Dapalm | IMS技术前沿

从实验室到道路：可穿戴视线估计的驾驶场景适配 arXiv 2610.07783 论文解读与DMS校准启示 论文信息 标题： From Laboratory to Road: Evaluating Wearable Gaze Accuracy for Driving 链接： arXiv:2610.07783 时间： 2026年10月 关键词： gaze estimation, wearable, driving, calibration, bird’s-eye view 核心发现可穿戴视线追踪器在实验室条件下精度高，但在实际驾驶中存在系统性偏移。通过室内录制估计的偏移量进行校正，可将误差从较高水平降至 1.10°，改善了全部41个场景。 关键结论： 偏移量在不同会话间变化，可靠的BEV监督可能需要在线重校准和条件相关的视线不确定性估计。 实验设计 维度 实验室 实际驾驶 环境 受控光照 变化光照（阳光/隧道/夜晚） 头部运动 相对静止 持续微运动 震动 无 车辆震动 视线范围 大范围 主要是前方道路 参考真值 固定点校准 BEV（鸟...

DMS 2026技术演进：从单一疲劳监测到多维状态感知 行业趋势深度分析与IMS技术路线更新 行业演进背景2026年，DMS正从”高端选装”走向”安全标配”。Euro NCAP 2026协议推动技术重心从单纯疲劳提醒转向对分心、情绪及健康风险的多维实时预警。 三代DMS演进 flowchart TB subgraph 第一代DMS 2020-2023 A1[单一疲劳检测] A2[PERCLOS规则] A3[警告提醒] end subgraph 第二代DMS 2024-2026 B1[疲劳+分心+手机] B2[视线估计+姿态检测] B3[分级警告] end subgraph 第三代DMS 2026+ C1[多维状态感知] C2[疲劳/分心/情绪/损伤/健康] C3[DFR功能就绪度+主动干预] end A1 --> B1 --> C1 各...

边缘NPU部署：DMS模型量化与部署优化实践 从训练到车规级NPU的完整部署链路 部署目标平台 平台 NPU 算力 功耗 适用场景 Qualcomm QCS8255 Hexagon 26 TOPS 5-8W 旗舰DMS Qualcomm QCS8295 Hexagon 45 TOPS 8-12W 豪华座舱 TI TDA4VM DSP+C66x 8 TOPS 5-10W 经济DMS STM32N6 Cortex-M55+NPU 3 TOPS/W 1-3W 轻量DMS Hailo-10H 专用NPU 20-40 TOPS 2.5W 后装DMS 量化部署管道12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110...

FocusGate：可靠性门控的视线预测线索融合 arXiv 2610.08663 论文解读与DMS应用 论文信息 标题： Knowing When to Trust a Prior: Reliability-Gated Cue Fusion for Video Gaze Prediction 链接： arXiv:2610.08663 时间： 2026年10月 核心创新FocusGate 是一个门控集成框架，融合多个无视线训练先验（gaze-free priors），其成员可选择”弃权”（abstain）。每帧门控读取散焦图的三个形状统计量，选择在该帧上估计器优于随机水平的帧，拒绝的帧恰好退化为基线。 一句话总结： 不是所有帧都适合用先验估计视线——FocusGate学会了”何时该信任”先验，只在可靠帧上使用。 与AttentiveGaze的对比 维度 AttentiveGaze FocusGate 方法 学习不确定性 规则门控+弃权 先验来源 训练数据 无视线先验 适用 有标注训练 无标注场景 互补性 ✅ ✅ 在DMS中的应用12345678910...

驾驶员状态监测2026年度综述：技术全景与路线图 综合2026年前沿研究与行业动态的技术全景图 综述范围本文综合2026年1-10月的主要DMS/OMS/CPD技术进展，形成年度技术全景。 技术成熟度雷达图 技术方向 成熟度 Euro NCAP要求 核心论文/产品 疲劳检测 ⭐⭐⭐⭐⭐ 成熟 必须 PERCLOS基线 分心检测 ⭐⭐⭐⭐⭐ 成熟 必须 AttentiveGaze 视线估计 ⭐⭐⭐⭐ 高 必须 AttentiveGaze/FocusGate CPD儿童检测 ⭐⭐⭐ 中 必须 Calterah UWB/ADAC测试 OOP姿态检测 ⭐⭐⭐ 中 必须 PULSE/Fast SAM 3D/TAP3D 酒驾损伤检测 ⭐⭐ 低中 加分 Minieye DFR 认知分心检测 ⭐ 低 加分 Fraunhofer SensAI 健康监测 ⭐⭐ 低中 无 rPPG/vPPG 数据合成 ⭐⭐ 低中 无 Cosmos/HuLiGen 核心技术栈 flo...

