SoundMHPE：声波多人3D姿态估计，ECCV 2026首创声学姿态感知
SoundMHPE：声波多人3D姿态估计，ECCV 2026首创声学姿态感知论文信息 标题： Sound-based Multi-Person 3D Pose Estimation 作者： Yusuke Oumi 等 会议： ECCV 2026 (已接收) arXiv： 2609.04902 (2026年9月4日) 项目页： https://oumi03.github.io/sound-mhpe/ 数据集： AMP (Acoustic Multi-person Pose) — 6小时, 432K同步帧 领域： cs.CV, cs.AI, cs.LG, cs.RO, cs.SD 核心创新首次仅用声波信号估计多人3D姿态。 “Can we recover the 3D poses of multiple people using only sound?” 技术挑战 挑战 描述 传统方案 信号叠加 多人声学特征重叠 单人方案无法扩展 人间反射 多人间的反射路径复杂 引入误差 运动归属 难以区分谁的姿态变化 需多人关联 两大核心模块 模块 名称 功能 ...
Yfore ODMS：智能后视镜+舱内雷达融合，7大功能集成的OMS方案
Yfore ODMS：智能后视镜+舱内雷达融合，7大功能集成的OMS方案产品信息 厂商： Yfore Technology (全球Tier 1供应商) 产品： Occupant & Driver Monitoring System (ODMS) 发布： 2026年9月，北美乔治亚工厂开业 来源： Automotive Interiors World 链接： https://www.automotiveinteriorsworld.com/news/sensors/yfore-debuts-integrated-occupant-and-driver-monitoring-system.html 核心创新Yfore ODMS解决了视觉-only方案的根本痛点：座椅遮挡、脚部盲区、毯子覆盖。 技术架构 graph TD A[智能后视镜<br/>内嵌高清摄像头] --> B[驾驶员监测<br/>疲劳/分心/无响应/手机] C[车顶雷达模块<br/>紧凑型mmWave] --> D[乘员监测<br/>...
毫米波雷达心率估计：呼吸谐波干扰抑制方法深度解析
毫米波雷达心率估计：呼吸谐波干扰抑制方法深度解析 MDPI Sensors 2026 发表雷达心率估计新方法。核心挑战：心搏引起的胸壁位移仅为呼吸的1/10，且心搏频率常被呼吸高次谐波掩盖。本文深度解析谐波干扰抑制算法、性能对比及对 IMS 座舱雷达的启示。 1 研究背景1.1 问题定义非接触毫米波雷达生命体征监测中，心率估计是最难的子问题： 挑战 量化 说明 信号幅度 心搏0.5mm，呼吸5mm 心搏比呼吸弱10倍 频率重叠 心率60-100bpm(1-1.67Hz)，呼吸谐波2-3次(0.4-1.5Hz) 频谱混叠 谐波干扰 呼吸2次谐波常落在心率频段 最大干扰源 个体差异 心率随情绪/活动变化 非平稳信号 多人场景 多目标反射叠加 空间分离难题 1.2 论文信息 项目 内容 期刊 MDPI Sensors 2026, 26(17):5587 核心方法 呼吸谐波干扰抑制 应用场景 医疗监护/养老/座舱 2 呼吸谐波问题2.1 频谱分析12345678频率 (Hz)0.2 ─── 呼...
航空座舱多模态监测：通用航空飞行员 EEG+心电+眼动+EDA 联合采集实证研究
航空座舱多模态监测：通用航空飞行员 EEG+心电+眼动+EDA 联合采集采集实证研究 Frontiers in Neuroergonomics 2026 发表研究：40名飞行员在 Cessna 172 中执行5项标准化机动飞行，同步采集 EEG、心电、EDA、眼动、皮温和飞行力学数据。核心问题：消费级可穿戴信号能否在真实飞行中作为构念相关测量而非仅仅是运动/姿态记录？ 1 研究概况 项目 内容 期刊 Frontiers in Neuroergonomics, Vol 7, 2026 DOI 10.3389/fnrgo.2026.1911259 参与者 40名飞行员 飞机 Cessna 172 机动 5项标准化动作 信号 EEG(AF7/AF8)、ECG、EDA、眼动、皮温、飞行力学 配对 飞行员自评 + 教员能力评分 2 多模态信号体系2.1 信号清单 信号类型 传感器 采样率 部位 构念 EEG 消费级额叶 256Hz AF7/AF8 认知负荷/注意力 ECG 胸带 1kHz...
