认知分心检测突破：基于眼动行为的多视角时空特征融合

发布时间： 2026-03-11 22:30
关键词： 认知分心、眼动追踪、DMS、Euro NCAP 2026

---

问题背景

传统 DMS 擅长检测视觉分心（视线偏离道路）和疲劳（眼睛闭合、打哈欠），但认知分心（”走神”）始终是难点。

认知分心的典型表现：

• 眼睛盯着道路，但大脑在处理其他事情
• 眼动模式变得”机械化”、”规律性下降”
• 对突发路况反应延迟

---

最新突破：多视角时空特征融合

2024-2025 年多项研究提出基于眼动行为的认知分心检测新方法：

核心思路

传统方法	新方法
只看视线落点	分析眼动时序模式
单帧判断	多帧时序分析
静态特征	动态眼动规律性

技术方案

眼动数据 → 注视点序列 → 时空特征提取 → 分类器 → 认知分心概率
              ↓
         多视角融合：
         - 空间特征：注视点分布
         - 时间特征：扫视频率、注视时长
         - 行为特征：眼动规律性指标

---

关键指标

根据 2024 年 ScienceDirect 发表的研究：

指标	正常驾驶	认知分心
注视时长方差	较大	减小（过于稳定）
扫视频率	正常	下降
视线落点熵	较高	下降（”凝视”效应）
眼动规律性	适中	异常规律/异常不规律

---

检测准确率

方法	准确率	特异性
单一眼动指标	60-70%	低
多特征融合	68-81%	中等
XGBoost + 脑网络特征	85%+	高

---

对 IMS 的启示

1. 近期可做

• 采集认知分心场景数据（如语音任务、心算任务）
• 提取眼动时序特征（注视时长、扫视间隔）
• 验证 TDGV（时空特征）方法的可行性

2. 中长期规划

• 建立 driver capability state model，统一疲劳/分心/认知分心/酒精损伤
• 与 ADAS 联动：认知分心 → 提前降低反应阈值
• 考虑 EEG 替代方案（方向盘电容传感器、心率变异性）

3. 数据需求

• 认知分心标注数据（需定义清晰的诱发任务）
• 对比正常驾驶 vs 认知分心 vs 视觉分心的眼动差异
• 跨人群验证（年龄、性别、驾驶经验）

---

Euro NCAP 关联

2026 要求： 认知分心检测成为评分项
当前状态： 特异性不足（<95%），不能直接用于警告
建议策略： 作为辅助信号，与其他指标融合

---

参考文献

1. Qiao et al. (2024). Driver Cognitive Distraction Detection based on eye movement behavior and integration of multi-view space-channel feature. Expert Systems with Applications.
2. Springer (2025). Driver Cognitive Distraction Detection Based on Eye Movement Behavior and Spatio-Temporal Information Fusion.
3. University at Buffalo (2025). Eyes on the Road: Real-Time Driver Distraction Detection.

---

认知分心是 DMS 的”最后一公里”，突破后将显著提升道路安全。