FATED：美国联邦铁路管理局（FRA）计算机视觉疲劳连续评估框架——铁路驾驶员监测的新范式
FATED：美国联邦铁路管理局（FRA）计算机视觉疲劳连续评估框架——铁路驾驶员监测的新范式信息来源 项目 内容 项目名称 Fatigue Assessment for Transportation Engineer Determination (FATED) 资助机构 美国联邦铁路管理局（FRA） 执行方 Mosaic ATM 类型 Small Business Innovation Research (SBIR) Phase I 时间 2025-2026 链接 https://mosaicatm.com/2026/09/01/advancing-rail-safety-with-computer-vision/ 数据 30小时视频，60名被试 技术基础 VILMAS项目（视觉+语言模型汽车安全） 核心创新 疲劳连续体模型：非二元”疲劳/清醒”判定，而是将疲劳视为渐进连续过程 三层分析架构：低层视觉信号→中层行为模式→高层准备度评估 个体基线校准：不使用通用阈值，而是基于个体行为基线判定变化 面部+骨骼双通道：面部特征点+身体...
KAN-CLUE：Kolmogorov-Arnold网络+不确定性感知持续学习TinyML驾驶员疲劳检测
KAN-CLUE：Kolmogorov-Arnold网络+不确定性感知持续学习TinyML驾驶员疲劳检测论文信息 项目 内容 标题 Uncertainty-Aware Continual TinyML Driver Fatigue Detection with Kolmogorov–Arnold Networks at the IoT Edge 期刊 Applied System Innovation (MDPI), Vol. 9, Issue 7, Article 147 发表 2026年7月8日 链接 https://doi.org/10.3390/asi9070147 核心方法 KAN-CLUE = CNN骨干 + Kolmogorov-Arnold Network + 不确定性量化 + 持续学习 输入 近红外眼周图像 部署 IoT边缘TinyML设备 核心创新 KAN替代MLP：在边缘设备上用Kolmogorov-Arnold Network替代传统多层感知机，更少参数更高精度 不确定性感知：模型输出预测置信度，低置信度时不...
因果感知KAN多模态驾驶疲劳融合：EEG+EOG+ECG因果建模+Kolmogorov-Arnold网络
因果感知KAN多模态驾驶疲劳融合：EEG+EOG+ECG因果建模+Kolmogorov-Arnold网络论文信息 项目 内容 标题 Multi-modal driving fatigue detection with causal-aware fusion and Kolmogorov-Arnold network 期刊 Information Fusion, Vol. 133, Article 104255 发表 2026年2月26日 作者 Xu Xu, Ghulam Muhammad 链接 https://www.sciencedirect.com/science/article/abs/pii/S156625352600134X 核心方法 因果感知融合 + KAN层 输入 EEG + EOG + ECG 多模态生理信号 核心创新 因果感知融合：不简单拼接特征，而是建模模态间因果关系 KAN融合层：用Kolmogorov-Arnold Network替代传统MLP进行跨模态融合 交通安全性驱动：以交通安全为目标的疲劳检测框架 因果图建模：...
铁路驾驶员视觉疲劳检测：YOLOv8+注意力机制轻量CNN——秘鲁利马地铁实战部署
铁路驾驶员视觉疲劳检测：YOLOv8+注意力机制轻量CNN——秘鲁利马地铁实战部署论文信息 项目 内容 标题 A vision-based drowsiness detection system for railway operators using lightweight convolutional neural networks 期刊 Frontiers in Future Transportation, Vol. 6 发表 2025年11月11日 链接 https://doi.org/10.3389/ffutr.2025.1677442 机构 UNTELS（秘鲁利马国立大学） 场景 Linea Uno利马地铁驾驶室 模型 YOLOv8 + 注意力机制 参数量 ~2.7M 准确率 96.8% 核心创新 铁路专属数据集：6,991帧真实地铁驾驶室视频，非汽车数据迁移 YOLOv8+注意力：在YOLOv8基础上增加注意力机制聚焦关键面部区域 实时轻量：2.7M参数，满足实时推理需求 多光照验证：早/午/夜三种光照条...
汽车座椅靠背压阻式柔性传感系统：五级微结构+PDMS-EUG复合材料+ELM校准
汽车座椅靠背压阻式柔性传感系统：五级微结构+PDMS-EUG复合材料+ELM校准论文信息 项目 内容 标题 A piezoresistive flexible sensing system based on quintuple-level annular cylindrical microstructure, PDMS-EUG composite and ELM initial calibration for detecting the pressure on automotive seat backrests 期刊 Measurement (Elsevier) 发表 2026年4月24日 链接 https://www.sciencedirect.com/science/article/abs/pii/S0263224126013333 核心方法 五级环形柱微结构 + PDMS-EUG复合 + ELM校准 应用 汽车座椅靠背压力分布检测 核心创新 五级环形柱微结构：多层圆柱阵列提高灵敏度和量程 PDMS-EUG复合材料：聚二甲基硅氧烷+共晶镓铟合...