📄 全文中文译稿已上线：本文所述论文（arXiv:2605.07859）的20 页全文译稿(保留全部图表、含工程向译者解读)已发布在论文库,需要逐节细节请直接读译稿。 EyeCue：基于注视点与自视视频的驾驶员认知分心检测框架论文信息 项目 内容 标题 EyeCue: Driver Cognitive Distraction Detection via Gaze-Empowered Egocentric Video Understanding 作者 Lang Zhang et al. 来源 arXiv:2605.07859 发表时间 2026年5月 代码 https://github.com/langzhang2000/EyeCue 数据集 CogDrive（3,662样本，多场景认知分心标注） 核心创新EyeCue 是首个将时序眼动数据与自视视频（egocentric video）融合来检测驾驶员认知分心的框架。关键洞察：认知分心体现在注视点与视觉场景的交互模式变化中，而非注视点本身。驾驶员可能”看着路面”但实际上”心不在焉”。 与传统方...

KPGBeltNet：基于人体关键点引导与局部-全局注意力的车内安全带检测算法论文信息 项目 内容 标题 KPGBeltNet: in-vehicle seatbelt detection algorithm based on human keypoint-guided sampling and local–global attention 发表期刊 The Visual Computer (Springer) 发表时间 2026年6月 DOI 10.1007/s00371-026-04572-1 关键词 安全带检测、关键点引导、局部-全局注意力、车内视觉 核心创新KPGBeltNet 针对车内安全带检测的核心痛点：安全带细长、低对比度、与衣物/座椅背景视觉相似。传统目标检测框架（YOLO/Faster R-CNN）直接检测安全带时性能下降严重。KPGBeltNet 通过人体关键点引导采样缩小搜索空间，并用局部-全局注意力机制增强安全带特征。 与传统方法对比 方法 思路 问题 YOLO直接检测 安全带作为独立目...

多人FMCW雷达生命体征监测：FPGA加速实现与车内多乘员感知启示论文信息 项目 内容 标题 Scalable Multi-Subject Vital Sign Monitoring with mmWave FMCW Radar and FPGA Prototyping 作者 Jewel Benny, Narahari N. Moudhgalya, Mujeev Khan, Hemant Kumar Meena, Mohd Wajid, Abhishek Srivastava 单位 Malaviya National Institute of Technology Jaipur; IIIT Hyderabad 发表期刊 IEEE Sensors Journal, vol. 25, no. 2, pp. 3571-3583, Jan 2025 arXiv 2511.21314 DOI 10.1109/JSEN.2024.3507951 核心创新首次实现可扩展多人非接触生命体征监测的FMCW雷达系统，核心突破： 多人同时监测：通过调整雷达...

ToF深度相机车内3D姿态感知：10类危险驾驶行为实时检测系统论文信息 项目 内容 标题 In-vehicle 3D vision for perceiving dangerous driving behaviors 发表期刊 Scientific Reports (Nature) 发表时间 2026年5月 DOI 10.1038/s41598-026-52381-2 关键词 3D-ToF、驾驶员姿态估计、危险行为检测、ST-GCN、实时监控 核心创新首次提出基于3D-ToF深度相机的车内驾驶员3D姿态完整感知方案，解决RGB/NIR相机的三大痛点：光照敏感、隐私泄露、2D姿态信息不足。 ToF vs RGB/NIR 对比 维度 RGB摄像头 NIR近红外 3D-ToF 强光抗性 ❌ 过曝 ⚠️ 部分 ✅ 抗强光 弱光性能 ❌ 噪声大 ✅ 好 ✅ 一致 隐私保护 ❌ 面部可识别 ⚠️ 部分 ✅ 无纹理 3D信息 ❌ 2D投影 ❌ 2D投影 ✅ 完整3D 算力需求 低 低 中 成本 低 低-中...

EEG+眼动追踪融合：认知负荷监测的系统性综述与车内应用启示论文信息 项目 内容 标题 Combining EEG and eye-tracking for cognitive and physiological states monitoring: a systematic review 发表期刊 Frontiers in Neuroergonomics 发表时间 2025年12月 DOI 10.3389/fnrgo.2025.1736672 综述范围 47篇研究，覆盖2010-2025 核心发现关键结论 EEG与眼动追踪融合的分类模型，准确率显著高于任一单模态方案。 认知分心在眼动指标中表现早于驾驶性能下降，EEG提供了”看不到的认知负荷”信号，眼动提供了”可观测的行为代理”信号。 融合 vs 单模态对比 方案 平均准确率 侵入性 实时性 车内可行性 仅EEG 78-85% 高（接触式） 是 ❌ 仅眼动 65-72% 低（非接触） 是 ⚠️ EEG+眼动 85-92% 中 是 ⚠️ 需简化EEG 系统性发现1. ...