基于机器学习的用户高风险行为识别方法及系统

本发明涉及风险识别技术领域，尤其涉及基于机器学习的用户高风险行为识别方法及系统，方法通过显著度公式整合目标置信度、类别风险权重、相对速度及距离衰减因子，形成动态风险排序，相比传统算法更符合实际驾驶风险逻辑，实现对复杂交通场景中目标的优先级管理；通过相机内参与坐标变换矩阵，将驾驶员视线精确投影到前视图像平面，使专注度评估与实际道路风险直接关联；采用时间滑动窗口平滑视线波动，当检测到近距离高速目标且驾驶员未注视时，立即触发接管，无需等待固定时间。