轻量时频融合网络

参数超轻 车载实时

以双分支架构分别处理时域与频域特征，在低算力条件下实现驾驶员识别精度的新纪录，同时保持极小的参数量与计算量，适合资源受限的车载环境。

Xing, Sheng · Jiranrong, Cao · Jun-Zhe, Zhang · 王真 · 段宗涛

Expert Systems with Applications 2027

参数信息

参数量

1.81 M

计算量

0.17 GFLOPs

技术优势

轻量可实时

模型参数量仅 181 万，计算量 0.17 GFLOPs，能够在资源受限的车载嵌入式平台上实时推理。

双分支特征融合

通过多尺度序列提取模块和自适应频率融合模块分别处理时域和频域信息，并加权融合，提升识别性能。

高准确率

在两个公开数据集上均达到领先水平，HCRL 上 99.69%，HCI-LAB 上 99.23%，验证了方法的有效性。

应用场景

• 车载驾驶员识别：在车上实时识别驾驶员身份，用于个性化设置和防盗。
• 汽车安全辅助：通过身份验证防止未授权驾驶，提升行车安全。
• 资源受限边缘计算：模型轻量，可在车机等资源受限设备上实时运行。
• 实时驾驶身份认证：快速准确验证驾驶员身份，无需复杂硬件。