Kleiner Tip:
Wann immer Gespenster, Nebelschwaden, schlechte Visagisten oder wer auch immer es verschulden den Mix oder die Bildinhalte zuzugeistern/-kleistern... das Gehör auf den Attacksound des Bassdrumfells richten. Der Auftreffklang des Schlegels am Fell ist so charakteristisch (nicht nur bei Cozy), dass 100% ! sicher ist, dass auch in diesem Part eine Double-Bass-lastige Hand/Fußkombi eingesetzt wird. Der Nachhall hat auf den Attacksound zum Glück nicht sooo viel Einfluß. Das richten der Wahrnehmung kann man üben... bis man akustisch zum "sezierenden Pathologen" wird 
Ich habe über obenerwähntes (was fest steht) hinaus eine starke Vermutung, aber hier nur 3 Euro Speaker am PC. Letzendlich belegen was es im Detail ist, wird es Audacity oder ähnliche Programme, wenn man den Part aufnimmt und langsamer abspielt.
Ich vermute "16- tel triolische 2-er Gruppen" oder 32 ?;)
R Snare, L Tom
R Fuß, L Fuß
R Tom, L Tom
R Fuß, L Fuß
etc. (ab und an eben eine Snare R alternativ zu Tom R)