E-BTS: Event-driven Blink Tracking System
原始资料：../evidence/papers/2025-event-driven-blink-tracking-system.pdf
资料层级：evidence/papers。
资料类型：PDF 论文，Alexandria Engineering Journal 2025。
状态：已用 pdftotext 抽取，已索引硬件架构、场景切换、指标和限制。
基本信息
- 标题：An event-driven blink tracking system for intelligent edge-based driver monitoring using dynamic vision sensors
- 期刊：Alexandria Engineering Journal 128 (2025) 867-877
- 主题：event camera / DVS / blink tracking / hardware accelerator / embedded DMS
- 相关实体：Prophesee实体、DTS-Xperi实体
可直接引用的事实
- E-BTS 使用 DVS/event camera，只处理亮度变化事件，而不是完整 RGB 帧。
- 系统目标很窄：blink tracking，拆成 blink detection 和 eye region detection；它不是完整 DMS 状态机。
- BlinkTrack accelerator 在 FPGA prototype 上验证，使用 Xilinx Kintex7；事件相机为 DAVIS346。
- 系统声称达到 200 FPS；Scenario 1 blink detection 加速 1275x，Scenario 2 eye region detection 加速 310-496x。
- BlinkTrack accelerator 约占总 processor power 27.2%；论文另给出约 15.9 mW 级别的硬件功耗估计。
- 不同光照/噪声条件下 average F1 约 86%，各场景 F1 超过 80%；variance feature 与 STD feature 平均 F1 仅差约 0.6 个百分点，但硬件代价更低。
方法细节
系统把运行分成三种场景：
Scenario 1：当前 eye bounding box 仍准确，只做 blink detection。Scenario 2：eye bounding box 变得不准，由硬件 H-DBSCAN 更新 eye region。Scenario 3：驾驶员大幅运动，嵌入式端信息不足，请求 server-side AI 辅助重新定位 eye region。
BlinkTrack accelerator 包含三个模块：
Variance module：用 variance-based temporal change 替代 STD，避免 square root / division 等复杂运算。H-DBSCAN module：针对固定大小 event image 做固定时间 clustering；论文强调传统 DBSCAN 在 50 MHz 下可达 400-800 ms/frame，而 H-DBSCAN 约 1.26 ms，可满足 200 FPS。Scenario Controller：根据 event count 和 bounding box 状态切换场景。
实验和系统边界
- 数据集由作者用 DAVIS346 event camera 自采，覆盖 bright/dark、calm/windy 等条件，并手工标注 blink；没有公开数据集可复查。
- Scenario 3 通过 BT 2.1 把图像发给 laptop server；论文也讨论未来需要 BLE 5.0、ZigBee、LoRa 等通信协议研究。
- 系统提出了隐私/安全/通信鲁棒性问题，但没有给出量产级安全方案。
- 作者未来工作包括 dynamic power management、DVFS、clock gating、power islands。
证据价值
这份资料对 车端AI与硬件约束 的价值在于：它把 DMS 的下一代竞争从“模型更大”转向“传感器事件流 + 专用硬件 + 场景触发计算”。
可形成的判断：
- event camera 的价值不是替代所有 NIR DMS，而是补强高动态、低照、快速眼动/眨眼这些普通帧相机吃力的局部任务。
- event-driven pipeline 可以显著降低无效帧处理，但算法必须围绕事件稀疏性和硬件固定时延重新设计。
- 若依赖 server/edge 辅助，车内通信、安全和失效降级会成为系统设计重点。
不能直接推出的结论
- 不能把 200 FPS 和 1275x 加速解释为 DMS 整体性能提升；论文只验证 blink tracking 子任务。
- 不能把 average F1 约 86% 视为量产精度充分；这对安全监控仍只是早期研究结果。
- 不能忽略 Scenario 3 的车载部署问题：通信链路、隐私、安全、延迟和断连后的 fallback。
- 不能忽略 event camera 的车规成本、供货、标定和与 NIR illumination 的系统集成。
对 MINIEYE 的启发
event-based vision 更适合作为“专项高速眼动传感器/算法管线”跟踪，而不是马上定义为全量 DMS 替代路线。
建议观察点：
- Prophesee / DTS / Xperi 的 neuromorphic DMS 案例是否进入量产或明确 SOP。
- event camera 是否能稳定捕捉 blink、saccade、micro-expression，并与现有 NIR DMS 输出融合。
- 低照、隧道、强逆光、眼镜反光等传统痛点场景中，event camera 是否提供可量化增益。
- 若要上车，是否需要专用 ISP/accelerator，而不是把事件流硬塞进现有 CNN pipeline。
相关页：