从设备状态扩展到人员状态
智能系统通常会持续读取速度、位置、姿态、温度、电量和通信质量，却很少把操作者本人的状态纳入同一条信息链。驾驶、飞行、工业操作和长时间监控都存在一个共同问题：系统运行正常，并不等于人仍处于适合继续操作的状态。疲劳、注意力下降、视线偏移和反应迟缓会逐渐积累，最终改变人与设备之间的协同质量。
L-IN EYE 的研究从这一问题出发，将眼动、面部与操作状态视作可被持续观察的系统输入。它关注的重点包括眼睑闭合、眨眼节律、凝视方向、头部姿态以及一段时间内的变化趋势。单次动作往往缺少判断价值，连续时序信息能够提供更稳定的状态线索。
感知链路
人员状态监测需要在复杂光照、头部运动、佩戴眼镜和视线快速变化等条件下保持可用。系统设计因此从成像条件开始，结合近红外补光、窄带滤光和相机布置，提高眼部区域在明暗变化中的可见度。图像进入处理链路后，先完成面部与眼部区域定位，再提取与疲劳和注意力相关的特征，最后通过时间窗口形成状态判断。
这条链路可以概括为：成像、定位、特征、时序、状态和提示。每一层都需要保留置信度，并允许上层系统了解判断依据。状态结果可以进入驾驶辅助、飞行任务管理或工业安全界面，用于调整提醒频率、任务节奏和交互方式。
多场景设计
驾驶场景强调道路注意力与疲劳趋势；航空场景更关注长时间任务中的注意分配；工业操作还需要结合工位、设备和流程状态。不同场景使用相似的感知基础，同时需要独立的阈值、时间窗口和提示策略。统一硬件并不意味着统一判断逻辑。
L-IN EYE 因此采用平台化思路：底层负责稳定采集，中层负责特征和时序分析，上层根据应用场景组织提示与记录。后续扩展可以加入任务负荷、环境信息和设备状态，使人员状态与运行风险在同一界面中形成关联。
人机协同的下一步
人员状态成为系统输入后，自动化系统能够更早识别协同质量的变化。系统可以在注意力下降初期给出温和提示，在风险持续升高时调整交互节奏，并在必要时把状态信息交给更高层的安全逻辑。设计目标是提高可解释性、减少误报，并让操作者始终理解系统正在观察什么、为何发出提示。
这项研究仍需通过更大规模的数据、不同光照与不同人群进行验证。其长期方向清晰：未来的智能设备需要同时理解环境、任务和人。只有三者进入同一条闭环，自动化才能形成更稳定的协作能力。