热 galvanic水凝胶自供电压力传感：[Fe(CN)6]氧化还原+PVA/SA双网络+坐姿监测
热 galvanic水凝胶自供电压力传感：[Fe(CN)6]氧化还原+PVA/SA双网络+坐姿监测论文信息 项目 内容 标题 Thermogalvanic hydrogel patch array with active piezoresistive sensing for sitting posture monitoring 期刊 Nano Energy (Elsevier) 发表 2026年4月3日 链接 https://www.sciencedirect.com/science/article/abs/pii/S1359028626000112 核心材料 PVA/SA双网络水凝胶 + [Fe(CN)6]³⁻/⁴⁻氧化还原电解质 特性 自供电+压阻感知+深度学习姿态分类 应用 坐姿监测 核心创新 自供电传感：热 galvanic效应（体温温差发电）+压阻感知，无需外部电源 双网络水凝胶：PVA/SA（聚乙烯醇/海藻酸钠）双网络，高拉伸+抗断裂 多模态耦合：温度（热 galvanic）+压力...
EEG-EOG多层证据推理融合：Dirichlet不确定性+Dempster-Shafer决策级疲劳检测
EEG-EOG多层证据推理融合：Dirichlet不确定性+Dempster-Shafer决策级疲劳检测论文信息 项目 内容 标题 A multilevel EEG-EOG fusion framework for driver fatigue detection using evidential reasoning 期刊 Biomedical Signal Processing and Control (Elsevier) 发表 2026年3月30日 链接 https://www.sciencedirect.com/science/article/abs/pii/S1746809426007305 核心方法 CBAM-4D-CRNN（EEG）+ FNN（EOG）+ Dirichlet不确定性 + Dempster-Shafer融合 融合层级 多层（特征→决策） 核心创新 多层融合：特征级+决策级双层融合，不是简单拼接 Dirichlet不确定性建模：用Dirichlet分布建模各模态预测的不确定性 Dempster-Shafer证据融合：基于证...
视觉+触觉多模态疲劳驾驶检测：柔性电子皮肤+CNN特征融合的跨模态框架
视觉+触觉多模态疲劳驾驶检测：柔性电子皮肤+CNN特征融合的跨模态框架论文信息 项目 内容 标题 A multimodal framework for fatigue driving detection via feature fusion of vision and tactile information 期刊 npj Flexible Electronics, Vol. 10, Article 40 发表 2026年2月5日 作者 Li K, Yue W, Shin DB et al. 链接 https://www.nature.com/articles/s41528-026-00543-7 核心方法 视觉（面部CNN）+ 触觉（柔性电子皮肤压力）特征融合 传感器 柔性压阻式电子皮肤阵列 核心创新 视觉+触觉跨模态：首个用面部视觉+方向盘触觉融合检测疲劳的框架 柔性电子皮肤：方向盘上大面积柔性压力传感器阵列 特征级融合：CNN提取视觉特征+RNN提取触觉时序特征→融合分类 npj Flexible Electronics：Nature子刊...
双分支频谱-时序注意力EEG疲劳检测：SFT-Net频空时四维联合建模
双分支频谱-时序注意力EEG疲劳检测：SFT-Net频空时四维联合建模论文信息 项目 内容 标题 A Dual-Branch Spectral–Temporal Attention Fusion Network for EEG-Based Driving Fatigue Detection 期刊 IEEE Journal of Biomedical and Health Informatics 发表 2026年1月12日 链接 https://ieeexplore.ieee.org/iel8/19/11329398/11345326.pdf 核心方法 SFT-Net：双分支频谱+时序注意力融合 输入 4D EEG表示（通道×频段×空间×时间） 数据集 SADT + SEED-VIG 核心创新 双分支解耦：频谱分支+时序分支独立建模后融合 4D EEG表示：通道×频段×空间×时间四维联合 频谱注意力：自适应加权δ/θ/α/β/γ频段 时序注意力：窗口方差描述子+分组注意力 方法详解12345678910...
不确定性感知深度迁移学习多模态疲劳检测：EEG+ECG+EMG跨域迁移+贝叶斯不确定性
不确定性感知深度迁移学习多模态疲劳检测：EEG+ECG+EMG跨域迁移+贝叶斯不确定性论文信息 项目 内容 标题 Fatigue Detection with Multimodal Physiological Signals via Uncertainty-Aware Deep Transfer Learning 期刊 Journal of Bionic Engineering (Springer) 发表 2026年1月13日 链接 https://link.springer.com/article/10.1007/s42235-025-00827-0 核心方法 多模态生理信号 + 深度迁移学习 + 不确定性量化 输入 EEG + ECG + EMG + 呼吸 + 皮肤电导 核心创新 不确定性量化增强可靠性：贝叶斯深度学习输出预测置信度 跨域迁移学习：从实验室→真实驾驶的域适应 五模态生理信号融合：EEG+ECG+EMG+呼吸+皮肤电导全面覆盖 不确定性引导的迁移：高不确定性样本权重降低，避免负迁移 方法详解123456789101112131...