面向驾驶行为风险检测的双阶段风险感知融合网络DRAF-Net
《Sensors》:DRAF-Net: Quality-Aware RGB–Skeleton Temporal Fusion for Driver Risk-Behavior Recognition
【字体:
大
中
小
】
时间:2026年10月21日
来源:Sensors 4.0
摘要
车辆座舱内的遮挡和姿态估计误差可能会降低骨架信息的可靠性。当 RGB、关节和骨骼流产生冲突的预测时,传统融合方法可能会传播不可靠的证据。因此,我们提出了 DRAF-Net,一种双阶段风险感知融合网络。姿态质量引导的风险瓶颈时间适配器(PQR-BTA)利用 12 项骨架质量度量、预测置信度和跨流分歧来调节三个流之间的信息交换。风险校正保护(RCP)随后以基线预测作为参考,并限制高风险概率和四级分类分数的变化。实验使用了来自 Drive&Act 的三个互斥受试者分组,每个分组包含三个随机种子,并采用共享的输入特征、训练和基于验证的模型选择协议。在三个受试者分组中,DRAF-Net 实现了 % 的高风险 AUPRC,比最强的对比方法高出 3.13 百分点。在针对约 5% FAR 的验证阈值下,召回率达到 %,比最强的对比方法提高了 5.82 个点。偏差为三个分组级种子均值的样本标准差。这些结果表明,DRAF-Net 有效地组织了互补的 RGB 和骨架证据,同时支持高风险样本的排序和检测。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号