从航空座舱到汽车座舱：飞行员疲劳监测技术对 IMS 的跨领域启示
从航空座舱到汽车座舱：飞行员疲劳监测技术对 IMS 的跨领域启示 美国海军研究院 127 项飞行员研究覆盖缺氧、空间失定向、认知疲劳和生理监测。Frontiers 发表飞行学员与 ATC 学员脑网络特征对比。航空座舱的疲劳监测经验对汽车 IMS 有何跨领域启示？ 1 航空座舱疲劳监测背景1.1 航空 vs 汽车座舱对比 维度 航空座舱 汽车座舱 操作者 2 名飞行员 1 名驾驶员 监测目标 飞行员 alertness 驾驶员 fatigue/distraction 工作时长 连续飞行 8-14h 连续驾驶 2-6h 环境 密封加压舱 开放/空调舱 光照 可控仪表盘照明 日夜变化大 安全冗余 2 人+自动驾驶 1 人+ADAS 监测手段 定期体检+飞行数据 实时 DMS 法规 FAA/EASA Euro NCAP/NHTSA 1.2 美国海军研究院发现2026 年 9 月，纽约时报报道美国海军医学研究司令部开展了 127 项研究： 研究领域 项目数 与汽车相关性 缺氧 (Hypoxia)...
2026 边缘 AI 硬件选型指南：Pi AI HAT+ 2 vs Jetson Orin vs QCS8255 用于 DMS 部署
2026 边缘 AI 硬件选型指南：Pi AI HAT+ 2 vs Jetson Orin vs QCS8255 用于 DMS 部署 Raspberry Pi AI HAT+ 2 搭载 Hailo-10H（40 TOPS INT4），Jetson Orin Nano Super 提供 67 TOPS，QCS8255 提供 26 TOPS。三款硬件如何选型 DMS？本文对比算力、软件栈、功耗、成本及 IMS 适用性。 1 硬件概览1.1 三平台规格对比 规格 Pi 5 + AI HAT+ 2 Jetson Orin Nano Super QCS8255 AI 算力 40 TOPS (INT4) 67 TOPS (sparse) 26 TOPS (INT8) CPU Cortex-A76 4核 2.4GHz ARM A78AE 6核 1.7GHz Kryo 660 8核 内存 8GB LPDDR4X + 8GB专用 8GB LPDDR5 102GB/s 8GB LPDDR4X GPU VideoCore VII 1024 CUDA cores Adr...
FATED：铁路驾驶员疲劳监测计算机视觉框架——从单车预警到连续就绪度评估
FATED：铁路驾驶员疲劳监测计算机视觉框架——从单车预警到连续就绪度评估 Mosaic ATM 在联邦铁路局（FRA）SBIR 项目 FATED 中开发了基于计算机视觉的铁路驾驶员疲劳监测框架。核心创新：将疲劳从”是/否”二元判定转为”连续就绪度”评估，融合面部+体态多层级信号，30小时视频60人验证。本文深度解析其三层架构、个体基线校准及对 IMS 跨座舱部署的启示。 1 项目背景1.1 FATED 概况 项目 内容 全称 Fatigue Assessment for Transportation Engineer Determination 赞助 联邦铁路局（FRA） 类型 SBIR Phase I 承包商 Mosaic ATM 目标 铁路驾驶员疲劳监测计算机视觉框架 数据 30+小时视频，60名参与者 前序项目 VILMAS（汽车 DMS 研究） 1.2 核心问题铁路驾驶员疲劳监测面临三大挑战： 挑战 说明 个体差异 不同人疲劳表现不同，通用阈值不可靠 误报困扰 过多误报导致用户失去信任 渐进性 疲劳不...
