当前社会上交通事故频繁发生,而交通事故的发生很大一部分是由于驾驶员在行车过程中做出不安全的行为而导致的。为了减少交通事故的发生,本文提出了一套用于检测驾驶员行为的方法,可以识别出驾驶员在开车过程中使用手机、抽烟、喝水、挠头等妨碍驾驶安全的行为。本文的主要工作如下:1.对于本课题任务,由于目前网上并没有合适且公开的数据集,因此我们自行采集并建立了数据集。数据集总规模达到8900张,并对驾驶员的位置和行为进行了标注。2.提出了一种根据图像画面定位出驾驶员区域的方法。该方法是在YOLO目标检测算法的基础上对网络结构进行了改进,并针对本课题数据集的特点进行了参数优化。使用本课题的数据集进行训练并测试,结果表明该算法在该数据集上总体识别准确率达到了98%,且较好地满足实时性要求。3.在前面检测出驾驶员所在区域的基础上,本文提出了一种根据人体关键特征点对驾驶员行为进行识别的方法。该方法使用堆叠沙漏模型识别出驾驶员的人体关键特征点区域,其中包括面部、手部和手腕等区域,再使用VGG模型对整个图像提取特征,并使用ROIPooling层将关键区域的特征与整个图像的特征进行映射,再进行级联运算并使用一个分类器得到最终预测结果。使用本课题的数据集进行训练,并对整个算法流程进行测试。结果表明该算法在该数据集上总体识别准确率达到了92%,且较好地满足实时性要求。此外将该方法与直接使用卷积神经网络等方法进行对比,实验证明该方法能进一步提高识别准确率。4.在前面算法的基础上,本文设计了一套驾驶员行为识别系统。其中客户端部署在Linux嵌入式开发板上,服务端部署在服务器集群上。客户端支持在线检测和离线检测两种模式对驾驶员行为进行检测。当检测到驾驶员的不安全行为后,系统会将数据记录到后台,并会及时提醒驾驶员注意安全,以此来帮助驾驶员养成良好的驾驶习惯,减少交通事故的发生。