一种基于异构联邦集成学习的危险驾驶行为检测方法

本发明涉及驾驶员监测技术领域，具体为一种基于异构联邦集成学习的危险驾驶行为检测方法；客户端提取驾驶行为数据的特征向量，利用原型适配器网络将特征向量映射为低维类别原型；采用局部动态差分隐私技术对原型适配器参数进行噪声注入加密处理后上传至服务器；服务器端进行跨客户端原型对齐并聚合生成全局原型；客户端下载全局原型参数并更新本地模型，基于动态原型库进行增量学习，当检测到新型危险驾驶行为时，将新增原型与历史原型分离存储；客户端根据实时采集的驾驶行为特征与全局原型进行相似度匹配得到检测结果。本发明从异构兼容、隐私‑效能均衡、个性化动态更新三个维度，为智能汽车安全系统的落地提供可扩展、高可靠的联邦学习框架。