来源：期刊VIP网 时间：
作者：陈万志1;于南洋1;范兴杰2
单位：1.辽宁工程技术大学软件学院;2.辽宁工程技术大学电子与信息工程学院
摘要：分心驾驶行为的精准检测对于驾驶安全预警至关重要。为解决复杂驾驶场景中现有安全监测模型易受噪声干扰、细粒度行为识别不足及实时性差等问题，提出一种融合Kolmogorov-Arnold网络与Transformer的增强检测模型。首先，重构分组共享的Kolmogorov-Arnold网络，通过有理函数逼近与分组参数共享减少参数量，增强微动作特征的提取；其次，采用多尺度扩张注意力机制，通过滑动窗口稀疏采样与渐进扩张率分配，实现局部细节感知与长程上下文建模的协同优化；最后，通过训练优化模型实现分心驾驶行为的分类检测。试验结果表明，所提模型在典型数据集上检测精度达92.3%(较基线提升8.5百分点),实时速度为45帧/s,遮挡召回率提升11.7百分点。所提模型在平衡检测精度的同时实现了轻量化设计，满足智能驾驶安全预警中分心驾驶行为的实时检测需求。
关键词：安全工程;驾驶安全;Kolmogorov-Arnold网络;Transformer模型;分组共享;多尺度扩张注意力
基金资助：大学生创新创业训练计划项目(S202410147022); 辽工程GPU资源支持项目(2024-02)
