欧盟新规要求自2026年起，所有新车必须配备驾驶员监控摄像头，以追踪视线并警告分心驾驶。这一措施旨在减少交通事故，但也引发了隐私方面的担忧。

本文介绍了一种新型的“分心驾驶”姿势估计系统，结合卷积神经网络和遗传算法，能够高效检测驾驶员姿态，从而降低交通事故风险。研究表明，基于CLIP的方法和多摄像头特征集成显著提高了识别性能，KiD3方法通过融合语义关系和姿势配置，准确率提升了13.64%。

本研究提出了一种基于自监督学习的行动识别模型，旨在提高分心驾驶行为的检测准确性。通过多摄像头视角和条件后处理，精确定位分心行为及其时间边界，最终在2024 AI City Challenge中获得第六名。

本文介绍了一种基于卷积神经网络和遗传算法的分心驾驶姿势估计系统，能够高效检测驾驶员姿态，从而降低交通事故风险。研究表明，改进的YOLOv8模型在实时识别分心驾驶行为方面表现优异，显著提高了交通监控的准确性和安全性。

本文介绍了一种新型的分心驾驶姿势估计系统，结合卷积神经网络和遗传算法，旨在高效检测驾驶员姿态，降低交通事故风险。研究提出的PoseViNet模型利用深度学习和多视角数据集，显著提高了分心驾驶行为的识别准确率，并通过多任务视频变换器优化了驾驶员行为监测的效率和准确性。