下班时，我看到一个小孩在扶梯上行走，感到危险。尽管周围人忙碌，最终一位年轻人及时拦住了孩子。我反思自己曾经乐于助人的态度，感到内心的变化。

我们提出了一种基于INS的轻量级深度学习方法ELESON，用于行人分类。通过特征提取器，ELESON解耦行人状态和人体动作，并利用证据状态分类器估计行人状态的置信度。在实验中，ELESON在F1分数上具有15％的分类改进，在AUROC上具有10％的置信度鉴别力提高，并且在智能手机上具有低计算和内存要求。