TEMPEST
一种基于时序卷积网络与加性角度间隔损失（ArcFace）的驾驶员身份识别框架，通过96维嵌入向量实现可扩展的行为生物特征识别，支持动态注册无需重训模型
时间轴 (近 90 天)
TEMPEST的核心是一个采用加性角度间隔损失（ArcFace loss）训练的时序卷积网络（TCN）嵌入模型
TEMPEST将60秒的多模态驾驶窗口映射为96维嵌入向量
TEMPEST支持动态注册，当车队新增驾驶员时无需重新训练模型或重新拟合分类器，直接提取嵌入即可完成注册
在包含45名驾驶员的数据集上，TEMPEST在严格时序评估下取得91.71%的Rank-1准确率
TEMPEST比最优经典模型高出17.9个百分点，比最强三元组损失基线高出58.4个百分点
当驾驶员池从10人扩展到45人时，TEMPEST仅下降4.3个百分点，有监督三元组损失基线下降22个百分点，无监督三元组损失基线下降32.5个百分点
在公开的KIA Soul数据集上，TEMPEST会话内比最优经典模型高7.3个百分点，跨会话高出14.3个百分点
TEMPEST模型仅有72万参数，存储占用2.80 MB，并能在50个训练周期内收敛
论文将TEMPEST定位为可扩展行为驾驶员生物识别领域的一个严格、可复现的基线
TEMPEST的论文未深入讨论对抗性场景下（如刻意模仿他人驾驶风格）的鲁棒性，45名驾驶员规模相对实际大型车队仍有限
全部知识事实 (10)
TEMPEST的核心是一个采用加性角度间隔损失（ArcFace loss）训练的时序卷积网络（TCN）嵌入模型
50%待验证TEMPEST将60秒的多模态驾驶窗口映射为96维嵌入向量
50%待验证TEMPEST支持动态注册，当车队新增驾驶员时无需重新训练模型或重新拟合分类器，直接提取嵌入即可完成注册
50%待验证在包含45名驾驶员的数据集上，TEMPEST在严格时序评估下取得91.71%的Rank-1准确率
50%待验证TEMPEST比最优经典模型高出17.9个百分点，比最强三元组损失基线高出58.4个百分点
50%待验证当驾驶员池从10人扩展到45人时，TEMPEST仅下降4.3个百分点，有监督三元组损失基线下降22个百分点，无监督三元组损失基线下降32.5个百分点
50%待验证在公开的KIA Soul数据集上，TEMPEST会话内比最优经典模型高7.3个百分点，跨会话高出14.3个百分点
50%待验证TEMPEST模型仅有72万参数，存储占用2.80 MB，并能在50个训练周期内收敛
50%待验证论文将TEMPEST定位为可扩展行为驾驶员生物识别领域的一个严格、可复现的基线
50%待验证TEMPEST的论文未深入讨论对抗性场景下（如刻意模仿他人驾驶风格）的鲁棒性，45名驾驶员规模相对实际大型车队仍有限
50%