Behavior-Aware Knowledge-Embedded Model for Driver Attention Prediction

Yuchen Zhou

doi:10.1109/TCSVT.2025.3565410

Behavior-Aware Knowledge-Embedded Model for Driver Attention Prediction

0

PRE

AI

DOI：10.1109/TCSVT.2025.3565410

原文链接

原文求助

摘要

En 中文

精确预测驾驶员注意力对于提升先进驾驶辅助系统（ADAS）和自动驾驶车辆至关重要，吸引了日益增长的研究兴趣。现有方法大多基于通用、任务无关的显著性检测，采用数据驱动范式将自底向上的环境情况与注意力分布相关联。然而，它们往往忽视了驾驶员注意力中复杂的自顶向下、任务驱动的方面，而这些方面对于驾驶任务的安全导航至关重要，导致在处理现实场景时存在局限性。本文初步探索并介绍了BKnet（行为感知知识嵌入模型），该模型创新性地整合了驾驶行为和经验知识。具体而言，受人类长期认知过程的启发，我们引入了一种新的知识记忆机制。该机制动态关联不同交通场景与一致的驾驶行为，促进生成鲁棒的行为感知经验知识表征。为此，BKnet通过自顶向下和自底向上过程的协同驱动，促进了驾驶员注意力机制的细致且全面的模拟。此外，我们还通过收集全新的行为感知驾驶员注意力（BADA）数据集为该领域做出贡献。据我们所知，BADA是首个明确纳入来自多驾驶员的真实世界驾驶行为任务的注意力数据集。最后，全面的实验结果表明BKnet优于现有最先进的方法，并验证了将行为感知知识整合到驾驶员注意力预测中的有效性和必要性。

Keyword:

Driver attention prediction

knowledge-driven

driving behavior

eye tracking

Behavior-Aware Knowledge-Embedded Model for Driver Attention Prediction

摘要

期刊

机构

引用论文