望对你有所帮助。
有朋友私信表示，虽然对dms有了一定认知，但去负责产品的具体落地，还是不知如何下手。
今天，我把自己在主机厂（汽车厂）做过的关于dms的具体产品案例分享出来。
基于自身经验，本文分享两部分：
首先，我们知道dms产品是软硬件一体的系统产品。
主要零件：摄像头模组（含镜头和支架）、dms控制器、红外补光灯。
摄像头和补光灯通过线端接口（如fpd-link iii 接口） 与 dms 控制器连接。
座舱域控制器：提供声音提示及交互操作界面
仪表：提供疲劳驾驶警示图标提醒
以上硬件系统及零件关系，由系统工程师完成具体的方案设计并输出sor文档。这个过程中产品经理参与多少，由公司和个人能力的实际情况决定。
但是，产品软件的prd是一定要由产品经理自己去完成。
当前与第三方合作是绝大多数车企的dms开发模式，我以此情景为例，提供一份dms的prd参考。
上文交代过，这个项目的dms的功能与供应商合作完成。该合作中，供应商提供算法sdk完成图像的数据分析和行为的逻辑推断。但在驾驶员行为推断的判定标准，由我方做具体参数配置。对应该prd会着重书写驾驶员疲劳（分心、危险行为）的判断标准和程度等级。
以疲劳检测章节为例，至少有以下几点需要交代清楚：
（1）疲劳检测的功能描述
行车过程中，摄像头对驾驶员的闭眼和打哈欠行为行进行采样；dms 结合行车时间、行车速度等因子，来判断驾驶员是否疲劳和疲劳等级。系统根据疲劳等级，发对应的警告给驾驶员。
功能开启/关闭的用户入口(界面设计）
通过车控车设界面
通过语音关闭/开启
疲劳检测启动的条件
车速 30km/h-250km/h
劳检测功能被开启
疲劳检测的等级与判断逻辑
疲劳等级设定为一级疲劳和二级疲劳，触发则进行报警，且采用高灵敏度算法。
疲劳检测功能启动后，主机系统如果收到一级疲劳信号，则立即播报 tts 提醒，此时疲劳检测继续执行，符合二级疲劳时，dms系统发生二级疲劳的信号。系统收到中度疲劳信号 3s 后（大约轻度疲劳提醒的 tts 刚播放完），进行二级疲劳提醒。
（2）疲劳提醒（人机交互）
一级疲劳：通过 tts 随机播报以下内容：
二级疲劳：先发出疲劳提示音；同时在仪表显示疲劳驾驶图标或文字，显示 5s 隐藏。
疲劳提示音结束后，tts 随机播报以下内容：
提醒最小间隔：2 分钟
像界面和人机交互设计，指派交给ued同事去完成。
产品规划需基于业务进行规划，业务规划需要对业务有深刻的认识，业务包括基于行业对产品、技术、管理、财务计划等有深刻的理解。如果ims的业务理解透了，知道方向，知道节奏，那产品规划则是拔出萝卜带出泥的事情。
ims是智能座舱监测系统，也是智能座舱的两大ai领域之一，但很多企业尚没有意识到其产品规划的重要性。与ai语音系统一样，如果想要做出产品的差异性，就必须投入更多自研资源。
智能视觉系统和智能语音系统，很多企业把它们做为一个功能型产品去开发，其产品团队、项目团队仅仅着眼于功能属性的研发和落地，这种思路非常狭隘。
在我眼里，不论智能语音还是智能视觉系统，它们都属于平台型、服务型产品。之所以这样说，因为二者除了需要给用户提供解决用户需求的语音交互、视觉监测的功能之外，还需要提供服务框架留给其他功能，以满足各种用车场景的智能化体验。
比如下述场景：
“十月一日上午。男子驾车，载着妻子和5岁的儿子，从深圳南山导航去广州长隆动物园。途中男孩烦躁多动，起身站立，不愿继续端坐。”
假如，我们设计一个功能，帮助家长安抚孩子，让其乖乖坐好。
首先，座舱需要识别到该场景(依赖于oms摄像头和视觉算法、导航信息）；其次，座舱需要主动发起与孩子的互动（依赖于语音交互）；然后，确保互动的内容、形式符合孩子的兴趣（依赖于内容服务）。
可见，在该场景该功能的实现过程中，智能视觉和智能语音均提供了服务能力。
以上只是一个场景。
在实际的生活中有着层层连环的场景和用户需求亟待挖掘，智能语音和智能视觉针对层层不同的的场景，应该构建一套标准和接口，以平台规则服务不同的场景功能。
所以说，智能视觉和智能语音必须要以平台型、服务型产品进行规划，通过对用车场景的深度挖掘，提供满足各种用车场景的功能和服务，才能构建产品体验的差异化和竞争力。
从企业的层面来讲，如果希望在产品智能化方向有所作为，就应该在智能视觉和智能语音两个ai领域的核心算法自研上加大投入，并掌握数据，摆脱对供应商的过度依赖，摆脱来自供应商的业务瓶颈。
具体分析材料不展示了，下面直接说结论：
现状：主动式dms系统已成为行业标配
趋势一 ： dms与oms融合为座舱监控系统，为座舱未多样功能提供技术基础
趋势二 ：车内外视觉与其他传感数据融合，车内外安全一体化
抽出关键-比如算法业务：
抽出关键-算法软件架构：
视觉处理算法模块划分为算力适配层、数据层、视觉感知层、逻辑层、接口层，这样分层能提升软件的复用性、模块之间的协作性以及合理运用硬件平台算力。
输出功能roadmap（仅示意形式）：
基于以上，制作输出产品的规划材料。
因为文件受限要求，恕不能完全展示，希望以上内容，能给读者朋友提供一个参考视角。
本文由 @赛博七号 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自unsplash，基于 cc0 协议