该研究提出了一种名为PoseViNet的多视角驾驶员行为检测方法，结合姿态估计和动作推理，显著提高了驾驶员分心行为的识别准确率。在SynDD1数据集上，PoseViNet达到了97.55%的验证准确率，优化了自然驾驶行为识别，提升了交通安全。

该研究介绍了一种名为PoseViNet的新方法，用于检测驾驶员分心。通过姿态估计和动作推理的视觉变换器框架，该方法能更好地识别关键动作。在两个数据集上与现有模型进行比较，证明了PoseViNet的优越性。在SynDD1数据集上，PoseViNet实现了97.55％的验证准确率和90.92％的测试准确率。