随着中国汽车保有量的持续增加，交通事故引发的伤亡率也不断增长，因此，先进的汽车安全技术成为了中国汽车产业的重要研究方向之。汽车安全技术由两部分构成，主动安全技术和被动安全技术。在汽车的被动安全研究中，为了最大限度的保护乘员，有必要开发种新的自适应安全气囊系统。传统的安全气囊是依据混合Ⅲ类男性假人在正常坐姿下碰撞发生时产生的惯性运动制造的，不能够充分保护儿童，身材矮小和离位状态下的成年人。于是，自适应安全气囊系统的一个重要任务就是识别汽车乘员的体征信息，即汽车乘员类型和乘员坐姿。汽车乘员体征识别系统是通过在乘员座椅及其周围安装多种类型的传感器，如视觉传感器，压力传感器，超声波传感器，碰撞传感器等实时检测乘员的体征信息，在碰撞发生时，将乘员的类型和坐姿等信息起传递给智能安全气囊中的控制中心，控制中心对这些信息进行加工处理，并执行对应的安全气囊保护程序，为乘员提供有效的保护。目前些高校和科研机构对乘员体征的识别主要集中在单传感器，对汽车乘员体征识别多传感器融合的研究尚处于起步阶段，还没有完整的算法与实现产业化要求。但是单传感器限制于其本身特性，对乘员体征的识别精度并不是很高，本文在综合分析课题组现有的基于单传感器乘员体征识别研究的基础上，结合超声波传感器和体压分布传感器，开发出一套对汽车乘员体征识别的多传感器融合算法。本文的主要研究工作如下:第一，通过分析超声波传感器采集到的数据，建立基于阈值划分的乘员坐姿识别系统。第二，通过采集乘员压力分布数据，根据不同乘员类型和坐姿的压力变化信息，开发出套基于BP神经网络的乘员类型和乘员坐姿识别算法。该算法首先根据乘员压力分布特点，采用均值滤波建立乘员测量空间，然后，对滤波后压力数据进行单因素方差分析，提取出不同类型乘员在不同坐姿下的压力敏感点，作为乘员体征识别的主特征，生成乘员特征空间，最后，通过乘员体征信息主特征的学习训练，建立基于BP神经网络的乘员类型分类器和乘员坐姿分类器，从而实现对乘员类型和乘员坐姿的分类。第三，通过对数据融合技术的学习，结合不同乘员在不同坐姿下的重心位置，建立基于模糊规则的乘员体征识别多传感器融合算法，该算法实现了对不同乘员类型和乘员坐姿的有效识别，为后续的智能乘员保护系统开发探索出套可行的多传感器乘员体征识别系统。