交通事故中有相当一部分原因是由于驾驶员的危险驾驶行为引起的,主要包括开车时驾驶员存在疲劳驾驶、驾车打电话、驾车抽烟和视线长时间偏离行车路线等危险驾驶行为。本文利用计算机视觉技术设计实现了一套可在通用车载机平台运行的驾驶员行为实时分析系统,用以监督该类危险驾驶行为。本文介绍了国内外计算机视觉技术在驾驶员行为分析领域的发展和应用。利用摄像头获取驾驶员座椅区域的图像数据,通过计算机视觉技术,对驾驶员是否存在危险驾驶行为进行实时检测。主要做了以下工作:(1)利用基于深度学习的MTCNN(Multi-task Cascaded Convolutional Networks)算法实现对司机的人脸检测和面部特征点定位,训练了针对驾驶室环境的人脸检测模型,提高了人脸检测对环境的鲁棒性,获取驾驶员面部在图像中的准确位置。在车载机平台上使用NCNN库调用该检测算法的检测模型,并达到了良好的检测效果。(2)对定位到特征点的人脸图像进行分割,得到眼睛、嘴和耳朵周围等区域的待分类图像。采用HOG(Histogram of Oriented Gradient)特征与SVM(Support Vector Machine)相结合的方法对驾驶员的危险驾驶行为进行模型训练和分类,实现了对上述多种危险驾驶行为的检测分析。设计了对镜头遮挡进行判断的检测算法。(3)对驾驶员行为分析系统进行实际环境下测试。最终实现了具有较高检测率、较低误检率、运行速度快、对硬件资源占用较少的分析检测系统,满足项目需求。综上所述,本文采用基于深度学习的MTCNN人脸检测和特征点定位算法,实现了对驾驶员面部的检测;采用HOG特征与SVM相结合的方法驾驶员的行为进行分析。最终在车载机平台上实现了满足实际项目需求的驾驶员行为分析检测系统。