YOLO-Drive：细粒度分心行为检测的YOLO新架构

前言

驾驶员分心检测是DMS的核心功能。传统方法将分心行为粗分为几类（如”使用手机”、”吃东西”），但实际场景中，驾驶员可能同时进行多种行为，且行为之间存在细微差异。

2026年发表于《Computers, Materials & Continua》的YOLO-Drive论文，提出了一种支持细粒度和重叠行为识别的鲁棒分心检测方法。

一、问题定义

1.1 细粒度分心行为

传统分心检测：

分类：使用手机 / 吃东西 / 调整收音机 / 其他

细粒度分心检测：

使用手机
├── 左手持手机打电话
├── 右手持手机打电话
├── 双手持手机打字
├── 左手持手机浏览
└── 右手持手机浏览

吃东西
├── 单手喝水
├── 单手吃东西
├── 双手吃东西
└── 喝饮料（瓶装/杯装）

1.2 重叠行为

现实场景中，驾驶员可能同时进行多种行为：

组合	示例
手机+吃东西	一只手拿手机，一只手吃东西
手机+调整	用手机导航同时调整空调
多任务	开车时看手机、吃东西、调整设备

传统单标签分类无法处理这种情况。

二、YOLO-Drive架构

2.1 基于YOLO的设计

YOLO-Drive基于YOLO架构进行改进，利用其实时性能优势：

输入图像
    ↓
Backbone（特征提取）
    ↓
Neck（多尺度特征融合）
    ↓
Head（检测+分类）
    ↓
输出：行为标签 + 边界框

2.2 关键创新

创新	描述
多标签分类头	支持重叠行为检测
细粒度类别设计	细化分心行为类别
注意力机制增强	提升小目标检测能力
时序一致性约束	减少帧间抖动

2.3 与YOLOv11对比

特性	YOLOv11	YOLO-Drive
任务	通用目标检测	分心行为检测
分类头	单标签	多标签
类别设计	通用80类	细粒度分心行为
时序处理	单帧	时序一致性

三、实验结果

3.1 数据集

论文使用了多个分心驾驶数据集：

数据集	描述
State Farm Distracted Driver	10类分心行为
AUC Distracted Driver	多视角分心行为
自建数据集	细粒度+重叠行为标注

3.2 性能对比

方法	mAP	FPS
YOLOv8n	82.3%	142
YOLOv10m	85.7%	98
YOLOv11	87.2%	112
YOLO-Drive	91.5%	105

3.3 重叠行为检测

行为组合	准确率
单一行为	94.2%
两行为重叠	89.7%
三行为重叠	82.3%

四、对IMS开发的启示

4.1 算法选择

场景	推荐方案
基础分心检测	YOLOv11（成熟稳定）
细粒度分心检测	YOLO-Drive架构
实时部署（边缘）	YOLOv8n/YOLOv11n + 知识蒸馏

4.2 类别设计

建议采用分层类别设计：

Level 1: 大类
├── 手机使用
├── 饮食行为
├── 设备调整
├── 外部交互
└── 其他

Level 2: 细分
├── 手机使用
│   ├── 左手打电话
│   ├── 右手打电话
│   ├── 双手打字
│   └── ...

Level 3: 重叠组合
├── 手机+饮食
├── 手机+设备
└── ...

4.3 部署优化

优化方向	方法
模型压缩	量化、剪枝、知识蒸馏
推理加速	TensorRT、ONNX Runtime
多任务学习	分心检测+疲劳检测联合训练

五、相关研究

5.1 YOLOv11疲劳检测

同期研究”Real-Time Drowsiness Detection Using YOLOv11 in Driver Monitoring Systems”：

• 使用YOLOv11进行疲劳检测
• 检测眼睑闭合、打哈欠
• 极端照明和人脸遮挡影响性能

5.2 RT-DETR-DA

“RT-DETR-DA for Complex Scenes: Distracted Driving Detection”：

• 基于DETR的实时检测
• 动态感知增强
• 复杂场景优化

六、技术趋势

6.1 从单标签到多标签

发展阶段	特点
阶段1	单标签分类（10类）
阶段2	细粒度分类（30+类）
阶段3	多标签检测（重叠行为）
阶段4	时序行为理解

6.2 边缘部署需求

平台	算力	适用模型
高通8255	30 TOPS	YOLO-Drive完整版
高通8295	30 TOPS	YOLO-Drive + 多任务
TI TDA4	8 TOPS	YOLOv8n/YOLOv11n
EyeQ6L	5 TOPS	轻量化版本

总结

YOLO-Drive为细粒度分心行为检测提供了新思路：

1. 多标签分类：支持重叠行为检测
2. 细粒度类别：精细识别分心行为
3. 实时性能：保持YOLO系列高效优势
4. 时序一致性：减少帧间抖动

开发启示：在IMS中引入细粒度分心检测，支持多标签输出，提升复杂场景下的检测准确率。

---

参考资料：

• YOLO-Drive Paper
• Ultralytics YOLOv11
• Real-Time Drowsiness Detection Using YOLOv11