PRISMA 系统综述：深度学习疲劳检测的精度-延迟权衡与嵌入式部署缺口
PRISMA 系统综述：深度学习疲劳检测的精度-延迟权衡与嵌入式部署缺口 Frontiers in AI 2026 发表 PRISMA 系统综述，分析 33 篇 2021-2025 年深度学习疲劳检测研究。核心发现：没有任何模型同时达到 99% 精度和 100ms 以下延迟，且无一在车规级硬件上验证。本文深度解析精度-延迟权衡规律、架构选型建议及对 IMS 嵌入式部署的启示。 1 研究概况1.1 基本信息 项目 内容 标题 Accuracy–latency trade-offs and absent embedded validation in deep learning driver drowsiness detection: a PRISMA systematic review 期刊 Frontiers in Artificial Intelligence 方法 PRISMA 2020 + Kitchenham protocol 研究范围 2021.01 - 2025.10 论文数 33 篇同行评审论文 数据库 Scopus, Web of S...
DALI vs VLI：眼动追踪与车辆运动学认知负荷评估新框架
DALI vs VLI：眼动追踪与车辆运动学认知负荷评估新框架 慕尼黑工业大学发布 DALI 量表与眼动指标对比研究，揭示”认知负荷”与”感知负荷”的本质差异。同时 MDPI Sensors 提出基于车辆运动学的 VLI 跨源预测框架，无需眼动仪即可估计视觉负荷。两项研究为 DMS 认知分心检测提供了新路径。 1 研究背景1.1 认知负荷评估的困境认知分心是 Euro NCAP 2026 的重点功能，也是最难检测的模块： 评估方法 优势 劣势 主观量表（NASA-TLX/DALI） 直接、可解释 驾驶中无法实时填写 眼动追踪 客观、实时 量产车难以部署高精度眼动仪 车辆行为 已有传感器 与认知负荷间接相关 EEG/生理信号 直接反映大脑活动 不可穿戴、侵入性强 1.2 两篇关键研究 研究 来源 核心发现 DALI vs 眼动指标 慕尼黑工业大学, JEMR 2026 DALI 反映感知负荷，眼动注视指标反映认知负荷 VLI 跨源预测 MDPI Sensors 2026 用车辆运动学即可预测视觉负荷，无需眼动仪 2...
RMDD：树莓派多模态危险驾驶检测系统深度解析（YOLO26+传感器融合）
RMDD：树莓派多模态危险驾驶检测系统深度解析（YOLO26+传感器融合） RMDD 是一个基于 Raspberry Pi 的多模态危险驾驶监测原型系统，使用 YOLO26 视觉模型和个性化传感器融合，在低成本嵌入式平台上实现实时危险行为检测。本文深度解析其架构、技术选型及对 IMS 边缘部署的启示。 1 研究背景1.1 问题定义现有 DMS 系统多依赖高性能 SoC（如 QCS8255），成本较高。能否在 Raspberry Pi 这类低成本平台上实现多模态危险驾驶检测？ RMDD（Raspberry Pi-based Multimodal Dangerous Driving） 发表于 Electronics 期刊（2026年8月），验证了这一可行性。 1.2 核心贡献 贡献 内容 多模态融合 视觉 + 车辆行为 + 驾驶员个性化 边缘部署 Raspberry Pi 实时运行 YOLO26 集成 最新 YOLO 系列在 DMS 场景验证 个性化建模 针对个体驾驶习惯的基线校准 2 系统架构 graph TD A[RMDD 系统架构] --&g...