ICONIP 2024 论文解读：眼动行为+时空信息融合认知分心检测

论文信息

• 标题： Driver Cognitive Distraction Detection Based on Eye Movement Behavior and Spatio-Temporal Information Fusion
• 作者： Qiao Y, Yang X, Wang J, Si T, Guo Q
• 会议： ICONIP 2024 (Neural Information Processing)
• 出版： Springer LNCS, 2024
• 链接： https://link.springer.com/chapter/10.1007/978-981-96-6603-4_7

Euro NCAP 认知分心检测背景

认知分心 vs 视觉分心

类型	定义	检测难度	Euro NCAP要求
视觉分心	视线偏离道路	⚠️ 中（已有方案）	已覆盖
认知分心	思维游离、mind wandering	🔴 高（待突破）	2026+新增

技术难点

• 认知分心无明显视觉特征
• 眼动模式变化微弱
• 传统PERCLOS无法检测

本论文价值：
提出眼动行为+时空信息融合方案，实现认知分心检测突破。

---

方法详解

1. 眼动行为特征

class EyeMovementFeatures:
    """
    眼动行为特征
    
    论文核心特征
    """
    
    features = {
        "gaze_entropy": "视线熵（认知负荷指标）",
        "fixation_duration": "注视时长",
        "saccade_frequency": "扫视频率",
        "pupil_diameter": "瞳孔直径变化",
        "blink_pattern": "眨眼模式异常"
    }

2. 时空信息融合

Transformer架构融合时空特征：

• 时间维度：眼动序列时序建模
• 空间维度：视线落点分布建模
• 融合输出：认知分心概率

---

IMS开发启示

1. 认知分心检测优先级

优先级	任务	周期
P0	眼动熵计算模块	2周
P1	Transformer时序建模	3周
P2	认知分心阈值设定	1周

2. IMS技术路线

IMS认知分心检测方案：

• 复用现有眼动追踪模块
• 新增眼动熵计算
• Transformer时序建模
• Euro NCAP测试验证

---

总结

本论文为认知分心检测提供了眼动行为+时空信息融合方案，IMS可参考。

---

论文解读：2026-07-04 | 类型：论文解读